CN106130066A - 一种用于独立微电网***的多目标鲁棒频率控制方法 - Google Patents
一种用于独立微电网***的多目标鲁棒频率控制方法 Download PDFInfo
- Publication number
- CN106130066A CN106130066A CN201610548802.5A CN201610548802A CN106130066A CN 106130066 A CN106130066 A CN 106130066A CN 201610548802 A CN201610548802 A CN 201610548802A CN 106130066 A CN106130066 A CN 106130066A
- Authority
- CN
- China
- Prior art keywords
- represent
- robust
- individual
- max
- independent micro
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000005457 optimization Methods 0.000 claims abstract description 30
- 238000000465 moulding Methods 0.000 claims abstract description 16
- 230000004044 response Effects 0.000 claims abstract description 6
- 238000013459 approach Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims abstract description 4
- 238000004146 energy storage Methods 0.000 claims description 7
- 239000000446 fuel Substances 0.000 claims description 7
- 230000035945 sensitivity Effects 0.000 claims description 6
- 239000002253 acid Substances 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims description 3
- 230000036541 health Effects 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 206010039792 Seborrhoea Diseases 0.000 claims 1
- 239000012141 concentrate Substances 0.000 claims 1
- 238000013461 design Methods 0.000 abstract description 4
- 230000001186 cumulative effect Effects 0.000 abstract description 3
- 230000006978 adaptation Effects 0.000 abstract description 2
- 230000015572 biosynthetic process Effects 0.000 abstract description 2
- 230000001629 suppression Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 9
- 230000002068 genetic effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- H02J3/383—
-
- H02J3/386—
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Power Engineering (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开一种独立微电网的多目标鲁棒分数阶频率控制方法,本发明通过小信号建模方法建立独立微电网***各组件小信号频率响应模型,在此基础上建立独立微电网***鲁棒回路成型分数阶频率控制模型,将独立微电网***频率偏差与时间相乘的累加和最小、***功率偏差与时间相乘的累加和最小、鲁棒回路成型***矩阵函数的无穷范数最小、鲁棒控制器输出信号值最小作为评估鲁棒频率控制器性能的优化目标函数,将鲁棒稳定性能和抑制干扰性能指标均小于1作为约束条件,并设计一种自适应多目标约束优化求解器高效地实现鲁棒回路成型频率控制参数的优化整定。采用本发明可实现独立微电网***多性能指标折衷优化的鲁棒频率控制。
Description
技术领域
本发明涉及新能源微电网能量调配和管理技术领域智能控制技术,特别涉及一种用于独立微电网***的多目标鲁棒频率控制方法。
背景技术
