基于離散猴群算法的AGC多目標(biāo)協(xié)調(diào)控制策略

魏超， 儲(chǔ)召云， 張明星， 孫保功， 龐濤

(1. 國(guó)網(wǎng)安徽省電力有限公司六安供電公司， 安徽， 六安 237006；2. 國(guó)網(wǎng)南京南瑞集團(tuán)公司(國(guó)網(wǎng)電力科學(xué)研究院)， 江蘇， 南京 211106；3. 國(guó)電南瑞南京控制系統(tǒng)有限公司， 江蘇， 南京 211106)

0 引言

在電網(wǎng)技術(shù)技術(shù)中，自動(dòng)發(fā)電控制(Automatic Generation Control,AGC)是實(shí)現(xiàn)發(fā)電機(jī)組調(diào)度與控制的關(guān)鍵技術(shù)之一，該技術(shù)能夠?qū)﹄娋W(wǎng)中的有功功率進(jìn)行合理的控制，對(duì)于電網(wǎng)中不同設(shè)備應(yīng)用電功率提供有效的技術(shù)保證。由于配電網(wǎng)分布比較分散，AGC系統(tǒng)具有非線性的特點(diǎn)，其耦合性較強(qiáng)，但時(shí)變性能力較差，常規(guī)技術(shù)采用的PID控制很難滿足現(xiàn)有技術(shù)的應(yīng)用需求。

針對(duì)上述技術(shù)的不足，相關(guān)學(xué)者對(duì)不同配電網(wǎng)出現(xiàn)的AGC系統(tǒng)的協(xié)調(diào)控制進(jìn)行了相關(guān)技術(shù)研究。文獻(xiàn)[1]提出了一種基于模擬退火粒子群尋優(yōu)算法的閉環(huán)反饋?zhàn)詣?dòng)發(fā)電控制方法，該方法結(jié)合了模擬退火和粒子群算法等多方面的優(yōu)點(diǎn)，通過(guò)對(duì)控制器關(guān)鍵參數(shù)進(jìn)行尋優(yōu)最終實(shí)現(xiàn)了所控制區(qū)域偏差值最小，但該方法在面對(duì)配電網(wǎng)中多種數(shù)據(jù)信息就顯得無(wú)能為力。文獻(xiàn)[2] 通過(guò)對(duì)自動(dòng)發(fā)電控制系統(tǒng)(Automatic Generation Control,AGC)控制區(qū)設(shè)置不同的數(shù)據(jù)條件，對(duì)控制策略進(jìn)行優(yōu)化，進(jìn)而滿足新能源消納等電網(wǎng)調(diào)度運(yùn)行要求，實(shí)現(xiàn)了聯(lián)絡(luò)線的功率控制，這種方法局限性強(qiáng)，適用于新疆電網(wǎng)實(shí)際情況，不具有普遍適用性。

針對(duì)上述技術(shù)不足，本研究采用基于離散猴群算法的AGC多目標(biāo)協(xié)調(diào)控制方案，實(shí)現(xiàn)多種網(wǎng)配區(qū)域的檢索和控制。

1 基于離散猴群算法的AGC多目標(biāo)協(xié)調(diào)控制方案

假設(shè)配電網(wǎng)中存在多種配電節(jié)點(diǎn)，每個(gè)配電節(jié)點(diǎn)都有對(duì)應(yīng)的控制方式，如果選擇不同的網(wǎng)配節(jié)點(diǎn)[3]并實(shí)施相應(yīng)的協(xié)調(diào)控制措施就是本研究的重點(diǎn)?；诜植际絽^(qū)域的考慮，本研究構(gòu)建離散猴群算法進(jìn)行最優(yōu)解求解。離散猴群算法在檢索AGC多目標(biāo)網(wǎng)配節(jié)點(diǎn)[4]時(shí)通過(guò)如圖1所示的方法進(jìn)行。

圖1 離散猴群算法架構(gòu)示意圖

在圖1中，離散猴群算法主要包括迭代計(jì)算、控制區(qū)域檢索和重新確定控制區(qū)域[5]3個(gè)過(guò)程。下面對(duì)該步驟進(jìn)行詳細(xì)說(shuō)明。

