基于社会学习自适应细菌觅食算法的互联电网AGC最优PI/PID控制器设计

AGC控制器的参数对电网频率控制的动态性能具有重要影响。不合适的控制器参数将可能使得电网在遭遇较大的负荷扰动时失去频率稳定。针对互联电网AGC控制器参数优化整定问题,提出了一种基于社会学习自适应细菌觅食算法的最优PI/PID控制器设计方法。该方法将社会学习机制及自适应步长策略引入到标准细菌觅食算法中,通过改进细菌寻优过程中的趋化、群聚及繁殖等操作,提高算法的收敛速度及寻优精度。建立两区域互联电网AGC系统仿真模型,采用所提算法优化整定其PI/PID控制器参数。仿真结果验证了所提方法的有效性。     

含抽水蓄能电站的互联电网负荷频率自抗扰优化控制研究

针对发电能源结构的多元化发展给互联电网负荷频率的稳定性控制带来较大的挑战,建立含抽水蓄能电站的两区域互联电网多元混合发电的负荷频率控制模型,提出一种基于粒子群优化算法的负荷频率线性自抗扰控制器参数整定优化策略,通过粒子群算法的迭代寻优计算获得最优的线性自抗扰控制器参数。考虑互联电网各区域发生不同的负荷扰动,在抽水蓄能电站的抽水和发电2种工况下,对所提出的控制方法进行系统仿真。仿真结果表明,通过粒子群算法优化的负荷频率线性自抗扰控制器,与传统PI控制器对比,前者具有更强的抗扰动能力和适应性,系统动态稳定性更好。     

含风光水火储的多区域互联电力系统协同优化负荷频率控制

针对现代电力系统中呈现出的互联和多源的特点,首先提出了一种启发式智能优化算法辅助含风光水火储的多区域互联电力系统协同优化负荷频率控制方法,该方法以每个区域的区域控制偏差为目标函数;然后利用鲸鱼智能优化算法鲁棒性强、求解精度高及收敛快速度等优点,对各区域的PID负荷频率控制器参数进行协同优化,使得系统在各种随机扰动下,都能够维持频率稳定和长期安全运行;最后建立含风光水火储的三区域互联电力系统模型,对比不同优化整定方法下的互联电力系统频率和联络线功率偏差,测试系统在不同扰动时各区域的稳定性及所提方法的有效性。实验结果表明,所采取的多区域互联负荷频率控制器协同优化整定方法有效地改善了系统的稳定性,具有良好的鲁棒性和实用性。     

基于MVO算法与改进目标函数的电力系统负荷频率控制

针对风电并网时的随机波动功率、负荷频率控制(load frequency control, LFC)系统参数变化所引起的电力系统频率稳定问题,提出了一种基于智能优化算法与改进目标函数的互联电网LFC系统最优PID控制器设计方法。首先,分析了基于PID控制的含风电互联电力系统LFC闭环模型。其次,在时间乘误差绝对值积分(integral of time multiplied absolute error, ITAE)性能指标的目标函数中考虑了区域控制器的输出信号偏差,对优化目标函数进行改进。采用性能优良的多元宇宙优化(multi-verse optimizer, MVO)算法先计算后验证的思路,寻优获得最优PID控制器参数。最后,以两区域4机组互联电力LFC系统为例,仿真验证了基于MVO算法结合改进目标函数所获得的PID控制器,比基于MVO算法所获得的PID控制器,对阶跃负荷扰动、随机负荷扰动、风电功率偏差扰动以及系统的参数变化,具有相对较好的鲁棒性能。并且,对控制器参数也具有相对较好的非脆弱性指标。     

云模型理论在互联电力系统负荷频率控制中的应用

针对负荷频率控制系统具有不确定性问题,提出一种基于云模型理论的多区域互联电力系统负荷频率自适应PI控制方法。该方法以区域控制偏差量e作为云模型发生器的前件,PI控制器参数的整定值P和I作为云模型发生器的后件,建立适于负荷频率控制的一维云模型PI控制器。同时分别从频域和时域角度模拟不同情况下的负荷扰动,采用云模型控制器对PI控制器参数自调整,实现电力系统的负荷频率控制。仿真结果表明,在满足各种负荷扰动情况下,所提方法可有效地跟踪功率波动所引起的频率偏差,满足负荷频率控制指标,具有更强的抗干扰性和鲁棒性,其控制效果明显优于传统PI控制器。     

锅炉-汽轮机系统的分数阶控制器设计

将分数阶微积分用于系统控制已引起控制学界的广泛关注。分数阶PIλDμ.控制是传统PID控制的推广与发展,积分阶次λ和微分阶次μ的引入使得分数阶控制器具有更灵活的结构和更强的鲁棒性。分数阶PIλDμ控制器对对象参数变化不敏感,对非线性有很强的抑制能力。将分数阶控制器用于多变量非线性控制系统的设计,针对输入受限和不确定性的非线性MIMO锅炉-汽轮机系统设计分数阶PIλDμ控制器,控制器参数整定采用粒子群优化算法。仿真结果表明,获得的分数阶PIλDμ控制器在大范围负荷变化及存在参数、结构不确定性时均能取得满意的控制效果,显示良好的适应性及鲁棒性,与传统PID控制器相比具有明显优势。     