独立微电网为解决偏远山区和沿海海岛等特殊地区供电难题提供了一种可行方案,因此近年来受到了国内外新能源与电力***领域的广泛研究与推广应用。但光伏发电和风力发电随着地区天气的变化呈现出较强的随机性和间歇性,加之需求负荷的多样性和复杂性等特征,将容易导致独立微电网***有功功率供需不平衡从而使得***频率出现波动。因此,如何在独立微电网***结构参数不确性和外界干扰的情形下实现平稳、快速且准确的频率控制是独立微电网***能量调配和管理领域必须解决的重要技术难题之一。目前,独立微电网频率控制的主流技术主要包括:(1)基于遗传算法或模糊粒子群算法的传统整数阶PID或PI控制技术,但存在振荡幅度较大、响应速度较慢、抗干扰能力不足、优化算法自身参数整定复杂、计算效率较低等缺陷;(2)基于遗传算法和Kriging代理模型等优化算法的分数阶PID控制技术,但遗传算法包含选择、交叉和变异等复杂进化计算操作,算法自身可调参数较多,计算效率较低,而基于Kriging代理模型对初始样本数目依赖较高,也同样存在算法自身参数整定复杂、计算效率偏低等缺陷;(3)基于标准H无穷和μ分析原理的控制方法,但还存在鲁棒控制器的评价性能指标过于单一,难以综合优化独立微电网***的频率控制性能。
为了弥补以上技术的不足,在国家自然科学基金(No.51207112)、浙江省公益科技计划(Nos.2014C31074、2014C31093)、浙江省自然科学基金(Nos.LY16F030011、LZ16E050002、LQ14F030006、LQ14F030007)等项目的支持下,本发明公开一种用于独立微电网***的多目标鲁棒频率控制方法。本发明通过小信号建模方法建立独立微电网***各组件小信号频率响应模型,在此基础上建立独立微电网***鲁棒回路成型分数阶频率控制模型,将独立微电网***频率偏差与时间相乘的累加和最小、***功率偏差与时间相乘的累加和最小、鲁棒回路成型***矩阵函数的无穷范数最小、鲁棒控制器输出信号值最小作为评估鲁棒频率控制器性能的优化目标函数,将鲁棒稳定性能和抑制干扰性能指标均小于1作为约束条件,并设计一种自适应多目标约束优化求解器高效地实现鲁棒回路成型频率控制参数的优化整定。
发明内容
本发明的目的在于针对现有技术的不足,提供一种用于独立微电网***的多目标鲁棒频率控制方法。
本发明的目的是通过以下技术方案来实现的:一种用于独立微电网***的多目标鲁棒频率控制方法,该方法包括以下步骤:
(1)通过小信号建模方法建立独立微电网***各组件(包括风力发电机、光伏阵列、柴油发电机、燃料电池、铅酸蓄电池、飞轮储能***和电力电子变换器)小信号频率响应模型,在此基础上建立基于鲁棒回路成型分数阶频率控制器的控制***模型,独立微电网***监控计算机读取***读取独立微电网控制***模型和负荷数据;其中鲁棒回路成型分数阶频率控制器CR的传递函数模型如下:
CR=W1C∞W2,其中
其中,W1和W2表示权重函数,Kr表示分数阶控制器C∞的比例系数,Tr1与Tr2分别表示两个分数阶惯性环节惯性时间系数,λr1与λr2分别表示两个惯性环节的分数阶阶次。
(2)设置多目标约束优化求解器的参数数值,包括外部存档最大个数Amax、最大迭代优化次数Imax。
(3)随机产生一个实数编码的个体SI=(U-L)*R+L,其中SI=[Kr,Tr1,Tr2,λr1,λr2],U与L表示鲁棒回路成型分数阶频率控制器优化变量上限和下限,R表示一组在0到1范围内产生的均匀分布随机数,并令外部存档A为空。
(4)对当前个体SI逐个优化变量进行变异并保持其它组员不变,产生5个子代个体{Sj,j=1,2,…,5},具体变异操作如式(2)~(4)所示:
Sj(xi)=SI(xi)+α.βmax(xi),i=1,2,...,5 (2)
其中
βmax(xi)=max(SI(xi)-L(xi),U(xi)-SI(xi)),i=1,2,...,5 (4)
其中,xi表示第i个优化变量,Sj(xi)和Sj(xi)分别表示个体Sj和SI中的第i个优化变量,L(xi)和U(xi)分别表示第i个优化变量的下限值和上限值,Ic表示当前迭代次数,r1是在0和1范围内产生的均匀随机数。
(5)按照式(5)~(6)计算{Sj,j=1,2,…,5}所有个体的约束违反量g(Sj);
其中p为约束条件的数量。
(6)计算每个个体的m个适应度值{Fk(Sj),j=1,2,…,5,k=1,2,…,m},具体计算过程如下:
(6.1)若Sj是可行解,则Fk(Sj)=fk(Sj),j=1,2,…,5,k=1,2,…,m,其中fk(Sj)表示第j个个体的第k个适应度函数,具体计算详见权利2;
(6.2)若Sj是不可行解,则Fk(Sj)=fk(Sj)+ηk.g(Sj),其中ηk表示对违反约束的惩罚因子。
(7)使用基于非支配排序的Pareto适应度评价准则对这5个子代个体{Sj,j=1,2,…,5}进行Pareto排序。
(8)如果只存在一个非支配个体,则令该个体为Sn;如果存在多个非支配个体,则随机选择一个个体作为Sn。
(9)采用基于拥挤度距离的更新机制更新外部文档A,具体实现方式如下:
(9.1)如果外部存档中至少有一个体能够支配个体Sn,则个体Sn不加入外部存档A。
(9.2)如果个体Sn能够支配外部存档中的某些个体,则将这些个体移除,并将个体Sn加入外部存档A。
