关键字 |
| 负荷频率控制、遗传算法、模糊逻辑、热液系统 |
介绍 |
| 大规模电力系统通常由控制区域或地区代表相干组发电机。实际上互联电力系统,生成通常包括热、水电、核电和天然气发电。然而,由于其效率高、核电厂通常保持在基本负荷接近最大输出没有参与系统自动生成控制(ACE)。天然气发电是理想的满足不同负载的需求。天然气发电厂仅用来满足高峰需求。因此AGC的自然选择落在热或水电单位。文献调查表明,大多数的早期作品领域的AGC与互连热系统和相对较小的关注一直致力于互联的AGC水热系统包括热力和水力子系统的广泛不同的特征。肯考迪娅和Kirchmayer[1]研究了水热的AGC系统考虑non-reheat类型热力系统忽视产生率约束。Kothari, Kaul南达[2]研究热液系统的自动增益控制问题提供了积分型辅助控制器。也许南达,Kothari和Satsangi[3]是第一个提出综合分析AGC的大规模电力系统通常由控制区域或地区代表相干组发电机。 In a practically interconnected power system, the generation normally comprises of a mix of thermal, hydro, nuclear and gas power generation. However, owing to their high efficiency, nuclear plants are usually kept at base load close to their maximum output with no participation in the system Automatic generation control (ACE). Gas power generation is ideal for meeting the varying load demand. Gas plants are used to meet peak demands only. Thus the natural choice for AGC falls on either thermal or hydro units. Literature survey shows that most of earlier works in the area of AGC pertain to interconnected thermal systems and relatively lesser attention has been devoted to the AGC of interconnected hydro-thermal system involving thermal and hydro subsystem of widely different characteristics. Concordia and Kirchmayer [1] have studied the AGC of a hydro-thermal system considering non-reheat type thermal system neglecting generation rate constraints. Kothari, Kaul, Nanda [2] have investigated the AGC problem of a hydrothermal system provided with integral type supplementary controllers. Perhaps Nanda, Kothari and Satsangi [3] are the first to present comprehensive analysis of AGC of an |
| 在放松管制的电力系统结构变化以这样一种方式,让更专业的行业的发展为一代(Genco),传输(Transco)和分配(Disco)。详细的控制研究一代在放松管制的电力系统[4]。独立系统运营商(ISO)的概念作为一个公正的协调平衡的可靠性和经济也出现了(5、6)。 |
| 近年来智能方法如模糊逻辑(FL)、遗传算法(GA)应用于负荷频率控制问题[7]。这些软计算技术的显著特征是,他们提供了一个模范自由的描述控制系统和不需要任何模型识别。但模糊逻辑的主要缺点包括框架的规则和困难也微调规则。遗传算法是一种模拟进化原则开发的搜索和优化方法和染色体处理在自然遗传学。相比较而言,考虑电力系统控制采用传统积分控制器和模糊控制遗传算法(FCGA)。结果表明,FCGA配置申请利物浦电力系统提供了良好的动态响应对常规控制器。 |
| 本文的其余部分组织如下:部分(2)关注负荷频率控制在重组情况下。节(3)强调实现FCGA和结果和讨论(4)节中进行。 |
动态数学模型 |
| 加载频率(利物浦)系统互连的调查是由两个地区在开放的市场体系。区域1包括再热系统和区域2水力系统的组成。 |
| 图1是两个区域热液系统的框图在公开市场情况下,每个区域是美联储的王牌相应的控制器。生成准确的控制信号为每个传入的王牌在那个特定的负载变化。为了比较这两种控制器的性能性能指标被认为是和性能指标被认为是由 |
 |
模糊控制遗传算法 |
| 在电气工程领域,一个最令人兴奋的和潜在的有利可图的最新发展是越来越多地使用人工智能技术,如模糊逻辑的各种控制器的设计。FCGA遗传算法提出了一种灵活的基于模糊逻辑规则的不断交叉和变异参数调整的能力。图4.1给出了提出了模糊逻辑控制遗传算法的框图。 |
