文摘

在本研究中,whale-optimized模糊PID控制器开发在multiple-area电能管理自动生成控制系统与一个availability-based关税(ABT)定价方案。这项工作的目标是尽量减少电力生产成本、区域控制错误(ace)和边际成本multiple-area电能系统的实时负载和频率变化的条件。代的权力,偏差的权力结线,和相互关联的三区域电能系统的频率偏差,包括水热蒸汽发电厂和天然气发电厂,将严格测量和分析。基于鲸鱼的输出优化,模糊PID控制器调节偏差的权力结线和相互关联的三区域电能系统的频率偏差。提出优化的可靠性和适用性,即。,whale-optimized fuzzy PID controller, are investigated against already presented methods such as particle swarm optimization and genetic algorithms.

1。介绍

权力的责任的重要性和能量自动生成控制在规定的能源和电力供应最低的电力负荷瞬时波动。然而,挑战在于如何调节功率流结线和振荡频率在各种负载的要求。阻尼振荡,一个最优控制器开发了自动发电控制(AGC) (1,2]。在AGC,如果没有足够的监管,瞬变可能持续很长一段时间,和电网络可能会下降。为了获得更好的动态性能,几个控制技术开发了负荷频率控制器(3,4]。在说明了AGC的解决方案制定5,6),与传统方法对远程环境有一个来源,如蒸汽发电机装置。一个时间延迟的影响在一个区域控制器响应提出了(7]。不同代的AGC来源的问题在一个地区是在(8]。水电站各种控制器操作条件下的反应,以及恰好加载在一个偏远的区域,定义在[9]。图形AGC控制的收益优化的方法,考虑到时间延迟,减少内部模型控制模型,并动态载荷下的响应的控制需求的一个偏远地区一个源电气系统模型,探讨在[10,11]。AGC的相关性研究的不同仿真场景下远程电气系统模型(12]。AGC的问题提出的解决方案(13,14),在four-region互联电力系统在每一个领域,考虑到非线性。负荷频率控制与时间延迟(利物浦)问题解决了一个相互联系的三区域电力系统(15]。为了考虑自动发电控制系统,相互联系的三电子系统建模与单独的发电机数量在不同接触延迟领域提出了(16]。相互关联的三区域电力系统负荷频率管理多个涡轮单元讨论了(16]。

目前各种同步市场预计将发展成一个多个源结构,电力行业放松管制的影响在利物浦17讨论了。分散的利物浦的概念似乎很好处理一些问题的电气系统管理,和几个研究论文随后讨论了使用这个想法离散和连续机系统18]。一个相互联系的four-area汽轮机再热系统的电气模型系统与非线性效应和上下限制水涡轮产生率与非线性系统最近开发的(19]。在[20.)、马尔可夫链控制问题和算法和随机多级决策问题和算法采用的利物浦与强化学习技术问题。在[21,22),更新后的PID结构为利物浦两个nonheating领域的交流或直流线路thermal-thermal电网络模型。

解决自动化生产操作的问题,基于模糊逻辑的积分控制器设计,和混合遗传算法(GA)模糊控制器所需的multiple-area火力发电厂的电气系统模型23,24]。在[25),作者确定了互联电力系统AGC方案。以获得最好的AGC反馈的优势,使用随机搜索技术预测GA。在[26),一个初期的技术评估的目标函数值GA-simulated退火和GA优化筛选是由作者开发的。一个目标函数值,如一个区域控制误差,直接依赖于瞬时输出排他性制服脱靶,过度,和解决时间。更多的重量沉降时间和过度。通过使用多个fitness-valued proportional-integral-derivative利物浦的控制权,它试图减少过度/未达到目标和解决时间27]。负荷频率调节GA方法三区域互联电力系统模型研究[28]。Multiple-area电气系统AGC使用biobjective nondominated基因排序算法的输出和输入比例因子和teaching-learning-based优化滑模控制器中讨论(29日,30.]。Multiarea电气系统AGC使用模糊遗传提供了控制器和鲁棒最优控制器(31日,32]。AGC的问题使用的GA multiple-area电气系统探讨(33]。介绍了利物浦变结构控制器(34),使用遗传算法对AGC的问题。