(9.3)如果外部存档中的所有个体与个体Sn互不支配时,若外部存档个数未达到最大个数Amax,则将个体Sn加入外部存档A;若外部存档个数达到最大个数Amax,且若个体Sn位于外部存档最拥挤的地方,则不加入外部存档A;否则个体Sn将替代位于外部存档最拥挤的地方的个体,从而加入外部存档A。拥挤度距离计算具体如下:假设外部文档A中个体数量为l,对A中所有个体{A(i),i=1,2,..,l}对应的m个适应度函数{Fk(A(i)),i=1,2,..,l,k=1,2,…,m}按照升序排序,从而使得Fk(A(O(1)))≤Fk(A(O(2)))≤…≤Fk(A(O(l))),其中O(1),O(2)…,O(l)为排序索引号,Ak(O(i))表示第m个适应度函数值排序为O(i)对应的外部文档个体;Ak(O(1))和Ak(O(l))的拥挤距离d(Ak(O(1)))和d(Ak(O(l)))为:d(Ak(O(1)))=d(Ak(O(l)))=∞;对于i=2,…,(l-1),则Ak(O(i))的拥挤距离d(Ak(O(i)))为:d(Ak(O(i)))=[Ak(O(i+1))-Ak(O(i-1))]/[Fk(A(O(l)))-Fk(A(O(1)))]。
(10)Sn无条件地替代当前个体SI。
(11)重复步骤(4)至(10),直至满足达到最大迭代优化次数Imax。
(12)将外部存档作为到目前为止最优化的Pareto解集输出,从中选取Pareto解集中最中间的个体作为鲁棒回路成型分数阶频率控制器的优化参数Sbest,将其传输至实际独立微电网***中,独立微电网***监控计算机获得实际独立微电网***的实时运行数据和波形。
步骤6中所涉及的独立微电网***的鲁棒分数阶频率控制的多目标优化模型包括多目标适应度函数及其约束条件模型如式(7)~(17)所示:
minf(x)=min[f1(x),f2(x),f3(x),f4(x)],x=[Kr,Tr1,Tr2,λr1,λr2] (7)
f4(x)=||[I C∞]T(1-PC∞)-1[I P]||∞,其中P=W2P0W1 (11)
subject to||W1T||∞<1,||W2S||∞<1 (12)
S=(I+P0CR)-1 (13)
T=P0CR(I+P0CR)-1 (14)
L≤x≤U (17)
其中,t表示***运行时间,tmin和tmax分别表示***运行时间的起始时间和终止时间,Δf表示***频率偏差,ΔPg表示***总功率偏差,u表示鲁棒控制器输出信号幅值,a1和b1分别表示权重函数W1的零点和极点,Ka表示W1的比例系数,P0表示***正常情况下的被控对象模型,S和T分别表示灵敏度函数和补灵敏度函数,ΔP表示***不确定因素下的扰动模型,M和N分别表示正常被控对象P0的分母与分子模型,ΔM和ΔN分别表示被控对象在不确定性因素下扰动的分母与分子模型,EVmax(X1Z1)表示X1Z1的最大特征根,X1和Z1分别是方程(18)和(19)的正解:
(A1-B1Sa -1D1 TC1)TX1+X1(A1-B1Sa -1D1 TC1)-X1B1Sa -1B1 T+C1 TRC1=0 (18)
(A1-B1Sa -1D1 TC1)TZ1+Z1(A1-B1Sa -1D1 TC1)-Z1B1Sa -1B1 T+C1 TRC1=0 (19)
其中,R=I+D1D1 T,Sa=I+D1 TD1,A1、B1、C1、D1为被空对象P的最小空间实现的系数矩阵。
本发明的有效效果是:采用本发明可实现独立微电网***多性能指标折衷优化的鲁棒频率控制,具有现有技术所不具备的以下优点:在独立微电网***参数不确定性和干扰等情形下的***运行稳定裕度更高,***频率偏差和功率偏差波动更平缓,调节时间更短,控制精度更高,控制器输出信号值更平缓,鲁棒控制器参数优化整定效率更高,且优化求解器设计与实现更简单。
附图说明
图1是独立微电网的拓扑结构及多目标鲁棒分数阶频率控制原理示意图;
图2是基于小信号模型的独立微电网多目标鲁棒分数阶频率控制原理方框图;
图3是独立微电网多目标鲁棒分数阶频率控制的实现过程示意图。
具体实施方式
下面结合附图对本发明进一步说明,本发明的目的和效果将更加明显。
图1是独立微电网的拓扑结构及多目标鲁棒分数阶频率控制原理示意图,独立微电网主要组件包括风力发电机、光伏阵列、柴油发电机、燃料电池、铅酸蓄电池、飞轮储能***和电力电子变换器,依据机理分析和实验测试数据相结合的方法建立独立微电网频率控制***模型,同时按照工程需求的多性能指标和约束条件建立独立微电网多目标鲁棒分数阶频率控制优化模型,通过多目标约束优化求解器优化的分数阶频率制参数实现独立微电网的多目标鲁棒频率控制。
图2是基于小信号模型的独立微电网多目标鲁棒分数阶频率控制原理方框图,其中TWTG、TPV、TDEG、TFC、TBESS、TFESS分别表示风力发电机、光伏阵列、柴油发电机、燃料电池、铅酸蓄电池、飞轮储能***的惯性时间系数,D与M1分别表示电力***传递函数的常数和惯性系数,Pp与Pw分别表示光伏阵列和风力发电输入功率,PWTG、PPV、PDEG、PFC、PBESS、PFESS分别表示风力发电机、光伏阵列、柴油发电机、燃料电池、蓄电池和飞轮储能***的输出功率,Pt表示风力发电和光伏发电的功率之和,即Pt=PWTG+PPV,PS表示独立微电网***产生的功率之和,即PS=Pt+PDEG+PFC±PBESS±PFESS,PL表示负荷功率,ΔPg表示***总功率偏差,即ΔPg=PL-PS,Δf表示独立微电网***的频率偏差,u表示鲁棒控制器CR的输出信号。
图3是独立微电网多目标鲁棒分数阶频率控制的实现过程示意图。
以沿海地区某个500kW独立微电网***为例,采用本发明提出的独立微电网多目标鲁棒分数阶频率控制进行实施。
(1)通过小信号建模方法建立独立微电网***各组件(包括风力发电机、光伏阵列、柴油发电机、燃料电池、铅酸蓄电池、飞轮储能***和电力电子变换器)小信号频率响应模型,在此基础上建立基于鲁棒回路成型分数阶频率控制器的控制***模型,并建立独立微电网***鲁棒分数阶频率控制的多目标优化模型,独立微电网***监控计算机读取***读取独立微电网控制***模型和负荷数据。
