基于GD-FNN的特高壓直流輸電暫態(tài)穩(wěn)定控制

蔣 平，嚴 棟，劉盛松，胡 偉

（1.東南大學電氣工程學院，江蘇 南京 210096；2.江蘇電力調(diào)度控制中心，江蘇 南京 210024）

0 引言

未來十年內(nèi)華中-華東電網(wǎng)將出現(xiàn)多回特高壓直流輸電系統(tǒng)[1]。以錦屏-蘇南工程為例，該工程預計在2012年建成投運，屆時將有7 200 MW電量從四川水電基地送至江蘇電網(wǎng)，巨大功率輸入對受端電網(wǎng)的運行方式和穩(wěn)定性必將帶來重大影響[2]。

利用UHVDC傳輸功率大，響應速度極快的優(yōu)勢可以改善交流系統(tǒng)的暫態(tài)穩(wěn)定性，為此，學者進行大量的相關研究[3-9]。文獻[4]通過利用UHVDC的暫態(tài)過負荷能力減少故障期間系統(tǒng)的功率缺額，但當系統(tǒng)本身阻尼較小時，該方法并不能實時快速增大系統(tǒng)阻尼從而使系統(tǒng)快速恢復正常運行；文獻[5]通過利用模糊神經(jīng)控制器代替?zhèn)鹘y(tǒng) PI調(diào)節(jié)器，取得較好的控制效果，但文中模糊系統(tǒng)和神經(jīng)網(wǎng)絡系統(tǒng)相對獨立，兩者內(nèi)部參數(shù)的確定依賴操作人員的知識經(jīng)驗，帶有一定的主觀性。

廣義動態(tài)模糊神經(jīng)網(wǎng)絡（GD-FNN）結構緊湊，泛化能力好，并且參數(shù)估計和結構辨識同時進行，可操作性高，目前在電力系統(tǒng)應用較少，在UHVDC暫穩(wěn)控制方面更是空白。本文提出在特高壓直流輸電（UHVDC）中應用GD-FNN來對系統(tǒng)暫態(tài)穩(wěn)定進行控制。在Matlab中實現(xiàn)了GD-FNN算法，在PSCAD/EMTDC搭建了2012年江蘇電網(wǎng)夏季高峰典型運行方式的電磁暫態(tài)模型，通過聯(lián)合仿真對算法效果進行驗證。在系統(tǒng)不同運行情況下與未進行暫態(tài)控制以及采用傳統(tǒng)極點配置法的控制效果進行對比，證明了GD-FNN控制器對系統(tǒng)具有良好的適應性和魯棒性，取得較好的暫態(tài)穩(wěn)定控制效果。

1 特高壓直流輸電（UHVDC）原理

特高壓直流輸電工程常采用如圖1的每極兩組12脈動換流器串聯(lián)接線方式。每組12脈動換流器額定直流電壓值設為為直流每極電壓一半。我國已有特高壓直流輸電工程均采用(400+400) kV的每極兩組12脈動換流器串聯(lián)接線方式[3]。

圖1 每極兩組12脈動換流器串聯(lián)接線Fig. 1 Series connection of two 12-pulse converters in each pole

2 廣義動態(tài)模糊神經(jīng)網(wǎng)絡(GD-FNN)

2.1 GD-FNN的結構[10]

廣義動態(tài)模糊神經(jīng)網(wǎng)絡基本結構如圖2所示。

圖2 GD-FNN的結構Fig. 2 Structure of GD-FNN

網(wǎng)絡有r個輸入，每個輸入 xi( i = 1,2,? ??,r )有u個隸屬函數(shù)

其中，ijσ和cij表示xi的第j個隸屬度函數(shù)的寬度和中心。網(wǎng)絡的第三層第j個規(guī)則的輸出為

將第三層的規(guī)則運算結果運算加權和得

2.2 GD-FNN的學習算法

如果系統(tǒng)誤差||ek||>ke，則一條新的規(guī)則增加至GD-FNN系統(tǒng)。其中

其中：emin是誤差限；emax是最大誤差；k是系統(tǒng)學習的次數(shù)； β∈ (0,1)稱為收斂常數(shù)?？梢酝茖С?/p>

當一個訓練樣本（Xk，tk）進入系統(tǒng)，定義馬氏距離 mdk(j)，它是Xk和現(xiàn)有的RBF單元中心 Cj( j = 1,2,???,u )之間的馬氏距離。

