混合粒子群算法在PSS參數(shù)優(yōu)化中的應(yīng)用

侯莉

(蘭州交通大學(xué)自動化與電氣工程學(xué)院，甘肅 蘭州 730070)

1 引言

隨著電網(wǎng)規(guī)模的不斷擴大，機組單機容量的增加，以及快速勵磁系統(tǒng)的投入，直接導(dǎo)致了系統(tǒng)阻尼的減弱，從而引發(fā)了系統(tǒng)低頻振蕩的產(chǎn)生，嚴(yán)重影響了系統(tǒng)的穩(wěn)定運行［1］。為提高系統(tǒng)阻尼，需要在發(fā)電機側(cè)加裝電力系統(tǒng)穩(wěn)定器(Power System Stabilizer，PSS)。其原理是通過附加勵磁控制提供所需要的附加阻尼來改善系統(tǒng)的阻尼，增強系統(tǒng)的穩(wěn)定性［2］。目前，國內(nèi)外學(xué)者在電力系統(tǒng)穩(wěn)定器參數(shù)優(yōu)化方面做了一定的工作，并提出一些有效的方法對PSS參數(shù)進(jìn)行優(yōu)化如遺傳算法、人工魚群算法、粒子群算法等［3-5］，但都存在可操作性差、收斂性差、容易陷入局部極值等缺點。本文將使用引入遺傳算法(GA)中的交叉操作的混合PSO，實踐證明這種混合PSO具有更快的收斂速度，更好的全局收斂能力。本文將混合PSO用于PSS參數(shù)優(yōu)化設(shè)計，并進(jìn)行仿真，實例證明了該算法優(yōu)化PSS的有效性和優(yōu)越性。

2 粒子群算法

2.1 PSO的基本原理

式中:ω為慣性權(quán)值;Rand為在［0，1］范圍內(nèi)變化的隨機數(shù);n為迭代次數(shù);粒子數(shù)i=1，2，…，s。

2.2 混合粒子群優(yōu)化算法(HPSO)

Lovbjerg，Rasmussen和Krink于2000年提出將遺傳算法中的交叉操作也引入PSO的HPSO模型。交叉型PSO在粒子群進(jìn)行速度和位置的更新后，以一定的交叉概率從所有粒子中隨機選擇待交叉的粒子，然后兩兩隨機組合進(jìn)行交叉操作產(chǎn)生后代粒子，取代雙親粒子。后代粒子的位置和速度矢量如下所示:

交叉操作使后代粒子繼承了雙親粒子的優(yōu)點，在理論上加強了對粒子間區(qū)域的搜索能力。實驗證明，引入交叉操作的HPSO對于多峰函數(shù)，不僅加快了收斂速度，而且找到了更好的解。

3 PSS的設(shè)計

3.1 PSS的模型

本文PSS采用超前-滯后校正模型，以發(fā)電機的轉(zhuǎn)速偏差Δω為輸入信號，其傳遞函數(shù)如下:

式中:Up為第p臺發(fā)電機的PSS輸出信號;Twp為隔直環(huán)節(jié)的時間常數(shù);T1P、T2P、T3P、T4P為超前 -滯后環(huán)節(jié)的時間常數(shù);Kp為PSS增益與隔直環(huán)節(jié)時間常數(shù)的乘積。

3.2 PSS的優(yōu)化目標(biāo)

在PSS參數(shù)優(yōu)化時必須兼顧兩方面的要求，那就是PSS應(yīng)該既能夠盡可能高效地阻尼小擾動引起的振蕩，又能在整個頻段上都有效地發(fā)揮其阻尼低頻振蕩的作用［7］。PSS能否在整個頻段有效阻尼低頻振蕩取決于PSS的頻率響應(yīng)特性，即其超前-滯后環(huán)節(jié)參數(shù)。因此，本文擬對PSS超前-滯后環(huán)節(jié)進(jìn)行參數(shù)。

以整個低頻振蕩頻段(0.1～2Hz)上PSS產(chǎn)生的附加勵磁轉(zhuǎn)矩ΔTe與Δω相位最大限度接近為目標(biāo)進(jìn)行優(yōu)化，選取目標(biāo)函數(shù)為:

式中:f1，f2，…，fn，是等比數(shù)列，代表低頻振蕩頻段上n個頻率點，f1=0.1Hz，fn=2.0Hz，它們是一個等比數(shù)列。θΔPe(fi)、θPSS(fi)、θEx(fi)、θΔTe(fi)分別表示f=fi時ΔPe相對Δω的超前角、電力系統(tǒng)穩(wěn)定器滯后角、勵磁系統(tǒng)滯后角、ΔTe相對Δω的超前角。當(dāng)n足夠大時，以J最小為目標(biāo)進(jìn)行優(yōu)化即可實現(xiàn)在整個頻段上ΔTe與Δω相位最大限度接近，約束條件為θΔTe(fi)?(-45°，10°)。

