基于粒子群优化算法的PSS参数优化.pdfVIP

2008巾国电力系统保护与控制学术研讨会论文集 ．455．． 基于粒子群优化算法的PSS参数优化 吴峰，陈维荣，李奇，鲁晓帆 (西南交通大学电气工程学院，四川成都，610031) 摘要：粒子群算法(PSO一∞)是一种应用于连续空间的、具有较好的全局搜索能力和寻优速度的群体智能优化算法。基于单机 无穷大系统模型，通过采用PS0-∞算法对电力系统稳定器(PSS)进行参数优化，以抑制低频振荡。该方法是以最优控制原理为 基础，综合考虑PSS与励磁系统的性能，将PSS参数优化协调转化为带有不等式约束的优化问题，控制瞽标为系统输出按 较大的提高。 关键词：电力系统稳定器；粒子群算法；单机系统；参数优化；ITAE准则 进行了优化【2．6】，并且起到了一定的优化效果，但 O引言 是都存在可操作性差、收敛性差、容易陷入局部极 值等缺点。 Swarm 在现代电力系统中，随着电网规模的不断扩大， 粒子群算法(ParticleOptimization， 机组单机容量的增加，以及快速励磁系统的投入，低 频振荡问题已经成为影响互联电力系统稳定的重 行为的启发，于1995年提出的一种生物进化算法删。 要原因之一。同时，低频振荡也是一个向远距离输电 PSO算法采用速度．位置搜索模型，每个粒子代表解 线路卜．增加输电容量的严重瓶颈。低频振荡的发生 空间的一个候选解，粒子在搜索空间以一定的速度 是由于在电力系统中，发电机经输电线路并列运行 飞行，飞行速度根据飞行经验进行动态调整。每个 时，在小扰动作用下，发电机转子之间会发生相对 潜在解与粒子运行速度相联系，该速度不停地根据 摇摆，这时电力系统如果缺少必要的阻尼就会失去 粒子经验以及与该粒子邻近的粒子经验来调整大 动态稳定。由于电力系统的非线性特性，动态失稳 小、方向，总是希望粒子能朝着更好的方向发展。 表现为发电机转子之问的持续的振荡，同时输电线 因此，在搜索过程中全局搜索能力与局部搜索能力 路}：功率也会发生相应的振荡，影响了功率的正常 的平衡关系对于算法的成功起着至关重要的作用。 Swarm 输送。由于这种持续振荡的频率很低，一般在0．2～ 惯性权值自适应的粒子群算法(Particle 2．5Hz之间，故称为低频振荡…。其振荡时产生的 能量通过机电联系来传递，因此又称为机电振荡， 平衡特性的基础上，得到的一种具有较好的全局搜 表现为发电机电功率和功角的变化。低频振荡严重 索能力和寻优速度的群体智能优化算法。在标准 时会导致系统解列或失去稳定。 PSO算法中。惯性权值‘‘)是平衡算法的全局搜索能 为了抑制低频振荡，提高电力系统的动态稳定 力和局部搜索能力的关键参数。PSO．u算法中，惯 性，可以采用附加控制信号，通过励磁系统提供附 性权值∞采用r自适应的方式，以达到更好的全局 加的正阻尼，以补偿原来的负阻尼，使得系统总的 搜索能力。 阻尼为J下值。通过在发电机励磁系统中加装电力系 本文在前述PSS优化研究工作的基础上，提出 Stabilizer，PSS)为系统了一种PSO．(I)算法的PSS设计，在这种方法中， 统稳定器(PowerSystem 提供JE阻尼是抑制低频振荡的有效措施，合理配置 不同于以往只寻找机电振荡模式下阻尼比最小的