Load frequency control of power systems with large scale of wind power integrated based on particle swarm algorithm
Abstract: An interconnected power system with large scale of wind power integration is taken as our research object. In order to keep the stability of frequency, a PSO based load frequency controller is proposed. According to the amount of area control error (ACE), traditional load frequency controller is to adjust the output of units in order to make ACE approach to zero. Then output from all generators is matched to the demand from load. Output from wind units is taken as a negative load and an equivalent load is formed. Intelligent PSO is introduced into traditional load frequency controller and is expected to improve the control performance. The simulation based on the model, which is constructed on Matlab/Simulink platform demonstrates that, for the new design controller, its performance index whether frequency error of interconnected network or exchange flow for the interconnected line is better than that of traditional load frequency controller.
0 Introduction
With the depletion of the worlds fossil energy and environmental degradation, countries are taking measures to speed up the use of renewable energy and development. As a kind of inexhaustible clean energy, wind energy has been paid more and more attention. At present, wind power generation has become the fastest and most mature renewable energy generation technology. Due to the fluctuation of wind farms output power, its large-scale grid-connection will bring a series of problems to the power grid, such as power quality, system stability, scheduling and Operation Economy of the grid, etc. . And with the increase of the proportion of wind power capacity in the system, the above effects become more and more significant. Among them, the impact on the system frequency can not be ignored, it is directly related to the security and stability of power system operation. In this case, how to suppress the system frequency fluctuation caused by wind power access to ensure the frequency security and stability has become one of the important issues in wind power research.
At present, the main methods to overcome the frequency control problem after the wind power is connected to the system are as follows: improve the precision of the wind power forecast, do well the dispatching plan, which is helpful to reduce the system operation cost and spare capacity; By introducing a frequency response link into the wind turbine to improve its own active power regulation, the wind farm can participate in the system frequency regulation to a certain extent, balance The power fluctuation caused by wind power on the spot; utilize the frequency regulation ability of conventional units, i. e. existing speed governor and automatic generating device.
In order to maintain the balance of active power and ensure the maximum output of wind farm, the most practical means of frequency control is to fully exploit the frequency modulation ability of existing power system to meet the needs of larger wind capacity access. The most direct way to improve the frequency modulation ability of the existing system is the design of load frequency controller, which has the advantages of less investment and good effect.
In the previous research, this paper introduces the way of dealing with wind power output, that is, taking the fluctuation of wind power output as a negative load fluctuation, and illustrates the feasibility of frequency control of AGC in wind power access, but lacks the concrete control strategy design and the implementation. The intelligent controller has the advantages of good self-adaptability and dealing with non-linear system, and it can adapt to the control problem under the changing condition better than the traditional proportional integral controller, in this paper, the load frequency control system model of two-area interconnected system with wind power is established, and the load frequency control system model of two-area interconnected system with wind power is established, then the particle swarm control with fast convergence is applied to the interconnected power system with wind power access, and the improvement degree of the frequency performance index is analyzed, which is verified by an example on Matlab / Simulink.
1 Load Frequency Control Model of two-area interconnected system with wind power
Load Frequency Control LFC is based on Area Control Error, ACE to achieve the Control of the unit adjustment. It changes the total power level of the system by adjusting the output of the unit, and makes the regional control deviation ACE zero under the continuous regulation of the active power of the unit, so as to ensure the matching of the output and the load power of the whole system. 1.1 load frequency control system model for two-area interconnected systems the load frequency control system model for two-area interconnected systems is shown in figure 1, it consists of governor module, Prime Mover Module, generator-load module, tie-line module, LFC controller and so on.