基于Ziegler-Nichols优化算法的火电机组负荷频率PID控制研究

随着风电和光伏接入电网的规模不断扩大,电网负荷峰谷差逐渐增加,电网的频率控制出现超调量过大、调节速度过慢等一系列问题。本文针对互联电力系统的负荷分配以及频率控制问题,提出考虑发电机组分配系数的互联电力系统负荷频率控制方法。首先,建立单个区域包含多个火电机组的两区域电网自动发电控制（AGC）系统仿真模型,根据各发电机组的煤耗特性建立经济性目标函数,并且获得最优的出力分配系数;然后,基于联络线功率和频率偏差控制（TBC-TBC）的控制模式,采用经Ziegler-Nichols相关算法优化后的PID控制,并对优化后PID控制器的鲁棒性进行分析研究;最后,基于两区域系统仿真模型,在一定的负荷扰动工况下进行仿真验证。仿真结果表明:该分配方法能够有效节省煤耗,本文算法优化后的PID控制器在频率恢复速度方面具有一定的优势,并且鲁棒性良好。     

基于MPC算法的互联电网负荷频率控制

自动发电控制(AGC)是互联电网进行有功调频的首要方法,研究提出了一种基于模型预测控制(MPC)的互联电力系统负荷频率控制(LFC)设计方法。利用MPC算法使得由发电机参数摄动和负荷扰动形成的电网频率波动减小。为验证所提出方案的有效性,建立三区域互联电力系统频率响应模型并仿真,将MPC算法与常规的PID算法控制效果进行比较。结果表明,在负荷扰动、参数摄动和有通信延迟的情况下,MPC技术对互联电网的负荷频率控制性能均优于PID控制。     

基于PSO-GSA算法的含DFIG互联系统AGC优化控制研究

传统双馈感应风力发电机(DFIG)的解耦控制使其无法响应电网的频率变化。随着风电渗透率的不断提高,电网调频压力不断增大,有必要对含DFIG互联系统AGC优化控制进行研究。首先建立了将风电作为"负的负荷"的两区域AGC模型,通过引入改进的虚拟惯性控制使DFIG具有更好的频率响应的能力。同时以快速消除系统区域控制偏差和风机转速偏差为目的,采用PSO-GSA算法对控制区PID控制器和DFIG转速控制单元PI控制器参数进行优化。仿真结果表明,单个区域受负荷扰动时,风电参与调频时能提供更多的有功功率支撑以减小同步机调频出力,能有效缓解同步机调频压力。PSO-GSA算法较PSO和GSA迭代速度快且适应度值更好,基于PSO-GSA参数优化后的控制器对系统区域频率偏差、联络线功率变化和区域控制偏差信号的超调量和调节时间都有明显改善,增强了系统的稳定性。     

基于尼科尔斯PID设计方法的负荷频率控制

为解决互联水电系统负荷频率控制(load frequencycontrol,LFC)问题,及保持互联电网系统频率、联络线功率及区域控制误差(area control error,ACE)的稳定,根据闭环系统谐振峰值与系统响应最大峰值之间的关系,构建一个与系统参数及控制器参数都相关的优化问题,通过该问题的求解获得控制器参数与系统参数之间的数学关系,针对水轮发电系统非最小相位特性,通过串加比例–微分(proportional-derivative,PD)控制方式降低系统阶次,设计尼科尔斯(Nichols)曲线的比例–积分–微分(proportional-integral-derivative,PID)控制器。基于模型参数扰动和负荷干扰的仿真结果表明:尼科尔斯PID控制器能快速调整系统频率偏差、联络线功率偏差及ACE为0,具有良好的鲁棒性能和抗负荷干扰性能,系统过渡过程性能明显优于传统PID调节器结果。     

互联电网负荷频率的多变量约束预测控制器设计及仿真研究

为使互联电网的频率控制具有更好的负荷适应能力,保证电网运行的经济性、稳定性与可靠性,本文提出了无需依赖频率偏差系数、考虑区域调节容量约束、基于互联电网状态空间模型的多变量预测控制器算法设计方案。通过对2个区域电网频率控制系统的建模和仿真,将该预测算法与常规PI调节算法在单、双区域负荷扰动、随机白噪声扰动等方面对系统频率控制动态性能进行了比较,分析结果表明,该预测控制算法可使系统频率的恢复性能显著提高。     

改进量子遗传算法在PID参数整定中应用

参数整定是PID控制器设计的关键,针对PID控制器参数整定问题,提出一种基于改进量子遗传算法的参数整定方法.该算法在基本量子遗传算法的基础上引入了量子交叉、量子变异和群体灾变操作.基于改进量子遗传算法的PID参数整定方法将PID控制器参数整定转化为参数优化问题,通过改进量子遗传算法的进化计算实现参数整定.与其他参数整定优化算法的仿真结果比较表明,该方法能获取更好的控制品质.仿真结果验证了该方法的可行性.     