在本实施例中,独立微电网***在正常运行状态点附近的小信号状态空间模型计算如下:
式中ΔX=[ΔPWTG ΔPPV ΔPDEG ΔPFC ΔPBESS ΔPFESS Δf]T表示状态向量,ΔPWTG、ΔPPV、ΔPDEG、ΔPFC、ΔPBESS、ΔPFESS分别表示风力发电机、光伏阵列、柴油发电机、燃料电池、蓄电池和飞轮储能***的功率变化,Δf表示独立微电网***的频率偏差,表示状态向量的一阶导数向量,ΔW=[ΔPwΔPpΔPl]T表示干扰向量,ΔPw、ΔPp、ΔPl分别表示风力发电、光伏发电和负荷的功率波动干扰,ΔU=u表示***输入向量,A1、B1、B2、C1、D1表示***系数矩阵,在本实施例中计算如下:
鲁棒回路成型分数阶频率控制器CR的传递函数模型如下:
CR=W1C∞W2,其中
其中,W1和W2表示权重函数,Kr表示分数阶控制器C∞的比例系数,Tr1与Tr2分别表示两个分数阶惯性环节惯性时间系数,λr1与λr2分别表示两个惯性环节的分数阶阶次。
在本实施例中,独立微电网***鲁棒分数阶频率控制的多目标优化模型包括多目标适应度函数及其约束条件模型如下式(3)~(13)所示:
minf(x)=min[f1(x),f2(x),f3(x),f4(x)],x=[Kr,Tr1,Tr2,λr1,λr2] (3)
f4(x)=||[I C∞]T(1-PC∞)-1[I P]||∞,其中P=W2P0W1 (7)
subject to||W1T||∞<1,||W2S||∞<1 (8)
S=(I+P0CR)-1 (9)
T=P0CR(I+P0CR)-1 (10)
L≤x≤U (13)
其中,t表示***运行时间,tmin和tmax分别表示***运行时间的起始时间和终止时间,Δf表示***频率偏差,ΔPg表示***总功率偏差,u表示鲁棒控制器输出信号幅值,a1和b1分别表示权重函数W1的零点和极点,Ka表示W1的比例系数,P0表示***正常情况下的被控对象模型,S和T分别表示灵敏度函数和补灵敏度函数,ΔP表示***不确定因素下的扰动模型,M和N分别表示正常被控对象P0的分母与分子模型,ΔM和ΔN分别表示被控对象在不确定性因素下扰动的分母与分子模型,优化向量的下限L和上限U在此分别设置为L=[0,0.01,0.01,0,0]和U=[100,1,1,2,2],EVmax(X1Z1)表示X1Z1的最大特征根,X1和Z1分别是方程(14)和(15)的正解:
(A1-B1Sa -1D1 TC1)TX1+X1(A1-B1Sa -1D1 TC1)-X1B1Sa -1B1 T+C1 TRC1=0 (14)
(A1-B1Sa -1D1 TC1)TZ1+Z1(A1-B1Sa -1D1 TC1)-Z1B1Sa -1B1 T+C1 TRC1=0 (15)
其中R=I+D1D1 T,Sa=I+D1 TD1,A1、B1、C1、D1为被控对象P的最小空间实现的系数矩阵。
(2)设置多目标约束优化求解器的参数数值,包括外部存档最大个数Amax=50、最大迭代优化次数Imax=500。
(3)随机产生一个实数编码的个体SI=(U-L)*R+L,其中SI=[Kr,Tr1,Tr2,λr1,λr2],U与L表示鲁棒回路成型分数阶频率控制器优化变量上限和下限,R表示一组在0到1范围内产生的均匀分布随机数,并令外部存档A为空。
(4)对当前个体SI逐个优化变量进行变异并保持其它组员不变,产生5个子代个体{Sj,j=1,2,…,5},具体变异操作如式(16)~(18)所示:
Sj(xi)=SI(xi)+α.βmax(xi),i=1,2,...,5 (16)
其中
βmax(xi)=max(SI(xi)-L(xi),U(xi)-SI(xi)),i=1,2,...,5 (18)
其中,xi表示第i个优化变量,Sj(xi)和Sj(xi)分别表示个体Sj和SI中的第i个优化变量,L(xi)和U(xi)分别表示第i个优化变量的下限值和上限值,Ic表示当前迭代次数,r1是在0和1范围内产生的均匀随机数。
(5)按照式(19)~(20)计算{Sj,j=1,2,…,5}所有个体的约束违反量g(Sj);
其中p为约束条件的数量。
(6)计算每个个体的m个适应度值{Fk(Sj),j=1,2,…,5,k=1,2,…,m},具体计算过程如下:
(6.1)若Sj是可行解,则Fk(Sj)=fk(Sj),j=1,2,…,5,k=1,2,…,m,其中fk(Sj)表示第j个个体的第k个适应度函数,具体计算详见权利2;
(6.2)若Sj是不可行解,则Fk(Sj)=fk(Sj)+ηk.g(Sj),其中ηk表示对违反约束的惩罚因子。
(7)使用基于非支配排序的Pareto适应度评价准则对这5个子代个体{Sj,j=1,2,…,5}进行Pareto排序。
(8)如果只存在一个非支配个体,则令该个体为Sn;如果存在多个非支配个体,则随机选择一个个体作为Sn。
(9)采用基于拥挤度距离的更新机制更新外部文档A,具体实现方式如下:
(9.1)如果外部存档中至少有一个体能够支配个体Sn,则个体Sn不加入外部存档A。
(9.2)如果个体Sn能够支配外部存档中的某些个体,则将这些个体移除,并将个体Sn加入外部存档A。
