李大鵬 楊秀媛 張 芳 宋墩文

?

基于遺傳算法的風(fēng)水協(xié)同發(fā)電控制

李大鵬1楊秀媛1張 芳1宋墩文2

（1. 北京信息科技大學(xué)自動化學(xué)院，北京 100192;2. 中國電力科學(xué)研究院，北京 100192）

風(fēng)電和水電是最具前景的可再生能源，風(fēng)電的隨機(jī)性和波動性使大規(guī)模的風(fēng)電接納成為當(dāng)前電力系統(tǒng)面臨的重要問題，而利用水電機(jī)組的調(diào)峰作用可以補(bǔ)償風(fēng)電輸出的隨機(jī)性，使水電廠和風(fēng)電場能夠按計劃的輸出。本文針對水輪機(jī)的特點(diǎn)，利用遺傳算法對水輪機(jī)的調(diào)速器參數(shù)進(jìn)行整定。仿真結(jié)果表明，整定后的PID比常規(guī)PID具有更好的控制效果。水電的輸出很好的對風(fēng)電輸出功率進(jìn)行有效的補(bǔ)償，減少了對電網(wǎng)的沖擊，有利于電網(wǎng)的長期穩(wěn)定運(yùn)行。

風(fēng)電；水單；風(fēng)水協(xié)同發(fā)電；遺傳算法

隨著風(fēng)力發(fā)電的持續(xù)發(fā)展，風(fēng)電大規(guī)模接入電網(wǎng)給電力系統(tǒng)帶來了巨大的沖擊，在發(fā)電側(cè)引入隨機(jī)性明顯，波動性強(qiáng)的不可控電源，給電力系統(tǒng)維持發(fā)電負(fù)荷的穩(wěn)定帶來挑戰(zhàn)。風(fēng)電具有了波動性與間歇性的缺點(diǎn)，這給電網(wǎng)的穩(wěn)定運(yùn)行以及電能質(zhì)量帶來了較大的影響，同時也給風(fēng)電場發(fā)電和運(yùn)行計劃的制定帶來很多困難[1-2]。我國幅員遼闊，水能豐富，水電作為另一種清潔能源也廣泛的應(yīng)用在我國的電力結(jié)構(gòu)當(dāng)中[3]。因此，風(fēng)電水電協(xié)同發(fā)電是未來新能源的發(fā)展方向。

利用水電的調(diào)節(jié)能力將隨機(jī)的風(fēng)電轉(zhuǎn)化成可以參與電力系統(tǒng)運(yùn)行計劃的電源，使水電廠和風(fēng)電場向電力系統(tǒng)可以按照計劃提供的功率的輸出，這種方式稱之為風(fēng)電場和水電廠的協(xié)同運(yùn)行（coordinated hydropower wind power generation，CHWG）[4-5]。目前國內(nèi)外已經(jīng)有許多將風(fēng)電與抽水蓄能水電站相結(jié)合的研究，文獻(xiàn)[6-10]基于成本利益效益最大化的角度，構(gòu)建風(fēng)電和抽水蓄能電站的數(shù)學(xué)模型，考慮約束條件，結(jié)合不同電價時段，從經(jīng)濟(jì)性和可靠性的角度進(jìn)行了仿真和驗(yàn)證。但是，在當(dāng)前的電力系統(tǒng)中，絕大部分的水電都是常規(guī)水電，若僅僅為了風(fēng)電并網(wǎng)而建造抽水蓄能電站，則不符合系統(tǒng)的經(jīng)濟(jì)效益。