基于ITAE指标的PID控制器参数优化设计

研究了比例一微分一积分（PID）控制器参数自整定问题,提出一种基于改进粒子群优化算法的PID控制器参数自整定方法,并以时间乘以误差绝对值积分（ITAE）的性能指标为适应度函数,对具有实参数不确定性的热工对象进行PID控制器参数整定,所设计的PID控制系统的ITAE性能指标比极点法,GPM法,Cohen法,IMC法效果更好,并通过超临界锅炉过热汽温控制的仿真实例验证了方法的有效性。     

一种新型的PID控制器参数优化整定方法

PID控制器参数的优化整定一直是自动控制领域的研究热点。本文采用微粒群算法(PSO)进行PID控制器参数的优化研究。仿真结果表明根据本文提出的方法得到的PID控制器参数可以获得满意的控制效果,各项性能指标优于由遗传算法(GA)整定得到的效果。     

基于深度Q学习的强鲁棒性智能发电控制器设计

在现代互联大电网背景下,研究了多区域强鲁棒性的智能发电控制策略。在Q学习的架构下,将深度神经网络的预测机制作为强化学习的动作选择机制,提出了一种具有强鲁棒性的深度Q学习算法,设计了基于该算法的智能发电控制器。针对智能电网下的智能发电控制问题,在多智能体系统的框架下采用所提深度Q学习算法进行控制,并与传统的PID、Q学习和Q(λ)算法进行对比。在IEEE标准2区域和以南方电网4区域为背景的仿真模型(采用了23 328种不同模型参数)中进行数值仿真,仿真结果验证了所提深度Q学习算法的可行性和有效性,也验证了所设计控制器的强鲁棒性。     

基于改进微粒群算法的PID控制器参数优化设计

介绍了微粒群优化（PSO）算法的基本原理和流程,提出了改进的PSO算法并将其与控制系统优化设计相结合,对传统PID控制器的参数整定进行优化研究,仿真实验结果表明改进PSO方法得到的PID控制器具有快速、无超调的响应特性,获得了满意的控制效果,各项控制性能指标优于传统方法整定得到的PID控制器。     

改进人工蜂群算法在飞轮电机控制中的应用

飞轮储能系统中,电机采用转速-电流双闭环控制系统。针对系统中转速环PID控制器参数难以整定的问题,引入自适应系数的改进人工蜂群算法应用于PID控制器参数整定,在不牺牲算法的全局寻优能力的同时,提高其收敛速度与精度,协调了算法的全局搜索能力与特定区域寻优能力。仿真结果表明,相比其他算法,改进人工蜂群算法优化的PID控制器具有更好的全局寻优能力以及更快的收敛速度。     

CPSO优化的非线性PI控制器在互联电网AGC中的应用

新能源发电的大规模并网,造成电网转动惯量整体比重下降,对AGC系统的控制性能提出了更高的要求。为提升AGC系统的动态性能,首先,设计非线性函数并和传统PI控制器串联形成非线性PI控制器,改善了传统AGC控制器由于参数固化而对负荷波动显现的不适应性;其次,为求取非线性PI控制器最优参数,对传统粒子群算法进行改进,将混沌理论融入优化算法中,增强了种群的全局搜索能力和粒子多样性。以双区域互联电网AGC系统为研究对象,验证了所提方法的可行性和有效性。     

人工蜂群算法在飞轮充电控制系统中的应用研究

飞轮储能系统中飞轮电机非线性、变参数等特性的存在,导致其充电控制系统转速环PID控制器的参数整定存在一定的困难。将人工蜂群算法应用于飞轮充电控制系统中对PID参数进行优化。提出了基于人工蜂群算法优化PID参数的具体流程,分别采用人工蜂群算法、遗传算法和蚁群算法优化飞轮充电控制系统PID控制器,并通过仿真进行性能对比分析,结果表明基于人工蜂群算法整定的PID控制器的阶跃响应具有最短的上升时间和最少的迭代次数,效果最好,验证了人工蜂群算法优化飞轮充电的优越性。     

基于权重双Q-时延更新学习算法的自动发电控制

大规模可再生能源和柔性负荷的接入会给分布式多区域互联电网带来强随机扰动,传统的控制方法无法有效提高由于强随机扰动所导致的电网愈来愈差的控制性能。为此,该文从自动发电控制角度提出一种面向分布式多区域互联电网的多智能体协同控制算法,即权重双Q-时延更新算法。所提算法可通过权重双Q算法来解决传统强化学习中动作探索值高估或低估的问题,并引入时延更新策略进一步提高其更新效率,进而提高其收敛性能。对改进的IEEE标准两区域负荷频率控制模型和融入大规模可再生能源的四区域互联电网模型进行仿真,仿真结果表明,所提算法能够有效提高电网的控制性能,实现分布式多区域互联电网间的协同控制,而且与传统方法相比,具有更优控制性能和更快收敛速度。