(9.3)如果外部存档中的所有个体与个体Sn互不支配时,若外部存档个数未达到最大个数Amax,则将个体Sn加入外部存档A;若外部存档个数达到最大个数Amax,且若个体Sn位于外部存档最拥挤的地方,则不加入外部存档A;否则个体Sn将替代位于外部存档最拥挤的地方的个体,从而加入外部存档A。拥挤度距离计算具体如下:假设外部文档A中个体数量为l,对A中所有个体{A(i),i=1,2,..,l}对应的m个适应度函数{Fk(A(i)),i=1,2,..,l,k=1,2,…,m}按照升序排序,从而使得Fk(A(O(1)))≤Fk(A(O(2)))≤…≤Fk(A(O(l))),其中O(1),O(2)…,O(l)为排序索引号,Ak(O(i))表示第m个适应度函数值排序为O(i)对应的外部文档个体;Ak(O(1))和Ak(O(l))的拥挤距离d(Ak(O(1)))和d(Ak(O(l)))为:d(Ak(O(1)))=d(Ak(O(l)))=∞;对于i=2,…,(l-1),则Ak(O(i))的拥挤距离d(Ak(O(i)))为:d(Ak(O(i)))=[Ak(O(i+1))-Ak(O(i-1))]/[Fk(A(O(l)))-Fk(A(O(1)))]。
(10)Sn无条件地替代当前个体SI。
(11)重复步骤(4)至(10),直至满足达到最大迭代优化次数Imax=500。
(12)将外部存档作为到目前为止最优化的Pareto解集输出,从中选取Pareto解集中最中间的个体作为鲁棒回路成型分数阶频率控制器的优化参数Sbest,将其传输至实际独立微电网***中,独立微电网***监控计算机获得实际独立微电网***的实时运行数据和波形。
通过对采用本发明技术与现有技术的该独立微电网***运行实验结果对比分析,我们可以发现:采用本发明可实现独立微电网***频率偏差、功率偏差、稳定裕度、控制器输出信号等多个性能指标折衷优化的鲁棒频率控制,具有现有技术所不具备的以下优点:在独立微电网***参数不确定性和干扰等情形下的***运行稳定裕度更高,***频率偏差和功率偏差波动更平缓,调节时间更短,稳态误差更小,控制器输出信号值更平缓,鲁棒控制器参数优化整定效率更高,且优化求解器设计与实现更简单。
Claims (2)
1.一种独立微电网的多目标鲁棒分数阶频率控制方法,其特征在于,该方法包括以下步骤:
(1)通过小信号建模方法建立独立微电网***各组件(包括风力发电机、光伏阵列、柴油发电机、燃料电池、铅酸蓄电池、飞轮储能***和电力电子变换器)小信号频率响应模型,在此基础上建立基于鲁棒回路成型分数阶频率控制器的控制***模型,独立微电网***监控计算机读取***读取独立微电网控制***模型和负荷数据;其中鲁棒回路成型分数阶频率控制器CR的传递函数模型如下:
CR=W1C∞W2,其中
其中,W1和W2表示权重函数,Kr表示分数阶控制器C∞的比例系数,Tr1与Tr2分别表示两个分数阶惯性环节惯性时间系数,λr1与λr2分别表示两个惯性环节的分数阶阶次。
(2)设置多目标约束优化求解器的参数数值,包括外部存档最大个数Amax、最大迭代优化次数Imax。
(3)随机产生一个实数编码的个体SI=(U-L)*R+L,其中SI=[Kr,Tr1,Tr2,λr1,λr2],U与L表示鲁棒回路成型分数阶频率控制器优化变量上限和下限,R表示一组在0到1范围内产生的均匀分布随机数,并令外部存档A为空。
(4)对当前个体SI逐个优化变量进行变异并保持其它组员不变,产生5个子代个体{Sj,j=1,2,…,5},具体变异操作如式(2)~(4)所示:
Sj(xi)=SI(xi)+α.βmax(xi),i=1,2,...,5 (2)
其中
βmax(xi)=max(SI(xi)-L(xi),U(xi)-SI(xi)),i=1,2,...,5 (4)
其中,xi表示第i个优化变量,Sj(xi)和Sj(xi)分别表示个体Sj和SI中的第i个优化变量,L(xi)和U(xi)分别表示第i个优化变量的下限值和上限值,Ic表示当前迭代次数,r1是在0和1范围内产生的均匀随机数。
(5)按照式(5)~(6)计算{Sj,j=1,2,…,5}所有个体的约束违反量g(Sj);
其中p为约束条件的数量。
(6)计算每个个体的m个适应度值{Fk(Sj),j=1,2,…,5,k=1,2,…,m},具体计算过程如下:
(6.1)若Sj是可行解,则Fk(Sj)=fk(Sj),j=1,2,…,5,k=1,2,…,m,其中fk(Sj)表示第j个个体的第k个适应度函数;
(6.2)若Sj是不可行解,则Fk(Sj)=fk(Sj)+ηk.g(Sj),其中ηk表示对违反约束的惩罚因子。
(7)使用基于非支配排序的Pareto适应度评价准则对这5个子代个体{Sj,j=1,2,…,5}进行Pareto排序。
(8)如果只存在一个非支配个体,则令该个体为Sn;如果存在多个非支配个体,则随机选择一个个体作为Sn。
(9)采用基于拥挤度距离的更新机制更新外部文档A,具体实现方式如下:
(9.1)如果外部存档中至少有一个个体能够支配个体Sn,则个体Sn不加入外部存档A。
(9.2)如果个体Sn能够支配外部存档中的某些个体,则将这些个体移除,并将个体Sn加入外部存档A。