4 HPSO優(yōu)化PSS參數(shù)

優(yōu)化算法的流程如下:

Step1:初始化。

Step2:更新粒子適應(yīng)度值，利用式(5)求出目標(biāo)函數(shù)值J，將該粒子的適應(yīng)值更新為1/J，如果存在某個θΔTe(fi)越限將其適應(yīng)值減去一個懲罰值。

Step3:比較每個粒子的適應(yīng)值和當(dāng)前個體最優(yōu)解pbest適應(yīng)值，若對于某個粒子而言其適應(yīng)值大于pbest適應(yīng)值則將當(dāng)前位置作為該粒子個體最優(yōu)解pbest;將gbest設(shè)為所有粒子pbest中適應(yīng)值最大的pbest。

Step4:用式(1)、(2)更新每個粒子的位置Xi，速度Vi，如果Xi，Vi的某維越上限或下限，將其設(shè)定為該維上限或下限值。

Step5:按交叉概率從粒子群中選出待交叉粒子，兩兩隨機組合進(jìn)行交叉操作產(chǎn)生后代粒子，取代雙親粒子，后代粒子按式(4)生成新粒子的初始速度和位置，其pbest設(shè)為初始位置。

Step6:如果 iter＜50，iter=iter+1，轉(zhuǎn)至步驟2。

Step8:輸出優(yōu)化結(jié)果。

5 PSS參數(shù)優(yōu)化與仿真結(jié)果

為了驗證算法性能及其對PSS參數(shù)優(yōu)化效果，本文在Matlab7.0仿真環(huán)境下［8］，基于IEEE四機兩區(qū)域系統(tǒng)進(jìn)行仿真。

圖1 四機兩區(qū)電力系統(tǒng)結(jié)構(gòu)圖

Kundur四機兩區(qū)系統(tǒng)結(jié)構(gòu)如圖1所示，發(fā)電機G1、G2、G3、G4采用五階模型，其額定容量均為 900 MVA，并且均配有自并勵靜止勵磁系統(tǒng)［9］。根據(jù)參與因子選址方法將PSS加裝在G2，G3兩臺發(fā)電機上。

圖2、圖3為小擾動下發(fā)電機G2、G3的Δω-t和ΔPe-t仿真曲線，由仿真結(jié)果可見，HPSO優(yōu)化后的PSS使得系統(tǒng)振蕩幅值較小，且可以使系統(tǒng)在小擾動下較快恢復(fù)穩(wěn)定，其優(yōu)化的PSS相較基本PSO優(yōu)化的PSS具有更好的阻尼發(fā)電機電磁功率和角速度振蕩的作用。

圖2 發(fā)電機G2、G3Δω-t仿真曲線

圖3 發(fā)電機G2、G3ΔPe-t仿真曲線

6 結(jié)論

本文將引入交叉操作的粒子融合算法用于PSS參數(shù)的優(yōu)化，并基于四機兩區(qū)域系統(tǒng)對其進(jìn)行仿真分析，驗證了采用HPSO算法優(yōu)化后的PSS可以更好的阻尼低頻振蕩，提高系統(tǒng)的穩(wěn)定性。

［1］劉楊名.電力系統(tǒng)穩(wěn)定器(PSS)參數(shù)優(yōu)化整定的研究［D］.上海：上海交通大學(xué)，2007.

［2］王惠忠，鄧科，鄭偉.抑制電力系統(tǒng)低頻振蕩綜述［J］.工業(yè)儀表與自動化裝置，2009，1：15-20.

［3］M.A.Abido.Optimal Design of Power-System Stabilizers Using Particle Swarm Optimization.IEEE Transactions on Energy Conversion，2002，17(3)：106-113.

［4］王德意，閻偉，邱景東，等.基于遺傳算法的電力系統(tǒng)穩(wěn)定器參數(shù)優(yōu)化［J］.電力系統(tǒng)及其自動化報，2006，18(3)：59-63.

［5］胡曉波，陳中，楊海風(fēng)，等.其于人工魚群算法的PSS參數(shù)優(yōu)化［J］.電力系統(tǒng)自動化設(shè)備，2009，29(2)：47-49.

［6］紀(jì)震，廖惠連，吳青華.粒子群算法及應(yīng)用［M］.北京：科學(xué)出版社，2009.

［7］郭強.電力系統(tǒng)穩(wěn)定器整定方法的仿真研究［J］.華北電力，2009，37(1)：135-140.

［8］李維波.MATLAB在電氣工程中的應(yīng)用［M］.北京：中國電力出版物，2007.

［9］Abido，M.A.Optimal Design of Power System Stabilizers Using Particle Swarm Optimization.IEEE Power Engineering Review，2009.