在[35),介绍了multiple-area互联电力系统利物浦列出使用模糊逻辑控制器——(方法)调谐π,和电力系统输出是通过调优的改进模糊集参数和模糊规则的输入和输出之间的关系复杂GA对模糊控制在36,37]。GA优化AGC控制器的两个区域互联电力系统和三区域互联电力系统,考虑到双边合同的影响。多目标优化的主题(MOP)及其结果对AGC研究使用气调multiple-area电气系统比例积分控制器(38]。在[27),自动生成控制器基于GA的自治的混合发电系统和能源存储系统是有预谋的。调节负载在三两个独立的互联电力系统的频率使用基于遗传算法的可替换主体钢筋在[33]。

在[39屠杀),作者提出了变结构输入的好处。变结构控制器输入受益光谱可以创建作为优化问题的陈述和优化方法使用天然气。与传统的试验和错误的方法相比,该方法还提供了一个更好的选择的正常方式删除一个矢量结构的反馈增益控制器。在[40),使用气体抑制系统振荡,作者定义的杜松子酒参数的调优规则在利物浦比例积分控制器。在[41),一个使用一个利物浦FLC-tuned PI控制,作者提出了模糊的实现方法。利物浦成立的一个初始框架基于敏锐的方法(42]。在线神经网络控制器的使用方法由GA预测。自适应反馈是专为利物浦窘境控制器(43]。使用模糊逻辑控制的影响[利物浦困境被描述的44,45]。对认知基础和模糊推理、模糊法律自由信号中扣除。他们对比与传统PI控制器和模糊控制器模糊调度控制器的好处。

自适应体重利用PSO优化pid控制器参数的参数multiple-area电力系统中运行的公开市场的情况(46]。修改技术的算法考虑源电气系统(47]。PSO算法开发与调整PID控制器multiple-area电气系统增益调整(48]。PI控制器配置的最优增益偏差的两个区域互联电力系统的频率调整的算法技术(49]。相比与传统的齐格勒尼古拉斯互联电力系统的自动增益控制(调优方法50),一个动态的输出PSO-tuned AGC。优化基于PSO优化AGC控制器直流连接multiple-area互联电力系统提出了在51]。调优的AGC PID控制器multiple-area互联电力系统使用细菌觅食混合动力和PSO技术(52已经证明。自动生成控制调节器为远程基于PSO混合动力系统由各种代来源,如热和变速风力涡轮机(53]。在[54),作者介绍了预期中的非线性微分进化算法使用比例积分控制器自动增益控制的问题。建议的方法是与疯狂的粒子群优化算法。

的可能性已确定物理限制的结果,如调速器死区(GDB)和产量的限制(GRT)非线性热设备再热风机,通过使用一个GSA的AGC PI / PID控制器参数优化ITAE性能产生明显(55]。在[56),作者介绍了不同发现使用multiarea AGC中的布谷鸟搜索算法,证明系统的效率是有效地增加了其他控制方法。在[57),作者优化利用模式搜索算法和引力搜索在混合模式和multiple-area电子调速器死区非线性的系统(GDB)和产量限制(GRT)包括在内。在multiple-area网络(58),拥有提供足够的阻尼和相位扰动负荷下效率的需求。

从上面的文献综述,有足够的空间在AGC availability-based关税定价方案。在这个工作中,鲸鱼优化利用找到最优参数multiple-area电气系统的模糊PID控制器,以减少发电成本,边际成本,和ACE multiple-area网络的实时负载和频率变化的条件。整个系统在MATLAB / Simulink工具箱开发。各种测试分析研究了测试的适用性提出whale-optimized台架试验三区域电力系统。

2。建模三区域的AGC系统

multiple-area电气系统可以分为数字功率池相关的常见的链接肯领带。区域频率下降当扰动的增长,或者是保持在零。同样,频率就会上升,如果负载减少,反之亦然。另一方面,理想的频率保持不变的就是这样 。它认为三例由电线(如图连接起来1)。

