本發(fā)明涉及微電網(wǎng)控制技術(shù)領(lǐng)域，尤其是涉及孤島微電網(wǎng)頻率控制方法及控制器。

背景技術(shù)：

隨著對(duì)電能需求的日益增加，可再生能源的普及率越來越高，大量的非傳統(tǒng)電源進(jìn)入電力系統(tǒng)帶來了一系列問題，一方面增加了傳統(tǒng)系統(tǒng)的復(fù)雜性和不確定性；另一方面在使用過程中這些新能源發(fā)電裝置能否與常規(guī)發(fā)電機(jī)組一起穩(wěn)定運(yùn)行，這是目前需要解決的新挑戰(zhàn)。

微電網(wǎng)包括大量分布在用戶端的新能源發(fā)電裝置，并以分布式發(fā)電的形式集成在微電網(wǎng)中。典型的分布式發(fā)電包括：微型燃?xì)廨啺l(fā)電機(jī)、光伏電池板、超級(jí)電容器和蓄電池等。

在微電網(wǎng)系統(tǒng)中，通常設(shè)置儲(chǔ)能裝置。因?yàn)榇蠖鄶?shù)微電源都是小慣性裝置，負(fù)載擾動(dòng)對(duì)發(fā)電單元裝置的影響非常大，嚴(yán)重情況下會(huì)導(dǎo)致危險(xiǎn)情況發(fā)生(比如斷路器跳閘)。儲(chǔ)能裝置主要用于提高微電網(wǎng)系統(tǒng)的電能質(zhì)量和穩(wěn)定性,常用的儲(chǔ)能裝置有：儲(chǔ)能電池和超級(jí)電容器。

可再生能源的發(fā)電構(gòu)成微電網(wǎng)面臨著在孤島模式下電壓和頻率的調(diào)節(jié)問題。微電網(wǎng)常布置于低壓配電網(wǎng)側(cè)，為了保證良好的電能質(zhì)量，保證敏感性負(fù)載不斷電，必須應(yīng)用先進(jìn)的智能控制技術(shù)進(jìn)行控制。

現(xiàn)代微電網(wǎng)系統(tǒng)需要在控制方面具有更高的智能性和靈活性，以確保微電網(wǎng)在受到嚴(yán)重的干擾時(shí)，仍有能力維持負(fù)荷與發(fā)電之間平衡。隨著微電網(wǎng)數(shù)量越來越多，這一問題變得越來越顯著。傳統(tǒng)的pi控制和模糊控制器越來越難以有效地解決微電網(wǎng)中的控制問題，亟需一種魯棒的智能控制方法。

頻率是電能質(zhì)量的重要指標(biāo)之一。由于大量非純電阻負(fù)載接入微電網(wǎng)，進(jìn)一步導(dǎo)致小慣性的微電網(wǎng)頻率波動(dòng)增大。目前少有研究成果針對(duì)微電網(wǎng)頻率智能控制。

通過文獻(xiàn)檢索發(fā)現(xiàn)2012年6月作者付婭發(fā)表的一篇碩士論文《含大規(guī)模風(fēng)電的互聯(lián)系統(tǒng)的負(fù)荷頻率控制》，論文研究內(nèi)容應(yīng)用大慣性風(fēng)電系統(tǒng)，采用直接優(yōu)化pi控制器參數(shù)的方法。該方法采用兩區(qū)域和功率組合，沒有考慮相關(guān)權(quán)重，只用粒子群方法單一優(yōu)化，魯棒性不夠理想。

2013年蘇海濱等人發(fā)表論文《基于遺傳算法的微電網(wǎng)頻率模糊控制方法》,由于遺傳算法運(yùn)算速度較慢，對(duì)微電網(wǎng)頻率跟蹤控制，難以達(dá)到實(shí)時(shí)性，控制性能不易滿足微電網(wǎng)的要求。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明旨在提供一種基于隨機(jī)加速粒子群算法的孤島微電網(wǎng)頻率控制方法，通過利用粒子群算法與模糊邏輯算法相結(jié)合，形成組合智能優(yōu)化，優(yōu)化速度明顯快于遺傳算法，性能也得到提高。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

