4.
所提出的方法
电力系统的性能取决于控制器的结构和目标函数的选择本节详细
介绍了本研究中所采用的
4.1.
控制器结构
在自动发电控制中,一般采用积分控制器来减小区域控制误差。然
而,仅使用积分控制器的缺点是,它可能产生响应时间明显较慢的闭环
系统。比例积分(PI)不仅改善了系统的动态响应,而且还具有设计简
单、成本低等优点,适用于线性和稳定过程的系统。同时,对于高阶非
线性不稳定系统,传统的PI控制器一般不适用。
串级控制是提高系统性能的方法之一。由于串级控制器中的调谐
块的数量比非串级控制器中的调谐块的数量多,因此期望利用串级
控制系统改善系统性能
[32]
。由于串级
PI-PD
控制器的优点,近年来
在文献
[33]
中提出了用于控制系统的串级
PI-PD
控制器。由于其改善
了系统性能,图
1
所示的级联
PI-PD
控制器。本研究选择了
4
号机组作
为
AGC
机组。控制输入信号是各个
ACE
,控制器输出是各个发电机
组的参考功率设置。
4.2.
目标函数
对于采用最优化方法的控制器设计,目标函数通常根据一些性能
指标来 确定,如 时间乘绝对 误差积 分(
ITAE
)、绝对 误差积分
(
IAE
)、平方误差积分
(ISE)和时间乘平方误差积分(ITSE)。
这些
目标函数的详细表达及其对系统性能的比较可参见文献
[21- 24
,
26
,
27]
。几项研究还表明,
ITAE
目标函数比其他替代方案提供了
更好的系统响应
[30
,
31]
。
已提供。
5.1. Grey Wolf Optimization
灰狼优化(GWO)是最近提出的一种Meta启发式优化技术,其动机
是灰狼的社会阶梯和狩猎行为[29]。GWO模仿灰狼的狩猎策略寻找和狩
猎解决方案 或者祈祷狩猎有三个主要步骤
1. 追踪(跟随),追逐(冲刺)和接近猎物。
2. 包围和骚扰猎物直到它停下来。
3. 攻击猎物。
在数学上,GWO算法表示如下:
5.1.1.
社会等级
就像 灰 狼的社 会阶 梯 (群 居)一 样,四 个群体 被定 义;即Alpha
(a),Beta(b),Delta(d)和Omega
(
x
)在GWO算法中,在设计阶段对狼的社会层次进行了建模。Alpha
是最合适的解决方案; Beta和Delta是第二和第三最佳解决方案。其余的
解决方案是最不重要的,被认为是欧米茄。
阿尔法类狼位于等级的顶端,是整个群体的领导者他们有决策
权,这是由集团遵循。贝塔狼是第二等级的狼,它们是阿尔法狼的下
属贝塔狼在决策过程中帮助阿尔法狼,以及其他群体行动。当阿尔法
狼死亡或变老时,它们就变成了阿尔法狼。欧米茄狼是存在于最低层
次的层次,总是遵循其他统治狼的决定。三角洲型狼总是跟随阿尔法
狼和贝塔狼,但支配着欧米伽狼。
5.1.2.
包围猎物
灰狼在祈祷周围的包围行为表现为:
~
D
j
~
C
·
~
X
P
t
-
~
X
t
j
6