如果 mdk,min= mdk(J )> kd，則現(xiàn)有的系統(tǒng)不滿足ε-完備性而應該產(chǎn)生一條新的規(guī)則，其中

若系統(tǒng)已經(jīng)有u條模糊規(guī)則，當?shù)玫揭粋€新的訓練樣本（xk，tk）時，要將多維的輸入映射到一維隸屬度函數(shù)空間，同時還要求得數(shù)據(jù)和邊界集φi之間的歐氏距離edi(j)，并找到它的最小值edi( jn)，如果 edi(jn)≤kmf，則無需修改新的高斯函數(shù)的相關參數(shù)，否則有必要添加新的高斯函數(shù)，其寬度由式(9)決定，其中心設置為

其中，ci?1和ci+1是鄰近的兩個隸屬函數(shù)的中心。

對于||ek||>ke和 mdk,min≤kd成立，則對輸入變量xi最近的隸屬函數(shù)的寬度ijσ可以修正如下

圖3為GD-FNN算法流程圖。

圖3 GD-FNN算法流程圖Fig. 3 Flow diagram of GD-FNN algorithm

2.3 GD-FNN在UHVDC暫穩(wěn)控制中的實現(xiàn)

要在UHVDC中實現(xiàn)GD-FNN智能算法，目前有三種主要途徑：一是通過GD-FNN算法動態(tài)調(diào)節(jié)直流控制器內(nèi)部參數(shù)（如PI環(huán)節(jié)的控制參數(shù)）；二是用GD-FNN控制環(huán)節(jié)代替原有的直流控制環(huán)節(jié)；三是考慮在現(xiàn)有控制環(huán)節(jié)的基礎上加上附加控制。由于直流基本控制策略發(fā)展較為成熟，運行經(jīng)驗豐富，故采用第三種方法。

GD-FNN附加控制的實現(xiàn)需要選取合適的調(diào)制信號，調(diào)制信號的選取并無通用標準，它與交流網(wǎng)絡的結構和運行狀態(tài)有很大關系，本文選擇雙側頻差信號作為調(diào)制信號，它可以即時反映整個網(wǎng)絡的頻率狀況，且便于測量。再選擇二維信號作為輸入，即調(diào)制信號E本身及其變化率EC，這樣可以較深刻地展示系統(tǒng)在控制過程中動態(tài)特性，且結構并不復雜，確定系統(tǒng)相關參數(shù)并不困難，所以相對緊湊，便于實現(xiàn)。對于交直流互聯(lián)系統(tǒng)，交流系統(tǒng)頻率和直流線路輸送功率的相互影響比較明顯，所以GD-FNN模塊的輸出量應附加在直流輸電系統(tǒng)定電流控制或定功率控制的指令值上，從而對輸送功率進行實時控制，對交流系統(tǒng)進行動態(tài)迅速的支援。

實際運行中通過內(nèi)置 GD-FNN算法的微機控制將二維控制信號進行處理后疊加至功率或電流指令信號中即可實現(xiàn)GD-FNN的附加控制，控制原理框圖如圖4所示。

圖4 GD-FNN控制原理框圖Fig. 4 Control block diagram of GD-FNN

3 仿真及結果分析

為實現(xiàn)GD-FNN算法在UHVDC中的應用，在PSCAD/EMTDC中搭建了2012年江蘇電網(wǎng)夏季高峰典型運行方式的電磁暫態(tài)模型。該模型中包括了江蘇網(wǎng)的500 kV架構以及錦蘇直流，如圖5 所示。

圖5 2012年江蘇電網(wǎng)夏季高峰典型運行方式（部分）Fig. 5 Typical operating mode of summer in Jiangsu Province in 2012 (Partial)

采用Matlab編制GD-FNN的運算程序，算法參數(shù)設置為：emax=0.5， emin= 0.03，εmin= 0.5，εmax=0.8， kmf= 0.8，kerr= 0.01。

算法參數(shù)設置好以后，需對廣義動態(tài)模糊神經(jīng)網(wǎng)絡進行訓練，訓練數(shù)據(jù)為極點配置環(huán)節(jié)的輸入輸出響應，訓練過程如圖6所示，隨著迭代的不斷進行，誤差不斷縮小至誤差限內(nèi)，模糊規(guī)則最終收斂于4條（如表1所示），而若采用一般的模糊控制或模糊神經(jīng)網(wǎng)絡控制，則一般至少需3× 3=9條規(guī)則，所以GD-FNN使控制器結構更加緊湊，確保系統(tǒng)的泛化能力。

