電力系統(tǒng)運(yùn)行可靠性的在線控制研究.doc

摘 要隨著電力系統(tǒng)自動(dòng)化的迅速發(fā)展，電力系統(tǒng)規(guī)模的不斷擴(kuò)大，以及用戶對(duì)電能質(zhì)量的要求越來越高，電力系統(tǒng)的可靠性就顯得尤為重要，研究如何通過調(diào)度控制來規(guī)避電力系統(tǒng)運(yùn)行的風(fēng)險(xiǎn)、提高電力系統(tǒng)的運(yùn)行可靠性具有重要的意義。因此本文在常規(guī)的離線評(píng)估可靠性基礎(chǔ)之上，提出運(yùn)行可靠性在線控制的模型和算法。通過對(duì)電力系統(tǒng)運(yùn)行中一些參量的在線檢測(cè)和控制，實(shí)現(xiàn)系統(tǒng)運(yùn)行可靠性的在線控制。在整個(gè)在線控制過程中需要從以下內(nèi)容著手：首先闡述運(yùn)行可靠性在線控制的基礎(chǔ)與功能定位，確立研究?jī)?nèi)容的重點(diǎn)和核心；然后提出短期運(yùn)行可靠性評(píng)估的指標(biāo)和算法，在此基礎(chǔ)上建立運(yùn)行可靠性控制的數(shù)學(xué)模型，該模型以控制代價(jià)最小為目標(biāo)函數(shù)，以發(fā)電機(jī)出力調(diào)整量和節(jié)點(diǎn)切負(fù)荷量為控制變量，以運(yùn)行可靠性指標(biāo)準(zhǔn)則為約束條件。采用比例微分積分（PID）控制系統(tǒng)，運(yùn)用改進(jìn)的粒子群（POS）智能優(yōu)化算法實(shí)時(shí)調(diào)整控制器的控制系數(shù)；最后通過對(duì)IEEE RTS-79測(cè)試系統(tǒng)的分析，驗(yàn)證可靠性在線控制模型和算法的有效性。關(guān)鍵詞：運(yùn)行可靠性；在線控制；電力系統(tǒng)；比例微分積分；粒子群算法ABSTRACTWith the rapid development of power system automation, the expanding of the power system, and the power quality that users demand is increasing, the power system reliability is particular important, the research on how to avoid power systems operational risks and enhance its operational reliability through controls from the dispatching centre is of great significance. So the model and corresponding algorithm of the operational reliability on-line control that base on the reliability of conventional off-line assessment will be proposed. To achieve the reliability of online control, we must detect and control some parameters on-line in the power system operation.In the control process need to start from the following that. The fundamental function of the operational reliability on-line control that is the core content is interpreted at the beginning of the paper. The indices and algorithm of the short-term operational reliability are proposed as the basis of the operational reliability control. And then the mathematical model of the operational reliability control is developed, in which the objective function is minimizing the cost of the control, the control variables are power injections and load curtailments, the constraints are operational reliability criteria. Using proportional differential integral control system and improved particle swarm optimization (PSO) algorithm for intelligent real-time refresh control coefficient. Finally, through the analysis of IEEE RTS-79 test system to verify reliability on-line control model and algorithm. KEY WORDS: operational reliability; on-line control; power system; particle swarm optimization; proportional integral derivative; probabilistic risk目 錄1 緒論11.1 可靠性定義11.2 可靠性在線控制研究背景及發(fā)展現(xiàn)狀11.2.1 可靠性在線控制的背景11.2.2 國內(nèi)外發(fā)展現(xiàn)狀21.3 研究目的及意義31.4 主要工作32 運(yùn)行可靠性在線控制的模型及算法52.1運(yùn)行可靠性在線控制的基礎(chǔ)與功能定位52.2 短期運(yùn)行可靠性評(píng)估模型和指標(biāo)及算法62.2.1 元件可靠性指標(biāo)62.2.2 短期運(yùn)行可靠性指標(biāo)62.2.3 短期運(yùn)行可靠性評(píng)估72.3 運(yùn)行可靠性模型83 基于改進(jìn)粒子群整定PID控制系數(shù)的算法實(shí)現(xiàn)103.1 常規(guī)PID控制103.1.1 PID控制基本原理103.1.2 PID控制器參數(shù)整定方法113.2 基本粒子群優(yōu)化算法123.2.1 粒子群算法的原理123.2.2 粒子群算法描述123.3改進(jìn)粒子群優(yōu)化算法133.3.1 慣性權(quán)重的非線性遞減133.3.2 遺傳算子操作的實(shí)現(xiàn)143.4 改進(jìn)粒子群算法整定PID參數(shù)153.4.1 評(píng)價(jià)函數(shù)153.4.2 優(yōu)化算法實(shí)現(xiàn)流程164 算例仿真分析174.1 短期運(yùn)行可靠性評(píng)估174.2 運(yùn)行可靠性控制策略185 結(jié)論215.1 全文總結(jié)215.2 對(duì)課題的前景展望21參考文獻(xiàn)22致謝241 緒論近年來，國民經(jīng)濟(jì)的快速發(fā)展帶來了電力系統(tǒng)的快速發(fā)展，與此同時(shí)，電力用戶對(duì)電力系統(tǒng)可靠性提出了更高的要求。