交流電壓分區(qū)協(xié)調(diào)控制方法的設(shè)計與仿真

高 波,高明明,和紅梅,王志勇*

(1.河北水利電力學(xué)院 電力工程系,河北 滄州 061001;2.河北省高校水利自動化與信息化應(yīng)用技術(shù)研發(fā)中心,河北 滄州 061001;3.遼寧工程技術(shù)大學(xué) 電子與信息工程學(xué)院,遼寧 葫蘆島 125105)

1 引言

能源污染問題日益嚴重[1],因此新能源發(fā)電的發(fā)展逐漸被重視,有望進一步提升能源國產(chǎn)化率、強化成本優(yōu)勢[2-3]。但交流電壓波動以及電壓超負荷等問題已經(jīng)成為了新能源供電的關(guān)鍵性難點。經(jīng)過多年研究,相關(guān)領(lǐng)域?qū)＜裔槍υ搯栴}展開研究。

柴園園[4]等人提出了含不完全量測的分布式光伏發(fā)電集群電壓協(xié)調(diào)控制方法。該方法首先利用配電網(wǎng)關(guān)鍵點獲取各個集群之間的通信數(shù)據(jù),其次集群在網(wǎng)絡(luò)簡化的幫助下生成量測信息的簡化網(wǎng)絡(luò),以此提高集群電網(wǎng)對電力損耗的調(diào)控性能,實現(xiàn)交流電壓分區(qū)協(xié)調(diào)控制。張哲[5]等人提出了基于分層模型預(yù)測控制的風(fēng)電場電壓協(xié)調(diào)控制方法。該方法根據(jù)電力自身調(diào)節(jié)能力以及電網(wǎng)的電壓波動情況預(yù)測出電壓的活動軌跡,其次在配電網(wǎng)的分配層計算出每點需要的容量,進而運算出與各個機組相匹配的電力協(xié)調(diào)方案,實現(xiàn)交流電壓分區(qū)協(xié)調(diào)控制。

但是,在實際應(yīng)用中以上方法均無法計算出全局最優(yōu)的電壓超負荷調(diào)整量,導(dǎo)致在控制過程中補償增益過低,無法確保交流用電的穩(wěn)定性和安全性,存在電壓間連通性差、協(xié)調(diào)控制平衡性差、電壓補償增益小和電壓偏差下降程度低的問題。為了解決該的問題,提出基于魚群算法的交流電壓分區(qū)協(xié)調(diào)控制方法。

2 基于魚群算法的交流電壓分區(qū)協(xié)調(diào)控制

2.1 魚群算法

魚群算法[6-7]是根據(jù)動物行為得出的一種智能提取全局最優(yōu)結(jié)果的算法,在配電網(wǎng)進行電網(wǎng)分配時,因為基點之間距離以及電力負荷等問題會出現(xiàn)分配不均的情況,因此可通過魚群算法訓(xùn)練出各個基點的最優(yōu)分配電量。

魚群算法主要是模擬魚群的覓食以及追尾等行為在全局結(jié)果中尋優(yōu),首先對交流電壓的分布狀況[8]進行初始化處理,進而加強全局尋優(yōu)的收斂性[9]。因為魚群算法的原始魚群數(shù)量是隨機分布的,導(dǎo)致覆蓋空間有很大的局限性,可能出現(xiàn)全局最優(yōu)解不在此范圍中,即使經(jīng)過不斷訓(xùn)練也不能很好地將覆蓋空間延伸到最優(yōu)解區(qū)域中,因此會出現(xiàn)局部極值的情況,針對交流電壓的特性將初始魚群算法[10]進行網(wǎng)格化,保證原始人工魚群均勻分布在魚塘的各個區(qū)域,加強全局尋優(yōu)的效果,經(jīng)過網(wǎng)格化處理后的初始魚群表達式為:

(1)

式中,Zi(j)代表第i條魚的第j個分量,Dmin(j)代表分量j的上界界限,Dmax(j)代表分量j的下界界限。

通過網(wǎng)格化魚群即可保證魚群數(shù)據(jù)的均勻性,在此基礎(chǔ)上通過魚群的基本行為在全局尋優(yōu)。

在魚群算法[11]中當(dāng)某一條魚的位置在魚塘w,此位置的食物濃度為xi,位置w周圍有多個視點,魚隨機選取其中一個視點,當(dāng)該視點的食物濃度高于位置w的食物濃度,則魚群向濃度高的位置前進,即得到一個更為優(yōu)越的覓食環(huán)境;若該視點的食物濃度沒有目前位置的食物濃度高則隨機選取下一個視點,比較兩點之間的食物濃度,不斷尋找濃度更高的位置,若將所有視點比較結(jié)束后仍沒有找到合適的區(qū)域前進,則魚隨機前進一步即可,其中食物濃度的計算方程式為:

