论文部分内容阅读
现代电力系统的一个重要特征就是分层分区互联运行,负荷频率控制对于保证多区域互联电力系统的稳定运行具有重要意义。随着大量光伏发电、风力发电等间歇式、随机性分布式可再生能源的接入,多区域互联电力系统负荷频率控制问题已面临严峻挑战。近年来,模型预测控制算法在电力电子变换器和电力系统等快过程系统中的应用越来越受到关注,但在高渗透率分布式可再生能源接入的复杂多区域互联电力系统负荷频率控制中的应用研究还处于起步阶段。本文基于改进的模型预测控制算法和极值优化算法,深入研究传统多区域互联电力系统以及包含光伏发电、风力发电等可再生能源的多区域互联电力系统的负荷频率优化控制难题。本文的主要研究工作和创新点如下:(1)通过引入一个扩展的状态向量到系统状态空间模型和有限时域动态预测模型,提出了一种扩展的预测控制算法(Extended Model Predictive Control,EMPC)实现计及光伏的两区域互联电力系统负荷频率优化控制。相比现有研究工作,本文考虑了火力发电区域中调速器的死区时间和发电机的发电速率限制等非线性约束约束条件。通过对系统正常工况运行、动态负载干扰和模型参数失配等多种场景下的仿真实验,验证了EMPC算法相比现有基于遗传算法、萤火虫算法和群体极值优化算法改进的比例积分控制策略具有更佳的暂态、稳态控制性能以及更强的鲁棒性。(2)在研究工作(1)的基础上,将群体极值优化算法引入到EMPC的滚动优化策略中,提出了一种基于群体极值优化算法的分布式扩展预测控制算法(Population Extremal Optimization Based Distributed Extended Model Predictive Control,PEO-EDMPC),并将其应用到传统的多区域互联电力系统负荷频率控制中。通过对两区域和三区域典型互联电力系统的仿真实验,从而验证了PEO-EDMPC算法相比传统的分布式积分控制、基于群体极值优化的比例积分控制以及传统模型预测控制算法具有更好的暂态、稳态控制性能以及更强的鲁棒性。(3)在研究工作(2)的基础上,将PEO-EDMPC算法扩展应用到包含风力发电机组的多区域互联电力系统负荷频率优化控制问题中。通过对计及风电的两区域和三区域互联电力系统的仿真实验,从而进一步验证了PEO-EDMPC算法相比传统模型预测控制算法在暂态、稳态控制性能以及鲁棒性能等方面所具有的优势。