新能源区域电网负荷频率控制方法研究_杨向东.pdf

新能源区域电网负荷频率控制方法研究杨向东（中国华电科工集团有限公司）摘要：为了提高新能源区域电网负荷频率控制的质量，考虑到云模型解决传统模糊逻辑立场上存在不确定性问题，提出搭建基于云 神经网络 算法，解决对人工经验的依赖，实现更好的负荷频率控制。试验结果表明：此控制方法在多种干扰情况下均具备较好的负荷频率控制效果，具有极强自适应性以及稳定性。关键词：新能源；光伏；电网；负荷频率控制 引言针对化石能源匮乏及环境污染问题，开发多种新能源接入电网成为大势所趋 ，区域电网中包含的光伏发电、风力发电等可再生新能源接入电网，虽解决了资源及环境问题，但同时导致电力系统负荷频率产生随机性以及波动性，致使区域电网中负荷频率控制（，）受未知因素影响。考量区域电网中系统平稳运行的核心指标即负荷频率，降低频率波动幅度，同时提升发电机组响应时间已成为负荷频率的控制目标 。由于电力系统中各个区域负荷异常、区域间的联络线交换功率异常等原因，负荷频率控制作为电网平稳运行的重要环节，可促使系统负荷频率维持平稳状态，并将联络线交换功率保证在计划值内，控制负荷频率稳定 。国内相关学者对此开展了研究，如李峰等 人采用改进粒子群算法对滑模控制算法中模糊的参数进行优化来实现负荷频率控制，但该方法成本消耗规模较大，不适合广泛应用；米阳等 人提出搭建含风储多域互联电力系统负荷频率控制模型，采用滑模负荷频率控制器结合储能协调的控制策略来控制负荷频率，该方法使储能系统的配置容量大幅缩减，达到电力系统负荷频率稳定状态，但其考虑较为单一，不利于电力系统负荷的稳定性。为解决以上方法中存在的问题，现提出一种新能源区域电网负荷频率控制方法，通过采用云模型解决传统模糊逻辑立场上存在不确定性问题，利用云 神经网络 发生器，建立自主学习云规则，改进为云 神经网络 控制器进行负荷频率控制。新能源区域电网负荷频率控制方法考虑到云模型解决传统模糊逻辑立场上存在不确定性问题 ，但其控制规则方面仍旧依靠专家在精准掌控系统特征后总结的经验建立。定性规则在每个采样周期时间内应完成近似推理的运算控制，反向加强实时控制复杂难度，若出现更换控制系统情况还需要重新调整控制系统，因此云模型的适用性较弱。将云模型算法融合神经网络算法，搭建基于云 神经网络 算法，模拟大脑运行机制中的并发记忆、自适应学习数据样本 ，使用基于神经网络前提下建立自学习云规则并利用神经网络实现各变量之间的非线性投射。将引入可再生新能源的区域电力系统作为实际对象，将原有的二维云 控制器改进为云 神经网络 控制器进行负荷频率控制。云 神经网络 发生器的前件发生器选取区域 系数矩阵 以及区域系数矩阵 输入进去，该前件发生器指采用 条件云发生器的云化层；后件发生器的输出选取 控制器内的 个参数 和 的整定值 、，以此搭建出适用于 的云 神经网络 控制器。用图 描述云 神经网络 控制结构图。在自然语言变量基础之上搭建控制规则，将语言变量选取七项模糊集“负大”、“负中”、“负小”、“零”、“正小”、“正中”以及“正大”作为其值。在二维云 控制器设计中上述七项变量输入至前期搭建的二维云多规则控制器内。二维 条件云结合一维 条件云组成多规则发生器，在确定好输入 和 后，在标准化论域上投射依据人工经验归纳获取的定性控制规则便能得到规律性结果。云 神经网络 控制器自学习云规则的方式为神经网络，将实际模糊系统内，完善输入变量及模糊规则隶属函数的不变问题，将改进新算法过程中变量间的非线性映射为采用神经网络实现，用图 描述云 神经网络 算法具体流程。电气技术与经济 研究与开发 图 云神经网络 控制原理图图 云 神经网络 算法图示由图 可知，云 神经网络 算法主要由云发生器、云处理层和 网络来构成，每一个输入的神经元对应各自的云发生器。通过充分的系统考量，形成对应的自学习训练规则。在得到可靠度较高的训练参数后，利用云处理层，依据以上的云发生器构成相应的云规则。通过云规则生成器获得对应的隶属度，通过自主学习获得 神经网络的输出函数 （）。