因此，對(duì)電力系統(tǒng)可靠性實(shí)現(xiàn)實(shí)時(shí)控制已成為電力系統(tǒng)運(yùn)行管理的迫切要求。掌握電力系統(tǒng)可靠性控制策略，可實(shí)現(xiàn)對(duì)現(xiàn)有運(yùn)行方式的可靠性估計(jì)和對(duì)未來運(yùn)行方式，以及規(guī)劃方案的可靠性預(yù)測(cè)1。1.1 可靠性定義電力系統(tǒng)可靠性是對(duì)電力系統(tǒng)按可接受的質(zhì)量標(biāo)準(zhǔn)和所需數(shù)量不間斷地向電力用戶供應(yīng)電力和電能能力的度量2。電力系統(tǒng)可靠性包括充裕度和安全性兩個(gè)方面。充裕度是指電力系統(tǒng)維持連續(xù)供給用戶總的電力需求和總的電能量的能力，同時(shí)考慮系統(tǒng)元件的計(jì)劃停運(yùn)及合理的期望非計(jì)劃停運(yùn)。充裕度又稱靜態(tài)可靠性，也就是在靜態(tài)條件下，電力系統(tǒng)滿足用戶對(duì)電力和電能量需要的能力。安全性是指電力系統(tǒng)承受突然發(fā)生的擾動(dòng)，例如突然短路或未預(yù)料的短路或失去系統(tǒng)元件現(xiàn)象的能力。安全性也稱動(dòng)態(tài)可靠性，即在動(dòng)態(tài)條件下電力系統(tǒng)經(jīng)受突然擾動(dòng)，并不間斷地向用戶提供電力和電能量的能力。1.2 可靠性在線控制研究背景及發(fā)展現(xiàn)狀1.2.1 可靠性在線控制的背景隨著電力體制改革的深入，電力市場(chǎng)的初步形成，結(jié)合實(shí)際情況，積極探索電力體制改革新形式下加強(qiáng)可靠性管理的措施和方法，積極推廣和應(yīng)用概率性可靠性指標(biāo)及評(píng)價(jià)體系，發(fā)揮其對(duì)電力經(jīng)濟(jì)和安全的預(yù)警作用，已經(jīng)越來越重要。目前的可靠性統(tǒng)計(jì)和評(píng)價(jià)體系，缺少將電網(wǎng)作為一個(gè)系統(tǒng)的評(píng)價(jià)指標(biāo)。電網(wǎng)的可靠性統(tǒng)計(jì)，是一個(gè)大課題，也是一個(gè)難題，但又十分重要1。在電力系統(tǒng)實(shí)現(xiàn)廠、網(wǎng)分家等市場(chǎng)化改革后，輸電公司更關(guān)心的是輸電網(wǎng)本身在傳輸電力和電量方面的可靠性問題。電力系統(tǒng)是由各種電氣元件組成的，因此電力系統(tǒng)的可靠性既與網(wǎng)絡(luò)聯(lián)接方式有關(guān)， 又與網(wǎng)絡(luò)內(nèi)電氣元件的可靠性有關(guān)。對(duì)電力系統(tǒng)的可靠性進(jìn)行評(píng)估和預(yù)測(cè)必須建立在充分的元件可靠性統(tǒng)計(jì)基礎(chǔ)上才能獲得有價(jià)值的結(jié)果。過去在電網(wǎng)規(guī)劃和運(yùn)行分析時(shí)，對(duì)電網(wǎng)可靠性采用的是離線計(jì)算方式，使用的是典型統(tǒng)計(jì)數(shù)據(jù)。這種方式只能對(duì)電網(wǎng)可靠性進(jìn)行一些粗略的分析評(píng)價(jià)。在實(shí)際系統(tǒng)中，由于電氣設(shè)備眾多，分布地域廣，制造質(zhì)量水平參差不齊，歷史數(shù)據(jù)量龐大，因此靠簡(jiǎn)單的離線分析計(jì)算難以反應(yīng)實(shí)際電力系統(tǒng)的真實(shí)可靠性狀況。電力系統(tǒng)可靠性分析的有效方法應(yīng)是進(jìn)行在線分析。即通過信息網(wǎng)絡(luò)自動(dòng)搜集電網(wǎng)的歷史的和當(dāng)前的信息，自動(dòng)按電網(wǎng)可靠性模型進(jìn)行分析計(jì)算，從而得出反應(yīng)本系統(tǒng)當(dāng)前和未來狀態(tài)的可靠性水平。采用在線方式進(jìn)行電網(wǎng)可靠性分析，可以即時(shí)掌握和發(fā)布本系統(tǒng)的可靠性指標(biāo)，發(fā)現(xiàn)影響可靠性的薄弱環(huán)節(jié)，及時(shí)提出改進(jìn)和提高可靠性水平的技術(shù)措施，因此電網(wǎng)可靠性的在線分析和控制將是電網(wǎng)運(yùn)行管理重要的新型技術(shù)手段之一。1.2.2 國內(nèi)外發(fā)展現(xiàn)狀目前國外在線可靠性統(tǒng)計(jì)評(píng)價(jià)和評(píng)估已進(jìn)入起步階段。北美NECRC（North American Electrical Reliability Council）的在線可靠性評(píng)估系統(tǒng)對(duì)系統(tǒng)停電事故的特征、系統(tǒng)停電評(píng)估和相應(yīng)停電事件的處理措施進(jìn)行研究，同時(shí)應(yīng)用實(shí)時(shí)可靠性判據(jù)在線尋找系統(tǒng)的薄弱DP點(diǎn)。加拿大電氣協(xié)會(huì)（CEA）開發(fā)了可靠性統(tǒng)計(jì)評(píng)價(jià)數(shù)據(jù)系統(tǒng)，有近十家公司參與使用，提供可靠性統(tǒng)計(jì)和評(píng)估信息、自動(dòng)生成日?qǐng)?bào)表等，基本實(shí)現(xiàn)可靠性的統(tǒng)計(jì)評(píng)價(jià)。美國CERTS（Consortium for Electric Reliability Technology Solutions）是最早系統(tǒng)性進(jìn)行在線可靠性研究的單位之一，在1999年開始了為期5年的在線可靠性研究，2004年又將研究時(shí)間擴(kuò)展到2010年。美國EPRI（Electric Power Research Institute）擬定了于2004及2005年啟動(dòng)的電網(wǎng)規(guī)劃和運(yùn)行項(xiàng)目研究計(jì)劃，“事故在線分析和可靠性的可視化監(jiān)測(cè)”是其中一個(gè)主要課題。EPRI給出的電力系統(tǒng)將來規(guī)劃結(jié)構(gòu)圖（Architecture of Future Planning）中，概率隨機(jī)潮流、發(fā)電和輸電故障統(tǒng)計(jì)等功能已實(shí)現(xiàn)，而長期電力市場(chǎng)模擬、概率可靠性分析（PRA）等是將來計(jì)劃要實(shí)現(xiàn)的內(nèi)容；將來運(yùn)行結(jié)構(gòu)圖（Architecture of Future Operation）中狀態(tài)估計(jì)、約束最優(yōu)調(diào)度等已實(shí)現(xiàn)，而市場(chǎng)模擬、概率可靠性監(jiān)控(Probabilistic Reliability Monitor)等是將來計(jì)劃要實(shí)現(xiàn)的內(nèi)容。從前述資料可以看出，加拿大已開始從事可靠性在線統(tǒng)計(jì)評(píng)價(jià)和評(píng)估的研究；從CSRTSHE和EPRI資料可以看出，美國還未開發(fā)出概率可靠性統(tǒng)計(jì)和分析的相關(guān)分析系統(tǒng)，但已將其列為將來發(fā)展的重點(diǎn)目標(biāo)之一1。