在一个相互联系的电气系统组成的相当多的池,AGC的责任是分裂之间的加载系统,车站,和发电机随后达到最经济,除了控制计划结线交换权力。它同时保持合理的频率。在主要的瞬态湍流和突发事件,AGC的角色是绕过,保护继电器激活恢复电网在正常模式。电气系统的巨大体型通常分为不同的电力站在区域一致性的标准。控制区域通过常见的链接和被称为互联电力系线。在非常规条件下的电网,它们用于合同能源共享之间的控制区域。

有效的区域管理需要频率变化在一些地区的方案以调节生产和重建频率和功率的偏差在结线。两对照组维持其他对照组由于重要的一代或负载变化。的互联电网寻求克服ace有效运行的净功率交换和频率(27]。

配备简单的主控制回路,利物浦的权力转移组1会由一代增加两组结合转变减少频率和功率的领带。电力系统达到在通常的工作条件的标准频率区域的要求。通常的模式中,一个简单的控制技术是设置频率在一个标准的级别(50赫兹)和保留在结线功率流,每个区域都可以占用其个人负载的变化。经典的利物浦依赖于结线偏差的影响,其中每个地区试图取消王牌。ACE是一个组合的权力结线和频率误差方程表达的线性范围和(1)。

相邻控制区域之间的相互作用的整体数量是由频率决定的偏见 。在这个领域,高效的操作完成,因为选择偏差的因素是非常重要的区域(33]。

作为一个结果, ;三区域的方程给出了ACE计划。

在这里, , ,和功率的变化在各领域结线。当系统集中在小扰动,利用回声激活信号的衰减和为null。控制器输入和output-scaling因素应优先改善系统的瞬时响应准确(33]。

3所示。ABT-Based三区域电力系统自动发电控制

ABT通常包含以下平衡定价方案:能力的成本,电力成本,和计划外交换(UI)。所有三个支付包含AGC的电气系统,价值和成本最低的活动。集成的权力结构的ABT是讨论的手稿。热液、气体发电厂和蒸汽发电厂系统集成控制系统。集中在ABT过程,AGC的功能是坚定了一个统一的电气系统。检查ABT的健身目的是明确的进展,和频率调节也是指定的评估(39]。

计划外交换(UI)的成本通常是可用的实时和受逆cost-frequency曲线(39]。小的变化实时UI成本相关表达的小变化频率以下方程: 在哪里是cost-frequency的梯度曲线。曲线是描述的细节图2。

代单位的边际成本在multiple-area电气系统由下列方程表示, 在哪里是植物的边际成本,电站的发电,和是成本系数。

小的边际成本的变化 ,用小涡轮发电机输出的变化, ,表示由以下方程:

小利润的变化, ,是与不是简约发电, ,这是表现在以下方程:

一个AGC三装置框图如图3。在这个工作,在multiarea相互联系的权力结构,三区域模型执行如果州长认为复制的力量结线和同步发电机。在保护系统的主要挑战界限内的频率是错综复杂的。生成系统的总体性能也随着负载的变化不同,所以不可能长时间的时间来生成真正的电力。频率控制的差异是基于自动增益控制的整个计划的真正力量的平衡。这对应于图3,在那里 , ,和是偏见的规格, , ,和该地区控制错误, , ,和对模糊PID控制器,控制输入 , ,和p是调速的州长。u赫兹, , ,和调速器时间常数在几秒钟内, , ,和在p.u州长的输出, , ,和涡轮时间常数在几秒钟内, , ,和涡轮输出能力的变化, , ,和一步负载扰动区域1,区域2,p.u和区域3, 在p.u领带线路功率的增量变化, , ,和发电机负载模型的增益, , ,和发电机负载模型的时间常数,然后呢 , ,和在赫兹频率偏差(40]。

