广域测量系统(wide area measurement system，WAMS)在线提供的实时测量数据为解决互联电网的广域阻尼控制提供了新的途径[222]。由于HHT是一种性能优良地处理非线性、非平稳信号的新方法，本节采用改进的HHT方法，即EEMD方法，这样可以解决传统EMD分解过程中存在的模态混叠现象。运用Hilbert变换求出各模态分量的瞬时幅值、瞬时频率及相位，进而实现各模态分量阻尼比的提取。将该阻尼比作为广域阻尼控制系统的目标函数，通过模糊粒子群算法实现PSS参数的实时整定，使之在不同运行方式下、不同振荡模态下均能提供最佳的阻尼。
为实现电力系统在不同运行方式下均有充足的阻尼，由WAMS提供的实测数据并应用改进的HHT辨识而得的阻尼比作为广域阻尼控制系统的反馈量，根据反馈量的大小启动模糊粒子群算法优化PSS参数，其结构原理图如图3.14所示。
图3.14 广域阻尼控制系统原理框图
3.4.2.1 模糊粒子群优化算法
在对大区域电网进行参数整定时，由于系统状态矩阵维数太高，提高计算速度和精度是关键。本文将模糊算法和粒子群算法相结合，在寻优过程中对惯性权重w实施动态调整以获得更佳的收敛性，使其具有较强的全局搜索能力和收敛速度。
阻尼比是表征系统动态性能的指标，阻尼比越大，最大超调量越小，衰减到稳态的振荡次数越少。PSS的参数是基于一种运行方式下配置的，而在其他运行方式下可能会失效。为此，应当考虑多种运行工况下对PSS参数进行优化。PSS参数协调优化问题的目标函数为
J=min{ξi，j，i∈振荡模态，j=1，2，…k} (3-25)式中，ξi，j为第j种运行方式下第i个振荡模态的阻尼比，k为运行方式数。数学形式可表示为
时间常数T1i、T3i的范围在[0.01，5]，隔直环节时间常数Tw及T2i、T4i为固定值，分别为4、0.2、0.2。模糊粒子群算法的流程图如图3.15所示。
图3.15 模糊粒子群算法流程图
3.4.2.2 算例仿真计算
为了验证本文所设计广域阻尼控制系统的有效性，采用图3.10所示的两区域四机系统进行仿真，发电机、变压器及电网和负荷的参数见文献[218]，初始参数设置如下:取种群数为20，最大迭代次数为100，权重w为1.5，阻尼比的最小期望值为0.15，最大值期望值为0.2。初始条件为在发电机G1和G3上均安装了PSS， PSS的参数均取Ki=15，Tw=4，T1=T3=0.483，T2=T4=0.135，其传递函数为
本书采取两种典型运行方式。方式1为区域1向区域2输送有功功率400MW；方式2为区域1向区域2输送有功功率600MW。
由于缺乏基于WAMS的实测数据，本文基于PSASP仿真软件中获得实验仿真信号作为改进HHT算法的测试信号。具体是在1号发电机励磁电压幅值加5%的阶跃信号，将发电机1的转速变化作为测试信号，辨识结果如表3-4所示，其中k取0.8，n取20。
表3-4 运行方式1下低频振荡模态辨识结果
辨识结果表明，系统存在四个振荡模态，且阻尼较弱，应启动模糊自适应粒子群优化算法，则优化后的PSS参数如表3-5所示。
令两区域联络线路的其中一回线路发生三相短路故障，故障持续时间为0.15秒后切除线路，PSS参数优化前后的G1转速振荡图如图3.16所示。
表3-5 运行方式1下优化后的PSS参数
从图3.16中可以看出，PSS参数优化后有效地抑制了发电机转速的波动，增强了系统的阻尼。
图3.16 运行方式1下G1转速振荡图
方式2下，仍在1号发电机励磁电压幅值加5%的阶跃信号，依据发电机1的转速信号可得辨识结果如表3-6所示，其中k取0.8，n取20。
表3-6 运行方式2下低频振荡模态分量参数
从表3-6可知，运行方式发生变化以后，系统阻尼较弱，4个振荡模态下，阻尼比均较小。为此，还需对PSS参数进行优化，则优化后的PSS参数如表3-7所示。
表3-7 运行方式2下优化后的PSS参数
方式2下，仍令两区域联络线路的其中一回线路发生三相短路故障，故障持续时间为0.15秒后切除线路，PSS参数优化前后的G1转速振荡图如图3.17所示。
图3.17 运行方式2下G1转速振荡图
从图3.17中可以看出，即使运行方式发生了较大的变化，广域自适应阻尼控制系统仍能有效地抑制了发电机转速的波动，增强了系统的阻尼。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