我國自1981年頒布施行了電力系統(tǒng)安全穩(wěn)定導(dǎo)則3以來，先后成立了中國電機(jī)工程協(xié)會(huì)可靠性委員會(huì)和電力可靠性管理中心等機(jī)構(gòu)，對(duì)電力系統(tǒng)可靠性進(jìn)行了系統(tǒng)的研究。20世紀(jì)90年代，中國電力系統(tǒng)可靠性研究和應(yīng)用有了新進(jìn)展，開發(fā)了有自主版權(quán)的電源規(guī)劃軟件，發(fā)電廠變電所電氣主接線可靠性評(píng)估軟件等，并在中國三峽電力系統(tǒng)、東北電力系統(tǒng)等得到了應(yīng)用。進(jìn)入新世紀(jì)以來，我國正在不斷地完善可靠性管理體系的框架，逐漸和世界的先進(jìn)水平先適應(yīng)，逐漸實(shí)現(xiàn)電力系統(tǒng)可靠性在線監(jiān)測(cè)和控制。1.3 研究目的及意義美國“8.14”大停電發(fā)生后，世界各地又發(fā)生了多起大面積停電事故，如英國倫敦大停電、印尼大停電、莫斯科大停電和海南大停電等。2006年11 月4 日，歐洲多個(gè)國家發(fā)生了大面積停電事故，使歐洲 UCTE 互聯(lián)電網(wǎng)解裂為三個(gè)孤島。這些大停電事故造成了嚴(yán)重的社會(huì)損失和經(jīng)濟(jì)損失，使人們更加關(guān)注電力系統(tǒng)運(yùn)行的安全性和可靠性。由于許多大停電事故的誘因是電力系統(tǒng)運(yùn)行的不確定性，例如發(fā)電機(jī)、線路等電力系統(tǒng)元件的隨機(jī)故障、負(fù)荷的隨機(jī)變化、電力市場(chǎng)的隨機(jī)波動(dòng)等，因此研究如何通過控制來規(guī)避或降低系統(tǒng)的運(yùn)行風(fēng)險(xiǎn)，對(duì)于預(yù)防大停電事故的發(fā)生具有重要意義4。 當(dāng)前基于電力系統(tǒng)數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)（EMS/SCADA） 的安全約束調(diào)度已廣泛應(yīng)用于電力系統(tǒng)的調(diào)度運(yùn)行。實(shí)時(shí)安全約束調(diào)度能解決當(dāng)前系統(tǒng)出現(xiàn)的越限現(xiàn)象，預(yù)防性安全約束調(diào)度能消除某些潛在(即由預(yù)想事故引起)的不安全現(xiàn)象。在長期運(yùn)行實(shí)踐中，安全約束調(diào)度發(fā)揮了重要作用。但由于它本質(zhì)上仍屬于基于確定性準(zhǔn)則的調(diào)度方式，因而難以處理電網(wǎng)運(yùn)行的不確定性因素，無法定量評(píng)估運(yùn)行風(fēng)險(xiǎn)，并給出規(guī)避風(fēng)險(xiǎn)的控制策略。因此亟需計(jì)及各種不確定性影響的新方法來補(bǔ)充和完善現(xiàn)有的電力系統(tǒng)在線控制理論。另一方面，概率評(píng)估的方法在電力系統(tǒng)運(yùn)行領(lǐng)域的應(yīng)用為規(guī)避系統(tǒng)運(yùn)行風(fēng)險(xiǎn)提供了必要的基礎(chǔ)?？煽啃栽u(píng)估和風(fēng)險(xiǎn)評(píng)估已實(shí)現(xiàn)了在線應(yīng)用，電力系統(tǒng)運(yùn)行可靠性的研究也取得了一些開拓性成果。這些評(píng)估方法的共同特點(diǎn)是考慮了電網(wǎng)運(yùn)行的不確定性，并能對(duì)運(yùn)行中的電力系統(tǒng)給出概率性的評(píng)價(jià)指標(biāo)，為調(diào)度員提供監(jiān)測(cè)電網(wǎng)運(yùn)行風(fēng)險(xiǎn)的途徑。但目前這些研究成果主要集中在評(píng)估算法和評(píng)估指標(biāo)的建立上，而如何充分利用這些概率性的評(píng)估結(jié)果指導(dǎo)電網(wǎng)的運(yùn)行和控制卻研究得較少。 在這樣的背景下，本文提出電力系統(tǒng)運(yùn)行可靠性在線控制的模型和算法，目的在于為調(diào)度人員提供在線的輔助控制策略，以規(guī)避電網(wǎng)在不確定性環(huán)境下的運(yùn)行風(fēng)險(xiǎn)，從而提高電力系統(tǒng)的運(yùn)行可靠性。1.4 主要工作根據(jù)當(dāng)前國內(nèi)外對(duì)電力系統(tǒng)運(yùn)行可靠性在線控制研究現(xiàn)狀，本文主要從以下幾方面進(jìn)行研究和探討：（1）闡述運(yùn)行可靠性在線控制的基礎(chǔ)與功能定位；（2）提出短期運(yùn)行可靠性評(píng)估的指標(biāo)和算法，在此基礎(chǔ)上建立運(yùn)行可靠性控制的數(shù)學(xué)模型，該模型以控制代價(jià)最小為目標(biāo)函數(shù)；（3）以發(fā)電機(jī)出力調(diào)整量和系統(tǒng)電壓波動(dòng)量為控制變量，運(yùn)行可靠性指標(biāo)準(zhǔn)則為約束條件，采用PID控制參數(shù)變化，采用改進(jìn)的粒子群智能優(yōu)化算法進(jìn)行實(shí)時(shí)更新控制系數(shù)；（4）通過對(duì)IEEE RTS-79測(cè)試系統(tǒng)的計(jì)算分析，驗(yàn)證運(yùn)行可靠性在線控制模型和算法的有效性。2 運(yùn)行可靠性在線控制的模型及算法傳統(tǒng)的電力系統(tǒng)可靠性模型都是建立在離線的情況下的，雖然在很大程度上能夠反映系統(tǒng)的可靠性水平，但是隨著系統(tǒng)的不斷擴(kuò)大，要求能夠有一種在線的實(shí)時(shí)控制方法，能夠更準(zhǔn)確及時(shí)的控制系統(tǒng)的可靠性。電力系統(tǒng)長期穩(wěn)定運(yùn)行的可靠性在線控制是基于短期運(yùn)行可靠性評(píng)估基礎(chǔ)之上的，因此本章中就通過對(duì)短期運(yùn)行可靠性的討論進(jìn)而得到系統(tǒng)運(yùn)行可靠性的在線控制。2.1運(yùn)行可靠性在線控制的基礎(chǔ)與功能定位本文提出的運(yùn)行可靠性在線控制的目的是通過對(duì)可控量的調(diào)整規(guī)避電網(wǎng)運(yùn)行的風(fēng)險(xiǎn)，提高電網(wǎng)的運(yùn)行可靠性。因此，定量地評(píng)定系統(tǒng)運(yùn)行的潛在風(fēng)險(xiǎn)必然成為運(yùn)行可靠性在線控制的基礎(chǔ)。運(yùn)行可靠性評(píng)估的研究為定量評(píng)估系統(tǒng)風(fēng)險(xiǎn)和可靠性水平提供了新工具，這樣能考慮實(shí)時(shí)運(yùn)行狀態(tài)對(duì)系統(tǒng)運(yùn)行可靠性的影響，能利用無線應(yīng)用測(cè)量系統(tǒng)（WAMS）或 EMS提供的實(shí)時(shí)信息對(duì)運(yùn)行中的電力系統(tǒng)進(jìn)行風(fēng)險(xiǎn)評(píng)估4。 作為一種計(jì)及不確定性的電力系統(tǒng)分析和控制工具，運(yùn)行可靠性在線控制是安全約束調(diào)度等一些確定性分析和控制工具的有力補(bǔ)充，它定位于在線輔助決策，通過調(diào)度員的參與形成如圖2.1所示的控制系統(tǒng)。