基于粒子群算法的大规模风电接入电力系统负荷频率控制外文翻译资料

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

---

附录A 译文

译文标题

基于粒子群算法的大规模风电接入电力系统负荷频率控制

摘要：本文以大规模风电并网的互联电力系统为研究对象。为了保持频率的稳定性，提出了一种基于粒子群优化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（ACE）的大小来调节机组的输出，使ACE趋于零。然后，所有发电机的输出与负载的需求相匹配。风力发电机组的输出被视为负荷载，并形成等效荷载。将智能粒子群算法引入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平台上进行的仿真表明，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交换流量，其性能指标都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，各国正在采取措施加快可再生能源的使用和发展。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一系列问题，如电能质量、系统稳定性、电网调度和运行经济性等。随着风电容量在系统中所占比例的增加，上述影响变得越来越显著。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已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，风电场可以在一定程度上参与系统的频率调节，在现场平衡风电引起的功率波动；利用传统机组的频率调节能力，即现有调速器和自动发电装置。

为了保持有功功率平衡，保证风电场最大出力，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，以满足较大风容量接入的需要。提高现有系统调频能力最直接的方法是设计负载变频调速，投资少，效果好。

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视为负负荷波动，并阐述了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处理非线性系统的优点，比传统的比例积分控制器更好地适应变化条件下的控制问题，本文建立了风电两区域互联系统的负荷频率控制系统模型，建立了两区域风电互联系统的负荷频率控制系统模型，将快速收敛的粒子群控制应用于风电接入互联系统，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。

1 含风电的两区域互联系统负荷频率控制模型

负荷频率控制LFC是基于面积控制误差，ACE来实现机组调节的控制。它通过调节机组的出力来改变系统的总功率水平，并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出力与负荷功率的匹配。1.1两区域互联系统的负载频率控制系统模型两区域互联系统的负载频率控制系统模型如图1所示，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控制器等组成。

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。负荷频率控制器中经常使用联络线频率偏差控制（TBCTBC），即两区频率偏差控制

图1电网负荷频率控制模型

对于互联电力系统，在给定联络线交换功率的前提下，每个控制区域只控制本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。负荷频率控制器中经常使用联络线频率偏差控制(TBCTBC ),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，国内外广泛采用四分量模型，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

在风力涡轮机正常运行期间，基本风V始终存在，并由风电场风力测量获得的威布尔分布参数近似确定式中：V为基本风速（m/s）；K和a分别是风力涡轮机的形状和比例参数；伽马函数。由于该分量几乎是不变的，因此在模拟中可以将其视为常数。

公式中:V为基本风速(米/秒)；k和a分别是风力发电机的形状和尺度参数；和伽马函数。因为组件几乎是不变的，所以在模拟中可以将其视为常数。

（2）一阵风

阵风Vwg反映了风速的突然变化。它通常用于评估风速变化时系统的动态特性。

在公式中，vcos、TG、T1G和Maxg分别是阵风速度（m/S）、周期（S）、开始时间（S）和最大值（m/S）。

（3）缓风

可变风速Vwr用于描述风速逐渐变化的特性。在电力系统静态稳定性分析中，尤其是在分析风电系统对电网频率波动的影响时，通常用它来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分别是梯度风速（m/S）、最大值（m/S）、开始时间（S）、结束时间（S）和保持时间（S）。

（4）随机风速

随机风速vMN用来反映风速的随机特性，用随机模表示。上述四种风作用在风力机上的风速为

在Matlab/Simulink环境下构建上述四个组件的风速模块，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，最大值为0.4m/s，渐变风开始时间为300s，结束时间为500s，最大值为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 风电场输出模型

风能通过风力涡轮机转化为机械能，风力涡轮机是风力涡轮机的主要能量捕获部件。其中，风力机是风力机最重要的部件，其输出功率是

公式中，Pm为风力机的功率输出，CP为风能利用系数，是叶尖速度与桨距角之比的函数，其理论最大值为0.593，在实际应用中无法达到，s为风力机的扫掠面积，单位为M2；空气密度单位为kg/M3V，风速单位为M/S。

目前，国内外新建风电场大多以变速恒频双馈风电机组为主，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获得最佳叶尖速比和最大风能利用系数，使输出功率最大化，变桨距系统改变叶片变桨角，限制风力机获取能量，使风力机功率保持在额定值附近，输出稳定