文獻(xiàn)[11-15]根據(jù)結(jié)合西北和東北等風(fēng)能水能充足地區(qū)，通過風(fēng)電與常規(guī)水電站的結(jié)合，減少風(fēng)電負(fù)荷在跟蹤時間上的波動性，以保證經(jīng)濟(jì)效益為目標(biāo)，建立了風(fēng)水聯(lián)合調(diào)度的數(shù)學(xué)模型。本文考慮風(fēng)水協(xié)同發(fā)電在電網(wǎng)得以運(yùn)行的理想條件下，主要研究如何將水電機(jī)組的控制精度提高和響應(yīng)時間減少。根據(jù)文獻(xiàn)[16-17]，目前的水輪機(jī)組的調(diào)控主要傳統(tǒng)的PID控制，但是傳統(tǒng)的PID控制不能快速響應(yīng)被控對象的實(shí)時變化，尤其在風(fēng)水協(xié)同控制中不能應(yīng)對風(fēng)電功率快速的變化情況[18-19]，因此，本文提出用遺傳算法對水輪機(jī)的PID參數(shù)進(jìn)行優(yōu)化，以滿足水輪機(jī)在補(bǔ)償風(fēng)電過程中的快速準(zhǔn)備調(diào)節(jié)的要求。

1 遺傳算法

遺傳算法（genetic algorithm, GA）是一種以生自然界中生物進(jìn)化規(guī)律為基礎(chǔ)產(chǎn)生的隨機(jī)搜索算法（適者生存，優(yōu)勝劣汰）[20]，主要特點(diǎn)為：①對結(jié)構(gòu)對象直接操作，不需要對函數(shù)進(jìn)行求導(dǎo)，不需要判斷函數(shù)是否連續(xù)；②更好全局搜索能力強(qiáng)，并行性良好；③尋優(yōu)方法使用概率化的方式，自動對搜索空間進(jìn)行優(yōu)化，自適應(yīng)的調(diào)整搜索方向，不受規(guī)則的限定；④具有良好的自組織、自適應(yīng)和自學(xué)習(xí)性。適應(yīng)度大的個體具有較高的生成概率，并獲得適應(yīng)環(huán)境的基因結(jié)構(gòu)。

遺傳算法基于PID參數(shù)的整定原理如下。

1）參數(shù)的確定及表示。確定參數(shù)范圍，根據(jù)不同的精度進(jìn)行編碼。本文采用二進(jìn)制編碼方式與參數(shù)進(jìn)行聯(lián)系，用二進(jìn)制的方式組成字符串。

2）初始種群的選取。初始種群隨機(jī)的產(chǎn)生。以二進(jìn)制編碼為例，選擇0～1之間均勻分布的隨機(jī)數(shù)，0～0.5為0，0.5～1則為1。根據(jù)計算的復(fù)雜程度來決定種群的大小。

3）適配函數(shù)的確定。以穩(wěn)定性、準(zhǔn)確性和快速性3個條件來判斷控制系統(tǒng)是否穩(wěn)定，從中求得一個最好的算法。因此，最優(yōu)的控制參數(shù)就是在滿足()最大時所對應(yīng)的控制器參數(shù)。

4）遺傳算法的操作。首先復(fù)制操作，求得適配值，進(jìn)而求得對應(yīng)的復(fù)制概率。復(fù)制概率越大，下一代保留基因越多，越不易被淘汰。然后進(jìn)行交叉，交叉概率為c。復(fù)制后里以概率c利用字串組選擇匹配，進(jìn)而對其中成員隨機(jī)匹配和交叉，最后進(jìn)行變異，變異概率為m。

初始種群通過復(fù)制、交叉及變異得到新一代種群，再看是否滿足條件，若不滿足，則重復(fù)以上操作直到滿足。如果各目標(biāo)參數(shù)處于規(guī)定范圍，計算就終止。遺傳算法流程圖如圖1所示。