模糊PID控制器与稳定收益的固定结构优化的一个特定的操作点,提供最优性能的操作点。设计的模糊PID控制器需要正确选择输出获得相应的常数,因此在ACE偏差,UI成本,成本和边际成本最小化,利润最大化。复制频率的偏差是由于消费者的需求的增长。如果输出复制比权威条例更加突出,机器就会倾向于提高速度,使频率提高,反之亦然。因此,控制工程师采取适当的措施调整增益常数通过监测频率的上升或下降。控制器的增益常数取决于负载预测的数量的机器。负荷预测是基于特定机器的单射授权在特定期间获得的。简而言之,模糊PID控制器的设计都包含在利物浦使涡轮调速器系统负载后立即采取纠正行动。图4描述了模糊PID控制器的结构。 , ,和被认为是调优参数的模糊PID控制器。王牌,边际成本和UI const最小化,利润最大化通过优化这些参数使用鲸鱼优化。

适应度函数的三区域AGC与availability-based关税定价方案表达以下方程(7),并在此基础上适应度函数(2),fuzzy-tuned PID控制器的参数优化和约束方程(8),(9)和(10)。

最小化目标函数是:

不需要梯度信息由于其易于实现,实际上,它可以广泛的应用于许多学科使用metaheuristic优化算法来获得利益。座头鲸的效率是最新的鲸鱼优化metaheuristic优化方法。两步搜索过程的发现和开发。之间保持适当的平衡这两个搜索过程是一个非常困难的挑战在每个metaheuristic算法的发展。

通常,鲸鱼是最大的哺乳动物和世界上最雄伟的生物之一。研究人员发现,大脑内的鲸鱼,有些细胞与人类的梭形细胞。因为这个证词,鲸鱼与本能被认为是最聪明的类型。座头鲸是最大的鲸鱼,和他们的特殊狩猎实践使他们受欢迎高于所有其他鲸鱼。通过塑造单个气泡沿着“9”型路径称为bubble-net喂养过程,搜索完成。首先,在这个过程中,鲸鱼潜水12米下来,继续在一个螺旋形状形成泡沫的猎物,又游到水面(53]。应用WOA优化技术,描述在下面的部分中,您可能需要理解环绕猎物,螺旋bubble-net喂养程序,检查的猎物。

鲸鱼准备包围他们的受害者和通知他们来困扰它的位置到达所需的解决方案。goal-prey,在这个上下文被认为是目前最优秀的候选人的结果。通过这种方式,不同的数值方程定义如下(57]: 当前迭代是用在哪里 ,在当前迭代的位置向量用 ,当前迭代的最佳人选是用 ,用位置矢量 ,用绝对值 ,乘法中的元素用“”。在每一步应该改变如果一个强大的解决方案出现。线性变化的常数是用“”,它从2降低到0在每一代(利用和探索阶段);用随机向量在区间[0,1]。和是系数向量。

鲸鱼之间的距离确定位于( )和受害者位于( )螺旋更新位置。模仿的座头鲸运动螺旋状,螺旋之间的方程形式下生成鲸鱼和猎物的位置如下: 在哪里当前迭代位置向量,对数螺线形常数是用“”,用数量随机分布 ,和它的范围是在0和1之间。

有50%的可能性之间的决定bubble-net狩猎方法告知鲸鱼的位置在优化通过猎物座头鲸群。以下方程解释数学模型中描述的方法,在每个周围的概率模式用 : 普遍的狩猎,位置信息搜索代理测量是基于某些随机选择搜索代理而不是使用最好的搜索代理发现迄今为止。此程序用于对随机值大于1 。所述的数学模型解决方案在下列方程表示: 在随机位置或随机鲸鱼从目前的人口是用矢量选择吗 。WOA算法的流程图如图5。

4所示。仿真的结果和讨论

在本节中,仿真结果验证鲸鱼优化algorithm-optimized模糊PID控制三电子系统与一个availability-based关税定价方案研究,与遗传算法和PSO相比。用于三电子系统的参数如表所示1。