一種基于隨機(jī)加速粒子群算法的孤島微電網(wǎng)頻率控制方法，包括如下步驟：

s1對(duì)微電網(wǎng)頻率進(jìn)行實(shí)時(shí)采樣，將采樣值與參考頻率值比較得到頻率變化量δf；

s2實(shí)時(shí)采樣各個(gè)負(fù)載饋線的電壓電流，計(jì)算出當(dāng)前時(shí)刻各負(fù)載饋線功率并計(jì)算出總功率，然后與上一時(shí)刻的總功率采樣值比較，得到功率變化量δpl；

s3依據(jù)δf利用隨機(jī)加速粒子群算法優(yōu)化模糊邏輯推理器中的輸出隸屬函數(shù)參數(shù)；

s4根據(jù)新的輸出隸屬函數(shù)參數(shù)，建立模糊邏輯推理器的輸出隸屬函數(shù)，并對(duì)輸出進(jìn)行模糊化，經(jīng)模糊推理、解模糊運(yùn)算、尺度變換得到新的pi控制器的kp，ki參數(shù)；

s5將新的pi控制器的kp，ki參數(shù)替換掉原來的pi控制器的kp，ki參數(shù)，pi控制器在新的kp,ki參數(shù)下輸出控制微然汽輪發(fā)電機(jī)轉(zhuǎn)速，實(shí)現(xiàn)頻率調(diào)節(jié)。

需要說明的是，步驟s2中，所述隨機(jī)加速粒子群算法的步驟包括：首先對(duì)模糊邏輯推理器的輸出隸屬度函數(shù)進(jìn)行編碼，經(jīng)過初始化、適應(yīng)性值計(jì)算、粒子群優(yōu)化的循環(huán)計(jì)算，解碼后輸出最優(yōu)隸屬函數(shù)參數(shù)。

進(jìn)一步需要說明的是，所述適應(yīng)值計(jì)算按照下式進(jìn)行：

其中δf(t)為系統(tǒng)頻率誤差；tu為上升時(shí)間；ω1、ω2為權(quán)值，ω1＞ω2＞0、ω1+ω2＝1。

更進(jìn)一步需要說明的是，ω1＝0.7、ω2＝0.3。

本發(fā)明的有益效果在于：

利用粒子群算法與模糊邏輯算法相結(jié)合，形成組合智能優(yōu)化，優(yōu)化速度明顯快于遺傳算法，性能也得到提高。先用隨機(jī)加速粒子群算法優(yōu)化模糊邏輯推理算法輸出隸屬函數(shù)參數(shù)，模糊邏輯以新的輸出隸屬函數(shù)進(jìn)行運(yùn)算，計(jì)算出新的pi參數(shù)，進(jìn)而提高模糊pi控制的性能，pi控制器輸出控制微燃?xì)廨啺l(fā)電機(jī)轉(zhuǎn)速，從而完成微電網(wǎng)頻率調(diào)節(jié)。

本發(fā)明可以應(yīng)用于小慣性的微電網(wǎng)，只優(yōu)化微電網(wǎng)內(nèi)的單個(gè)頻率，適應(yīng)性函數(shù)設(shè)計(jì)考慮頻率和影響控制性能的上升時(shí)間組合，并增加權(quán)重因子，性能更優(yōu)；本發(fā)明是粒子群優(yōu)化與模糊邏輯相結(jié)合的組合優(yōu)化，魯棒性要更好。

附圖說明

圖1為典型微電網(wǎng)結(jié)構(gòu)框圖；

圖2為本發(fā)明的粒子群-模糊-pi控制器優(yōu)化構(gòu)架圖；

圖3為本發(fā)明的輸出量隸屬函數(shù)描述；

圖4為本發(fā)明的加速粒子群優(yōu)化流程圖；

圖5為本發(fā)明性能實(shí)驗(yàn)仿真圖。

具體實(shí)施方式

以下將結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步的描述，需要說明的是，本實(shí)施例以本技術(shù)方案為前提，給出了詳細(xì)的實(shí)施方式和具體的操作過程，但本發(fā)明的保護(hù)范圍并不限于本實(shí)施例。

如圖1所示的交流微電網(wǎng)系統(tǒng)實(shí)例。該系統(tǒng)包含微燃?xì)廨啺l(fā)電機(jī)、光伏電池裝置、電池儲(chǔ)能系統(tǒng)、超級(jí)電容器等。其中微燃?xì)廨啺l(fā)電機(jī)在該系統(tǒng)中僅為頻率調(diào)節(jié)服務(wù)，電池儲(chǔ)能系統(tǒng)為頻率控制備用設(shè)備，光伏發(fā)電始終保持最大功率輸出。

分布式電源通過電力電子接口逆變器連接到微電網(wǎng)，光伏電池板，儲(chǔ)能裝置等直流電源通過電力電子接口逆變器連接到微電網(wǎng)。pl1為敏感性負(fù)載，pl2為一般負(fù)載。