圖1 遺傳算法流程圖

2 遺傳算法在風(fēng)水協(xié)同發(fā)電的應(yīng)用

風(fēng)電場與水電廠協(xié)同運(yùn)行是風(fēng)電與水電的有機(jī)結(jié)合與調(diào)度。水電不但能夠從季節(jié)性和風(fēng)電進(jìn)行良好的互補(bǔ)，而且快速的調(diào)節(jié)能力可以實(shí)時調(diào)節(jié)、補(bǔ)償風(fēng)電輸出功率的波動。本文僅探討小波動下的風(fēng)電與水電聯(lián)合發(fā)電，主要研究如何提高水電機(jī)組的響應(yīng)速度，達(dá)到利用控制水輪發(fā)電機(jī)的輸出功率與風(fēng)電功率進(jìn)行互補(bǔ)的目的。遺傳算法在風(fēng)水協(xié)同控制中的應(yīng)用原理如圖2所示。

圖2 基于遺傳算法的風(fēng)水協(xié)同運(yùn)行

圖2中，w為風(fēng)電場輸出功率；c為并網(wǎng)期望功率；h為并網(wǎng)期望功率，即c與w之差；g為水輪機(jī)實(shí)際輸出。利用遺傳算法來對PID調(diào)速器中的p、i、d進(jìn)行調(diào)節(jié)，改變PID調(diào)速器中導(dǎo)葉的行程，調(diào)節(jié)水流量的大小，進(jìn)而滿足不同工況下水電功率對風(fēng)電功率的補(bǔ)償。

PID調(diào)速器為傳統(tǒng)的PID調(diào)節(jié)模塊，其動態(tài)特性為

機(jī)械液壓模塊：機(jī)械液壓系統(tǒng)主要由配壓閥和接力器組成，接力器和主配壓閥為一個積分環(huán)節(jié)。其動態(tài)特征為

水輪機(jī)及飲水系統(tǒng)一般采用剛性水錘的表達(dá)式來描述其動態(tài)特性，即

式中，w為水流慣性時間常數(shù)，表示引水系統(tǒng)由于水錘效應(yīng)產(chǎn)生的世界；為接力器導(dǎo)葉開度。

因此，結(jié)合水輪機(jī)參數(shù)要求，本文所取水輪機(jī)租參數(shù)對照見表1。

3 算例分析

本文研究的仿真模型根據(jù)二灘電站機(jī)組生產(chǎn)廠家給出的二灘電站水輪機(jī)組模型參數(shù)，風(fēng)電場裝機(jī)容量為100MW，1.5MW的雙饋感應(yīng)風(fēng)力發(fā)電機(jī)。

3.1 階躍仿真

假設(shè)并網(wǎng)功率為1，當(dāng)風(fēng)力發(fā)電機(jī)組輸出功率在100s由1突變?yōu)?.9，發(fā)生標(biāo)幺值為1的階躍減小時（如圖3所示），要求水輪發(fā)電機(jī)組立即做出響應(yīng)，其期望功率在10s時突增0.1標(biāo)幺值（如圖4所示）。

表1 水輪機(jī)組基本參數(shù)

圖3 風(fēng)電機(jī)組輸出功率

圖4 風(fēng)電并網(wǎng)差額功率

為了對水輪機(jī)的PID參數(shù)進(jìn)行更好的調(diào)節(jié)，以適應(yīng)風(fēng)電機(jī)組輸出的快速變化，在Matlab軟件環(huán)境下運(yùn)行遺傳算法對水輪機(jī)調(diào)速器的PID進(jìn)行整定。根據(jù)遺傳算法的規(guī)則，遺傳算法參數(shù)見表2。

表2　遺傳算法參數(shù)取值

p的取值范圍為[0.5, 20]，i的取值范圍為[0, 10]，d的取值范圍為[0, 5]。使用Matlab軟件對參數(shù)進(jìn)行100代的優(yōu)化計算后，PID參數(shù)的整定結(jié)果為p=4.9365，i=0.0264，d=0.3832。性能指標(biāo)=35.1536。代價函數(shù)的整定過程如圖5所示。