用公式（）描述输出的整定值 的表达式：（）式中，表示 算法输出的整定值；表示云规则生成器获得对应的隶属度；表示通过自主学习获得 神经网络的输出函数。前件网络和后件网络两部分构成基于云神经模糊算法的系统网络，其中前件网络包含下述三层构造：（）输入层：采样器在每隔相同时间采集获取到离散的输入变量，将输入层的各个节点相应的 个输入变量归一，再将前件网络引入。（）云化层：云化层代表相应的一个子云模型，为每个离散输入变量通过云模型区域“软”划分的个数，所以总节点为 个。（）云规则推理层：该层各节点分别代表一条云规则，在节点处进行“软与”操作，其功能为用于执行规则的匹配云，计算各个规则置信度。相对于二维云 控制器，云神经网络 控制器采用自学习控制规则，可解决对人工经验的依赖，实现更好的系统负荷频率控制。试验分析以某地区的含新能源区域电网为例，在 仿真平台搭建本研究负荷频率控制方法进行仿真实验，区域电网内系统容量为 。分别从阶跃负荷干扰、瞬时负荷干扰、风电随机干扰三种情况下进行负荷频率控制效果验证，将本研究方法与文献 含风电的多域互联电力系统负荷频率控制方法、文献 基于滑模控制的含风储多域电力系统负荷频率控制方法进行比较。研究火电区域 、光伏区域 、风电区域 这三种区域在阶跃扰动下的频率偏差，介于系统负荷变化特性以及可再生能源发电的不确定性特征，对阶跃负荷、瞬时负荷以及风电随机干扰介入条件下的系统负荷频率控制效果进行仿真实验，将三种方法开展对比实验，仿真时间设为 。描述三区域等效集总参数，见下表。其中、表示惯性时间常数和再热式时间常数；机组惯性常数、负荷阻尼系数标幺值 ；调节常数用 描述；区域频率偏差系数用 描述。表三区域等效集总参数表参数数值参数数值参数数值 .电气技术与经济 研究与开发 .阶跃负荷干扰深度剖析本研究方法在遇到系统突发性负荷干扰时 控制响应，拟设在第 时系统负荷发生突变 .，用图 描述三种方法在阶跃扰动下三区域的频率偏差。图 阶跃扰动下的频率偏差对比图电气技术与经济 研究与开发 由图 仿真结果分析可知，在三种方法作用下三个区域通过联络线功率交换，频率偏差趋向于零。文献 方法三区域频率偏差波动幅度较大，最早于 开始收敛，控制效果不理想；文献 方法波动起伏，仿真周期内几乎全程处于振荡不能收敛，最早于 开始收敛达到稳定；本研究方法频率偏差波动幅度较小，在 左右便可以收敛并迅速平衡，仿真结果表明，阶跃负荷干扰下，本研究方法具有优秀的控制性能。.风电随机干扰验证本研究方法三区域三个时段内对风电随机干扰的频率偏差反应，图 为三区域的风速模式曲线图。从峰值超调、频率偏差下降值 两方面开展测试，图 描述本研究方法的频率偏差性能指标。图 风速模式曲线图图 三区域的频率偏差性能指标由图 分析可知，在风电随机干扰下，本研究方法控制下，三个区域的三个时段内，、两项性能指标值，全程控制在 .范围内，受到风电随机扰动时本研究方法能够将峰值超调和频偏下降值控制在一定范围内，抑制外部干扰达到系统负荷频率稳定状态。结束语负荷频率控制是现代互联电力系统安全稳定运行的重要保障。随着风电、光伏等新能源发电方式的不断涌现，其并入电网后对电力系统带来了巨大的挑战。本研究方法在多种干扰情况下均具备较好的负荷频率控制效果，具有极强自适应性以及稳定性，可放心投入实际应用，具有较好的推广应用前景。参考文献 黄毅，彭可，王文潮，等大功率高压开关电源变压器的损耗分析及散热控制 中南大学学报（自然科学版），（）：-范培潇，杨军，肖金星，等基于深度 学习的含电动汽车孤岛微电网负荷频率控制策略 电力建设，（）：-刘可真，刘果，陆永林，等含混合储能辅助的电网负荷 频 率 联 合 控 制 电 力 科 学 与 工 程，（）：-李峰，余为杰，张周胜含风电的多域互联电力系统负荷频率控制方法 水电能源科学，（）：-米阳，郝学智，刘红业，等基于滑模控制的含风储多域电力系统负荷频率控制 控制与决策，（）：-张斌，张超，韩晓娟含规模化风电并网的负荷频率云 控制策略研究 发电技术，（）：-杨星磊，项川，姜鸣瞻，等计及产业结构和温度因素的神经网络电网负荷预测方法 电力电容器与无功补偿，（）：-（收稿日期：-）电气技术与经济 研究与开发