(9.3)如果外部存档中的所有个体与个体Sn互不支配时,若外部存档个数未达到最大个数Amax,则将个体Sn加入外部存档A;若外部存档个数达到最大个数Amax,且若个体Sn位于外部存档最拥挤的地方,则不加入外部存档A;否则个体Sn将替代位于外部存档最拥挤的地方的个体,从而加入外部存档A。拥挤度距离计算具体如下:假设外部文档A中个体数量为l,对A中所有个体{A(i),i=1,2,..,l}对应的m个适应度函数{Fk(A(i)),i=1,2,..,l,k=1,2,…,m}按照升序排序,从而使得Fk(A(O(1)))≤Fk(A(O(2)))≤…≤Fk(A(O(l))),其中O(1),O(2)…,O(l)为排序索引号,Ak(O(i))表示第k个适应度函数值排序为O(i)对应的外部文档个体;Ak(O(1))和Ak(O(l))的拥挤距离d(Ak(O(1)))和d(Ak(O(l)))为:d(Ak(O(1)))=d(Ak(O(l)))=∞;对于i=2,…,(l-1),则Ak(O(i))的拥挤距离d(Ak(O(i)))为:d(Ak(O(i)))=[Ak(O(i+1))-Ak(O(i-1))]/[Fk(A(O(l)))-Fk(A(O(1)))]。
(10)Sn无条件地替代当前个体SI。
(11)重复步骤(4)至(10),直至满足达到最大迭代优化次数Imax。
(12)将外部存档作为到目前为止最优化的Pareto解集输出,从中选取Pareto解集中最中间的个体作为鲁棒回路成型分数阶频率控制器的优化参数Sbest,将其传输至实际独立微电网***中,独立微电网***监控计算机获得实际独立微电网***的实时运行数据和波形。
2.根据权利要求1所述的一种独立微电网的多目标鲁棒分数阶频率控制方法,其特征在于,步骤6中所涉及的独立微电网***的鲁棒分数阶频率控制的多目标优化模型包括多目标适应度函数及其约束条件模型如式(7)~(17)所示:
minf(x)=min[f1(x),f2(x),f3(x),f4(x)],x=[Kr,Tr1,Tr2,λr1,λr2] (7)
f4(x)=||[I C∞]T(1-PC∞)-1[I P]||∞,其中P=W2P0W1 (11)
subject to||W1T||∞<1,||W2S||∞<1 (12)
S=(I+P0CR)-1 (13)
T=P0CR(I+P0CR)-1 (14)
L≤x≤U (17)
其中,t表示***运行时间,tmin和tmax分别表示***运行时间的起始时间和终止时间,Δf表示***频率偏差,ΔPg表示***总功率偏差,u表示鲁棒控制器输出信号幅值,a1和b1分别表示权重函数W1的零点和极点,Ka表示W1的比例系数,P0表示***正常情况下的被控对象模型,S和T分别表示灵敏度函数和补灵敏度函数,ΔP表示***不确定因素下的扰动模型,M和N分别表示正常被控对象P0的分母与分子模型,ΔM和ΔN分别表示被控对象在不确定性因素下扰动的分母与分子模型,EVmax(X1Z1)表示X1Z1的最大特征根,X1和Z1分别是方程(18)和(19)的正解:
(A1-B1Sa -1D1 TC1)TX1+X1(A1-B1Sa -1D1 TC1)-X1B1Sa -1B1 T+C1 TRC1=0 (18)
(A1-B1Sa -1D1 TC1)TZ1+Z1(A1-B1Sa -1D1 TC1)-Z1B1Sa -1B1 T+C1 TRC1=0 (19)
其中,R=I+D1D1 T,Sa=I+D1 TD1,A1、B1、C1、D1为被控对象P的最小空间实现的系数矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610548802.5A CN106130066B (zh) | 2016-07-11 | 2016-07-11 | 一种用于独立微电网***的多目标鲁棒频率控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610548802.5A CN106130066B (zh) | 2016-07-11 | 2016-07-11 | 一种用于独立微电网***的多目标鲁棒频率控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106130066A true CN106130066A (zh) | 2016-11-16 |
CN106130066B CN106130066B (zh) | 2018-07-17 |
Family
ID=57282562
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610548802.5A Active CN106130066B (zh) | 2016-07-11 | 2016-07-11 | 一种用于独立微电网***的多目标鲁棒频率控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106130066B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107437803A (zh) * | 2017-06-30 | 2017-12-05 | 广西大学 | 基于分数阶微分理论的电力***小干扰稳定分析方法 |
CN108123438A (zh) * | 2017-12-29 | 2018-06-05 | 国家电网公司华中分部 | 一种考虑风电和储能的电网频率态势在线预测方法 |
CN108521135A (zh) * | 2018-03-26 | 2018-09-11 | 上海电力学院 | 适用于高渗透率可再生能源微电网的风柴荷协调调频方法 |
CN108717488A (zh) * | 2018-05-17 | 2018-10-30 | 温州大学 | 一种强迫风冷散热***热结构的多目标优化设计方法 |