Fig. 1 Model of load frequency control for an
interconnected grid with two regions
For an interconnected power system, each control area controls only the load disturbances that occur in its own area under the premise of a given tie-line exchange power, the load frequency controller controls the system frequency and the tie line exchange power simultaneously. The tie-line frequency deviation control (TBCTBC) is often used in the load frequency controller, i. e. the two-zone frequency deviation is
1.2 wind speed model
The wind speed is the main parameter which affects the output of the generator. At present, the four-component model is widely used at home and abroad, that is, it is composed of basic wind, gust, gradual
剩余内容已隐藏，支付完成后下载完整资料
基于粒子群算法的大规模风电并网电力系统负荷频率控制
摘要：本文以大规模风电并网发电系统为研究对象。为了保持频率的稳定性，提出了一种基于粒子群算法的负载频率控制器。传统的负荷频率控制器是根据区域控制误差的大小来调整机组的输出，使区域控制误差趋于零。然后所有发电机的输出与负载的需求相匹配。风电机组的输出作为负负荷，形成等效负荷。将智能粒子群算法引入到传统的负载频率控制器中，有望提高控制性能。基于该模型在Matlab/Simulink平台上的仿真表明，对于新设计的控制器，无论是互联网络的频率误差还是互联线路的换流，其性能指标均优于传统的负荷频率控制器。
简介：随着世界化石能源的枯竭和环境的恶化，各国都在采取措施加快可再生能源的利用和发展。风能作为一种取之不尽用之不竭的清洁能源，越来越受到人们的重视。目前，风力发电已成为最快、最成熟的可再生能源发电技术。由于风电场输出功率的波动，其大规模并网将给电网带来电能质量、系统稳定性、调度和运行经济性等一系列问题。而随着风电容量在系统中所占比例的增加，上述影响也越来越显著。其中，对系统频率的影响不容忽视，它直接关系到电力系统运行的安全稳定。在这种情况下，如何抑制风电接入引起的系统频率波动，保证频率的安全稳定成为风电研究的重要课题之一。
目前，解决风电并网后频率控制问题的主要方法有：提高风电预测精度，做好调度计划，有利于降低系统运行成本和备用容量；通过在风电机组中引入频率响应环节，提高风电场自身的有功功率调节能力，风电场可以在一定程度上参与系统频率调节，平衡风电现场引起的功率波动；利用常规机组的频率调节能力，i、 现有的调速器和自动发电装置。
为了保持风电场有功功率的平衡，保证风电场的最大出力，最实用的频率控制手段是充分利用现有电力系统的调频能力，满足较大风电容量接入的需要。提高现有系统调频能力最直接的方法是设计负载频率控制器，具有投资少、效果好的优点。
在以往的研究中，本文介绍了风电输出的处理方法，即将风电输出的波动看作负负荷波动，说明了AGC频率控制在风电接入中的可行性，但缺乏具体的控制策略设计和实现。智能控制器具有良好的自适应性和对非线性系统的处理能力，比传统的比例积分控制器更能适应变化条件下的控制问题，建立了风电两区互联系统的负荷频率控制系统模型，建立了风电两区互联系统的负荷频率控制系统模型，并将快速收敛的粒子群控制应用于风电接入的互联系统中，分析了频率性能指标的改善程度，并在Matlab/Simulink上进行了实例验证。
风电双区域互联系统负荷频率控制模型
负载频率控制是基于LFC的区域控制误差，实现对ACE控制单元的调节。它通过调节机组的输出来改变系统的总功率水平，在机组有功功率的连续调节下使区域控制偏差为零，从而保证整个系统的输出功率与负荷功率的匹配。1.1两区互联系统的负荷频率控制系统模型两区互联系统的负荷频率控制系统模型如图1所示，由调速模块、原动机模块、发电机负荷模块、联络线模块、线性调频控制器等组成。
图1负载频率控制模型
两区互联电网
对于互联电力系统，在给定联络线交换功率的前提下，每个控制区域仅控制其自身区域内发生的负荷扰动，负荷频率控制器同时控制系统频率和联络线交换功率。联络线频率偏差控制（TBCTBC）常用于负荷频率控制器，即双区频率偏差为
1.2风速模型
风速是影响发电机输出的主要参数。目前，国内外普遍采用四分量模型，即由基本风、阵风、渐变风和随机风组成。它们的定义和数学表达如下。
（1） 基本风
在风机正常运行期间，基本风V始终存在，并由风电场中风测量得到的Weibull分布参数近似确定
式中：V为基本风速（m/s）；K和a分别为风机的形状和尺度参数；gamma;函数。由于该分量几乎是不变的，所以在仿真中可以将其视为常数。
（2） 阵风
阵风反映了风速的突变。它通常用来评估风速变化时系统的动态特性。
公式中，vcos、TG、T1G和Maxg分别为阵风速度（m/S）、周期（S）、起动时间（S）和最大值（m/S）。
（3） 渐变风
采用变风速Vwr来描述风速的渐变特性。在电力系统静态稳定分析中，特别是在分析风电系统对电网频率波动的影响时，通常用来评估风速逐渐变化时系统的频率稳定性。数学表达式是
式中，vcamp Maxr 1-t-T2R/T1R-T2R、vcamp Maxr、T1R、T2R、TR分别为梯度风速（m/S）、最大值（m/S）、开始时间（S）、结束时间（S）、保持时间（S）。
（4） 随机风速
用随机风速vMN来反映风速的随机特性，并用随机模型来表示。以上四种风作用在风力机上的风速为
在Matlab/Simulink环境下构建了上述四个风速组件模块，风电场风速变化过程如图2所示。阵风开始时间为100s，结束时间为300s，最大为0.4m/s，渐变风开始时间为300s，结束时间为500s，最大为0.5m/s，基本风和随机风始终存在，模拟时间为600s。
图2风速曲线
1.3风电场输出模式
风力机是风力机的主要能量捕获部件，风能通过风力机转化为机械能。其中，风力机是风力机最重要的组成部分，其输出功率是
式中，Pm为风力机的功率输出，CP为风能利用系数，为叶尖转速与叶倾角之比的函数，理论最大值为0.593，实际应用中达不到，s为风力机的扫掠面积，单位为M2；空气密度（kg/M3V）和风速（M/S）。
目前，国内外新建风电场大多以变速恒频双馈风力发电机为主，其功率特性曲线如图3所示。当风速较低时，通过调节发电机转矩使输出功率最大化，通过变桨距系统改变叶片的桨距角来限制风力机获得能量，从而获得最佳的叶尖速比和最大风能利用系数，从而保持风力机的功率接近额定值，输出稳定。
图3双馈功率特性曲线
变速恒频风力发电机组
以1500kw的UP77/1500型变速恒频双馈风力发电机为例，其切入风速为3m/s，切出风速为25m/s，额定风速为11m/s，风轮功率系数为40%，空气密度为1.225kg/m 3，风径为11m/s风机为77.6米，在Matlab/Simulink中，风电场的输出功率变化如图4所示。这个风电场由100个这样的风力涡轮机组成。风电场的功率变化相当剧烈。最大输出功率137mw，最小输出功率106mw。
2。粒子群优化
2.1 粒子群优化原理
粒子群优化算法（PSO）是美国社会心理学家James Kennedy和电机工程师于1995年首次提出的一种高性能优化算法。其基本思想是每个优化问题的潜在解都是搜索空间中的粒子，因此粒子有一个最优适应度函数，每个粒子都有一个确定其方向和距离的速度向量，然后粒子通过解空间跟随当前的最优粒子。
图4风电输出曲线
假设目标搜索空间是d维，其中M个粒子构成一个总体，其中第一个粒子的位置由Xi Xi 1、Xi 2表示。。。，氧化，碘1，2。。。，M，速度为VI VI1，vi2。。。，视频。到目前为止，第一个粒子搜索的最佳位置是Pi Pi Pi 1，Pi 2。。。整个粒子群搜索的最佳位置是pg PG1，PG2。。。，pgD，粒子更新公式为
2.2 粒子群优化算法的改进
粒子群算法（PSO）和改进的粒子群算法（PSO）被用来提高优化问题的计算性能。考虑到粒子群优化算法中使用的参数较少，每个参数的设置都会影响算法的性能。因此，对粒子群中的参数采用以下校正技术。
（1） 惯性重量
本文采用线性微分减量法调整准惯性权重，其公式为：
通过对变化方程和实验结果的分析，发现该算法具有很强的全局搜索能力，有助于快速找到最优种子和最优解的近似位置，在进化后期，算法的下降趋势加快，因此，只要在前期找到合适的种子，算法的收敛速度就可以加快。
（2） 学习因素
根据经验，学习因子C1 c22。本文利用反余弦函数构造学习因子调整策略。反余弦策略的特点是在算法的初期、后期加速c 1和c 2的变化，使算法快速进入局部搜索，通过设置比线性和凹函数策略更理想的C1和C2值来保持粒子的搜索速度，避免早熟收敛。反余弦学习因子的构造如下。
变异操作扩展了在迭代过程中不断缩小的种群的搜索空间，使粒子跳出原来的最优位置，在更大的空间中搜索，在保持种群多样性的同时，提高了寻找更好解的可能性，避免了算法的使用陷入局部最优。
采用粒子群优化算法（PSO）对负载频率控制中Pi控制器的参数进行优化。如果两个参数相同，则KCIA-KCIB、KCPB-KCP，然后将优化后的控制器参数简化为KCI和KCP。利用上述改进技术对Pi控制器的参数进行了优化，结果表明改进后的PSO算法比标准PSO算法收敛速度快。
图5粒子群算法和修正粒子群算法的收敛曲线
3仿真实验及结果分析
考虑到两区互联系统的负荷频率控制问题，控制区a、B分别有一台300mw常规火电机组（非再热汽轮机组），控制区a有一台150mw风电场，每台机组的额定频率为50赫兹。两个区域单位通过联络线相连，形成一个相互联系的系统。系统框图如图1所示。图中主要计算参数如下如下：1=2=2.5p、 u.，g1=g2=0.08秒，T1=T2=0.2秒，P1=P2=100像素右右tau;tau;tau;tau;千千
T型P1=P2=20s，1=2=0.41p.u。T型乙乙
风速和风电场输出功率的变化如图2和图4所示。用电负荷的变化一般分为随机分量、波动分量和连续分量三种，用电负荷的变化综合为随机量和下降趋势，用于模拟下降阶段用电负荷的变化，如图6所示。
图6荷载变化曲线
将变化的风电场出力和变化的负荷作为等效负荷变化，变化曲线如图7所示。
图7等效荷载曲线
为了验证控制器的控制效果，分别在无负载频率控制、传统负载频率控制和基于改进PSO的负载频率控制三种情况下进行了仿真，仿真曲线如图8和图9所示。
（1） 无负载频率控制
考虑到等效负荷的变化，两个互联系统仅依靠常规机组的一次调频进行控制。模拟的频率偏差曲线8（a）表明，当频率仅调整一次时，系统a的频率偏差从-0.55hz波动到-0.35hz。根据《互联电网运行管理规定》，互联电网标准频率为50Hz，频率偏差不超过0.2Hz。没有负载频率控制，系统频率偏差远远大于允许值，不能起到很好的控制系统频率的作用。
此外，从联络线的功率交换曲线可以看出，联络线的功率交换计划值为0。当频率仅调整一次时，联络线的开关功率在-70～-45MW之间变化，且变化范围大，系统无法实现联络线交换功率的控制，因为在计划值上不稳定。
需要指出的是，在仿真初期，由于风电功率和负荷较大，频率偏移和开关功率偏移波动较大。但在制度的调控下，这两个数值往往会很快趋于稳定。
（2） 包括传统的负载频率控制
从图8B、9B可以看出，系统的频率偏差在-0.1hz～0.1hz之间，大部分点的频率偏差在-0.04hz～0.04hz之间波动，能够满足电力系统的正常频率偏差要求。联络线的开关功率在-6mw～6mw之间波动，稳定在联络线开关功率的计划值0附近，可以控制风电系统联络线的开关功率。
图8 A区频率偏差曲线
图9联络线功率偏差曲线
（3） 基于改进粒子群算法的负载频率控制
图8c和图9c显示系统的频率偏差在-0.1hz和0.04hz之间波动，大多数点的频率偏差在-0.02hz和0.02hz之间波动。联络线开关功率在-1MW～1MW之间波动，稳定在联络线开关功率0的计划值。这意味着改进后的控制器能够更好地实现风电并网电力系统的负荷频率控制功能。
表1总结了这三种模拟的结果。因此，基于改进粒子群算法的线性预测控制可以保证频率偏差在电力系统允许的范围内，同时减小联络线的开关功率波动范围。
4结论
总结以上工作，可以得出以下结论：
（1） 风电的大规模接入增加了电网频率的波动，进而增加了电网调度运行的难度。为了保证系统频率的稳定性和安全性，讨论了设计一种能够处理大规模风电并网引起的系统频率波动的负载频率控制器的可行性。
（2） 对风电输出特性进行了一段时间的仿真，并将风电输出作为“负”负荷加入到系统中，以风电并网的两个电力系统为研究对象，构建了相应的仿真系统。
（3） 粒子群优化（PSO）算法在应用于传统Pi控制器时，可以对控制器的参数进行优化。改进后的粒子群优化算法的收敛性能得到了改善。
（4） 通过对风电并网电力系统的仿真，发现风电波动下的并网电力系统在没有负荷频率控制的情况下，其频率不能满足要求；改进PSO控制器的负载频率控制比前两种控制方案有更好的性能，传统负载频率控制的负载频率控制能使系统频率保持在要求的范围内。
需要指出的是，以上只是对风电并网电力系统在负荷频率控制设计中如何处理风电出力的波动以及采用何种控制器进行仿真讨论，该系统的频率控制能够适应风电输出的最大波动范围，将是下一步继续探索的课题。
我国智能交通发展的分析与建议
摘要：阐述了智能交通的发展背景、智能交通的概念、特点以及智能交通建设的目标和主要内容。在分析我国智能交通发展现状和存在问题的基础上，提出了
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[415978]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
