简介
频率稳定是电力系统电能质量的一个重要指标。负荷的任意突然变化都有可能导致系统间联络线交换功率的偏差及系统频率的波动。因此,为保证电能质量,需要一个负荷频率控制(load frequency control,LFC)系统,该系统的目的是将系统频率维持在标称值并且尽可能使控制区域之间的未计划的联络线交换功率最小。
常规LFC仅使用积分控制。熟知较大的积分增益会恶化系统性能,导致较大系统振荡,甚至不稳定。因此积分增益的设置必须在系统理想的暂态恢复响应和较小的超调之间进行折中1。
负荷频率控制应用随着现代电力系统的规模和复杂程度逐渐增大,系统振荡更有可能在系统中扩大而导致停电, 因此先进控制算法在LFC中得到广泛研究,包括最优控制、变结构控制、自适应控制,以及鲁棒控制等。先进控制方法确实可以提高系统性能,但是这些方法或者需要系统全部状态信息,或者需要有效的在线辨识,在实际中难以实现。
同时,不少文献提出通过扩展常规PI控制的方法来达到有效抑制电力系统频率振荡的方法。负荷频率控制中采用PID控制的困难之处在于电力系统模型是高阶欠阻尼的,而现有大多数PID整定方法都侧重于过阻尼过程,因此在LFC中直接采用现有PID方法整定不合适。为此,提出一种基于两自由度内模控制的PID整定方法,该方法只需整定2个参数,并且可以取得较好的振荡抑制效果。
将线性自抗扰控制(LADRC)方法应用到负荷频率控制问题。该方法通过一个扩张观测器估计系统的扰动,从而达到更快抑制扰动的目的,而且该方案只需调节2个参数,因此可以很容易为现场工程师掌握。LADRC能取得较好的振荡抑制性能,而且参数整定简单,能够应用于负荷频率控制系统。
维持电力系统的频率稳定维持电力系统的频率稳定是电力系统控制任务的一个重要环节。频率控制主要依靠自动发电控制(automatic generation control,简称AGC)控制系统频率和区域间联络线交换功率按计划值稳定运行, 这个功能通常称为负荷频率控制(loadfrequency control,LFC)。
国内外学者在LFC方面进行了研究。提出一种基于状态收缩约束的模型预测控制策略,并且在算法中引入了一个状态收缩约束,从而保证了模型预测控制算法的稳定性。在改进的广义预测控制的基础上,设计了考虑通信延迟的LFC控制器。模型预测控制在互联电力系统LFC中能有效控制成本,但在很大程度上依赖可靠的系统模型,难以保证算法的稳定性。提出了一种用于多区域互联电力系统的负荷频率综合PI滑模控制方法,该方法同时发挥了基于新区域控制偏差的比例积分控制和滑模控制的优点,克服了各自单一控制的不足。变结构控制虽能够提供一个敏感的控制,但是变结构控制在控制点切换时存在颤振现象,且它需要复杂的结构和设计,实现起来有一定难度。基于模糊理论的优点可以有效解决数学模型在未知条件下复杂或动态时变系统的控制问题。提出了一种基于模糊径向基函数神经网络的自适应控制器,利用径向基函数神经网络进行自学习、修正与完善模糊规则,改善其动态性能。将模糊控制和微粒群优化算法相结合,利用微粒群算法优化模糊控制规则和PI控制器参数,以实现对控制规则的自调整。上述方法均取得了一定的控制效果,但这些方法一般都采用时域信号作为负荷扰动,没有反映出负荷扰动的连续性与不确定性,不能真实地反映系统动态频率的控制效果2。
总结云模型是把模糊性和随机性完全融合在一起,实现了定性和定量的相互不确定性映射关系,明显改善模糊理论的单一模糊性,实现简单且不受系统模型限制,有效满足系统的不确定性。将云模型理论运用在LFC 中,在联络线频率偏差控制(tie-line frequency bias control,TBC)模式下,以区域控制偏差(area control error,ACE)的误差量e作为云模型控制器的输入,PI控制器的整定值P和I作为云模型控制器的输出,实现对PI控制器参数的自适应调整,同时采用频域信号和时域信号分别模拟随机负荷扰动和冲击负荷扰动,实现电力系统动态频率控制3。