圖2.1 運(yùn)行可靠性在線控制通過 SCADA 系統(tǒng)收集到電力系統(tǒng)的大量實(shí)時(shí)測(cè)量數(shù)據(jù)，經(jīng)狀態(tài)估計(jì)獲得電網(wǎng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)等運(yùn)行工況，并由短期發(fā)電計(jì)劃和超短期負(fù)荷預(yù)測(cè)得到下一時(shí)刻(未來數(shù)分鐘或數(shù)小時(shí)內(nèi))的發(fā)電機(jī)出力和負(fù)荷水平，然后將這些運(yùn)行信息作為輸入數(shù)據(jù)進(jìn)行運(yùn)行可靠性控制策略計(jì)算。在線計(jì)算出的控制方案成為調(diào)度決策依據(jù)，最終由調(diào)度員對(duì)電網(wǎng)實(shí)施控制。 運(yùn)行可靠性在線控制策略的刷新周期可根據(jù)負(fù)荷預(yù)測(cè)的刷新周期而定。目前 EMS 系統(tǒng)一般都具有96點(diǎn)超短期負(fù)荷預(yù)測(cè)的功能，因此運(yùn)行可靠性在線控制策略的刷新周期可取 15 min。2.2 短期運(yùn)行可靠性評(píng)估模型和指標(biāo)及算法一個(gè)完整的電力系統(tǒng)是由發(fā)電、輸電、配電和負(fù)荷等設(shè)備組成，因此其可靠性評(píng)估是建立在系統(tǒng)中各個(gè)元件可靠性指標(biāo)基礎(chǔ)之上的。2.2.1 元件可靠性指標(biāo)電力系統(tǒng)元件的隨機(jī)故障是影響系統(tǒng)運(yùn)行可靠性水平的重要因素。為預(yù)測(cè)電力系統(tǒng)在未來0,t時(shí)段內(nèi)的短期可靠性水平，必須建立與時(shí)間相關(guān)的元件狀態(tài)概率模型。本文采用基于齊次 Markov 過程的元件瞬時(shí)狀態(tài)概率來完整地描述元件的可靠性模型。同時(shí)為反映運(yùn)行狀態(tài)對(duì)元件停運(yùn)率的影響，本文采用基于不正常運(yùn)行，元件本身故障等因素對(duì)發(fā)電機(jī)和線路停運(yùn)率建模5。設(shè)元件停運(yùn)率為，修復(fù)率為，經(jīng)歷時(shí)間t后元件處于工作狀態(tài)和停運(yùn)狀態(tài)的瞬時(shí)狀態(tài)概率分別為 p0(t)和 p1(t)。根據(jù)齊次 Markov 過程，如果元件初始時(shí)刻處于工作狀態(tài)，可有 (2.1)如果元件初始時(shí)刻處于停運(yùn)狀態(tài)，可有 (2.2)具有n個(gè)元件的系統(tǒng)， 其系統(tǒng)狀態(tài)的數(shù)量為。系統(tǒng)在t時(shí)刻處于某一狀態(tài)k的瞬時(shí)概率為 (2.3)式中：為j元件處于工作狀態(tài)的概率；為 k元件處于停運(yùn)狀態(tài)的概率；W和F分別表示在系統(tǒng)狀態(tài)S中工作元件和停運(yùn)元件的集合。2.2.2 短期運(yùn)行可靠性指標(biāo)傳統(tǒng)的可靠性評(píng)估主要以切負(fù)荷指標(biāo)來度量系統(tǒng)可靠性水平。這些指標(biāo)在指導(dǎo)系統(tǒng)長期或短期的電源規(guī)劃和輸電規(guī)劃等方面發(fā)揮了重要作用。然而在電網(wǎng)實(shí)際運(yùn)行中，調(diào)度人員關(guān)心的不僅是節(jié)點(diǎn)和系統(tǒng)的電量不足期望值，還關(guān)心運(yùn)行狀態(tài)量如線路潮流、節(jié)點(diǎn)電壓、系統(tǒng)頻率等是否越限。雖然傳統(tǒng)可靠性指標(biāo)如電量不足期望值等隱含了對(duì)線路過負(fù)荷、母線電壓越限、系統(tǒng)功率不平衡等故障嚴(yán)重程度的度量，但并沒有直接定義此類型的指標(biāo)，難以實(shí)現(xiàn)對(duì)薄弱環(huán)節(jié)的定位，進(jìn)而有針對(duì)性地實(shí)施控制。本文在傳統(tǒng)可靠性指標(biāo)的基礎(chǔ)上，提出面向調(diào)度的運(yùn)行可靠性指標(biāo)體系：（1）運(yùn)行狀態(tài)量處于安全狀態(tài)的概率指標(biāo) (2.4)式中： 表示事件成立的概率；代表第 i 個(gè)運(yùn)行狀態(tài)量，如線路潮流T、母線電壓U、系統(tǒng)頻率f等； 和 分別代表給定的下限值和上限值，若運(yùn)行在區(qū)間,內(nèi)，則認(rèn)為該狀態(tài)量處于安全狀態(tài)；表示處于區(qū)間,內(nèi)的系統(tǒng)狀態(tài)的集合；表示 t 時(shí)刻出現(xiàn)系統(tǒng)狀態(tài) k的概率；相應(yīng)的指標(biāo)分別代表線路潮流安全概率指標(biāo)、母線電壓安全概率指標(biāo)和系統(tǒng)頻率安全概率指標(biāo)。（2）系統(tǒng)狀態(tài)概率指標(biāo)定義系統(tǒng)的安全狀態(tài)為系統(tǒng)在該狀態(tài)下滿足所有安全約束，未出現(xiàn)系統(tǒng)狀態(tài)量越限、負(fù)荷節(jié)點(diǎn)損失負(fù)荷等不正常的情況；定義緊急狀態(tài)為系統(tǒng)中存在狀態(tài)量處于越限狀態(tài)，但并未出現(xiàn)失負(fù)荷的情況；定義極端緊急狀態(tài)為系統(tǒng)中出現(xiàn)了失負(fù)荷的情況。系統(tǒng)處于上述 3 種狀態(tài)的概率可統(tǒng)一表示為 (2.5)式中：可代表系統(tǒng)處于某種狀態(tài)的概率指標(biāo)，如系統(tǒng)安全狀態(tài)概率指標(biāo)，系統(tǒng)緊急狀態(tài)概率指標(biāo)和系統(tǒng)極端緊急狀態(tài)概率指標(biāo)；相應(yīng)的表示t時(shí)刻系統(tǒng)處于該狀態(tài)的所有系統(tǒng)狀態(tài)的集合。（3）電量不足期望值指標(biāo) (2.6)式中：S代表時(shí)間 t 內(nèi)可能出現(xiàn)的所有狀態(tài)的集合；表示該狀態(tài)下由于功率不平衡、線路過載或母線電壓越限導(dǎo)致的切負(fù)荷量，MW； 表示時(shí)間 t內(nèi)的電量不足期望值，MWh；該指標(biāo)有節(jié)點(diǎn)指標(biāo)和系統(tǒng)指標(biāo)之分。指標(biāo)(1)(2)作為監(jiān)測(cè)指標(biāo)，可用于實(shí)時(shí)監(jiān)測(cè)系統(tǒng)和元件的可靠性水平，并可作為控制的約束條件，參與控制問題的在線求解；而(3)作為驗(yàn)證指標(biāo)，用于衡量可靠性變化所帶來的收益或損失，不必參與控制問題的在線求解。2.2.3 短期運(yùn)行可靠性評(píng)估電力系統(tǒng)短期運(yùn)行可靠性評(píng)估包括4個(gè)主要部分：確定元件可靠性模型、選擇系統(tǒng)狀態(tài)、分析狀態(tài)后果及計(jì)算可靠性指標(biāo)。其中關(guān)鍵的兩個(gè)步驟是系統(tǒng)狀態(tài)篩選與狀態(tài)分析。短期運(yùn)行可靠性評(píng)估的狀態(tài)選擇采用系統(tǒng)狀態(tài)快速排序技術(shù)。該方法能按狀態(tài)概率的大小順序排列出待分析的系統(tǒng)狀態(tài)，并使電量不足期望值指標(biāo)滿足給定的誤差要求。系統(tǒng)狀態(tài)后果分析采用動(dòng)態(tài)潮流分析方法，潮流分析的結(jié)果來判斷并累計(jì)所定義的運(yùn)行可靠性指標(biāo)式(1)(2)，以基于直流潮流的優(yōu)化方法計(jì)算切負(fù)荷量，從而累計(jì)指標(biāo)式(3)。 短期運(yùn)行可靠性評(píng)估算法流程如圖2.2所示。