G=F(Y)

(2)

式中,F(Y)代表代價函數(shù),G代表目前位置食物濃度。

前進到更高食物濃度的位置后需要繼續(xù)尋找食物濃度更高的位置,若沒有比當(dāng)前位置食物濃度更高的位置則隨機前進。

其中魚在尋找最優(yōu)位置的計算方程式如下所示:

wi=Visual×Rand()+wi

(3)

式中,Visual代表魚對食物濃度的感知范圍,Step代表魚可前進的最長距離。

則尋找到更高食物濃度的前進位置計算方程式為:

(4)

由于沒有尋找到更高濃度的視點而隨機前進一步的位置計算方程式為:

wnext=Step·Rand(·)+wi

(5)

2.2 交流電壓分區(qū)協(xié)調(diào)控制的實現(xiàn)

魚群算法中的魚群行為與在全局尋優(yōu)的目的一致,研究應(yīng)用魚群算法對電壓的協(xié)調(diào)控制尋優(yōu)。電力系統(tǒng)中的負荷發(fā)生突變時會使得配電網(wǎng)節(jié)點交流電壓出現(xiàn)超負荷[12]的情況,當(dāng)出現(xiàn)這種情況時需要立即在目前電力潮流狀態(tài)[13]的基礎(chǔ)上迅速劃分電力區(qū)域進行計算,并在各個交流電壓區(qū)域間提取出電壓負荷最嚴重的繼電點,最終基于各個電壓靈敏度得出各個短路區(qū)域中協(xié)調(diào)性最強的電源,并利用該電源對較為嚴重的節(jié)點進行調(diào)節(jié),交流電壓在實際控制過程中需要優(yōu)先進行無功電壓調(diào)節(jié)。

電壓無功調(diào)控相關(guān)靈敏度主要探究電力系統(tǒng)中控制變量的調(diào)整范圍對被控制變量的影響程度,靈敏度的計算如下所示。

交流節(jié)點電壓對無功出力的靈敏度計算時[14],此時電壓的潮流狀態(tài)為收斂狀態(tài),即無功殘差結(jié)果無限接近于0,其中無功殘差的計算公式為:

(6)

通過上式對目前已經(jīng)為收斂狀態(tài)交流節(jié)點的無功殘差進行較小的改變,并在因子表的基礎(chǔ)上進行迭代計算,最終獲取靈敏度。

假設(shè)目前電壓靈敏度為SEV,則配電網(wǎng)所需的無功調(diào)節(jié)量計算公式為:

ΔE=ΔU/SEV

(7)

式中,ΔE代表電壓無功調(diào)節(jié)量。

ΔE由于受到電壓逆變器額定的限制,在實際計算過程中需要滿足下列要求:

(8)

其中,Lmax代表電壓逆變器的額定容量,P代表電壓的有功輸出。

電力系統(tǒng)是由多個光伏并網(wǎng)逆變器組成[15-16],交流電壓的分區(qū)協(xié)調(diào)控制就是對逆變器的電壓分區(qū)進行進行調(diào)控。

除電壓預(yù)防調(diào)控外,所有光伏節(jié)點的調(diào)控均是以本地與區(qū)域間的通信信息為基礎(chǔ)進行控制,首先運算出本地的補償量,根據(jù)周圍區(qū)域的最大調(diào)壓單位為指標(biāo),同時考慮調(diào)節(jié)量最大調(diào)節(jié)能力,以此完成電壓協(xié)調(diào)控制。

但因為交流電壓各個區(qū)域中有無功協(xié)調(diào)控制,導(dǎo)致每條線路中的無功容量沒有剩余,當(dāng)光伏調(diào)控中心在a點,由于電力中必定含有有功縮減,因此ab段必定會出現(xiàn)無功調(diào)控量增加,進而保護電壓越限并得出ab的功率約束公式,其表達式為:

(9)

式中,Gmin代表光伏逆變器的最小功率因數(shù)。

而b點連接的另一端光伏定量,即bi段的有功下降會導(dǎo)致無功調(diào)節(jié)量降低,進而利用降低無功調(diào)節(jié)量和有功輸出完成電壓調(diào)控,則bi段的功率約束表達式為:

(10)

在魚群算法的應(yīng)用下得出電壓協(xié)調(diào)上半部分區(qū)域的控制計算公式,其表達式為:

Hi,m=Vm2-Vm0

(11)

式中,Hi,m代表節(jié)點m的電壓調(diào)控量。

下半部分區(qū)域的控制模型為:

Hj,m=Vm1-Vm0m

(12)