為了避免嚴(yán)重干擾時(shí)分布式電源相互的影響，每個(gè)發(fā)電單元都配有斷路器，必要時(shí)可以斷開與母線的連接。微電網(wǎng)通過靜態(tài)開關(guān)連接到主電網(wǎng)。當(dāng)主電網(wǎng)檢修或者發(fā)生故障狀況時(shí)，靜態(tài)開關(guān)能夠快速隔離微電網(wǎng)。微電網(wǎng)轉(zhuǎn)為孤島模式運(yùn)行，以保證微電網(wǎng)繼續(xù)給本地敏性負(fù)載供電。

如圖1中，pi控制器的控制對(duì)象為微燃汽發(fā)電轉(zhuǎn)速，是頻率調(diào)節(jié)的主控裝置。電池儲(chǔ)能是頻率調(diào)節(jié)的備用裝置，其作用與主控裝置相同。超級(jí)電容儲(chǔ)能用于嚴(yán)重?cái)_動(dòng)時(shí)短暫補(bǔ)償，減少電壓降落。

傳統(tǒng)模糊pi控制器的輸出量隸屬函數(shù)參數(shù)是固定的，而本發(fā)明的模糊pi控制器輸出量隸屬函數(shù)參數(shù)是實(shí)時(shí)優(yōu)化的。

圖2是本發(fā)明的優(yōu)化構(gòu)架。首先對(duì)模糊邏輯推理器的輸出量隸屬度函數(shù)參數(shù)進(jìn)行優(yōu)化。微電網(wǎng)的頻率變化量δf作為參考輸入變量，經(jīng)過隨機(jī)加速粒子群算法優(yōu)化找到最優(yōu)輸出隸屬函數(shù)參數(shù)。將最優(yōu)輸出量隸屬函數(shù)參數(shù)替換掉原模糊邏輯推理器中的輸出隸屬函數(shù)參數(shù)。模糊邏輯推理器依據(jù)新的輸出隸屬函數(shù)參數(shù)對(duì)輸出量kp，ki進(jìn)行模糊化處理,再經(jīng)過模糊推理器運(yùn)算得到pi控制器參數(shù)kp，ki，并替換掉當(dāng)前pi控制器其中的參數(shù)。pi控制器輸出控制微然汽輪發(fā)電機(jī)轉(zhuǎn)速，實(shí)現(xiàn)微電網(wǎng)內(nèi)頻率調(diào)節(jié)。

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。

一種基于隨機(jī)加速粒子群算法的孤島微電網(wǎng)頻率控制方法的具體方法步驟如下：

s1對(duì)微電網(wǎng)頻率實(shí)時(shí)進(jìn)行采樣，將實(shí)際頻率f與頻率參考值fref比較得到偏差δf。

s2采樣各個(gè)負(fù)載饋線的電壓電流，計(jì)算出當(dāng)前各負(fù)載饋線功率，并計(jì)算出總功率，與上一時(shí)刻采樣值比較，得到功率變化量δpl。

s3根據(jù)采集的實(shí)時(shí)數(shù)據(jù)使用隨機(jī)加速粒子群算法，得到最優(yōu)的模糊邏輯推理器的輸出隸屬函數(shù)參數(shù)，并更新模糊邏輯推理器輸出隸屬函數(shù)參數(shù)。

具體來說：該模糊邏輯推理器設(shè)置為二輸入二輸出結(jié)構(gòu)，輸入變量δf的模糊子集t(δf)＝{負(fù)大(nl)，負(fù)中(nm)，負(fù)小(ns)，正小(ps)，正中(pm)，正大(pl)}，輸入變量δpl的模糊子集t(δpl)＝{小(s)，中(m)，大(l)}。輸出變量模糊子集為：t(kp)＝{nl，nm，ns，ps，pm，pl}，t(ki)＝{nl，nm，ns，ps，pm，pl}。

令輸入隸屬函數(shù)對(duì)稱三角形，參數(shù)為固定值，而輸出隸屬函數(shù)采用底寬參數(shù)固定，中心點(diǎn)位變化的三角形，則每一個(gè)輸出三角形隸屬函數(shù)需要1個(gè)參數(shù)，即三角形底邊中點(diǎn)位置。

模糊邏輯推理器輸出量(kp，ki)共用一套模糊推理規(guī)則，但使用可變參數(shù)的隸屬函數(shù)。根據(jù)其模糊子集，kp，ki各需要6個(gè)參數(shù)；所以kp，ki的輸出隸屬函數(shù)參數(shù)分別設(shè)置了12個(gè)參數(shù)為：[ap1，ap2，…ap6],[ai1，ai2，…ai6]分別對(duì)應(yīng)底邊中點(diǎn)位置，如圖3所示。