圖2.2 短期運(yùn)行可靠性評(píng)估算法流程圖2.3 運(yùn)行可靠性模型運(yùn)行可靠性在線控制是電力系統(tǒng)在線控制的核心部分，為適應(yīng)大系統(tǒng)的實(shí)時(shí)控制要求，需要在保證計(jì)算結(jié)果滿足一定精度的前提下，盡量提高計(jì)算的速度。因此本文的控制模型中不考慮無功和電壓約束條件。運(yùn)行可靠性控制的數(shù)學(xué)模型可表示如下：（1）控制變量 控制變量包括發(fā)電機(jī)有功出力和負(fù)荷節(jié)點(diǎn)的切負(fù)荷值。（2）目標(biāo)函數(shù) 考慮到控制的經(jīng)濟(jì)性，以調(diào)整量最小作為目標(biāo)函數(shù)： (2.7)式中： 為節(jié)點(diǎn) i 的發(fā)電機(jī)有功出力改變量； 為節(jié)點(diǎn)j的切負(fù)荷量； 為所有發(fā)電機(jī)節(jié)點(diǎn)的集合；為所有負(fù)荷節(jié)點(diǎn)的集合；和為權(quán)重系數(shù)，可分別取為發(fā)電機(jī)微增費(fèi)用和單位負(fù)荷損失費(fèi)用，一般情況下切負(fù)荷導(dǎo)致的損失遠(yuǎn)大于發(fā)電機(jī)調(diào)整的費(fèi)用，因此系數(shù)會(huì)遠(yuǎn)大于。（3）約束條件 控制變量約束中發(fā)電機(jī)有功出力約束為： (2.8)節(jié)點(diǎn)電壓值約束為 (2.9)式中：和分別為節(jié)點(diǎn) i 的發(fā)電機(jī)有功出力的下限值和上限值；為節(jié)點(diǎn)j 的電壓額定值；為節(jié)點(diǎn)j的有功負(fù)荷。為保證控制后系統(tǒng)的系統(tǒng)安全狀態(tài)概率指標(biāo)達(dá)到指定的水平，給定以下約束： (2.10)式中為指定的系統(tǒng)安全狀態(tài)概率。由運(yùn)行可靠性評(píng)估算法可知， 系統(tǒng)指標(biāo)給出了全系統(tǒng)處于安全狀態(tài)的概率。因此在滿足式(2.10)的前提下，運(yùn)行狀態(tài)量指標(biāo)式(2.4)不會(huì)小于 ，因此一般情況下給定該約束即可。當(dāng)然如果對(duì)特定的狀態(tài)量有更高的可靠性要求，那么可在模型中加入需要的約束，如線路潮流安全概率指標(biāo)約束： (2.11)系統(tǒng)頻率安全概率指標(biāo)約束： (2.12)式中：和為給定的可靠性指標(biāo)下限；為所有線路的集合。3 基于改進(jìn)粒子群整定PID控制系數(shù)的算法實(shí)現(xiàn)由于比例積分微分控制（Proportional Integral Differential，簡(jiǎn)稱PID）原理簡(jiǎn)單，易于實(shí)現(xiàn)，是歷史最久、應(yīng)用最廣、適應(yīng)性最強(qiáng)的控制器。PID控制算法在工業(yè)生產(chǎn)過程控制中的使用占有很大比例，是工程實(shí)踐主要的控制算法6。 3.1 常規(guī)PID控制3.1.1 PID控制基本原理PID控制系統(tǒng)之所以能被廣泛應(yīng)用和發(fā)展，根本原因在于這種控制系統(tǒng)滿足實(shí)際被控制系統(tǒng)的應(yīng)用需求，同時(shí)還具備應(yīng)用實(shí)現(xiàn)的條件。PID控制的結(jié)構(gòu)簡(jiǎn)單、系統(tǒng)調(diào)試方便，用一般電子線路、電氣機(jī)械裝置就能很容易實(shí)現(xiàn)，相比其他復(fù)雜控制方法具有容易實(shí)現(xiàn)的優(yōu)點(diǎn)。特別是計(jì)算機(jī)應(yīng)用技術(shù)進(jìn)入控制領(lǐng)域以來，用數(shù)字計(jì)算機(jī)取代模擬計(jì)算機(jī)調(diào)節(jié)器組成的計(jì)算機(jī)控制系統(tǒng)，不僅可以用軟件編碼實(shí)現(xiàn)PID控制算法，而且可以利用計(jì)算機(jī)的可編程邏輯功能，使PID控制算法更加靈活。經(jīng)典的PID控制系統(tǒng)結(jié)構(gòu)如圖3.1所示，系統(tǒng)主要由PID控制器和被控對(duì)象組成，作為一種線性控制器，它根據(jù)設(shè)定值為r(t)和實(shí)際輸出值y(t)產(chǎn)生系統(tǒng)偏差e(t)，偏差按比例、積分和微分運(yùn)算通過線性組合構(gòu)成控制量對(duì)被控對(duì)象進(jìn)行控制。圖3.1 PID控制系統(tǒng)結(jié)構(gòu)框圖系統(tǒng)根據(jù)輸入設(shè)定值r(t)和實(shí)際輸出值y(t)的比較構(gòu)成控制器的偏差e(t)，可描述為： (3.1)將偏差進(jìn)行計(jì)算產(chǎn)生的比例（P-proportional）、積分（I-integral）、微分（D-differential），通過線性組合構(gòu)成控制量，對(duì)被控對(duì)象進(jìn)行控制，故稱PID控制器，其控制規(guī)律為： (3.2)在上式中，KP是比例系數(shù)，KI是積分常數(shù)，KD是微分常數(shù)7。其作用分別如下：（1）比例環(huán)節(jié)參數(shù)KP的引入是為了及時(shí)地反映控制系統(tǒng)的偏差信號(hào)，系統(tǒng)一旦出現(xiàn)了偏差，比例環(huán)節(jié)立即產(chǎn)生調(diào)節(jié)作用，使系統(tǒng)偏差快速向減小的趨勢(shì)產(chǎn)生變化。（2）積分環(huán)節(jié)的參數(shù)KI主要用于消除靜差，提高系統(tǒng)的無差度，以保證實(shí)現(xiàn)對(duì)設(shè)定值的無靜差跟蹤。積分作用的強(qiáng)弱取決于積分時(shí)間常數(shù)KI，KI越大積分作用越弱，反之則越強(qiáng)。（3）微分環(huán)節(jié)的參數(shù)KD能反映偏差信號(hào)的變化趨勢(shì)（變化速率），并能在偏差信號(hào)變得太大之前，在系統(tǒng)中引入一個(gè)有效的早期修正信號(hào)，從而加快系統(tǒng)的動(dòng)作速度，減少調(diào)節(jié)時(shí)間。由于控制參數(shù)在系統(tǒng)控制過程中的相互影響關(guān)系，所以PID控制系統(tǒng)中的參數(shù)整定是系統(tǒng)運(yùn)行穩(wěn)定性的重要保障，是控制系統(tǒng)設(shè)計(jì)的核心內(nèi)容。在控制系統(tǒng)中為了達(dá)到滿意的控制品質(zhì)，對(duì)參數(shù)的整定就顯的尤為重要。3.1.2 PID控制器參數(shù)整定方法PID參數(shù)整定就是對(duì)PID參數(shù)KP、KI、KD進(jìn)行設(shè)置和調(diào)整，使控制系統(tǒng)的過渡過程達(dá)到滿意的控制品質(zhì)。參數(shù)整定結(jié)果直接關(guān)系到系統(tǒng)的控制品質(zhì)，作為反映PID參數(shù)整定效果的性能指標(biāo)必須能綜合反映系統(tǒng)的控制質(zhì)量，而且便于分析計(jì)算。PID參數(shù)的整定方法一般歸納為理論整定方法和工程整定方法。