三电子系统设计并在MATLAB仿真软件建模,是描绘在图6。模糊PID控制器的仿真软件模型在图中进行了描述7。availability-based关税定价方案仿真软件模型如图8。

output-scaling因素的模糊PID控制器,即, , ,和 ,使用遗传算法进行了优化,PSO和鲸鱼的优化算法。图9描述了WOA的融合图像,算法和遗传算法。从收敛图,遗传算法的全局最优值是1.233,PSO是1.187,WOA是1.092。WOA到达全球最佳十迭代,但遗传算法和PSO需要很长时间才能找到全局最优值,即:,GA 45迭代和PSO 25迭代。GA算法,WOA是执行一百次,描述在表和相应的结果2。从这个表中,平均遗传算法的计算时间是964秒,WOA PSO 850秒、752秒。标准差与平均值为WOA与遗传算法和PSO相比非常小。从收敛图和表2,它可以确定,WOA是优于遗传算法和算法。

发达三区域电力系统与一个availability-based关税系统测试三种不同的操作条件:突然变化的恒定负载条件下,负载条件下在每个区域和各领域突然加载条件的变化。恒定负载条件 每个地区和偏差频率测量,如图10。在图10绿色反应对应GA-fuzzy PID,蓝色响应对应PSO-fuzzy PID,对应于WOA-fuzzy PID和一个红色的颜色反应。检查结果时,负脉冲信号的频率偏差等于GA, PSO, WOA模糊PID。频率响应的沉降时间与GA模糊PID 37秒,与模糊PID算法,17秒和4秒WOA模糊PID。

突然负载扰动区域1中创建,即。区域1,负载变化从0.2便士。0.4 u到聚氨酯在50秒,面积2和3中的加载配置文件保持在0.2聚氨酯。相应的响应这条领带线路功率偏差和频率偏差的三个区域如图11。领带的脱靶线路功率偏差和频率偏差在各领域等于GA, PSO, WOA模糊PID。WOA模糊PID的恢复时间是53秒,PSO 60秒,70秒。

突然创建负载扰动在区域2中,即区域1,负载变化从0.4便士。u在40秒0.2聚氨酯,并加载配置文件区域1和区域3是维持在0.2聚氨酯。相应的响应的领带线路功率偏差和频率偏差的三个区域如图12。过度的领带线路功率偏差和频率偏差在各领域等于GA, PSO, WOA模糊PID。WOA模糊PID的恢复时间是45秒,GA算法50秒,67秒。

突然创建负载扰动区域3,即。区域1,负载变化从0.5便士。0.9 u到聚氨酯30秒,在区域1和区域2和加载配置文件保持在0.2 pu。相应的应对这样一个领带线路功率偏差和频率偏差的三个区域如图13。过度的领带线路功率偏差和频率偏差在各领域等于GA, PSO, WOA模糊PID。WOA模糊PID的恢复时间是33秒,GA算法42秒,72秒。

突然负载扰动中创建的所有领域,即。从0.2便士,负载变化。u到0.4便士。在区域1 u 30秒,负载变化从0.4便士。u到0.2便士。在60秒内u区域2中,负载变化从0.5便士。u到0.9便士。在区域3 u 90秒。相应的应对这样一个领带线路功率偏差和频率偏差的三个区域如图14。过度的领带线路功率偏差和频率偏差在各领域等于GA, PSO, WOA模糊PID。WOA模糊PID的恢复时间是小相比,遗传算法模糊PID和模糊PID算法。

5。结论

摘要鲸鱼优化算法利用模糊PID控制器的优化参数降低边际成本,计划外交换成本和ACE而三电子系统的利润最大化。整个系统模型设计并使用MATLAB仿真软件开发的软件。鲸鱼优化算法与遗传算法和PSO测试鲸鱼优化算法的适用性。ABT的三区域电力系统测试与WOA模糊PID、模糊PID算法,在不同的操作条件和遗传算法的模糊PID控制器。基于试验结果的模拟,三区域电力系统控制的鲸鱼优化algorithm-optimized模糊PID控制器超调小,少脱靶,更快的解决时间,更快的恢复时间比遗传算法模糊PID和PSO模糊PID控制。

数据可用性

所有数据可供读者。

的利益冲突

作者宣称没有利益冲突。