图3双馈电机的功率特性曲线

以1500kw的UP77/1500变速恒频双馈风力发电机为例，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1.225 kg/m3，风力机直径为77.6m，风电场的输出功率变化如图4所示。该风电场由100台这样的风力涡轮机组成。风电场的功率变化相当剧烈。最大和最小输出分别为137mw和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詹姆斯·肯尼迪和电气工程师于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，因此粒子具有最佳适应度函数，每个粒子都有一个速度向量，该向量决定其方向和距离，然后粒子跟随当前的最优粒子通过解空间。

图4风力输出曲线

假设目标搜索空间是d维的，其中M个粒子形成一个总体，其中第一个粒子的位置由Xi Xi 1、Xi 2hellip;hellip;表示，Xid，I 1,2，M、 速度是VI1，vi2，维德。到目前为止，第一次粒子搜索的最佳位置是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 粒子群优化算法的改进

粒子群优化算法（PSO）和改进的粒子群优化算法（PSO）已经被用来提高优化问题的计算性能。考虑到粒子群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，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：

通过对变化方程和实验结果的分析，全局搜索能力很强，有助于快速找到最优种子并找到最优解的近似位置，在进化的后期，算法的下降趋势加快，因此一旦在早期找到合适的种子，该算法可以加快收敛速度。

（2）学习因素

根据经验，学习因素是C1和c22。本文采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，算法在初始阶段通过加速C1和C2的变化，快速进入局部搜索，在算法后期，设置比线性和凹函数策略更理想的C1和C2值，以保持粒子搜索速度，避免过早收敛。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，使粒子跳出以前找到的最优位置，在更大的空间中搜索，在保持种群多样性的同时，提高了找到更好解的可能性，避免了算法陷入局部最优。

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，可以看出改进后的粒子群算法比标准粒子群算法收敛速度更快。

图5粒子群优化算法和改进粒子群优化算法的收敛曲线

3 模拟实验及结果分析

考虑到两区互联系统的负荷频率控制问题，在控制区a和B有一台300mw常规火电机组（非再热汽轮机组），在控制区a有一座150mw风电场，每台机组的额定频率为50hz。这两个区域单元通过联络线连接起来，形成一个相互关联的系统。系统框图如图1所示。图中的主要计算参数如下：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=20s，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。电力负荷的变化一般分为三种类型：随机分量、波动分量和连续分量，电力负荷的变化被合成为一个随机量和一个下降趋势，用于模拟下降阶段电力负荷的变化，如图6所示。

图6负荷变化曲线

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等效载荷曲线

为了验证控制器的控制效果，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，其仿真曲线如图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的频率偏差在-0.55 Hz到-0.35 Hz之间波动。根据《互联电网运行管理规定》，互联电网的标准频率为50赫兹，频率偏差不得超过0.2赫兹。没有负载频率控制，系统频率偏差远远大于允许值，不能很好地控制系统频率。

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。当频率只调整一次时，联络线上的开关功率在-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，因为它不能稳定在计划值。

需要指出的是，在仿真的初始阶段，频率偏移和开关功率偏移都有很大的波动，这是由仿真开始时的大风功率和负载引起的。但在系统的调节下，这两个值可以很快趋于稳定。

（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，可以满足电力系统的正常频率偏差要求。联络线开关功率在-6mw至6mw之间波动，在联络线开关功率计划值0附近稳定，可与风电系统一起控制联络线开关功率。

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8 C和图9 C显示系统的频率偏差在-0.1 Hz和0.04 Hz之间波动，大多数点的频率偏差在-0.02 Hz和0.02 Hz之间波动。联络线开关功率在-1 MW和1 MW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可以更好地实现风电互联电力系统的负荷频率控制功能。

表1总结了这三个模拟的结果。因此，基于改进粒子群算法的LPC可以保证频率偏差在电力系统允许的范围内，同时也减小了联络线开关功率的波动范围。

4 结论

总结以上工作，可以得出以下结论：

（1）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，探讨了设计一种能够应对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，将风电输出作为“负”负载加入系统，并以两个风电互联的电力系统为研究对象，构建了相应的仿真系统。

（3）粒子群优化算法（PSO）应用于传统Pi控制器时，可以优化控制器的参数。改进的粒子群优化算法的收敛性能得到了提高。

（4）通过对风电互联电力系统的仿真，发现风电波动互联电力系统在没有负荷频率控制的情况下，频率不能满足要求；与前两种控制方案相比，采用改进粒子群算法的负载频率控制具有更好的性能，而采用传统负载频率控制的负载频率控制能够使系统频率保持在要求的范围内。

需要指出的是，以上只是对风电输出波

剩余内容已隐藏，支付完成后下载完整资料

---

资料编号：[591646]，资料为PDF文档或Word文档，PDF文档可免费转换为Word