理論計(jì)算法是根據(jù)被控對(duì)象的數(shù)學(xué)模型，通過計(jì)算方法直接求得，由于數(shù)學(xué)模型與實(shí)際的系統(tǒng)存在差別，因此整定效果不是很理想；工程整定法有一些是基于對(duì)象的階躍響應(yīng)曲線，一些則是直接在閉環(huán)系統(tǒng)中進(jìn)行，此類方法較為實(shí)用，但它是基于經(jīng)驗(yàn)的近似方法。近年來，智能控制無論是理論上還是應(yīng)用技術(shù)上均得到了長足的發(fā)展，研究人員和工程師們把智能控制與常規(guī)PID控制相結(jié)合，形成了許多形式的智能PID控制器。智能PID控制器吸收了智能控制與常規(guī)PID控制兩者的優(yōu)點(diǎn)。首先，它具備自學(xué)習(xí)、自適應(yīng)、自組織的能力，能夠自動(dòng)辨識(shí)被控過程參數(shù)、自動(dòng)整定控制參數(shù)、能夠適應(yīng)被控過程參數(shù)的變化；其次，它又具有常規(guī)PID控制器結(jié)構(gòu)簡(jiǎn)單、可靠性高、為現(xiàn)場(chǎng)工程設(shè)計(jì)人員所熟悉等特點(diǎn)。智能算法在線獲得誤差、誤差變化率、控制量和系統(tǒng)輸出量等信息，進(jìn)行處理后在線實(shí)時(shí)修正PID控制的三個(gè)參數(shù)，使系統(tǒng)達(dá)到較優(yōu)的控制性能。智能PID控制器包括專家式智能PID控制器、基于神經(jīng)網(wǎng)絡(luò)的PID控制器、基于遺傳算法的PID控制器、基于粒子群算法的PID控制器等多種類型。智能PID控制已成為眾多過程控制的一種較理想的控制裝置。但是為了克服各種優(yōu)化算法的缺陷，采用一種融合遺傳操作因子且慣性因子非線性遞減的改進(jìn)粒子群算法（GAPOS）。3.2 基本粒子群優(yōu)化算法3.2.1 粒子群算法的原理粒子群優(yōu)化算法是一種集群優(yōu)化算法，它是受鳥群群體運(yùn)動(dòng)行為方式啟發(fā)而提出的一種具有代表性的智能方法。研究者發(fā)現(xiàn)鳥群在飛行過程中經(jīng)常會(huì)突然改變方向、散開、聚集，其行為通常不可預(yù)測(cè)，但其整體總能保持一致性，個(gè)體與個(gè)體間也保持著最適宜的距離。通過對(duì)類似生物群體的行為的研究，發(fā)現(xiàn)生物群體中存在著一種社會(huì)信息共享機(jī)制，它為群體的進(jìn)化提供了一種優(yōu)勢(shì)，這也是PSO算法形成的基礎(chǔ)10。在PSO中，每一個(gè)粒子的位置代表問題的一個(gè)潛在解，有自己的位置和速度，并在初始化時(shí)產(chǎn)生隨機(jī)解，每個(gè)優(yōu)化問題的潛在解都是搜索空間中的一只鳥，稱之為“粒子”。在整個(gè)尋優(yōu)搜索過程中，所有粒子的適應(yīng)值（Fitness）取決于所選擇的優(yōu)化函數(shù)的值，并且每個(gè)粒子都具有以下幾類信息：粒子當(dāng)前所處位置；粒子當(dāng)前飛行速度；到目前為止粒子本身所發(fā)現(xiàn)的最優(yōu)位置（Pi），可視為粒子的自身飛行經(jīng)驗(yàn)，也就是粒子本身所找到的最優(yōu)解，這個(gè)解稱為個(gè)體極值；到目前為止整個(gè)種群中所有粒子發(fā)現(xiàn)的最優(yōu)位置Pg中的最優(yōu)值，這可視為粒子群的同伴共享飛行經(jīng)驗(yàn)，Pg稱為全局極值。于是，各粒子的運(yùn)動(dòng)速度受到自身和群體的歷史運(yùn)動(dòng)狀態(tài)信息影響，并以自身和群體的歷史最優(yōu)位置來對(duì)粒子當(dāng)前的運(yùn)動(dòng)方向和運(yùn)動(dòng)速度加以影響，很好的協(xié)調(diào)了粒子自身運(yùn)動(dòng)和群體運(yùn)動(dòng)之間的關(guān)系。在迭代過程中，每一個(gè)粒子跟隨代表最優(yōu)解的個(gè)體在解空間中進(jìn)行搜索。粒子群算法需調(diào)整的參數(shù)較少，結(jié)構(gòu)簡(jiǎn)單，易于實(shí)現(xiàn)，收斂速度快，在迭代進(jìn)化過程中只有最優(yōu)的粒子把信息傳遞給其他粒子，屬于單向信息流動(dòng)；采用實(shí)數(shù)編碼，問題解的變量數(shù)直接作為粒子的維數(shù)，因而具有比基本遺傳算法（Genetic Algorithm,簡(jiǎn)稱GA）更高的效率，特別是在連續(xù)函數(shù)的優(yōu)化方面，PSO算法表現(xiàn)出非常強(qiáng)的適應(yīng)性，被廣泛研究和采用。3.2.2 粒子群算法描述在PSO算法中，粒子群在一個(gè)D維的空間中搜索，其中每個(gè)粒子所處的位置都表示問題的一個(gè)潛在解。粒子通過不斷調(diào)整自己的位置X來搜索新解。每個(gè)粒子都能記住自己搜索到的最好解，記作，種群經(jīng)歷過的最好位置，即目前搜索到的最優(yōu)解，記作。每個(gè)粒子都有一個(gè)速度，記作，定義為： (3.3)式中，表示第i個(gè)粒子第d維上的速度，為慣性權(quán)重，、為調(diào)節(jié)和相對(duì)重要性的參數(shù)，rand()為生成介于0和1之間的隨機(jī)數(shù)。這樣，可以得到粒子的下一位置： (3.4)由式（3.3）和（3.4）可以看出，粒子的移動(dòng)速度由三部分決定，自己原有的速度、與自己的最佳經(jīng)歷的距離（-）和與群體最佳經(jīng)歷的距離（-）,并分別由權(quán)重系數(shù)、和來決定其相對(duì)重要性。3.3改進(jìn)粒子群優(yōu)化算法PSO算法收斂快，算法簡(jiǎn)單，具有較強(qiáng)的通用性，但也存在一些如早熟收斂、搜索精度不高、后期迭代效率低的缺陷，在一些特殊情況下，應(yīng)用PSO算法容易在迭代后期陷入局部極值點(diǎn)。針對(duì)PSO算法的缺點(diǎn)，本節(jié)研究了一種融合遺傳操作因子且慣性因子非線性遞減的改進(jìn)粒子群優(yōu)化算法（GAPSO）8。3.3.1 慣性權(quán)重的非線性遞減在粒子群算法的迭代方程中，參數(shù)是慣性因子，調(diào)整慣性因子的權(quán)重值可改變粒子迭代運(yùn)算的搜索范圍和搜索速度。若較大，則粒子有更強(qiáng)的能力擴(kuò)展搜索空間，全局搜索能力強(qiáng)。若較小，微粒主要在當(dāng)前解的附近搜索，局部搜索能力強(qiáng)，也可以搜索到精度更高的解。由此可看到，可以在算法的不同迭代過程中為選取合適的值，從而使算法的全局和局部的搜索能力之間達(dá)到動(dòng)態(tài)的最佳平衡，也可以在算法迭代過程中根據(jù)搜索的進(jìn)展情況動(dòng)態(tài)地調(diào)節(jié)的取值12。本文根據(jù)文獻(xiàn)8選擇一種自適應(yīng)的非線性慣性權(quán)值遞減函數(shù),具體表達(dá)式為： （3.5）在上式中，tmax依然為群體的最大迭代次數(shù)，ti為當(dāng)前的迭代次數(shù)，start，end分別是初始慣性權(quán)重的最大值和最小值。用上式構(gòu)造的慣性因子，初期具有最大值，迭代的最后一步達(dá)到最小值，中間迭代周期是非線性的減小，目的是讓算法在迭代的早期加大慣性權(quán)值的遞減速度來讓算法更快地進(jìn)入局部搜索，均衡全局和局部搜尋能力。3.3.2 遺傳算子操作的實(shí)現(xiàn)（1）選擇算子操作實(shí)現(xiàn)對(duì)粒子進(jìn)行選擇操作，一般是比例選擇操作，即根據(jù)粒子的評(píng)價(jià)函數(shù)選擇性能良好的部分的粒子直接進(jìn)入下一代操作，這樣進(jìn)行選擇的目的是保持粒子群體具備優(yōu)良的進(jìn)化能力，更快尋找到更優(yōu)解。