混合粒子群算法在PSS参数优化中的应用

2012-07-25侯莉

电气开关 2012年4期

侯莉

(兰州交通大学自动化与电气工程学院，甘肃兰州 730070)

1 引言

随着电网规模的不断扩大，机组单机容量的增加，以及快速励磁系统的投入，直接导致了系统阻尼的减弱，从而引发了系统低频振荡的产生，严重影响了系统的稳定运行［1］。为提高系统阻尼，需要在发电机侧加装电力系统稳定器(Power System Stabilizer，PSS)。其原理是通过附加励磁控制提供所需要的附加阻尼来改善系统的阻尼，增强系统的稳定性［2］。目前，国内外学者在电力系统稳定器参数优化方面做了一定的工作，并提出一些有效的方法对PSS参数进行优化如遗传算法、人工鱼群算法、粒子群算法等［3-5］，但都存在可操作性差、收敛性差、容易陷入局部极值等缺点。本文将使用引入遗传算法(GA)中的交叉操作的混合PSO，实践证明这种混合PSO具有更快的收敛速度，更好的全局收敛能力。本文将混合PSO用于PSS参数优化设计，并进行仿真，实例证明了该算法优化PSS的有效性和优越性。

2 粒子群算法

2.1 PSO的基本原理

式中:ω为惯性权值;Rand为在［0，1］范围内变化的随机数;n为迭代次数;粒子数i=1，2，…，s。

2.2 混合粒子群优化算法(HPSO)

Lovbjerg，Rasmussen和Krink于2000年提出将遗传算法中的交叉操作也引入PSO的HPSO模型。交叉型PSO在粒子群进行速度和位置的更新后，以一定的交叉概率从所有粒子中随机选择待交叉的粒子，然后两两随机组合进行交叉操作产生后代粒子，取代双亲粒子。后代粒子的位置和速度矢量如下所示:

交叉操作使后代粒子继承了双亲粒子的优点，在理论上加强了对粒子间区域的搜索能力。实验证明，引入交叉操作的HPSO对于多峰函数，不仅加快了收敛速度，而且找到了更好的解。

3 PSS的设计

3.1 PSS的模型

本文PSS采用超前-滞后校正模型，以发电机的转速偏差Δω为输入信号，其传递函数如下:

式中:Up为第p台发电机的PSS输出信号;Twp为隔直环节的时间常数;T1P、T2P、T3P、T4P为超前 -滞后环节的时间常数;Kp为PSS增益与隔直环节时间常数的乘积。

3.2 PSS的优化目标

在PSS参数优化时必须兼顾两方面的要求，那就是PSS应该既能够尽可能高效地阻尼小扰动引起的振荡，又能在整个频段上都有效地发挥其阻尼低频振荡的作用［7］。PSS能否在整个频段有效阻尼低频振荡取决于PSS的频率响应特性，即其超前-滞后环节参数。因此，本文拟对PSS超前-滞后环节进行参数。

以整个低频振荡频段(0.1～2Hz)上PSS产生的附加励磁转矩ΔTe与Δω相位最大限度接近为目标进行优化，选取目标函数为:

式中:f1，f2，…，fn，是等比数列，代表低频振荡频段上n个频率点，f1=0.1Hz，fn=2.0Hz，它们是一个等比数列。θΔPe(fi)、θPSS(fi)、θEx(fi)、θΔTe(fi)分别表示f=fi时ΔPe相对Δω的超前角、电力系统稳定器滞后角、励磁系统滞后角、ΔTe相对Δω的超前角。当n足够大时，以J最小为目标进行优化即可实现在整个频段上ΔTe与Δω相位最大限度接近，约束条件为θΔTe(fi)є(-45°，10°)。