基于非线性预测管控之电力体系稳定仪设计

《基于非线性预测管控之电力体系稳定仪设计》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于非线性预测管控之电力体系稳定仪设计1绪论1.1研究意义电力系统稳定性问题可以分为三大类[1,2]：电压稳定、功角稳定和频率稳定。另外,根据系统所受到的扰动程度的大小，还可以将系统稳定性问题分为小扰动问题和大扰动问题。小干扰稳定性是指系统在某一给定的稳态运行情况下，遭受小扰动后的渐进稳定性。小扰动问题通常有两种表现形式：（1）滑行失步：由于发电机缺乏同步转矩，使得转子角速度变得越来越快，最终失去同步；（2）振荡失步：由于发电机缺乏有效的阻尼转矩，转子角度振荡的幅值越来越大，从而失去同步。因此，低频振荡问题应该属于小

2、扰动稳定性问题。在电力系统当中，发电机是通过电力线路并联到一起的，当系统受到干扰时，发电机转子间就会相对摇摆，这将造成系统的振荡。如果系统阻尼不足，振荡不但不能有效抑制，甚至可能会不断增幅振荡，导致系统崩溃。同时，因为电功率的传输是通过输电线路实现的，所以在线路上也会出现这种0.1~2.5Hz之间的功率振荡现象，这就是低频振荡。它严重的影响了系统的稳定性。全国电网的互联提高了系统运行时的经济效益，保证了供电的可靠性，但是，也带来了动态稳定性问题。在众多问题当中，最容易发生的一种动态稳定问题就是低频振荡。它最突出的特点

3、是：频率低，周期长，波及范围比较广。人们研究低频振荡并对它有一个正确的理解，经历了一个漫长的过程。在低频振荡没有引发事故之前，各国对其都不是很重视，但是随着发电机快速励磁系统的普遍使用，导致系统的阻尼系数降低，世界各地都出现了低频振荡引发的事故，各国专家才开始重新审视低频振荡问题[3]。低频振荡发生的原因可以简单的归纳为负荷过重、励磁过快、距离过长、阻尼过弱这四点[4]。解决该问题的措施主要分为两类：即应用于一次系统的措施和应用于二次系统的措施[5]。.1.2电力系统稳定器国内外研究现状美国学者F.P.Demello

4、和C.Concordia在1969年研究了造成低频振荡的原因，并提出把PSS作为附加控制单元，用于发电机励磁的控制，以达到抑制低频振荡的目的。PSS概念清晰、计算过程简单、便于于现场调试，所以在各国的电力系统当中得到了广泛的应用。继F.P.Demello和C.Concordia之后，有很多的研究人员对PSS进行了研究、设计，他们将控制理论中比较成熟的控制方法应用于PSS的设计，其中包括：自适应控制[6]，最优控制[7]，变结构控制[8,9]，轨迹灵敏度分析法[10]，Prony算法[11]，特征值配置法[12]等。这

5、些控制方法都取得了很好的控制效果，设计的控制器的性能也明显优于传统的PSS，但是这些方法所设计的PSS都是基于电力系统的线性化模型，所以这些PSS适用于某一稳定运行点，当运行点发生变化时，控制效果就非常不理想。为了克服以上不足，使PSS具有鲁棒性成为了近年来的研究热点，所以模糊控制，神经网络，H∞控制等现代控制技术被广泛的应用在PSS的设计上。模糊控制是基于查询控制表的控制方法，控制表通过模糊推理来得到。模糊控制器工作时，首先采集输入信号，对其进行模糊化处理，然后再查询模糊控制表得到模糊控制量，最后经过反

6、模糊化求得精确的输出量。模糊电力系统稳定器（FPSS）的优点是不像经典控制理论那样需要建立数学模型，更加注重运用积累的运行经验，所需的计算时间短，并且易于实现，在电力系统中已有应用的例子[13]。FPSS的性能取决于模糊推理和模糊控制规则。一般情况下，FPSS的控制规则是根据工作经验总结得来的，而电力系统运行状况非常复杂，为了得到控制性能比较好的控制规则，就需要反复的试验和调试，工作量大，浪费时间。.2预测控制的基本原理2.1引言控制是通过应用一个特定的输入量，将其送入到所研究的动力学系统当中，以达到改善系统性能得目

7、的，使系统的输出最大限度地满足特定需要的一般理论与技术。控制器的设计是指求解被控系统的控制规律的方法，它包括三个方面[27]：第一建立被控对象的数学模型；第二对被控对象的输出提出要求；第三求解出满足性能指标的控制规律。总之，我们所做工作最终目的就是给控制器一个合适的输入量，使系统尽快的达到我们期望的设定值，并且，振荡越少越好，超调量越小越好。由于系统可能具有时变性，非线性等特点，以及建立预测模型时可能出现的模型失配等因素，预测模型很有可能不能正确的预测系统下一时间段的输出，所以在预测控制当中必须引进反馈校正环节，这样

8、才能使预测控制构成闭环控制。通过反馈回来的输出信息，不断的修正预测的输入值，最终使输出能够很好的跟踪参考轨迹。所以，在预测控制过程当中，控制性能的好坏除了取决于预测模型外，还与反馈信息息息相关，这样才能构成一个完整的闭环控制系统。2.2预测模型预测控制是一种基于模型的控制算法，这一模型称为预测模型[28]。预测控制对模型没有特殊要求，它并不拘泥