基于免疫粒子群算法的微网自治调频调压方法和装置与流程

本发明涉及一种电力控制方法和装置，特别是一种微网的控制方法和装置。

背景技术：

随着能源与环境问题的日益凸显，分布式发电控制方法和装置的不断发展。传统电力供给体系的电能损耗大、污染高，而且用户对电能质量和安全的要求日益严格，因此，可再生能源将逐渐为社会经济可持续发展发挥重要作用。微网能够有效地利用新能源和可再生能源发电，是分布式发电规模化应用的有力解决途径。发展适合中国基本国情的微网，是实现我国新型能源战略结构转型的必然要求，也是推动我国经济可持续发展和提高人民生活质量的重要动力。

通常情况下，微电网与主电网并网运行，通过与电网快速的电能交换来支撑电网的频率和电压。当电网中某处发生故障时，为了给负载提供不间断的电源，微电网需要与电网断开而独立运行。下垂控制(文献4：张明锐，杜志超，王少波.微网中下垂控制策略及参数选择研究[j].电工技术学报，2014，02：136-144)的原理是模拟传统同步发电机功率频率静态特性，即当电力系统(系统)负荷功率突然增大时，对应的交流母线频率和电压会降低；反之亦然，当系统负荷功率突然减小时，交流母线频率和电压会增加。一般而言，下垂控制有两种控制方法，一种是通过调节电压频率的大小来调节输出功率大小，即f-p与u-q控制，而另外一种就是通过调节输出的功率来控制电压和频率。然而，下垂控制的缺陷是以牺牲电压或频率为代价实现功率调节，难以维持电压和频率，不利于微电网的安全可靠运行。

技术实现要素：

本发明的目的是提供一种基于免疫粒子群算法的微网自治调频调压方法和装置，要解决的技术问题是保证微电网的安全可靠运行。

本发明采用以下技术方案：一种基于免疫粒子群算法的微网自治调频调压方法，包括以下步骤：

一、采集公共点的三相电流和三相电压，检测电网频率，采集分布式电源实时输出的有功功率测量值pi和无功功率测量值qi，计算实际频率与标准频率的频率差值δf(t)，计算公共点母线电压与标准电压的电压差值δv(t)；

二、根据频率差值和电压差值，计算适应度函数：

式(2)中，j表示适应度函数，t表示采样时间，t0、t1分别为每个控制性能指数的起始和结束时间，α为调整因子，取α＝0.5；

采用免疫粒子群算法迭代计算分布式电源的最优下垂控制系数kvi和kfi；

三、用频率差值、电压差值、实际有功功率值和无功功率值、最优下垂控制系数kvi和kfi，计算微电网内负荷波动或电源波动时分布式电源需要实时输出的有功功率指令值pi^*和无功功率指令值qi^*：

式(3)和式(4)中，kvi和kfi表示第i个dg对应的无功功率和有功功率的下垂控制参数，i为1～n，n至少为1；

四、下发功功率指令值pi^*和无功功率指令值qi^*至微源控制器执行，动态恢复电力系统频率和电压到额定值。

本发明的步骤一标准频率为50hz，标准电压为0.4kv。

本发明的步骤二采用免疫粒子群算法迭代计算分布式电源的最优下垂控制系数kvi和kfi，包括以下步骤：

一、初始化粒子群，随机初始化n个粒子的速度和位置，将每个粒子的初始化位置作为每个粒子的最优位置pbest，将初始粒子的最优位置设置为种群的最优位置gbest。将每个粒子的位置代入设计的适应度函数计算每个粒子的适应度，根据适应度值大小衡量粒子的优劣，得到初始粒子群的个体极值和全局极值，n为40；

二、产生免疫疫苗，将全局最优粒子作为免疫粒子；

三、更新粒子的位置和速度，根据搜索矢量方程更新粒子的位置和速度：

vk+1＝wvk+c1r1(pbest-xk)+c2r2(gbest-xk)

xk+1＝xk+vk+1(5)

式(5)中，v是粒子的速度向量，x是粒子的位置向量，w为惯性因子，在[0.3，0.5]之间取值，c1、c2为学习因子，取c1＝c2＝2，r1、r2为[0，1]的随机数，k是粒子数；

四、群体更新，根据适应度函数计算更新后粒子的适应度，如果适应度优于更新前的适应值，则进行保留，否则舍弃该粒子，生成由n个粒子组成的新群体，

五、生成新群体，随机产生m个新粒子和步骤四中的n个粒子，组成n+m个粒子群，依据下列公式计算生成的(n+m)个粒子的选择概率，依据概率大小选择n个新粒子形成新的群体，m为40；