圖5 代價函數(shù)J的優(yōu)化過程

將水輪機(jī)的常規(guī)PID參數(shù)p=3.5、i=0.5、d=1.5與整定后的PID參數(shù)p=4.9365、i=0.0264、d=0.3832。在Matlab環(huán)境下，對風(fēng)電輸出功率進(jìn)行補(bǔ)償?shù)碾A躍仿真，采樣時間為500s，水輪機(jī)輸出，導(dǎo)水葉開度，誤差如圖6至圖8所示。

圖6 水輪機(jī)輸出功率

圖7 導(dǎo)水葉開度輸出

圖8 輸出功率誤差比較

3.2 不同階躍幅度信號仿真

當(dāng)風(fēng)電功率在200s由0.7標(biāo)么值下降到0.3，經(jīng)過100s又恢復(fù)到0.7標(biāo)么值時，風(fēng)電差額功率在200s增加為0.7標(biāo)么值，經(jīng)100s后又恢復(fù)到原值0.3標(biāo)么值。

圖9 風(fēng)電輸出功率

圖10 風(fēng)電并網(wǎng)差額功率

在Matlab環(huán)境下進(jìn)行仿真，仿真時間為500s。常規(guī)PID和經(jīng)過遺傳算法整定的PID參數(shù)的水輪機(jī)輸出功率，導(dǎo)水葉開度和誤差對比如圖11至圖13所示。

通過仿真結(jié)果的比較，水電輸出功率很好地達(dá)到了對風(fēng)電功率的補(bǔ)償要求，水電能夠在短時間內(nèi)響應(yīng)風(fēng)電功率的變化，風(fēng)電輸出功率變小，水輪機(jī)導(dǎo)水葉開度增大，使得輸出功率相應(yīng)增加，與風(fēng)電功率形成較好的互補(bǔ)，達(dá)到理想的輸出功率。且經(jīng)過遺傳算法整定后的PID比常規(guī)PID具有更快的調(diào)節(jié)能力，超調(diào)量更小，誤差更小，更穩(wěn)定，更精確的補(bǔ)償了風(fēng)功率的變化。

圖11 水輪機(jī)輸出功率

圖12 導(dǎo)水葉開度輸出

圖13 輸出功率誤差比較

3.3 實(shí)際數(shù)據(jù)仿真

本文采用2013年5月的雙饋風(fēng)力機(jī)的輸出功率，采集數(shù)據(jù)時間間隔為15min，故每日共計96個點(diǎn)。選取其中5天共計480個點(diǎn)的風(fēng)電輸出功率標(biāo)么值如圖14所示，圖15為風(fēng)水協(xié)同運(yùn)行的理想輸出，假設(shè)風(fēng)水協(xié)同理想輸出標(biāo)么值為1，下面曲線為風(fēng)電輸出功率，上面則為水電補(bǔ)償功率。圖16反應(yīng)了經(jīng)過遺傳算法整定后的PID和使用常規(guī)PID時水輪機(jī)輸出功率的標(biāo)么值。圖17則為不同方法整定下輸出功率的誤差。

圖14 風(fēng)電5天的輸出功率

圖15 風(fēng)水協(xié)同運(yùn)行理想輸出

圖16 水輪機(jī)輸出功率

圖17 輸出功率誤差比較

通過仿真結(jié)果可以得出，在實(shí)際的風(fēng)電輸出過程中，水輪機(jī)的輸出功率很好地補(bǔ)償了風(fēng)電的變化，達(dá)到理想的并網(wǎng)輸出功率，經(jīng)過遺傳算法整定的PID比常規(guī)的PID調(diào)節(jié)具有效果更精確、超調(diào)量更小、跟蹤更快速、誤差更小、響應(yīng)時間更短等優(yōu)點(diǎn)。