根據(jù)以上步驟,利用魚群算法對電壓的控制實現(xiàn)尋優(yōu),完成交流電壓協(xié)調(diào)控制模型的構(gòu)建

3 實驗結(jié)果與分析

為了驗證基于魚群算法的交流電壓分區(qū)協(xié)調(diào)控制方法的整體有效性,現(xiàn)對所提方法、文獻[4]方法和文獻[5]方法進行電壓間連通性、協(xié)調(diào)控制平衡性、電壓補償增益和電壓偏差下降程度的測試,測試結(jié)果如下所示。

3.1 電壓間連通性測試

電力系統(tǒng)在配電過程中應(yīng)注重各線路之間的通信程度,根據(jù)通信數(shù)據(jù)對各線路設(shè)置電量,保證在各線路電力均在電力負荷之內(nèi),因此交流電壓分區(qū)協(xié)調(diào)控制過程中各線路間的連通性也是調(diào)控的關(guān)鍵因素,部分控制方法對于各線路間的信息連通性過于疏忽,直接造成調(diào)控不規(guī)范問題,無法快速判斷線路是否超限,因此將電力系統(tǒng)間的連通性當(dāng)成判斷交流電壓協(xié)調(diào)控制方法的評價指標(biāo)。

對比所提方法、文獻[4]提出的含不完全量測的分布式光伏發(fā)電集群電壓協(xié)調(diào)控制方法以及文獻[5]提出的基于分層模型預(yù)測控制的風(fēng)電場電壓協(xié)調(diào)控制方法的連通性,將三種方法的結(jié)果進行比較,得出最優(yōu)電壓調(diào)控方法,其結(jié)果如圖1所示。

圖1 三種方法的區(qū)域連通性

根據(jù)圖1的測試結(jié)果可知,所提方法的電壓連通性更高,說明所提方法應(yīng)用下電力系統(tǒng)在配電過程中各線路之間的通信程度較好。而其余兩種文獻方法的電壓連通性偏低,且穩(wěn)定性較差,因此證明所提方法的控制效果好。

3.2 不同方法的協(xié)調(diào)控制效果

交流電壓由于各種因素會出現(xiàn)電力系統(tǒng)的超限的情況,即電壓出現(xiàn)異常波動,利用不同方法對異常電壓完成控制,控制結(jié)果如圖2所示。

圖2 不同方法的電壓控制效果對比

根據(jù)圖2的實驗結(jié)果可知,當(dāng)交流電壓出現(xiàn)異常波動時,文獻[4]提出的含不完全量測的分布式光伏發(fā)電集群電壓協(xié)調(diào)控制方法雖然能夠有效抑制電壓的波動,但是電壓的趨勢無法得以有效恢復(fù)。文獻[5]提出的基于分層模型預(yù)測控制的風(fēng)電場電壓協(xié)調(diào)控制方法的應(yīng)用下電壓的波動幅度較小,但是其頻率仍然較高。相比之下,研究方法在0.5ms內(nèi)即可將交流電壓恢復(fù)至正常的正弦波形狀態(tài)。這是因為所提方法在對交流電壓進行調(diào)控過程中利用魚群算法不斷尋優(yōu),得出全局最優(yōu)電力調(diào)整量,進而無限趨近于原始電力平衡度,故而該方法的整體性能強于其余兩種方法。

3.3 不同方法的電壓補償增益對比

電壓分區(qū)調(diào)控實質(zhì)就是根據(jù)每個區(qū)域自身的特點對其進行電壓調(diào)控,即補償,進行補償前的電壓均屬于超負荷狀態(tài),最有效的電壓調(diào)控效果評價方法就是對三種方法的補償增益進行評價。

隨機選取一電力系統(tǒng),在其中添加以負載,經(jīng)過5秒控制后得出其補償增益。

根據(jù)圖3可知,三種方法均對電壓實施了補償增益,文獻[4]方法和文獻[5]方法經(jīng)過補償后其增益不再變化,即僅僅補償一次,導(dǎo)致電壓控制的范圍不大,效果不佳,而所提方法的增益不斷增大,說明該方法可不斷加強增益效果,即根據(jù)電壓超負荷實際情況進行多次補償,提高增益,進而有效降低電力超負荷情況。

圖3 不同方法的補償增益

4 結(jié)束語

提出基于魚群算法的交流電壓分區(qū)協(xié)調(diào)控制方法,該方法對交流電壓超負荷情況實現(xiàn)控制,在基于此引入魚群算法,實現(xiàn)交流電壓分區(qū)協(xié)調(diào)控制,解決了電壓間連通性差、協(xié)調(diào)控制平衡性差、電壓補償增益小和電壓偏差下降程度低的問題,保證用電穩(wěn)定。