式(6)中，yi为粒子的选择概率，xi和j(xi)分别表示第i个粒子及其适应度函数值；

六、免疫接种和免疫选择，用步骤二产生的免疫‘疫苗’对群体中的r个粒子进行疫苗接种，根据适应度函数计算接种疫苗后的粒子适应度值，并根据适应度值进行免疫选择；如果适应值减小，则保留该粒子，否则取消免疫粒子，这样就形成了粒子数量为n的新一代群体，r为5；

八、更新群体的个体极值和全局极值，将更新群体中的粒子的位置矢量代入适应度计算函数中计算每个粒子的适应度，根据适应值大小更新群体的个体极值和全局极值；

九、检查算法终止条件，运算的迭代次数没有超过最大允许的迭代次数100，就终止迭代，得到分布式电源的最优下垂控制系数；

所述免疫粒子群算法迭代计算中，分布式分布式电源的下垂控制系数作为粒子，粒子的速度表示式分布式电源的下垂控制曲线调节的方向，粒子的位置为下垂控制系数，最优位置表示能动态调节频率误差和电压误差综合最小的最优下垂系数，粒子的种群表示下垂曲线调节时不同下垂控制系数形成的集合，免疫疫苗表示在一次参数寻优迭代计算过程中得到的最优粒子，个体极值表示初始的某一个粒子在迭代变化时能动态调节频率误差和电压误差综合最小的最优位置，全局极值表示所有不同下垂控制系数在迭代变化时能动态调节频率误差和电压误差综合最小的最优位置。

本发明的步骤九运算的迭代次数超过最大允许的迭代次数，返回步骤二。

一种基于免疫粒子群算法的微网自治调频调压装置，设有顺序连接的数据采集模块、计算模块、参数优化模块、指令值获取模块和通信模块；

所述数据采集模块采集公共点的三相电流和三相电压，检测电网频率，采集分布式电源实时输出的有功功率测量值pi和无功功率测量值qi；

所述计算模块用于实时计算实际频率与标准频率的频率差值和公共点母线电压与标准电压的电压差值；

所述参数优化模块采用免疫粒子群算法迭代计算最优下垂控制系数；

根据频率差值和电压差值，计算适应度函数：

式(2)中，j表示适应度函数，t表示采样时间，t0、t1分别为每个控制性能指数的起始和结束时间，α为调整因子，取α＝0.5；

采用免疫粒子群算法迭代计算分布式电源的最优下垂控制系数kvi和kfi；

三、用频率差值、电压差值、实际有功功率值和无功功率值、最优下垂控制系数kvi和kfi，计算微电网内负荷波动或电源波动时分布式电源需要实时输出的有功功率指令值pi^*和无功功率指令值qi^*：

式(3)和式(4)中，kvi和kfi表示第i个dg对应的无功功率和有功功率的下垂控制参数，i为1～n，n至少为1；

所述指令值获取模块用于计算频率和电压波动时分布式电源需要实时输出的有功功率指令值pi^*和无功功率指令值qi^*；

所述通信模块用于基于免疫粒子群算法的微网自治调频调压装置与分布式电源控制器通信，下发有功和无功控制指令至分布式电源控制器执行。

本发明的采用免疫粒子群算法迭代计算分布式电源的最优下垂控制系数kvi和kfi，包括以下步骤：

一、初始化粒子群，随机初始化n个粒子的速度和位置，将每个粒子的初始化位置作为每个粒子的最优位置pbest，将初始粒子的最优位置设置为种群的最优位置gbest。将每个粒子的位置代入设计的适应度函数计算每个粒子的适应度，根据适应度值大小衡量粒子的优劣，得到初始粒子群的个体极值和全局极值，n为40；

二、产生免疫疫苗，将全局最优粒子作为免疫粒子；

三、更新粒子的位置和速度，根据搜索矢量方程更新粒子的位置和速度：

vk+1＝wvk+c1r1(pbest-xk)+c2r2(gbest-xk)

xk+1＝xk+vk+1(5)

式(5)中，v是粒子的速度向量，x是粒子的位置向量，w为惯性因子，在[0.3，0.5]之间取值，c1、c2为学习因子，取c1＝c2＝2，r1、r2为[0，1]的随机数，k是粒子数；

四、群体更新，根据适应度函数计算更新后粒子的适应度，如果适应度优于更新前的适应值，则进行保留，否则舍弃该粒子，生成由n个粒子组成的新群体，

五、生成新群体，随机产生m个新粒子和步骤四中的n个粒子，组成n+m个粒子群，依据下列公式计算生成的(n+m)个粒子的选择概率，依据概率大小选择n个新粒子形成新的群体，m为40；

