基于MRNO算法的低频振荡阻尼控制器设计方法

基于mrno算法的低频振荡阻尼控制器设计方法
技术领域
1.本发明属于电力系统技术领域，更为具体地讲，涉及一种基于mrno算法(multi-restriction network optimization，多约束网络优化算法)的电力系统低频振荡阻尼控制器设计方法。


背景技术：

2.电力系统低频振荡是指发生在不同发电机之间的功角或转速、联络线功率、节点或母线的电压等频率在0.1hz到2.5hz之间的一种功率自发波动的现象。大多数研究认为电力系统低频振荡与同步发电机(synchronous generator,sg)的机电暂态过程中能量转换和功角稳定有关。电网规模越大，其阻尼振荡能力可能越低。
3.现有研究对于低频振荡分析的方法一般分为两类：一类是建立电力系统数学模型，通过数学方法进行分析，另一类是根据电力系统的实际测量信号进行分析的方法。在基于电力系统数学模型的分析方法中，根据分析时所依据的数学模型不同又可以分为基于线性理论和基于非线性理论的分析方法。其中，特征值分析法、电气转矩分析法等方法属于基于线性理论的分析方法。而时域仿真法、信号分析法等方法属于基于非线性理论的分析方法。
4.特征值分析法的基本思想是通过建立电力系统的特征方程，首先在电力系统的某个稳态运行点附近将非线性化的电力系统模型线性化处理，然后求解电力系统动态特性的本质信息，如电力系统特征方程的特征根以及特征向量和参与因子等。这些信息可用于小扰动分析和阻尼控制器设计。特征值分析法的优点是可以得到电力系统所有的振荡模式、阻尼比、振荡频率等信息；但是该方法有计算量大，计算速度慢等缺点。
5.时域仿真法能够将电力系统元件的详细数学模型以及电力系统的非线性特征考虑在内，并且能够模拟电力系统的二次装置，求解相应变量随时间的响应。但是该方法有两个不足之处：人为设置的系统扰动不能保证激发所有振荡模式；不能提供定量的稳定信息以及不能反映电力系统参数对电力系统稳定性的影响。当电力系统遭受小干扰时，两个甚至数个发电机的功角之间出现相对振荡，这种振荡会引起联络线上的功率出现波动。当这个扰动平息之后，可能会发生以下情况：同步发电机转子之间振荡很快消失或是同步发电机转子之间的振荡消失的非常慢甚至不会消失。一般认为产生后者的原因是电力系统的阻尼过小甚至电力系统的阻尼为负。