4 結(jié)論

本文在風(fēng)水協(xié)同運(yùn)行的背景和研究的基礎(chǔ)上，考慮風(fēng)電的波動性和隨機(jī)性，采取用水電互補(bǔ)的發(fā)電方式，將風(fēng)電并網(wǎng)時的差額功率作為水電的輸出功率，通過對水輪機(jī)PID調(diào)速器的控制，實(shí)現(xiàn)了水輪機(jī)對風(fēng)電功率的補(bǔ)償，并使用遺傳算法對水輪機(jī)的常規(guī)PID參數(shù)進(jìn)行了進(jìn)化整定，通過仿真對比，得出結(jié)論如下：

1）通過對水輪機(jī)組PID的有效調(diào)節(jié)，水電的輸出功率可以有效地跟著風(fēng)電的輸出功率，做到對風(fēng)電的波動性和不穩(wěn)定性進(jìn)行有效的補(bǔ)償，最終達(dá)到理想的輸出功率，達(dá)到風(fēng)水協(xié)同發(fā)電的目的。

2）通過實(shí)際數(shù)據(jù)的仿真的對比，利用遺傳算法對水輪機(jī)常規(guī)PID參數(shù)進(jìn)行整定，可以有效地提高水輪機(jī)輸出功率對風(fēng)電跟隨的速度、精確度，減小超調(diào)量，達(dá)到更好的風(fēng)水協(xié)同發(fā)電的目的。

本文采用的風(fēng)功率為實(shí)際確定的數(shù)據(jù)，而在實(shí)際的應(yīng)用過程中，風(fēng)速和風(fēng)功率都會在預(yù)測的過程中產(chǎn)生誤差，影響水電的跟隨和輸出的功率補(bǔ)償。水輪機(jī)作為非線性，時變的系統(tǒng)，目前的研究狀態(tài)也大都采用簡化的理想模型。在今后的研究中，也應(yīng)從以上條件考慮，達(dá)到更理想的效果。

[1] 姚駿, 郭利莎, 陳知前, 等. 電網(wǎng)電壓不平衡下雙饋型風(fēng)電場可控運(yùn)行區(qū)域及其控制策略[J]. 電工技術(shù)學(xué)報, 2016(20): 181-191.

[2] 于明, 郭華, 潘珍, 等. 基于提升供電能力的配電網(wǎng)協(xié)調(diào)規(guī)劃探析[J]. 電氣技術(shù), 2015, 16(10): 107-110.

[3] 韓冬, 方紅衛(wèi), 嚴(yán)秉忠, 等. 2013年中國水電發(fā)展現(xiàn)狀[J]. 水力發(fā)電學(xué)報, 2014(5): 15.

[4] Chen Q, Littler T, Wang H. Application of PMUs to coordinate hydroelectric and wind power plant operation[C]//International Conference on Sustainable Power Generation and Supply, 2012: 1-6.

[5] 楊秀媛, 陳瑤, 陳麒宇, 等. 導(dǎo)前微分控制在風(fēng)電水電協(xié)同運(yùn)行中的應(yīng)用[J]. 中國電機(jī)工程學(xué)報, 2015(18): 4591-4597.

[6] 吳杰康, 熊焰. 風(fēng)水氣互補(bǔ)發(fā)電優(yōu)化的云模型自適應(yīng)粒子群優(yōu)化算法[J]. 中國電機(jī)工程學(xué)報, 2014(S1): 17-24.

[7] 張鳳閣, 朱連成, 金石, 等. 開繞組無刷雙饋風(fēng)力發(fā)電機(jī)最大功率點(diǎn)跟蹤直接轉(zhuǎn)矩模糊控制研究[J]. 電工技術(shù)學(xué)報, 2016(15): 43-53.

[8] 徐飛, 陳磊, 金和平, 等. 抽水蓄能電站與風(fēng)電的聯(lián)合優(yōu)化運(yùn)行建模及應(yīng)用分析[J]. 電力系統(tǒng)自動化, 2013, 37(1): 149-154.