| 交叉和变异是遗传算法收敛性的关键。一个合适的值突变提供了平衡全局和本地探索能力和因此导致减少所需的迭代次数找到最优解。很明显,小染色体的变化在一个特定的人口,交叉的影响在这个关键阶段变得无关紧要的因此,创造多样性的人口需要通过增加染色体突变(高价值)的概率,减少(低价值)交换的价值。该方法采用实用的规则解释模糊逻辑规则来动态调整两个参数(交叉和变异)的执行标准GA算法。图2中的模糊控制器包括4个主要组件:模糊化接口,它的输入数据转换成合适的语言值;模糊规则库,它由一组语言控制规则结合启发式用于实现收敛速度的目的;模糊推理引擎,这是一个决策逻辑,采用规则的模糊规则库来推断在回应模糊输入模糊控制行动;和去模糊化接口,这产生了一个脆控制行动从一个推断出模糊控制行动 |
模糊交叉控制器 |
| 模糊交叉控制器实现自动调整交叉概率优化过程中。启发式交叉概率的更新原则是如果平均健身人群的变化大于零并保持相同的信号在连续几代,交叉概率应该增加。否则,应减少交叉概率。交叉模糊逻辑控制器的输入是健身的变化在两个连续的步骤,即一个¯f (t¯A1)一个¯f (t)和输出的变化量转换一个¯c (t)。隶属度函数和模糊决策表考虑模糊交叉控制器是表1所示。 |
| 一个¯c (t)可以计算如下 |
| 一个¯c (t)一个¯½模糊控制器的输出* 0.02 *一个¯¢,¯¢值小于1.0。由于交叉(t) =交叉(t - 1) +一个¯c (t) |
模糊突变控制器 |
| 变异操作是由翻转功能的变异概率,随机突变点是执行。突变probabillity率自动修改优化过程中基于模糊逻辑控制器。调整变异概率的启发式信息率如果平均健身非常小的变化在连续几代,然后突变概率率应该增加直到平均健身开始增加,连续几代人。如果健身减少变异概率平均应该下降。突变模糊控制器的输入是相同交叉模糊控制器的输出是突变的变化一个¯m (t)。隶属函数的设计、决策和行动表的模糊控制器类似于这些突变模糊交叉控制器。 |
结果和讨论 |
| 该系统在MATLAB / SIMULINK环境中建模和结果。负载的变化0.04便士。u M。W在每个区域被认为是研究比较FCGA控制器和积分控制器。值为0.5时被视为积分控制器的增益。表2显示了这两种控制器的比较在热力和水力区。迪斯科舞厅合同按以下迪斯科genco参与矩阵。迪斯科参与矩阵(DPM)这工作如下: |
 |
 |
| 表3显示了性能指标的比较系统的控制器。从表中可以观察到系统与FCGA控制器性能指标低于系统的积分控制器FCGA控制器的优越性。 |
| 图3显示了不同频率偏差和联络线功率偏差在这两个领域在负载变化的0.04便士。u兆瓦。它可以观察到,FCGA远远优越于积分控制器的高峰时间,过度和结算时间在这两个地区。在这工作3 genco每个区域连同2在每个区域被认为是迪斯科舞厅。图4显示了代genco区域1和图5显示了生成的genco区域2。 |
| 图6显示了比较系统的性能指标之间存在的控制器。可以从图中观察到的,系统的性能指标在FCGA控制器小于的积分控制器这表明控制器的优越的工作。 |
结论 |
| 积分控制器的性能和FCGA控制器两个区域热液系统在重组情况下已被调查。已经观察到,能够带来更好的动态响应的积分系统在某种程度上。但是传统的设计方法需要系统的深刻理解,精确数学模型和精确的数值。优化技术和遗传算法的基本特征是它可以用于优化获得的积分控制器。为了进一步提高遗传算法的性能智能技术如模糊逻辑整合以及遗传算法。仿真结果表明使用FCGA控制器系统的性能优越 |
附录 |
| R = 2.4赫兹/ p.u.MW;3 D = 8.33 10¯一一个¯´p.u。MW /赫兹;公斤= 1; |
| Tg = 0.08秒;Kt = 1;Tt = 0.3秒;基米-雷克南= 0.5;Tr = 10秒; |
| T1, T2, TR = 41.6, 0.513, 5秒;Tw = 1秒;K p = 120 Hz / p.u。 |
| 兆瓦;Tp =: 20秒;B = 0.425 p.u。MW /赫兹 |
确认 |
| 作者真诚地承认G提供的财政支持。Kurnool Pullaiah工程与技术学院,印度安德拉邦进行目前的工作。 |
表乍一看 |
|
|
数据乍一看 |
|
|
引用 |
- c .康科迪亚和L.K.Kirchmayer、结线电力和电力系统的频率控制——第二部分,AIEE事务,卷73,- 111,页133 - 146,1954年4月。
- 马丁Kothari,文学士考尔和J。南达,自动生成控制水热系统”,工程师协会(印度杂志》上)、vo1.61 pt EL2 pp85 - 91, 1980年10月。
- J。南达,马丁Kothari,注:Satsangi,自动生成控制一个相互联系的热液系统的连续和离散模式考虑产生率的限制,IEE Proc卷。130年,pt D,没有。11983年1月,页455 - 460
- 舒尔特RP。自动生成控制修改现在的互联电力系统的要求。IEEE反式电源系统1996:1286 - 91。
- Kumar J, Kah-Koeng Ng Sheble g . AGC模拟器第1部分基于价格操作。IEEE反式电源系统1997;12 (2):527 - 32。
- Kumar J, Kah-Hoeng Ng Sheble g . AGC模拟器第2部分基于价格操作。IEEE反式电源系统1997;12 (2):533 - 8。
- G.A.乔恩和R.C.Hartman。设计和经验自动发电控制的模糊逻辑控制器,IEEE Transactionson电力系统,13卷,没有。3,pp.965 - 970, 1998年8月
- Y.L.Karnavas D.P.帕帕多普洛斯,AGC使用智能技术相结合,为自治区电力系统电力系统研究2002 (62),pp.225 - 239
- C。SrinivasaRao S湿婆Nagaraju, P SangameswaraRaju,“热液系统改进的遗传方法ThyristorControlled移相器在开放的市场体系”的国际审查电气工程(I.R.E.E),卷2,4号Jul-Aug2007,页507 - 514。
- 大卫·戈德堡。遗传算法在搜索、优化和机器学习。addison - wesley, 1989年。
|
菜单