技术实现要素：

6.本发明的目的在于克服现有技术的不足，提供一种基于mrno算法的低频振荡阻尼控制器设计方法，具有设计速度快，控制效果好，且不需要调整太多的参数和人工交互等优点。
7.为实现上述发明目的，本发明基于mrno算法的低频振荡阻尼控制器设计方法，其特征在于，包括以下步骤：
8.(1)、建立电力系统传递函数的等效模型；
[0009][0010]
其中，均为常数系数，na,nb为最高阶数，s表示s域；
[0011]
(2)、建立低频振荡阻尼控制器模型；
[0012][0013]
其中，fi(s)为第i个波形预处理模块的传统函数，满足：ωi为第i个波形预处理模块的振荡频率，q为过滤系数；fj(s)为第j个信号放大模块的传统函数，满足：fj(s)＝kj，kj为第j个信号放大模块的放大倍率；di(s)为第i个振荡抑制模块的传统函数，满足：t
i1
t
i2
为第i个振荡抑制模块在对应振荡频率下时间系数；
[0014]
(3)、利用mrno算法确定低频振荡阻尼控制器的参数；
[0015]
(3.1)、将低频振荡阻尼控制器模型f(s)叠加到等效模型g(s)上，得到整体模型e(s)：
[0016]
e(s)＝g(s) f(s)
[0017]
(3.2)、设置状态向量s＝[u1,u2,
…
,un]，u1～un为电力系统拓扑模型中各节点在电压稳态值；设置动作向量a＝[q,kj,t
i1
,t
i2
]，初始化向量中各元素为0；
[0018]
(3.3)、设置决策器acra和acor，两决策器均采用π策略；设置评价器crc；
[0019]
(3.4)、在第k次迭代时，将状态向量s输入至决策器acra，通过π策略得到动作向量ak；
[0020]ak
＝π(s|θ)
[0021]
其中，θ为状态向量s对应的权重参数；
[0022]
(3.5)、将动作向量ak施加给f(s)后得到第k次迭代后的新状态向量
[0023]
(3.6)、计算模型e(s)在第k次迭代后的奖励值rk：
[0024][0025]
其中，δ(t)为t时刻模型e(s)的时域响应值，t＝1,2,
…
,tk，tk为f(s)施加动作向量ak后到达稳态的时间；
[0026]
(3.7)、设置经验池d，将第k次迭代时得到的动作向量ak、状态向量s、新状态向量以及奖励值rk存入经验池d，即：
[0027]
(3.8)、判断第k次迭代后的奖励值rk是否满足：rk＜1，如果满足，则迭代停止，将经验池d的动作向量ak作为低频振荡阻尼控制器的设计参数；否则，进入步骤(3.9)；
[0028]
(3.9)、在经验池中d随机获取新状态变量将输入至决策器acor，再使用π策略得出最优动作
[0029][0030]
其中，为新状态变量对应的权重参数；
[0031]
(3.10)、将最优动作及对应的输入至评价器crc，从而计算评价值p；
[0032][0033]
其中，e为期望运算，γ为折扣率；
[0034]
(3.11)、计算第k次迭代后的均方差损失值lk：
[0035][0036]
(3.12)、利用均方差损失值lk更新决策器acra和acor的权重参数；
[0037][0038][0039]
其中，α为决策器acra的探索率，为θ更新后的权重参数；β为决策器acor的探索率，为更新后的权重参数；
[0040]
(3.13)、待决策器acra和acor的权重参数更新完成后，令当前迭代次数k＝k 1，然后返回至步骤(3.4)。
[0041]
本发明的发明目的是这样实现的：
[0042]
本发明基于mrno算法的低频振荡阻尼控制器设计方法，先根据实际电网的输入脉冲与输出电压数据建立电力系统的等效传递函数模型，接下来建立低频振荡阻尼控制器的等效传递函数模型，然后将控制器模型并联至电力系统等效模型上，并利用mrno算法进行优化，获取效果良好且能够较好抑制振荡的低频振荡阻尼控制器参数。
[0043]
同时，本发明基于mrno算法的低频振荡阻尼控制器设计方法还具有以下有益效果：
[0044]
(1)、通过建立传递函数的方式实现电力系统非线性模型的线性化，较好的获取了电力系统的动态特性。
[0045]
(2)、建立了含有波形预处理模块的控制器模型，对电力系统振荡抑制能够起到更好效果。
[0046]
(3)、利用mrno算法对控制器参数进行优化，使用两个决策器与一个评价器对参数进行迭代优化，使得参数优化效果更好。
附图说明
[0047]
图1是本发明基于mrno算法的低频振荡阻尼控制器设计方法流程图；
[0048]
图2是电力系统拓扑结构图；
[0049]
图3是低频振荡阻尼控制器结构图。
具体实施方式
[0050]
下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。
[0051]
实施例
[0052]
图1是本发明基于mrno算法的低频振荡阻尼控制器设计方法流程图。
[0053]
在本实施例中，如图1所示，本发明基于mrno算法的低频振荡阻尼控制器设计方法，包括以下步骤：
[0054]