為了避免隸屬函數(shù)同時(shí)出現(xiàn)多個(gè)最大值，解模糊選取加權(quán)平均法，解模糊輸出為：

式中，u(ukpi)為輸出量模糊量ukpi的隸屬函數(shù)值，ckpi為相應(yīng)輸出中心值，ukp，uki為模糊輸出pi參數(shù)。

實(shí)際kp，ki參數(shù)還需要進(jìn)行尺度變換，尺度變換計(jì)算公式如下：

其中,kpmax為kp放大倍數(shù)的最大值，kpmin為kp放大倍數(shù)的最小值，ukpmax為優(yōu)化參數(shù)kkp最大值，ukpmin為優(yōu)化參數(shù)kkp最大值。kimax為ki放大倍數(shù)的最大值，kimin為ki放大倍數(shù)的最小值，ukimax為優(yōu)化參數(shù)kki最大值,ukimin為優(yōu)化參數(shù)kki最小值。

其中,

pi控制器實(shí)際輸出為：

uc＝kpδf+∫δfdt

其中kp，ki分別為比例和積分因子。

隨機(jī)加速粒子群算法優(yōu)化模糊推理器輸出隸屬函數(shù)參數(shù)計(jì)算流程如圖4所示：

step1初始化，粒子x＝[ap1，ap2，…，ap6，ai1，ai2，…，ai6]共12個(gè)元素。設(shè)定tmax為最大進(jìn)化代數(shù)；空間rⁿ中隨機(jī)產(chǎn)生20個(gè)粒子xij(t)＝{xi1,xi2,…xim}；并隨機(jī)產(chǎn)生各粒子的位移變化vij(t)＝{vi1,vi2,…vim}，其中i＝1～12，j＝1～20。

step2評(píng)價(jià)種群，更新模糊系統(tǒng)參數(shù)，計(jì)算每個(gè)粒子的f(xij)。

step3比較粒子f(xi)與gbest，如果f(xi)優(yōu)于gbest，則將gbest置為當(dāng)前f(xi)，gbest對(duì)應(yīng)序號(hào)為當(dāng)前粒子的序號(hào)。

step4按公式vij^t+1＝vij^t+α(γ-0.5)+β(gbestij-xij)和xij^(t+1)＝xij^(t)+vij^(t+1)更新粒子的速度和位置，產(chǎn)生新種群xij(t+1)。

step5檢查評(píng)價(jià)值是否達(dá)到給定精度，若已達(dá)給定精度到或進(jìn)化代數(shù)達(dá)到tmax，則結(jié)束循環(huán)；否則令t＝t+1，跳轉(zhuǎn)到step2。

其中，f(xij)為當(dāng)前適應(yīng)值，gbest為種群最優(yōu)值，xij(t)為種群矩陣，vij(t)為位移變化矩陣，i＝1～12，j＝1～20，種群規(guī)模為20，α為加速因子，r為隨機(jī)數(shù)，β為學(xué)習(xí)因子。

采用下式作為參數(shù)選取的最優(yōu)評(píng)價(jià)指標(biāo)。

即

將值域[0，+∞]的j轉(zhuǎn)換為值域[0，1]的f(x)值。成為一個(gè)求粒子群算法適應(yīng)度函數(shù)值域[0，1]內(nèi)最大值問題。適應(yīng)度函數(shù)定義為：

模糊控制器根據(jù)新的輸出隸屬函數(shù)參數(shù)重新計(jì)算pi控制器參數(shù)kp,ki，并更新pi控制器參數(shù)。

更新參數(shù)后的pi控制器輸出用于控制微燃?xì)廨啺l(fā)電機(jī)轉(zhuǎn)速，實(shí)現(xiàn)微電網(wǎng)頻率的調(diào)節(jié)。

在控制過程中實(shí)時(shí)采集微電網(wǎng)電壓電流頻率等信息，保證控制參數(shù)實(shí)時(shí)最優(yōu)，實(shí)例仿真結(jié)果如圖5所示，實(shí)驗(yàn)表明本發(fā)明方法明顯優(yōu)于傳統(tǒng)pi控制和遺傳模糊pi控制的性能，使微電網(wǎng)系統(tǒng)有良好的動(dòng)態(tài)性能。

對(duì)于本領(lǐng)域的技術(shù)人員來說，可以根據(jù)以上的技術(shù)方案和構(gòu)思，作出各種相應(yīng)的改變和變形，而所有的這些改變和變形都應(yīng)該包括在本發(fā)明權(quán)利要求的保護(hù)范圍之內(nèi)。