[9] 潘文霞, 范永威, 楊威. 風(fēng)-水電聯(lián)合優(yōu)化運(yùn)行分析[J]. 太陽能學(xué)報, 2008(1): 80-84.

[10] 張劉冬, 殷明慧, 卜京, 等. 基于成本效益分析的風(fēng)電-抽水蓄能聯(lián)合運(yùn)行優(yōu)化調(diào)度模型[J]. 電網(wǎng)技術(shù), 2015(12): 3386-3392.

[11] 黃金. 電力系統(tǒng)發(fā)展性故障實(shí)例分析[J]. 電氣技術(shù), 2015, 16(10): 111-113, 116.

[12] 衣立東, 朱敏奕, 魏磊, 等. 風(fēng)電并網(wǎng)后西北電網(wǎng)調(diào)峰能力的計算方法[J]. 電網(wǎng)技術(shù), 2010(2): 129-132.

[13] 黃春雷, 丁杰, 田國良, 等. 大規(guī)模消納風(fēng)電的常規(guī)水電運(yùn)行方式[J]. 電力系統(tǒng)自動化, 2011, 35(23): 37-39, 111.

[14] Angaritaj M, Usaolaj G. Combining hydro-generation and wind energy: biddings and operation on electricity spot markets[J]. Electric Power Systems Research, 2007, 77(5/6): 393-400.

[15] 尚志娟, 周暉, 王天華. 帶有儲能裝置的風(fēng)電與水電互補(bǔ)系統(tǒng)的研究[J]. 電力系統(tǒng)保護(hù)與控制, 2012(2): 99-105.

[16] 陳帝伊, 鄭棟, 馬孝義, 等. 混流式水輪機(jī)調(diào)節(jié)系統(tǒng)建模與非線性動力學(xué)分析[J]. 中國電機(jī)工程學(xué)報, 2012(32): 116-123, 19.

[17] 魏守平. 水輪機(jī)調(diào)節(jié)系統(tǒng)的MATLAB仿真模型[J]. 水電自動化與大壩監(jiān)測, 2009, 33(4): 7-11.

[18] 桂小陽, 梅生偉, 劉鋒, 等. 水輪機(jī)調(diào)速系統(tǒng)的非線性自適應(yīng)控制[J]. 中國電機(jī)工程學(xué)報, 2006(8): 66-71.

[19] 寇攀高, 周建中, 張孝遠(yuǎn), 等. 基于滑模變結(jié)構(gòu)控制的水輪機(jī)調(diào)節(jié)系統(tǒng)[J]. 電網(wǎng)技術(shù), 2012(8): 157-162.

[20] 于瑩瑩, 陳燕, 李桃迎. 改進(jìn)的遺傳算法求解旅行商問題[J]. 控制與決策, 2014(8): 1483-1488.

Cooperation of Wind-hydro Hybrid Power based on the Genetic Algorithm

Li Dapeng1Yang Xiuyuan1Zhang Fang1Song Dunwen2

(1. School of Automation, Beijing Information Science & Technology University, Beijing 100192;2. China Electric Power Research Institute, Beijing 100192)

Wind power and hydro power is one of the most promising renewable energy. The acceptance of large wind power is a problem because of the randomness and the fluctuation of wind power. Hydropower turbine can feasibly be used to compensate for fluctuation in wind, so the hydropower and wind power can be scheduled. According to the characteristics of the hydropower turbine, the genetic algorithm is used to set the PID parameters of the turbine. The simulation results show that the PID after genetic algorithm tuning has better control performance than conventional PID. The output of hydropower is used effective to compensate for output of wind power. The complementary system could provide a smooth power output, which reduces the impact on the grid.

wind power; hydro power; wind and hydropower coordinating operation; the genetic algorithm

李大鵬（1989-），男，碩士研究生，主要從事控制理論和新能源方向領(lǐng)域的研究工作。

國家自然科學(xué)基金（51377011）

北京市教委科技計劃面上項(xiàng)目（201511232008）