US10534837B2 (en) | 2017-11-13 | 2020-01-14 | Samsung Electronics Co., Ltd | Apparatus and method of low complexity optimization solver for path smoothing with constraint variation |
CN113569449A (zh) * | 2021-07-13 | 2021-10-29 | 内蒙古工业大学 | 飞轮储能用电机有限元模型优化方法、设备及介质 |
CN114123233A (zh) * | 2021-08-20 | 2022-03-01 | 华北电力大学(保定) | 一种含不同光伏占比***的暂态频率稳定性量化评估方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120259477A1 (en) * | 2011-04-05 | 2012-10-11 | King Fahd University Of Petroleum And Minerals | Particle swarm optimization system and method for microgrids |
CN104319771A (zh) * | 2014-05-30 | 2015-01-28 | 国家电网公司 | 一种基于混合灵敏度的微电网频率h∞控制方法 |
CN105226721A (zh) * | 2015-11-09 | 2016-01-06 | 温州大学 | 独立微电网***分数阶频率控制器优化设计及其实现方法 |
CN105262145A (zh) * | 2015-11-10 | 2016-01-20 | 华中科技大学 | 一种新能源混合***控制参数的优选方法 |
CN105552932A (zh) * | 2015-12-25 | 2016-05-04 | 重庆邮电大学 | 基于bess和de协调的独立微电网频率分层鲁棒控制方法 |
-
2016
- 2016-07-11 CN CN201610548802.5A patent/CN106130066B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120259477A1 (en) * | 2011-04-05 | 2012-10-11 | King Fahd University Of Petroleum And Minerals | Particle swarm optimization system and method for microgrids |
CN104319771A (zh) * | 2014-05-30 | 2015-01-28 | 国家电网公司 | 一种基于混合灵敏度的微电网频率h∞控制方法 |
CN105226721A (zh) * | 2015-11-09 | 2016-01-06 | 温州大学 | 独立微电网***分数阶频率控制器优化设计及其实现方法 |
CN105262145A (zh) * | 2015-11-10 | 2016-01-20 | 华中科技大学 | 一种新能源混合***控制参数的优选方法 |
CN105552932A (zh) * | 2015-12-25 | 2016-05-04 | 重庆邮电大学 | 基于bess和de协调的独立微电网频率分层鲁棒控制方法 |
Non-Patent Citations (1)
Title |
---|
GUO-QIANG ZENG, ETC.: ""An improved multi-objective population-based extremal optimization algorithm with polynomial mutation"", 《INFORMATION SCIENCES》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107437803A (zh) * | 2017-06-30 | 2017-12-05 | 广西大学 | 基于分数阶微分理论的电力***小干扰稳定分析方法 |
US10885145B2 (en) | 2017-11-13 | 2021-01-05 | Samsung Electronics Co., Ltd | Apparatus and method of low complexity optimization solver for path smoothing with constraint variation |
US10534837B2 (en) | 2017-11-13 | 2020-01-14 | Samsung Electronics Co., Ltd | Apparatus and method of low complexity optimization solver for path smoothing with constraint variation |
US10762162B2 (en) | 2017-11-13 | 2020-09-01 | Samsung Electronics Co., Ltd | Apparatus and method of low complexity optimization solver for path smoothing with constraint variation |
