[发明专利]一种基于粒子群算法的电力变流器双闭环控制策略

摘要

本发明涉及一种基于粒子群算法的电力变流器双闭环控制策略，属于电网运行与控制技术领域。其特征包含以下步骤：1)对电力变流器实施电压外环和电流内环的双闭环控制策略；2)确定在线调整的控制环节的控制参数调节范围；3)监测控制目标值；4)若控制目标超出允许范围，采用粒子群算法更新控制参数；5)若控制目标未超出允许范围，保持控制参数不变。本发明具有高度可靠性和自适应性、能够在电网的扰动下实现电力变流器的功率控制，对提高电力变流器的运行可靠性和可控性具有重要的现实意义。

主权项

1.一种基于粒子群算法的电力变流器双闭环控制方法，是指对电压源型电力变流器，采用电压外环和电流内环的双闭环控制策略；采用粒子群优化算法，在线的自适应调整控制环节的参数，实现电力变流器在电网各种扰动下的优化控制；其特征在于：包括以下步骤：步骤1)对电力变流器实施电压外环和电流内环的双闭环控制策略；步骤2)确定在线调整的控制环节的控制参数调节范围；步骤3)监测控制目标值；步骤4)若控制目标超出允许范围，采用粒子群算法更新控制参数；(1)设置迭代次数初值为零；(2)初始化粒子群计算参数，包括粒子的位置、速度、加速常数以及惯性因子；(3)对于每个粒子确定其初始位置的最优值和全局最优值；(4)对于每个粒子确定其迭代过程中的个体最优值和全局最优值；(5)更新粒子下一次的速度和位置；(6)更新粒子群的最优值和全局最优值；(7)迭代次数增加1，若到达迭代次数上限，则进行步骤(8)，否则转入步骤(4)；(8)把粒子群优化计算结果作为电力变流器控制参数值；对于每个粒子确定其迭代过程中的个体最优值和全局最优值，在粒子群优化算法的迭代过程中，利用适应度函数来判断每一个粒子对应的所有位置的值，取其最小值为该粒子的最优值；利用适应度函数来判断所有粒子的所有位置的值，取其中的最小值为全局最优值；粒子群优化PI控制环实现的过程主要有如下几个步骤：①确定使系统稳定的PI控制环参数的取值范围即k_p、k_I的值；②检测电力变流器外环控制目标的变化，若控制目标值变化较大时，粒子群优化PI控制环发挥作用，自动调整k_p、k_I的值，使其得到能够满足要求的PI控制环参数；③利用粒子群优化算法更新PI控制器参数的具体过程如下：(a)初始化粒子的位置速度加速常数c₁、c₂以及惯性因子ω；粒子群优化算法首先在第0次开始迭代，此时确定所有粒子的初始位置、初始速度、加速常数以及惯性因子；粒子的初始位置为是根据系统稳定时的PI控制环参数中随机选择的，粒子初始速度是在(‑1，1)中随机选择的；加速常数c₁、c₂是调整自身经验和社会经验在其运动中所起作用的权重，其值都取为2；惯性因子ω对粒子群算法的收敛性起到作用，通过调整其值改变全局寻优和局部寻优的能力，在迭代开始时将ω设置的比较大，之后随着迭代次数不断减小，为了简化运算，取值为0.6；在粒子群优化算法中使用10个粒子并迭代20次，这样既满足了所得PI参数值的准确性又满足了计算速度，能够实现电力变流器的控制性能；(b)对于每个粒子确定其初始位置的最优值pbest和全局最优值gbest；在整定PI控制环的参数k_p、k_I时，需要利用适应度函数来评价其动态表现；为了使电网电压能够快速的恢复，利用粒子群算法时采用控制目标值的绝对误差积分作为目标函数即适应度函数，以控制目标值为电压为例；其表达式如式(2)所示：式(2)中，f为控制的目标电压；u^*为电网电压；u(t)为连接点处电压；Δt为采样周期；在粒子群算法中选取电压的绝对误差积分作为适应度函数；初始化时，定义粒子的最优值pbest以及全局最优值gbest,初始化后所有粒子的满足适应度函数的最小值,分别为：式(3)中，pbest为粒子的最优值；gbest为全局最优值；为控制环参数k_p的初始化粒子位置；为控制环参数k_I的初始化粒子位置；(c)对于每个粒子确定其迭代过程中的个体最优值pbest和全局最优值gbest；在粒子群优化算法的迭代过程中，利用适应度函数来判断每一个粒子对应的所有位置的值，取其最小值为该粒子的最优值，如式4所示；式(4)中，K_P(pbest)为粒子的粒子最优值；为控制环参数k_p的粒子最优值；为控制环参数k_I的粒子最优值；利用适应度函数来判断所有粒子的所有位置的值，取其中的最小值为全局最优值，如式5所示；式(5)中，K_(gbest)为全局最优值；为控制环参数k_p的全局最优值；为控制环参数k_I的全局最优值；(d)第i+1次迭代中，按式(6)更新粒子下一次的速度和位置；对于粒子P来说，第i+1次迭代中，粒子的位置和速度用第i次迭代的结果进行计算，计算表达式如下所示；式(6)中，rand(1)、rand(2)都是(0，1)之间的随机数；加速常数c₁、c₂的值都为2；式(6)代表粒子寻优的过程，通过该式不断的更新粒子的位置和速度，从而能够得到粒子的个体最优值以及所有粒子的全局最优值；为了更加直观的分析粒子的寻优过程，由式6得出每个粒子在迭代过程中通过跟踪两个极值来迭代计算，从而得到粒子个体极值以及所有粒子中的全局最优值；对于粒子P来说，在第i+1次迭代中，其位置是通过式(7)所得到的；式(7)中，ΔK_P1为第i次迭代位置指向粒子个体最优值K_P(pbest)的速度向量；ΔK_P2为第i次迭代位置指向粒子全局最优值K_(gbest)的速度向量；ΔK_P3为与第i次迭代速度的方向相同的速度向量；由式(7)得出第i次迭代过程中粒子移动的速度作为粒子移动的参考值使得粒子P在第i+1次迭代过程中向粒子最优值K_P(pbest)以及全局最优值K_(gbest)靠近；(e)更新粒子P的最优值K_P(pbest)和全局最优值K_(gbest)；经过第i次迭代后，当前粒子P的最优值K_P(pbest)以及全局最优值K_(gbest)的适应度值分别为f(K_P(pbest))、f(K_(gbest))；利用适应度函数求解出粒子P在位置时的适应度值将此时求解出的适应度值与上次迭代得出的粒子最优值以及全局最优值进行比较；如式(8)和(9)所示；如果式(8)成立，则将被选为粒子新的个体最优值K_P(pbest)，否则粒子最优值保持不变；如果式(9)成立，则将被选为粒子新的全局最优值K_(gbest)，否则粒子全局最优值保持不变；(f)步骤(d)和步骤(e)重复20次即迭代20次；(g)迭代结束后确定PI控制环中的参数值k_p、k_I为此时全局最优值K_(gbest)；步骤5)若控制目标未超出允许范围，保持控制参数不变。