广域自适应阻尼控制器设计

电力系统在不同运行方式下、不同的机组停送电方式下时，对应有不同的振荡模态。而传统的PSS均在是在某一个振荡模态下设置其参数，而在其他的模态下不能提供很好的阻尼。为此，本书设计了自适应阻尼控制系统，结构原理图如图4.12所示，该控制系统根据不同的振荡模态实时自适应调整PSS参数，保证系统有足够的阻尼。

图4.12 广域自适应阻尼控制器原理框图

图4.12可知，广域自适应阻尼控制器主要由两部分组成，一个是模态辨识，采用上面提到的改进HHT变换进行辨识；另一个就是优化PSS参数，本文采用模糊自适应粒子群优化算法[231]，该算法是一种基于种群全局收索的自适应进化算法，设f(x)为最小化的目标函数，则每一代粒子均根据下式进化:

其中，t为迭代次数；w为惯性权重；c1和c2为加速常数，取c1=c2=2；r1和r2为两个[0，1]之间的随机数；xi=(xi1，xi2，…，xid)为粒子i的当前位置；vi=(vi1，vi2，…，vid)为粒子i的当前速度；pi=(pi1，pi2，…，pid)为粒子i所经历的最好位置。

粒子i的当前最好位置pt+1i 由下式确定:

若群体中所有粒子粒所经历的最好位置为pg，则所有粒子的最好位置由下式确定

pg=min{f(pt1)，f(pt2)，…，f(pts}) 　(4-9)

模糊自适应粒子群算法是以动态解决在不同收敛阶段的惯性权重取值问题，对于最小化目标函数，当前种群最优性能指标定义为

其中，λ为当前种群最优性能指标；Fad为当前种群最优适应值；Fmax为期望的最大适应值；Fmin为期望的最小适应值。

该算法的具体步骤如下:

1)初始化。初始化种群数m和最大迭代次数J，初始化w值，在允许范围内随机初始化所有粒子的初始位置、速度，初始化每个粒子的pi为其初始位置；

2)评价粒子适应值。根据式(4-10)计算当前种群的λ值，根据模糊规则计算w′，最后通过w(t+1)=w(t)+w′更新w值；

3)更新当前粒子的速度和位置。将更新后的w值代入式(4-5)、(4-6)、(4-7)计算粒子的速度和位置；

4)计算新生粒子的适应值。根据式(4-8)、(4-9)对新生的每个粒子将其适应值与其经历过的最好位置pi的适应值进行比较，如果优于pi，则将此粒子位置更新为当前的最好位置pi；

5)对每个粒子，将其适应值与群体所经历的最好位置pg的适应值进行比较，如果优于pg，则将其作为群体位置，并重新设置pg的索引号；

6)检查终止条件，若条件满足，迭代结束，否则返回步骤2)。

本文设计的阻尼控制器主要分为两步:其一，模态辨识，阻尼比计算，振荡模态是所有动态系统所固有的模式，而在电力系统中，不同的运行方式下，固有的振荡模态将发生变化，为此，需辨识每一种运行方式下的振荡模态，由于电力系统的扰动时刻存在，电力系统参数的波动也时刻存在，基于扰动下的参数波动即可作为EEMD的输入信号进行振荡模态的辨识；其二，就是对PSS的参数进行优化，根据EEMD的辨识结果判断是否需优化PSS参数，若阻尼比不够合适，则启动模糊自适应粒子群优化算法进行PSS参数优化，使得整个系统始终有充足的阻尼。为此，本文设计的阻尼控制器能够在线运行。