圖6 訓練過程Fig. 6 Training process

表1 模糊控制規(guī)則表Table 1 Fuzzy control rules

GD-FNN算法雖以極點配置法為學習樣本，但兩者有本質(zhì)區(qū)別，GD-FNN算法是通過對樣本的歸納總結獲得一般的控制規(guī)律，而不是基于某一運行點的閉環(huán)控制，例如從GD-FNN輸入輸出特性（如圖7所示）可以看出，當頻差量E和變化率EC都為正時，即故障系統(tǒng)頻率正在上升，此時GD-FNN為較大的負值輸出量，即減小指令電流和功率輸送，從而使故障區(qū)域頻率上升減緩并回落。就這樣，GD-FNN附加控制在故障恢復期間對直流功率進行調(diào)整，利用UHVDC的快速調(diào)節(jié)與短期過載能力，起到了抑制系統(tǒng)振蕩，提高暫態(tài)穩(wěn)定性的作用。

當GD-FNN訓練好后，利用PSCAD/EMTDC的Matlab接口進行聯(lián)合仿真。在上黨站設置金屬性三相短路， 0.1s后故障消失。觀察離短路點較近的鎮(zhèn)江Ⅲ廠發(fā)電機功角變化及直流功率變化，并與未進行暫態(tài)控制及采用傳統(tǒng)極點配置法的系統(tǒng)對比。

圖7 訓練好的GD-FNN環(huán)節(jié)輸入輸出特性Fig. 7 Input and output characteristics of trained GD-FNN

3.1 正常運行情況

正常運行情況下，極點配置法和GD-FNN控制的暫態(tài)穩(wěn)定控制效果相當，都能對系統(tǒng)的振蕩進行快速的抑制，保證系統(tǒng)安全穩(wěn)定運行（圖8、圖9）。

圖8 正常運行情況鎮(zhèn)江Ⅲ廠發(fā)電機功角變化情況Fig. 8 Change of Zhenjiang-3 generator’s angle in normal situation

圖9 直流輸送功率變化Fig. 9 Change of DC power

由于附加控制量疊加在直流定電流控制的電流設定值上，所以故障時直流輸電線路上的功率根據(jù)系統(tǒng)阻尼的需要進行了快速調(diào)節(jié)。與未加附加控制相比，加附加控制后直流線路傳輸?shù)墓β试诠收习l(fā)生后變化更為劇烈(如圖8～圖9所示)，這就相當于是“分擔”了故障對交流系統(tǒng)的沖擊。

3.2 控制器結構發(fā)生變化后的情況

實際運行中UHVDC控制器可能會發(fā)生變化，如測量信號和輸出信號的延遲都有可能會使控制器性能發(fā)生惡化。在HVDC整流側定電流控制器加入時滯環(huán)節(jié)來模擬該種情況，滯后時間取50 ms。

由圖10、圖11可知：加入時滯環(huán)節(jié)后，極點配置法和GD-FNN的暫態(tài)穩(wěn)定控制效果都有所降低，但GD-FNN的控制效果明顯優(yōu)于極點配置法，說明GD-FNN控制相對于傳統(tǒng)方法具有較好的魯棒性，在系統(tǒng)具有延遲的情況下也具有一定的控制效果。

圖10 加入時滯環(huán)節(jié)后鎮(zhèn)江Ⅲ廠發(fā)電機功角變化情況Fig. 10 Change of Zhenjiang-3 generator’s angle with time delay

圖11 直流輸送功率變化Fig. 11 Change of DC power

3.3 系統(tǒng)運行點發(fā)生變化后的情況

實際運行中系統(tǒng)的運行點不斷發(fā)生變化，所以控制方法對系統(tǒng)的適應能力顯得至關重要。將鎮(zhèn)江Ⅲ發(fā)電機出力減少30%來模擬該種情況。

由圖12、圖13可以看出：改變鎮(zhèn)江Ⅲ發(fā)電機出力后，系統(tǒng)的運行狀況發(fā)生改變，由于電力系統(tǒng)的非線性，故極點配置法配置的極點會發(fā)生偏差，從而會導致穩(wěn)定控制效果有所降低，而GD-FNN控制本質(zhì)上是一個參數(shù)合理準確，結構緊湊合理的模糊推理系統(tǒng)，所以對系統(tǒng)模型結構和參數(shù)要求不高，但其與一般的模糊控制系統(tǒng)相比，其尺度變換、隸屬度函數(shù)和輸出值函數(shù)更為精確嚴格，所以在系統(tǒng)模型結構和參數(shù)不確定的情況也具有較好的控制效果。

圖12 改變出力后鎮(zhèn)江Ⅲ廠發(fā)電機功角變化情況Fig. 12 Change of Zhenjiang-3 generator’s angle after output power reduced

