粒子群算法在多机电力系统PSS参数优化中的应用研究.pdfVIP

中国电机工程学会第十届青年学术会议 ·吉林 粒子群算法在多机电力系统 PSS 参数优化中的应用 李国庆 白洋 欧小高 姚天亮 (东北电力大学电气工程学院 吉林 吉林市 132012) 摘要：电力系统稳定器参数的优化对于抑制多机电力系统低频振荡具有非常重要的意义。本文提出一种优化电力系统稳 定器的新方法，采用粒子群优化算法对电力系统稳定器进行参数优化。算例表明，采用粒子群优化算法对PSS参数优化其收 敛性、计算时间和稳定性方面都优于传统遗传算法，将经过参数优化后的PSS加装到系统中，不仅可以克服低频振荡现象， 而且使系统的稳定性大幅度增强。 关键词：多机电力系统； 电力系统稳定器；粒子群算法；参数优化 1 引言 由于电力系统规模的扩大，远距离重负荷输电线路的出现，快速自动励磁调节器广泛的应用，导致电 力系统出现了增幅低频振荡，严重影响了电力系统的安全稳定运行。为了抑制这类低频振荡，科技人员研 发了附加励磁装置，称为电力系统稳定器，即 PSS。经过理论分析和实际系统的验证，只要在相应的机组 上配置 PSS，就可以抑制这类振荡的发生[1-3]。 对于 PSS 参数协调的问题，已经有很多成熟的理论和方法。特征值分析法是进行电力系统低频振荡研 究的一种经典方法，它在工作点附近将系统进行线性化，形成系统状态方程矩阵，进而求取系统特征值、 振荡模式、模态和参与因子等[4]。采用梯度类方法研究了多运行方式下的 PSS 优化配置，但计算结果容易 陷入局部极值[5]。为得到全局最优解，采用遗传算法 GA (Genetic Algorithm)但是其收敛性差，并且需要 同时优化两个目标函数，可操作性较差[6]。 粒子群优化算法 PSO（Particle Swarm Optimization）是 Eberhart 和 Kennedy 通过对 Heppner 鸟类 模型进行研究,认为鸟类寻找栖息地与对一个特定问题寻找解很类似,并通过修正该模型,使其具有社会性 和智能性,以使微粒能够降落在最优解处而不降落在其它解处,提出了微粒群算法。粒子群算法的基本思想 是模拟鸟类的群体行为构建的群体模型。PSO 算法自提出以来,受到了国际上相关领域众多学者的关注和研 究[7-9]。 本文提出一种基于粒子群算法（PSO）的 PSS 参数协调优化方法。该方法具有适度的约束条件和两个 不同的特征值基目标函数，并采用 PSO 算法对其进行优化求解。为测试所提方法的有效性，笔者选择 3 机 9 节点电力系统作为实验对象进行了特征值分析。结果验证了，利用本文方法设计的 PSS 参数能达到理想 的效果。 2 PSS 参数优化问题数学描述 2.1 电力系统模型 电力系统模型的微分方程描述为： X f (X ,U ) （1） 式中：X 为状态变量向量，U 为控制变量向量。 式（1）在稳定点线形化后得： ΔX A=ΔX +BΔU ∂f ∂f 其中： A ，B ，ΔX , ΔU 表示状态变量和控制变量的偏差量。 ∂X ∂U 2.2 PSS模型 拟设计PSS 的传递函数为： - 709 - 中国电机工程学会第十届青年学术会议 ·吉林 sT ⎛1+sT ⎞2