（2）雜交算子操作實(shí)現(xiàn)遺傳算法是模擬達(dá)爾文的自然選擇學(xué)說的生物進(jìn)化過程的一種計(jì)算模型，是一種隨機(jī)搜索最優(yōu)化計(jì)算方法，具有的基本操作運(yùn)算是選擇、雜交和變異等。借鑒遺傳算法的雜交操作運(yùn)算思想，最早提出了雜交PSO算法的概念。該算法在每次迭代中，選取指定數(shù)量的粒子放入一個(gè)池中，種群中被選中的粒子被賦予了一個(gè)隨機(jī)的與適應(yīng)值無關(guān)的雜交概率，依據(jù)雜交概率對(duì)池中的粒子隨機(jī)的進(jìn)行雜交操作,產(chǎn)生同樣數(shù)目的孩子粒子,并用孩子粒子代替父母粒子,以保持種群的粒子數(shù)目不變。孩子粒子的位置由父母粒子的位置的算數(shù)加權(quán)來計(jì)算8,即： （3.6） （3.7）其中，X是D維的位置向量,而X1(t)和X2(t)是選擇進(jìn)行雜交操作的粒子，rand()是D維均勻分布的且每個(gè)分量都在0,1取值的隨機(jī)向量。孩子粒子的速度則由下面的公式得到： （3.8） （3.9）式中，而V1(t)和V2(t)是進(jìn)行雜交操作的雙親粒子的速度，雜交操作生成的速度替代雙親粒子的速度。這樣，子代粒子的位置和速度的信息來自父代粒子的位置和速度的交叉操作得到。通過遺傳交叉算子操作可以增加粒子多樣性，充分利用群體中優(yōu)良粒子的特性，加快群體的收斂速度。（3）變異算子操作實(shí)現(xiàn)對(duì)選定粒子的變異操作有多種，本改進(jìn)算法選擇的是一種重新初始化的方式，即是對(duì)選中要進(jìn)行變異的粒子，隨機(jī)按照一定的概率對(duì)部分維數(shù)進(jìn)行初始變異，以保持和提高種群的多樣性，防止出現(xiàn)算法陷入早熟收斂。3.4 改進(jìn)粒子群算法整定PID參數(shù)PID的參數(shù)整定，就是在每個(gè)采樣周期對(duì)KP、KI、KD進(jìn)行設(shè)置和調(diào)整，基于GAPSO的自適應(yīng)PID控制，采用的是增量式PID控制算法，就是將每個(gè)粒子對(duì)應(yīng)一組PID參數(shù)，在采樣時(shí)刻k，根據(jù)k-1，k-2，k-3時(shí)刻系統(tǒng)的變化，進(jìn)行多次迭代，每次迭代中，計(jì)算每個(gè)粒子對(duì)應(yīng)的控制量，并計(jì)算相應(yīng)的系統(tǒng)輸出及其適應(yīng)值，根據(jù)適應(yīng)值選取個(gè)體歷史最優(yōu)粒子和全局最優(yōu)粒子，迭代結(jié)束后將獲得的全局最優(yōu)粒子作為下一時(shí)刻k+l時(shí)刻的PID參數(shù)，如此，PID參數(shù)會(huì)隨系統(tǒng)狀態(tài)的變化不斷變化?；诟倪M(jìn)的粒子群優(yōu)化算法PID整定的控制系統(tǒng)如圖3.2所示。圖3.2 基于改進(jìn)粒子群算法的PID控制系統(tǒng)圖3.4.1 評(píng)價(jià)函數(shù)影響電力系統(tǒng)可靠性因素很多，比如：發(fā)電功率、系統(tǒng)頻率、系統(tǒng)電壓波形、電壓大小等等，綜合考慮各個(gè)因素在系統(tǒng)中的重要程度，本文主要采用對(duì)發(fā)電功率和系統(tǒng)電壓的在線控制實(shí)現(xiàn)可靠性的控制15。采用PSO實(shí)數(shù)編碼優(yōu)化PID控制器的三個(gè)參數(shù)、，并由此參數(shù)組成PSO算法的粒子編碼串,?？刂茀?shù)的優(yōu)化目的是使階躍響應(yīng)的控制偏差趨于零，且有較快的響應(yīng)速度和較小甚至沒有超調(diào)。采用誤差絕對(duì)值時(shí)間積分性能指標(biāo)作為參數(shù)選擇的最小目標(biāo)函數(shù)，為了防止控制能量過大，在目標(biāo)函數(shù)中加入控制輸入的平方項(xiàng)。選用下式作為參數(shù)選取的最優(yōu)指標(biāo)： (3.10)式中，e(t)表示系統(tǒng)誤差，u(t)為控制器輸出，為上升時(shí)間，、為相關(guān)權(quán)值，通過設(shè)定權(quán)值來調(diào)整性能的側(cè)重點(diǎn)。式中設(shè)定遠(yuǎn)大于，為被控對(duì)象輸出。算法產(chǎn)生的目標(biāo)函數(shù)值最小時(shí)對(duì)應(yīng)的參數(shù)是PID參數(shù)的優(yōu)化結(jié)果。PID設(shè)計(jì)的目標(biāo)是使系統(tǒng)性能指標(biāo)函數(shù)J為最小，同時(shí)為了保證使系統(tǒng)具有一定的魯棒性，還必須使系統(tǒng)滿足最小相位和增益裕度條件。3.4.2 優(yōu)化算法實(shí)現(xiàn)流程適應(yīng)度函數(shù)J值越小，表明相應(yīng)粒子越靠近全局最優(yōu)解，適應(yīng)度函數(shù)是隨著迭代系統(tǒng)的運(yùn)行而逐步減小的。下面是應(yīng)用改進(jìn)粒子群算法優(yōu)化PID控制器參數(shù)的算法流程：（1）確定PID控制器參數(shù)KP、KI、KD變量的坐標(biāo)上下界，確定初始慣性因子start、end，粒子群的隨機(jī)初始化，包括粒子的位置向量、速度向量，依式（3.10）計(jì)算評(píng)價(jià)函數(shù)值，確定粒子個(gè)體歷史最優(yōu)Pi和群體全局最優(yōu)Pg；（2）依據(jù)式（3.5）更新慣性因子，依據(jù)式（3.3）更新每個(gè)粒子的速度(V1(k)，V2(k),Vn(k)，依據(jù)式（3.4）更新粒子的位置(X1(k),X2(k),Xn(k)；（3）依據(jù)式（3.10）計(jì)算每個(gè)粒子的適應(yīng)值，也就是PID控制效果適應(yīng)函數(shù)；（4）進(jìn)入遺傳算子操作過程。首先對(duì)粒子群體依據(jù)適應(yīng)值進(jìn)行排序，選擇最優(yōu)的三分之一粒子直接進(jìn)入下一次迭代；由已排序的最優(yōu)三分之一的粒子依據(jù)式（3.8）和（3.9）式兩兩操作，進(jìn)行速度的運(yùn)算，依據(jù)式（3.6）和式（3.7）兩兩操作，進(jìn)行位置的交叉運(yùn)算，以產(chǎn)生新一代的粒子，替代已排序群體的中間三分之一的粒子；對(duì)最后的三分之一的粒子維數(shù)進(jìn)行隨機(jī)的重新初始變異，以產(chǎn)生多樣化的粒子群體，增廣參數(shù)尋優(yōu)區(qū)域，計(jì)算改變粒子的控制效果適應(yīng)函數(shù)值；（5）比較每個(gè)粒子的歷史最優(yōu)適應(yīng)值和全局最優(yōu)適應(yīng)值。如果某個(gè)粒子的當(dāng)前位置的適應(yīng)度值優(yōu)于歷史值，則對(duì)該粒子的歷史最佳位置和適應(yīng)函數(shù)值進(jìn)行替換；如果某個(gè)粒子的歷史最優(yōu)適應(yīng)值優(yōu)于全局最優(yōu)適應(yīng)值，則置全局最優(yōu)適應(yīng)值為該歷史最優(yōu)適應(yīng)值，記錄該全局最優(yōu)粒子的位置；（6）判斷。判斷是否有粒子達(dá)到目標(biāo)值。如果有，退出循環(huán)，求出了最優(yōu)解，否則跳轉(zhuǎn)到（2），重新進(jìn)行迭代操作，直到最大迭代次數(shù)。