圖13 直流輸送功率變化Fig. 13 Changing of DC power

4 結論

在正常運行情況下，廣義動態(tài)模糊神經(jīng)網(wǎng)絡控制與傳統(tǒng)的極點配置方法效果接近，并未顯現(xiàn)出明顯的優(yōu)勢。當控制器內(nèi)部發(fā)生改變或系統(tǒng)運行狀況發(fā)生改變時，極點配置的控制效果降低，而GD-FNN方法由于具有對系統(tǒng)良好的適應性和強魯棒性，仍然可以起到較為理想的控制效果。相比于模糊控制，GD-FNN能夠進行參數(shù)估計和結構辨識，具有良好的可操作性；相比于神經(jīng)網(wǎng)絡控制，GD-FNN結構清晰，邏輯意義明確，擴充性好；相比于自適應模糊神經(jīng)網(wǎng)絡控制（ANFIS），GD-FNN可以優(yōu)化至較緊湊的結構，保證泛化能力，在電力系統(tǒng)自動化控制領域具有非常廣闊的應用前景。

[1] 周浩, 鐘一俊. 特高壓交、直流輸電的適用場合及其技術比較[J]. 電力自動化設備, 2007, 27(5): 6-12.

ZHOU Hao, ZHONG Yi-jun. Applicable occasions of UHVAC/UHVDC transmission and their technology comparisons in China[J]. Electric Power Automation Equipment, 2007, 27(5): 6-12.

[2] 徐政. 交直流電力系統(tǒng)動態(tài)行為分析[M]. 北京: 機械工業(yè)出版社, 2005.

[3] 許愛東, 柳勇軍, 吳小辰. ±800 kV 云廣特高壓直流安全穩(wěn)定控制策略研究[J]. 南方電網(wǎng)技術, 2008, 2(5):14-18.

XU Ai-dong, LIU Yong-jun, WU Xiao-chen. Study on security and stability control strategy for ±800 kV Yun-Guang UHVDC Transmission[J]. Southern Power System Technology, 2008, 2(5): 14-18.

[4] 陳漢雄, 胡勁松. 金沙江一期送端特高壓直流輸電系統(tǒng)的協(xié)調(diào)控制[J]. 電網(wǎng)技術, 2008, 32(8): 10-14.

CHEN Han-xiong, HU Jin-song. Coordinated control of UHVDC transmission system at sending end of first phase Jinsha River project[J]. Power System Technology,2008, 32(8): 10-14.

[5] 莊侃沁, 李興源. 高壓直流輸電系統(tǒng)在線模糊神經(jīng)控制器的研究[J]. 電力系統(tǒng)自動化, 2001, 25(24): 3-6.

ZHUANG Kan-qin, LI Xing-yuan. Study of an on-line HVDC controller based on fuzzy logic and ANN[J].Automation of Electric Power Systems, 2001, 25(24):3-6.

[6] 張少康, 李興源, 王渝紅. HVDC附加控制策略對頻率穩(wěn)定性的影響研究[J]. 電力系統(tǒng)保護與控制, 2011,39(19): 100-103.

ZHANG Shao-kang, LI Xing-yuan, WANG Yu-hong.Research on the effect of HVDC additional control strategy on frequency stability[J]. Power System Protection and Control, 2011, 39(19): 100-103.

[7] 陳文濱, 嚴兵, 張堯, 等. 基于EMTDC的UHVDC交流側故障的仿真[J]. 電力系統(tǒng)保護與控制, 2009,37(11): 15-18.

CHEN Wen-bin, YAN Bing, ZHANG Yao, et al.Simulation of fault in UHVDC AC side based on EMTDC[J]. Power System Protection and Control, 2009,37(11): 15-18.

[8] Martin Atena, Herbert Werner. Subsynchronous damping controller design for high voltage DC links using linear matrix inequalities[J]. Control Engineering Practice,2004, 12: 735-744.

[9] 陳小龍, 毛曉明, 葉鋒, 等. 模糊和神經(jīng)網(wǎng)絡控制方法在高壓直流輸電系統(tǒng)阻尼調(diào)制研究中的應用與發(fā)展[J].電力系統(tǒng)保護與控制, 2009, 37(5): 98-102.

CHEN Xiao-long, MAO Xiao-ming, YE Feng, et al.Application and development of fuzzy logic and neural network control in HVDC damping modulation[J]. Power System Protection and Control, 2009, 37(5): 98-102.

[10] 伍世虔, 徐軍. 動態(tài)模糊神經(jīng)網(wǎng)絡——設計與應用[M].北京: 清華大學出版社, 2008.