智能优化方法在电力系统调频中的应用研究

论文摘要

电力系统频率是电能质量的三大指标之一。负荷频率控制是保证电力系统频率稳定的一个重要手段。频率控制系统中的各个环节存在的非线性,使系统的数学模型更加难以建立和求解,控制参数的整定也更困难。因此,有必要研究行之有效的负荷频率调整和控制方法。论文基于智能控制和智能系统理论,针对传统AGC系统控制方式的不足,提出了频率调整的新思路。论文提出了基于先验知识的Q学习算法进行系统频率调节。传统多区域系统二次频率调整中一般采用固定增益系数,从而忽视了非线性环节。针对此不足,论文首先利用AGC系统周期性控制的特点,将其离散化处理,基于离散Markov理论,提出了采用Q-学习算法作为单智能体控制器的学习放法来代替传统的比例积分控制环节,通过函数映射确定机组有功出力整定值;利用模糊综合决策办法将系统环境信息作为强化学习的先验知识来提高学习速度。并通过广泛采用的CPS考核指标对算法进行验证。论文提出了采用超导磁储能装置进行频率调整,利用超导磁储能调整快速,瞬间释放功率大的特点,将可再生能源作为储能装置的充电电源,既能实现系统频率稳定,又避免了可再生能源间歇性放电对电力系统的冲击。为超导磁储能装置提供新的应用领域,为可再生能源合理利用提供新的途径。论文提出采用专家整定控制方法实现超导储能装置和调频机组之间的协调配合。利用专家整定方法概念清晰,规则设计简单,可操作性强的特点,容易实现有超导磁储能装置辅助的多区域负荷频率调节。论文基于多智能体的随机博弈理论,来实现含有超导磁储能装置辅助配合的多区域AGC系统频率调整控制策略,利用Friend-or-foe Q学习算法指导各个智能体之间的协调。这将有利于区域间扰动或故障情况下的功率支持,减少区域机组旋转备用预留量,也有利于区域间能源配置的更合理利用。利用多智能体间的在线学习技术能够实现更快速的多区域系统的负荷频率调节,实现系统频率稳定。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 论文研究背景
• 1.1.1 电力系统频率稳定性
• 1.1.2 智能电网发展对电力系统控制策略的影响
• 1.1.3 间歇性可再生能源并网对系统的冲击
• 1.2 频率调节问题
• 1.2.1 一次调频装置投切及死区设置问题
• 1.2.2 PI 整定方法
• 1.3 论文研究思路
• 1.4 论文主要内容
• 参考文献
• 第二章 强化学习方法在系统调频中的应用
• 2.1 引言
• 2.2 负荷频率控制模型分析
• 2.2.1 区域自动频率调整特性分析
• 2.2.2 非线性因素对频率调整影响分析
• 2.3 强化学习方法概述
• 2.3.1 强化学习中的Q 学习理论
• 2.3.2 单智能体学习
• 2.4 Q 学习方法在汽轮机AGC 系统中的应用
• 2.4.1 AGC 系统的离散化处理
• 2.4.2 AGC 环境中Q 学习先验知识的获取
• 2.4.3 单智能体控制器在AGC 系统中的应用
• 2.4.4 汽轮机AGC 仿真计算分析
• 2.5 Q 学习方法在水火联合AGC 控制系统中的应用
• 2.5.1 水轮机AGC 控制系统中的非线性环节
• 2.5.2 水火联合系统中AGC 控制器强化学习过程
• 2.5.3 联合系统AGC 控制仿真结果分析
• 2.6 结论
• 参考文献
• 第三章 超导磁储能与调频机组协调方法研究
• 3.1 引言
• 3.2 超导磁储能适用于频率调整的技术特性
• 3.2.1 超导磁储能发展
• 3.2.2 SMES 的技术特性及数学模型
• 3.2.3 SMES 充电功率的来源
• 3.3 SMES 与调频机组的配合
• 3.3.1 SMES 装置与一次调频机组配合问题
• 3.3.2 SMES 装置与AGC 的配合问题
• 3.4 专家整定控制方法实现SMES 辅助调频
• 3.5 仿真分析
• 3.5.1 仿真模型建立与参数设置
• 3.5.2 装设SMES 装置对一次调频的影响
• 3.5.3 装设SMES 装置对系统二次调频的影响
• 3.5.4 专家整定系统协调方法
• 3.6 结论
• 参考文献
• 第四章 基于多智能体技术的SMES 控制在系统调频中的应用
• 4.1 引言
• 4.2 基于多智能体技术的频率调整构架
• 4.2.1 分布式多智能体系统
• 4.2.2 多智能体随机博弈学习
• 4.3 FFQ 算法在SMES 与AGC 机组间的协调应用
• 4.3.1 AGC 与SMES 的协调配合
• 4.3.2 AGC 与SMES 装置协调配合的FFQ 算法
• 4.4 算例分析
• 4.4.1 仿真模型建立与参数设置
• 4.4.2 FFQ 算法仿真结果分析
• 4.4.3 不同控制策略比较
• 4.4.4 专家整定方法与FFQ 方法比较
• 4.5 结论
• 参考文献
• 第五章 结论与展望
• 5.1 全文小结
• 5.2 课题展望
• 致谢
• 攻读博士学位期间发表的学术论文及研究成果
• 附件