(1) 輸入配電網(wǎng)控制參數(shù)和控制節(jié)點(diǎn)，對(duì)每個(gè)配電網(wǎng)控制節(jié)點(diǎn)編碼。由于分布式配電網(wǎng)節(jié)點(diǎn)比較零散，在網(wǎng)源控制[6-7]時(shí)，就需要對(duì)每個(gè)不同的網(wǎng)配節(jié)點(diǎn)進(jìn)行編號(hào)。設(shè)網(wǎng)配節(jié)點(diǎn)的數(shù)據(jù)集集合為M，將該網(wǎng)配節(jié)點(diǎn)類比為猴群，則對(duì)具有編號(hào)的網(wǎng)配節(jié)點(diǎn)猴群中控制節(jié)點(diǎn)記作為i節(jié)點(diǎn)。網(wǎng)配節(jié)點(diǎn)檢索出的位置可以通過(guò)式(1)進(jìn)行：

(1)

然后對(duì)數(shù)據(jù)集合進(jìn)行初始化，則有k=0。

(2) 構(gòu)建控制目標(biāo)檢索模型，主要包括以下步驟；

(a) 對(duì)設(shè)置的網(wǎng)配節(jié)點(diǎn)進(jìn)行迭代計(jì)算，以查找多種網(wǎng)配節(jié)點(diǎn)中需要控制的局部最優(yōu)解[8-9]，假設(shè)檢索尺度記作為l。動(dòng)態(tài)檢索尺度通過(guò)數(shù)據(jù)集合l=[l1,l2,…,lN]表示，通過(guò)調(diào)整步長(zhǎng)，以動(dòng)態(tài)計(jì)算檢索尺度，最終提高全局尋優(yōu)能力，則動(dòng)態(tài)檢索尺度可以記作為

li=l0w=l0cos(s/sM)，i=1,2,…,N

(2)

式中，l0表示網(wǎng)配檢索尺度的初始尺度，s表示對(duì)多個(gè)網(wǎng)配節(jié)點(diǎn)進(jìn)行檢索時(shí)的迭代次數(shù)，sM表示檢索過(guò)程中的最大迭代次數(shù)，w=cos(s/sM)表示在不斷的數(shù)據(jù)檢索過(guò)程中出現(xiàn)的能量衰減值。

(3)

當(dāng)式(4)成立時(shí)，則存在以下關(guān)系式：

(4)

通過(guò)這種方式不停地進(jìn)行迭代[11-12]計(jì)算，將式(3)和式(4)聯(lián)立起來(lái)，直到檢索到的值達(dá)到最大為止。

Bi=[Bi(1),Bi(2),…,Bi(N)]

(5)

2 網(wǎng)源控制網(wǎng)配調(diào)度

2.1 供應(yīng)端調(diào)度模型

首先進(jìn)行目標(biāo)函數(shù)構(gòu)建，以發(fā)電站的輸出成本效益為最終表示式，即所花費(fèi)的成本為最低。將該目標(biāo)函數(shù)通過(guò)隨機(jī)變量的最大數(shù)學(xué)期望值表示，則目標(biāo)函數(shù)表達(dá)式如式(6)：

(6)

其中的發(fā)電約束條件可以通過(guò)以下公式表示：

(1) 配網(wǎng)端發(fā)電站輸出的發(fā)電量平衡約束條件:

(7)

(2) 發(fā)電廠實(shí)現(xiàn)發(fā)電量約束的條件為

(8)

(3) 其中的標(biāo)準(zhǔn)值約束條件為

(9)

在配電網(wǎng)中的儲(chǔ)能部件內(nèi)，釋放電量的約束條件為

(10)

2.2 需求端調(diào)度模型

在需求端同樣以用戶輸出的最大經(jīng)濟(jì)效益為電能調(diào)度研究?jī)?yōu)化目標(biāo)，用戶支付電能的最少值為

fall=fPV,sub+fPV,s+fload

(11)

式中，fall為輸送到用戶的總電能收益值[16]，fPV,sub為政府對(duì)用電用戶的補(bǔ)貼收入，fPV,s為在配電網(wǎng)系統(tǒng)中通過(guò)電網(wǎng)饋電的收入，fload為通過(guò)電網(wǎng)發(fā)電的購(gòu)買電費(fèi)量。在時(shí)間t下，用戶的總經(jīng)濟(jì)效益目標(biāo)函數(shù)可以表示為

(12)