CN108123438A (zh) * | 2017-12-29 | 2018-06-05 | 国家电网公司华中分部 | 一种考虑风电和储能的电网频率态势在线预测方法 |
CN108123438B (zh) * | 2017-12-29 | 2019-12-20 | 国家电网公司华中分部 | 一种考虑风电和储能的电网频率态势在线预测方法 |
CN108521135A (zh) * | 2018-03-26 | 2018-09-11 | 上海电力学院 | 适用于高渗透率可再生能源微电网的风柴荷协调调频方法 |
CN108521135B (zh) * | 2018-03-26 | 2020-05-08 | 上海电力学院 | 适用于高渗透率可再生能源微电网的风柴荷协调调频方法 |
CN108717488A (zh) * | 2018-05-17 | 2018-10-30 | 温州大学 | 一种强迫风冷散热***热结构的多目标优化设计方法 |
CN113569449A (zh) * | 2021-07-13 | 2021-10-29 | 内蒙古工业大学 | 飞轮储能用电机有限元模型优化方法、设备及介质 |
CN113569449B (zh) * | 2021-07-13 | 2023-06-20 | 内蒙古工业大学 | 飞轮储能用电机有限元模型优化方法、设备及介质 |
CN114123233A (zh) * | 2021-08-20 | 2022-03-01 | 华北电力大学(保定) | 一种含不同光伏占比***的暂态频率稳定性量化评估方法 |
CN114123233B (zh) * | 2021-08-20 | 2023-10-03 | 华北电力大学(保定) | 含不同光伏占比***的暂态频率稳定性量化评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106130066B (zh) | 2018-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106130066A (zh) | 一种用于独立微电网***的多目标鲁棒频率控制方法 | |
Hu et al. | A new clustering approach for scenario reduction in multi-stochastic variable programming | |
CN105226721B (zh) | 独立微电网***分数阶频率控制器优化设计方法 | |
Suganthi et al. | Applications of fuzzy logic in renewable energy systems–a review | |
Kelouwani et al. | Nonlinear model identification of wind turbine with a neural network | |
CN107887903A (zh) | 考虑元件频率特性的微电网鲁棒优化调度方法 | |
CN104978608B (zh) | 一种风电功率预测装置及预测方法 | |
CN106532778B (zh) | 一种计算分布式光伏并网最大准入容量的方法 | |
CN103138256A (zh) | 一种新能源电力消纳全景分析***及方法 | |
CN106874630A (zh) | 基于电量消纳的区域电网新能源开发潜力评估方法 | |
CN105046374A (zh) | 一种基于核极限学习机模型的功率区间预测方法 | |
Wan et al. | Data-driven hierarchical optimal allocation of battery energy storage system | |
CN105186499A (zh) | 一种配电网多目标概率最优潮流模糊建模与求解方法 | |
CN106953316A (zh) | 微电网变时间尺度优化调度方法 | |
CN102509026A (zh) | 基于最大信息熵原理的风电场短期输出功率预测综合模型 | |
CN106786977B (zh) | 一种电动汽车充电站的充电调度方法 | |
CN102542133A (zh) | 风电场短时风速预测方法及*** | |
CN116014715A (zh) | 一种基于数字孪生的综合能源控制方法及*** | |
CN114595891A (zh) | 一种配电网电压及潮流越界风险评估方法、***及设备 | |
CN105678415A (zh) | 一种分布式电源配电网的净负荷预测方法 | |
CN108960522A (zh) | 一种光伏发电量预测分析方法 | |
Weidong et al. | Short-term forecasting of wind turbine power generation based on genetic neural network | |
CN109103946A (zh) | 风电经柔性直流电网送出***电容器组投切计划生成方法 | |
Zhang et al. | Joint forecasting of regional wind and solar power based on attention neural network | |
CN109586309B (zh) | 基于大数据自由熵理论和场景匹配的配电网无功优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |