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电力系统负荷频率控制
摘要:具有大规模风电集成的互联电力系统被作为我们的研究对象。 为了保持频率的稳定性，提出了一种基于PSO的负载频率控制器。 传统的负载频率控制器根据面积控制误差（ACE）的大小来调整单元的输出，以使ACE趋近于零。 然后，将所有发电机的输出与负载需求进行匹配。 风力发电机组的输出被视为负负载，并形成了等效负载。 智能PSO被引入传统的负载频率控制器中，有望改善控制性能。 在Matlab / Simulink平台上建立的基于模型的仿真表明，对于新型设计的控制器，其性能指标无论是互连网络的频率误差还是互连线路的交换流量都优于传统的负载频率控制器。
0引言
随着世界化石能源的枯竭和环境退化，各国正在采取措施，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，受到越来越多的关注。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，其大规模并网会给电网带来一系列问题，例如电能质量，系统稳定性，电网调度和运行经济性等。并且随着系统中风电容量比例的增加，上述效果越来越显着。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性和稳定性。在这种情况下，如何抑制风电接入引起的系统频率波动，保证频率安全性和稳定性已成为风电研究的重要课题之一。
目前，解决风电接入系统后的频率控制问题的主要方法有：提高风电预测的精度，做好调度计划，有助于降低系统运行成本和 闲置产能; 通过在风力发电机中引入频率响应链路以提高自身的有功功率调节，风电场可以在一定程度上参与系统频率调节，从而平衡当场风力发电引起的功率波动。 利用常规单元的调频能力，即 e。 现有的调速器和自动发电装置。
为了维持有功功率的平衡并确保风电场的最大输出，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，以满足更大风电接入的需求。提高现有系统的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。
在先前的研究中，本文介绍了处理风电输出的方法，即以风电输出的波动为负负载波动，并说明了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与实施。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，与传统的比例积分控制器相比，它在变化的条件下能够更好地适应控制问题。建立了风电两区互联系统，建立了风电两区互联系统的负荷频率控制系统模型，然后将具有快速收敛性的粒子群控制应用于接入风电的互联系统，并分析了频率性能指标的改善程度，并在Matlab / Simulink上通过实例进行了验证。
1风力发电两区互联系统的负荷频率控制模型
负载频率控制LFC是基于区域控制误差，以实现ACE的控制单位的调整。 通过调节单元的输出来改变系统的总功率水平，并在单元有功功率的连续调节下使区域控制偏差ACE为零，从而确保输出与负载功率的匹配 整个系统。 1.1两区互联系统的负载频率控制系统模型图1所示为两区互联系统的负载频率控制系统模型，它由调速器模块，原动机模块，发电机负载模块，联络线模块， LFC控制器等。
图1负载频率控制模型具有两个区域的互连网格
对于互连的电源系统，每个控制区域在给定的联络线交换功率的前提下仅控制在其自身区域中发生的负载干扰，负载频率控制器同时控制系统频率和联络线交换功率。联络线频率差控制（TBCTBC）通常用于负载频率控制器中，即。 e。 两区频率偏差为
1.2风速模型
风速是影响发电机输出的主要参数。 目前，四分量模型是由基本风，阵风，渐变风和随机风组成的，在国内外广泛使用。 它们的定义和数学表示如下。
（1）基本风
基本风V在风力涡轮机的正常运行过程中始终存在，并且大约由从风场中的风测量获得的威布尔分布参数确定
在公式中：V是基本风速（m / s）； K和a分别是风力涡轮机的形状和比例参数； 和伽玛功能。 由于该分量几乎是不变的，因此在仿真中可以将其视为常量。
（2）阵风
风速Vwg反映了风速的突然变化。 它通常用于评估风速变化时的系统动态特性。
在公式中，vcos，TG，T1G和Maxg分别为阵风速度（m / S），周期（s），开始时间（s）和最大值（m / s）。
- 渐进风
可变风速Vwr用于描述风速逐渐变化的特征。 在电力系统的静态稳定性分析中，特别是在风电系统对电网频率波动的影响分析中，通常用于评估风速逐渐变化时的系统频率稳定性。 数学表达式是
在公式中，vcamp Maxr 1-t-T2R / T1R-T2R和vcamp，Maxr，T1r，T2r和TR为梯度风速（m / S），最大值（M / S），开始时间（s）， 结束时间（s）和保持时间（s）。
（4）风速随机
随机风速vMN用于反映风速的随机特性，并由随机模块表示。 以上四种风作用在风机上的风速为
在Matlab / Simulink环境中构建以上四个风速模块组件，风电场风速变化过程如图2所示。Gust的开始时间为100s，结束时间为300s，最大为0.4m / s， 渐变风的开始时间为300s，结束风的时间为500s，最大值为0.5 m / 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风电场输出模型
风的动能通过风力涡轮机转换为机械能，而风力涡轮机是风力涡轮机的主要能量捕获组件。 其中，风力发电机是风力发电机最重要的组成部分，其输出功率为
在公式中，Pm是风力涡轮机的功率输出，CP是风能利用系数，它是叶尖速度与桨距角之比的函数，其理论最大值为0.593，在此公式中无法达到 实际应用中，s为风轮机的扫掠面积，单位为M2。 空气密度（kg / M3V）和风速（M / S）。
目前，国内外大多数新建的风电场主要是变速恒频双馈风力发电机，其功率特性曲线如图3所示。当风速较低时，最佳风速 通过调节发电机转矩，使输出功率最大化，变桨距系统改变叶片桨距角，限制风力发电机获取能量，从而获得风力发电的最大功率比和最大风能利用率。 水轮机保持在额定值附近，输出稳定。
图3双馈功率特性曲线VSCF风力发电机
以容量为1500kw的UP77 / 1500变速恒频双馈风力发电机为例，切入风速，切出风速和额定风速分别为3m / s，25m / s和11m / s。 风轮的功率系数分别为40％，空气密度为1.225 kg / m 3，风力涡轮机的直径为77.6M。在Matlab / Simulink中，风电场的输出功率变化如图2所示。 图4.风电场由100台这样的风力涡轮机组成。 风电场的功率变化非常剧烈。最大和最小输出分别为137mw和106mw。
- 粒子群优化
2.1粒子群优化的原理
粒子群优化（PSO）是一种高性能的优化算法，由美国社会心理学家James Kennedy和电气工程师于1995年首次提出。基本思想是，每个优化问题的潜在解决方案都是搜索空间中的粒子，因此粒子 具有最优的适应度函数，每个粒子都有一个确定其方向和距离的速度矢量，然后粒子沿着当前最优粒子穿过解空间。
图4风电输出曲线
假设目标搜索空间为d维，其中M个粒子形成总体，其中第一个粒子的位置由Xi Xi 1，Xi 2，...，Xid，I 1,2，...，M表示 ，速度为VI VI1，vi2，...，viD。 到目前为止，第一次粒子搜索的最佳位置是Pi Pi Pi 1，Pi 2，...，Pid，整个粒子群搜索的最佳位置是pg PG1，PG2，...，pgD，粒子更新 公式是
2.2改进粒子群算法
粒子群优化（PSO）和改进的粒子群优化（PSO）已用于提高优化问题的计算性能。 考虑到粒子群优化中使用的几个参数，每个参数的设置都会影响算法的性能。 因此，以下校正技术用于粒子群中的参数。
（1）惯性重量
在本文中，迭代过程使用线性微分减量来调整准惯性权重，其公式为：
通过分析变化方程和实验结果，全局搜索能力很强，有助于找到最优种子，快速定位最优解的近似位置，在进化的后期，算法的下降趋势加速，因此一旦在较早阶段找到合适的种子，就可以加快算法的收敛速度。
（2）学习因素
根据经验，学习因子C1 c22。本文使用反余弦函数构造学习因子调整策略。反余弦策略的特征在于，该算法可以通过在初始阶段加速c 1和C 2的变化来加快进入局部搜索的速度，在算法的后期阶段，更理想的C1和C2值设置线性和凹函数策略以保持粒子搜索速度并避免过早收敛。抗余弦学习因子的构建如下。
变异操作扩大了种群的搜索空间，该空间在迭代中不断缩小，并使粒子跳出之前找到的最佳位置，并在较大的空间中进行搜索，同时保持种群的多样性， 寻找更好的解决方案的方法被改进以避免算法陷入局部最优。
粒子群优化（PSO）用于优化负载频率控制中Pi控制器的参数。 如果两个参数相同，则KCIA KCIB，KCPB KCP，然后将优化的控制器参数简化为KCI和KCP。 通过使用以上改进技术优化了Pi Controller的参数，可以看出改进后的PSO收敛速度比标准PSO快。
图5 PSO和修订后的PSO的收敛曲线
3仿真实验与结果分析
考虑到两区域互联系统的负载频率控制问题，控制区域A和B中有300mw的常规火力发电机组（非再热汽轮机机组），控制区域A中有150mw的风电场，每个单元的额定频率为50hz。这两个区域单位通过联络线相连，以形成一个互连的系统。系统框图如图1所示。图中主要计算参数如下：R1 = R2 = 2.5 p.u.，tau;g1=tau;g2= 0.08 s，tau;T1=tau;T2= 0.2 s，KP1 = KP2 = 100 p.u.，TP1 = TP2 = 20 s，B1 = B2 = 0.41p.u。
风速和风电场输出功率的变化如图2和图4所示。公用负荷的变化通常分为三种类型：随机分量，波动分量和连续分量，电负载的变化被合成为随机数量和下降趋势，用于模拟下降阶段的电负载变化，如图6所示。
图6负荷变化曲线
将变化的风电场输出和变化的负载作为等效负载变化，变化曲线如图7所示。
图7等效负荷曲线
为了验证控制器的控制效果，在三种情况下进行了仿真，即在没有负载频率控制，传统负载频率控制和基于改进PSO的负载频率控制的情况下，其仿真曲线如图所示 8和9。
（1）无负载频率控制
考虑到等效负载的变化，两个相互连接的系统仅依靠常规单元的主频率调制进行控制。仿真的频率偏差曲线8（a）表明，当仅调节一次频率时，系统a的频率偏差从-0.55Hz变化到-0.35Hz。根据《互联电网运行管理规定》，互联电网的标准频率为50Hz，频率偏差不得超过0.2Hz。如果没有负载频率控制，则系统频率偏差远大于允许值，不能很好地控制系统频率。
另外，从联络线的电力交换曲线可以看出，联络线的电力交换的计划值为0。当频率仅调整一次时，联络线上的开关功率在-70〜-之间变化。 45MW，变化范围大，系统不稳定，无法实现对联络线交流功率的控制。
应该指出的是，在仿真的初始阶段，频率偏移和开关功率偏移都发生了很大的波动，这是由于在仿真开始时存在较大的风能和负载而引起的。但是在系统的调节下，这两个值可能趋于快速稳定。
（2）包括传统的负载频率控制
从图8B和9B可以看出，系统的频率偏差在-0.1 Hz和0.1 Hz之间，大多数点的频率偏差在-0.04 Hz和0.04 Hz之间波动，可以满足正常的频率偏差要求。电源系统。联络线的开关功率在-6 MW和6mw之间波动，并且在联络线的开关功率的计划值0附近稳定，可以控制风力发电系统的联络线的开关功率。
图8区域A的频率偏差曲线
图9联络线功率偏差曲线
（3）改进PSO的负载频率控制
图8C和图9C示出系统的频率偏差在-0.1Hz和0.04Hz之间波动，并且大多数点的频率偏差在-0.02Hz和0.02Hz之间波动。 联络线的开关功率在-1 MW和1 MW之间波动，并且稳定在联络线的开关功率0的计划值。这意味着改进的控制器可以更好地实现具有以下特性的互连电力系统的负载频率控制功能：风力。
这三个仿真的结果总结在表1中。因此，基于改进的PSO的LPC可以保证频率偏差在电力系统的允许范围内，并且还可以减小联络线的开关功率波动范围。
- 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，增加了电网调度的难度。 为了保持系统频率的稳定性和安全性，讨论了设计一种负载频率控制器的可行性，该控制器可以处理大规模风电并网引起的系统频率波动。
- 在一段时间内模拟风电输出特性，并将风电输出作为“负”负载添加到系统中，并以两个具有风电的互连电力系统为研究对象， 建立了相应的仿真系统。
（3）粒子群优化算法在应用于传统的Pi控制器时可以优化控制器的参数。可以提高改进的粒子群算法的收敛性能。
（4）通过风电并网仿真，发现没有负荷频率控制的风电并网频率不能满足要求。使用改进的PSO控制器的负载频率控制比以前的两种控制方案具有更好的性能，并且使用传统负载频率控制的负载频率控制可以将系统频率保持在所需范围内。
需要指出的是，以上仅是关于如何处理风电输出波动的仿真讨论，以及在风电互联电力系统的负荷频
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[423438]，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。