3 試驗(yàn)結(jié)果與仿真

下面對(duì)上文所提的方法進(jìn)行驗(yàn)證，采用的試驗(yàn)條件如表1所示。

表1 試驗(yàn)環(huán)境條件

通過(guò)表1的試驗(yàn)環(huán)境條件，構(gòu)建配電網(wǎng)拓?fù)浣Y(jié)構(gòu)，配電網(wǎng)架構(gòu)示意圖如圖2所示，并將本研究的方法與對(duì)比文獻(xiàn)[1]和文獻(xiàn)[2]的方法進(jìn)行對(duì)比。

圖2 配電網(wǎng)拓?fù)浣Y(jié)構(gòu)

通過(guò)圖2的配電網(wǎng)拓?fù)浣Y(jié)構(gòu)圖，設(shè)置的配電網(wǎng)設(shè)備參數(shù)如表2所示。

表2 配電網(wǎng)拓?fù)浣Y(jié)構(gòu)硬件結(jié)構(gòu)示意圖

通過(guò)上述硬件條件，對(duì)配電網(wǎng)的不同的數(shù)據(jù)參數(shù)如表3所示。

表3 節(jié)點(diǎn)配置的負(fù)荷數(shù)據(jù)

在本研究離散猴群算法的AGC多目標(biāo)協(xié)調(diào)控制方案中設(shè)置的參數(shù)如表4所示。

采用不同的猴群規(guī)模進(jìn)行計(jì)算，通過(guò)文獻(xiàn)[1]和文獻(xiàn)[2]的方式與本研究的方法進(jìn)行對(duì)比分析，則控制后的節(jié)點(diǎn)功率值如表5所示。

表5 節(jié)點(diǎn)功率值

通過(guò)上述試驗(yàn)，本研究方法在進(jìn)行AGC多目標(biāo)協(xié)調(diào)控制后，電力溢出的數(shù)據(jù)指數(shù)得到大幅度降低，輸出的平均電力溢出指數(shù)達(dá)到0.08，提高了能源利用率，減少了能源浪費(fèi)。

下面對(duì)離散猴群算法檢索控制區(qū)域的能力進(jìn)行驗(yàn)證，對(duì)比算法模型為BP神經(jīng)網(wǎng)絡(luò)模型[18]、DBN算法模型和EMD-DBN算法模型。采用平均絕對(duì)百分比誤差MAPE和均方根誤差RMSE實(shí)現(xiàn)誤差數(shù)據(jù)的衡量，通過(guò)18小時(shí)的控制，檢索AGC多目標(biāo)協(xié)調(diào)控制的誤差通過(guò)MAPE計(jì)算，則如式(13)：

(13)

RMSE誤差公式如式(14)：

(14)

圖3 不同模型的預(yù)測(cè)曲線對(duì)比示意圖

通過(guò)圖3可以看到，本研究散猴群算法更精確，在真實(shí)值逼近上比BP神經(jīng)網(wǎng)絡(luò)模型和DBN算法模型更真實(shí)。本研究的方法通過(guò)MAPE算法模型計(jì)算后誤差降低了25.43%左右，通過(guò)RMSE算法模型計(jì)算后降低了30.37%左右。通過(guò)試驗(yàn)可以看到，本研究的方法提高了網(wǎng)配區(qū)域控制的精確度。

4 總結(jié)

在配電網(wǎng)中，隨著能源互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，對(duì)于不同配電網(wǎng)網(wǎng)絡(luò)節(jié)點(diǎn)的控制進(jìn)行了以下技術(shù)研究。

(1) 構(gòu)建出基于離散猴群算法的AGC多目標(biāo)協(xié)調(diào)控制方案，實(shí)現(xiàn)了不同區(qū)域配電網(wǎng)節(jié)點(diǎn)的快速檢索，克服了網(wǎng)源協(xié)調(diào)系統(tǒng)中不同系統(tǒng)數(shù)據(jù)信息協(xié)調(diào)不靈敏、數(shù)據(jù)傳輸不及時(shí)等問(wèn)題。

(2) 通過(guò)對(duì)供應(yīng)端調(diào)度和需求端調(diào)度，能從用戶的切身利益出發(fā)，解決配電網(wǎng)中不同網(wǎng)配節(jié)點(diǎn)的供需不平衡問(wèn)題，提高了各系統(tǒng)協(xié)調(diào)、供需能力。

本研究通過(guò)試驗(yàn)，雖然在一定程度上具有進(jìn)步意義，在本研究在進(jìn)一步的研究中仍舊會(huì)存在一些問(wèn)題，這需要進(jìn)一步的探索和挖掘。本研究為下一步技術(shù)的研究奠定技術(shù)基礎(chǔ)。