s1、建立电力系统传递函数的等效模型；
[0055]
在本实施例中，电力系统的拓扑结构如图2所示，我们以电力系统有功功率冲击信号y(t)作为输入，电力系统节点电压扰动u(t)作为输出，建立电力系统传递函数；
[0056]
a(s)y(t)＝b(s)u(t-1) c(s)e(t)
[0057]
其中，e(t)为电力系统噪声，系数矩阵a(s)、b(s)、c(s)满足：
[0058][0059][0060][0061]
a(s)y(t)＝b(s)u(t-1) c(s)e(t)
[0062]
其中，为a(s)系数，为b(s)系数，为c(s)系数，na,nb,nc为a、b、c的最高阶数，s表示s域；
[0063]
利用递归最小二乘法计算递归参量η(t)；
[0064]
η(t)＝y(t)-(λ(t))
t
γ(t-1)
[0065]
其中，为a(s)系数与b(s)系数向量，λ(t)＝[-y(t-1),...,-y(t-na),u(t-1),...,u(t-nb)]
t
，上标t表示转置；
[0066]
计算调节增益k(t)；
[0067]
k(t)＝p(t-1)λ(t)/[1 (λ(t))
t
p(t-1)λ(t)]
[0068]
其中，p(t)是协方差矩阵，满足：p(t)＝[i-k(t)λ
t
(t)]p(t-1)/λ(t)，i为单位阵；
[0069]
然后结合η(t)和k(t)估计以下参数：
[0070]
γ(t)＝γ(t-1) k(t)η(t)
[0071]
μ(t)＝1-[1-λ
t
(t)k(t)]η(t)2/σ0[0072]
其中，σ0为常量，本实施例取值为0.7；
[0073]
通过估计γ(t)中各系数取值，从而建立电力系统传递函数的等效模型：
[0074][0075]
s2、建立低频振荡阻尼控制器模型；
[0076]
采用多频段附加阻尼控制器，控制器输入为系统节点电压，控制器输出为系统静
止无功补偿器电纳，如图3所示，建立如下模型：
[0077][0078]
其中，fi(s)为第i个波形预处理模块的传统函数，满足：ωi为第i个波形预处理模块的振荡频率，q为过滤系数；fj(s)为第j个信号放大模块的传统函数，满足：fj(s)＝kj，kj为第j个信号放大模块的放大倍率；di(s)为第i个振荡抑制模块的传统函数，满足：t
i1
t
i2
为第i个振荡抑制模块在对应振荡频率下时间系数；
[0079]
s3、利用mrno算法确定低频振荡阻尼控制器的参数；
[0080]
s3.1、将低频振荡阻尼控制器模型f(s)叠加到等效模型g(s)上，得到整体模型e(s)：
[0081]
e(s)＝g(s) f(s)
[0082]
s3.2、设置状态向量s＝[u1,u2,
…
,un]，u1～un为电力系统拓扑模型中各节点在电压稳态值；设置动作向量a＝[q,kj,t
i1
,t
i2
]，初始化向量中各元素为0；
[0083]
s3.3、设置决策器acra和acor，两决策器均采用π策略；设置评价器crc；
[0084]
s3.4、在第k次迭代时，将状态向量s输入至决策器acra，通过π策略得到动作向量ak；
[0085]ak
＝π(s|θ)
[0086]
其中，θ为状态向量s对应的权重参数，本实施例取值为0.97；
[0087]
s3.5、将动作向量ak施加给f(s)后得到第k次迭代后的新状态向量
[0088]
s3.6、计算模型e(s)在第k次迭代后的奖励值rk：
[0089][0090]
其中，δ(t)为t时刻模型e(s)的时域响应值，t＝1,2,
…
,tk，tk为f(s)施加动作向量ak后到达稳态的时间；
[0091]
s3.7、设置经验池d，将第k次迭代时得到的动作向量ak、状态向量s、新状态向量以及奖励值rk存入经验池d，即：
[0092]
s3.8、判断第k次迭代后的奖励值rk是否满足：rk＜1，如果满足，则迭代停止，将经验池d的动作向量ak作为低频振荡阻尼控制器的设计参数；否则，进入步骤s3.9；
[0093]
s3.9、在经验池中d随机获取新状态变量将输入至决策器acor，再使用π策略得出最优动作
[0094]
[0095]
其中，为新状态变量对应的权重参数，本实施例取值为0.97；
[0096]
s3.10、将最优动作及对应的输入至评价器crc，从而计算评价值p；
[0097][0098]
其中，e为期望运算，γ为折扣率，本实施例取值为0.95；
[0099]
s3.11、计算第k次迭代后的均方差损失值lk：
[0100][0101]
s3.12、利用均方差损失值lk更新决策器acra和acor的权重参数；
[0102][0103][0104]
其中，α为决策器acra的探索率，为θ更新后的权重参数；β为决策器acor的探索率，为更新后的权重参数；
[0105]
s3.13、待决策器acra和acor的权重参数更新完成后，令当前迭代次数k＝k 1，然后返回至步骤s3.4。
[0106]
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。