PSO算法是一種新型的進(jìn)化計(jì)算方法，其算法簡(jiǎn)單，參數(shù)較少，優(yōu)化性能好。前面提出的結(jié)合遺傳算法的操作算子機(jī)制并采用慣性因子非線性遞減策略構(gòu)成的改進(jìn)粒子群優(yōu)化算法能克服早熟收斂，具有良好的優(yōu)化效果和搜索性能，將其應(yīng)用于PID控制器的參數(shù)整定中，通過與傳統(tǒng)粒子群算法、遺傳算法相比，可以看出該改進(jìn)粒子群算法能獲得更優(yōu)解，系統(tǒng)性能指標(biāo)也有了提高。該算法簡(jiǎn)單且容易實(shí)現(xiàn)，方便推廣到其它復(fù)雜的控制系統(tǒng)的參數(shù)優(yōu)化問題上，是一種有效的PID控制器參數(shù)優(yōu)化技術(shù)，具有良好的應(yīng)用前景16。4 算例仿真分析在上一章提出的控制算法理論基礎(chǔ)上，通過對(duì)系統(tǒng)的仿真分析，驗(yàn)證可靠性在線控制的有效性。對(duì)基于改進(jìn)的粒子群優(yōu)化算法整定PID控制系數(shù)進(jìn)行仿真研究，分別將發(fā)電機(jī)有功出力和節(jié)點(diǎn)切負(fù)荷量作為控制器的輸入，將PID的一組控制系數(shù)作為一個(gè)粒子，定義三個(gè)參數(shù)KP，KI，KD的取值范圍并賦予初值之后在系統(tǒng)中進(jìn)行仿真，驗(yàn)證改進(jìn)粒子群算法整定PID參數(shù)實(shí)現(xiàn)在線控制的效果10。4.1 短期運(yùn)行可靠性評(píng)估采用 IEEE RTS-79 系統(tǒng)，系統(tǒng)總裝機(jī)容量為3 405 MW，負(fù)荷為 2 850 MW。假設(shè)預(yù)測(cè)時(shí)間為 15 min，對(duì)原系統(tǒng)進(jìn)行短期運(yùn)行可靠性評(píng)估，評(píng)估結(jié)果如表4.1所示，表中給出了系統(tǒng)各項(xiàng)可靠性指標(biāo)。由于原系統(tǒng)給出的是規(guī)劃系統(tǒng)數(shù)據(jù)，投入所有機(jī)組后使發(fā)電備用為 16.3%，從評(píng)估結(jié)果來看，系統(tǒng)的運(yùn)行可靠性水平較高。實(shí)際系統(tǒng)的運(yùn)行中，出于經(jīng)濟(jì)性的考慮，不會(huì)將所有備用都作為運(yùn)行備用開啟，因此為更加符合實(shí)際系統(tǒng)的運(yùn)行情況，這里設(shè)置 Case1，使系統(tǒng)運(yùn)行備用為 4.07%， 即假設(shè)第 2、5、12和13臺(tái)機(jī)組(最大有功出力分別為 20、20、197 和197 MW)處于停運(yùn)狀態(tài)，系統(tǒng)容量為 2 971 MW，在該狀態(tài)下系統(tǒng)潮流正常。同時(shí)設(shè)置 Case2，使其在 Case1 的基礎(chǔ)上再停運(yùn)3條線路：L16(節(jié)點(diǎn)12至節(jié)點(diǎn)23)、L17(節(jié)點(diǎn)13至節(jié)點(diǎn)23)和 L22(節(jié)點(diǎn)15至節(jié)點(diǎn)24)，在該狀態(tài)下線路L14(節(jié)點(diǎn)11至節(jié)點(diǎn)14)和L18(節(jié)點(diǎn)14至節(jié)點(diǎn)16)潮流越限。對(duì)Case1和Case2的系統(tǒng)進(jìn)行可靠性短期評(píng)估，得到的結(jié)果如表 4.1 所示。表4.1 系統(tǒng)運(yùn)行可靠性指標(biāo)指標(biāo)原系統(tǒng)Case1Case2pS0.9982780.9968900.000000pE0.0017220.0031100.999067pEE0.0000000.0000000.000000pSF0.9982780.9968900.000000pSLF140.9999880.9999890.009406pSLF180.9999880.9999890.001676EENS/(MWh)0.0582237.2401/(MWh)7.13/%0.600.120.30NS43402140025TE/s1639493表4.1中NS為可靠性短期評(píng)估選擇的狀態(tài)數(shù)；EENS為 EENS的最大理論絕對(duì)誤差，即假設(shè)沒有選擇到的各個(gè)狀態(tài)都損失了系統(tǒng)所有負(fù)荷對(duì)指標(biāo)EENS的貢獻(xiàn)；為 EENS的最大理論相對(duì)誤差，即=EENS/EENS。從表中可看到，各種情況的相對(duì)誤差都小于 1%，可認(rèn)為篩選的狀態(tài)數(shù)是足夠的。但是在Case2的情況下，出現(xiàn)了潮流越限，系統(tǒng)的安全狀態(tài)概率指標(biāo)和頻率指標(biāo)都為0；同時(shí)，對(duì)于線路14和18的潮流安全概率也是很低的，而且缺電更為嚴(yán)重，尤其是線路18尤為嚴(yán)重。從原系統(tǒng)和Case1、Case2的比較我們可以看出，這些可靠性指標(biāo)都從不同的方面反映了，無論是Case1還是Case2都出現(xiàn)了不同程度的可靠性威脅，這些都對(duì)系統(tǒng)的穩(wěn)定運(yùn)行勢(shì)必產(chǎn)生嚴(yán)重的影響。表4.1中TE為評(píng)估計(jì)算消耗的時(shí)間(計(jì)算環(huán)境為微機(jī) AMD3800+，Windows XP)。通過對(duì)三種不同情況下的系統(tǒng)的對(duì)比可以看出，在滿足指標(biāo)精度的要求下，系統(tǒng)可靠性越差，即系統(tǒng)中存在影響可靠性的問題越明顯，在評(píng)估過程中發(fā)現(xiàn)問題的概率也就越大，故評(píng)估所需時(shí)間就越短。這個(gè)結(jié)論在很多情況下可以定性的評(píng)定一個(gè)系統(tǒng)可靠性的程度。4.2 運(yùn)行可靠性控制策略假設(shè)認(rèn)為 Case1 和 Case2系統(tǒng)目前的可靠性水平還未達(dá)到預(yù)定的目標(biāo)，并決定實(shí)施運(yùn)行可靠性控制將Case1和Case2的pS指標(biāo)都提高到0.997以上?？刂颇Ｐ蛥?shù)的取法如下： （1）運(yùn)行可靠性控制模型及參數(shù)。優(yōu)化目標(biāo)函數(shù)式(3.7)中的權(quán)重系數(shù) ai 和 bj 分別取1和5000。線路潮流上限值Ti,max取線路的短期額定容量；功率因數(shù)假設(shè)為 0.95；頻率的下限值 fmin 和上限值fmax 分別取49.8和50.2 Hz。 （2）優(yōu)化算法參數(shù)。粒子群規(guī)模取300個(gè)粒子，變異概率取 0.15。收斂判據(jù)為：最優(yōu)粒子在連續(xù)10次迭代內(nèi)無變化或總的迭代步數(shù)達(dá)到100步。表4.2給出控制實(shí)施前后系統(tǒng)的各項(xiàng)可靠性指標(biāo)，其中TC為計(jì)算控制策略所消耗的時(shí)間，對(duì)于可靠性較低的系統(tǒng)，算法能在更短的時(shí)間內(nèi)計(jì)算出控制策略，以供調(diào)度員決策參考。表4.2 控制前后系統(tǒng)運(yùn)行可靠性指標(biāo)對(duì)比指標(biāo)Case1Case2控制前控制后控制前控制后pS0.9968900.9973970