式(6)中，yi为粒子的选择概率，xi和j(xi)分别表示第i个粒子及其适应度函数值；

六、免疫接种和免疫选择，用步骤二产生的免疫‘疫苗’对群体中的r个粒子进行疫苗接种，根据适应度函数计算接种疫苗后的粒子适应度值，并根据适应度值进行免疫选择；如果适应值减小，则保留该粒子，否则取消免疫粒子，这样就形成了粒子数量为n的新一代群体，r为5；

八、更新群体的个体极值和全局极值，将更新群体中的粒子的位置矢量代入适应度计算函数中计算每个粒子的适应度，根据适应值大小更新群体的个体极值和全局极值；

九、检查算法终止条件，运算的迭代次数没有超过最大允许的迭代次数100，就终止迭代，得到分布式电源的最优下垂控制系数；

所述免疫粒子群算法迭代计算中，分布式分布式电源的下垂控制系数作为粒子，粒子的速度表示式分布式电源的下垂控制曲线调节的方向，粒子的位置为下垂控制系数，最优位置表示能动态调节频率误差和电压误差综合最小的最优下垂系数，粒子的种群表示下垂曲线调节时不同下垂控制系数形成的集合，免疫疫苗表示在一次参数寻优迭代计算过程中得到的最优粒子，个体极值表示初始的某一个粒子在迭代变化时能动态调节频率误差和电压误差综合最小的最优位置，全局极值表示所有不同下垂控制系数在迭代变化时能动态调节频率误差和电压误差综合最小的最优位置。

本发明的步骤九运算的迭代次数超过最大允许的迭代次数，返回步骤二。

本发明与现有技术相比，采用免疫粒子群优化算法来优化下垂控制参数，当电力系统频率和电压发生偏移或微网模式切换时，通过对微网系统频率和电压进行检测，实时对dg的下垂控制参数进行调节控制，动态恢复微网系统频率和电压到额定值，从而保证微电网的安全可靠运行。

附图说明

图1是本发明实施例的装置应用示意图。

图2是本发明实施例的方法流程图。

图3是本发明实施例的免疫粒子群算法流程图。

图4是本发明实施例的下垂控制系统框图。

图5是本发明实施例的装置结构框图。

具体实施方式

下面结合附图和实施例对本发明作进一步详细说明。

本发明的基于免疫粒子群算法的微网自治调频调压方法和装置，通过优化算法求出最优下垂系数(系数)，来协调微电网中至少1个分布式电源dg(distributedgeneration)的输出功率，以提高微电网的控制性能。当电力系统(系统)频率和电压发生偏移或微网模式切换时，检测系统频率和电压进行，实时对各个分布式电源dg的下垂控制参数进行调节控制，动态恢复系统频率和电压到额定值，从而保证微电网的安全可靠运行。

本发明的微网系统为0.4kv电压等级的交流微电网，连接有至少1个分布式发电单元dg和至少1个负载负荷。本微网系统由分布式微源、储能单元、负载、电力电子接口逆变器装置组成，再通过并网断路器与大电网相连接。当并网断路器处于闭合状态时，微网系统与大电网链接，工作在并网模式，此时大电网与分布式微源共同为负载提供能量；而当并网断路器处于断开状态时，微网系统与大电网隔离，工作在孤岛模式，此时仅有微源为负载提供能量来支撑负载工作。

如图5所示，本发明的基于免疫粒子群算法的微网自治调频调压装置(装置)，设有顺序连接的数据采集模块、计算模块、参数优化模块、指令值获取模块和通信模块。指令值获取模块连接有下垂控制器。

下垂控制器设有下垂控制系统(文献4)，如图4所示，下垂控制系统设有免疫粒子群算法优化的下垂参数，用于计算微电网内负荷波动、电源波动或模式切换时各个分布式dg需要实时输出的有功功率和无功功率值。微电网调频调压功率指令包括各个分布式电源dg输出的有功功率指令值pi^*和无功功率参考值qi^*。

如图1所示，本发明的装置，经控制网通信线与微源控制器mc1、mc2、mc3、...、mcn建立通信连接，按iec-61850/goose点对点光纤通信配置进行通信。所有dg由与控制网连接的微电网监控中心(监控中心)统一协调功率输出，监控中心通过控制网给各dg的微源控制器发送功率参考信号，来调整电压和系统的频率，同样各dg微源通过控制网通信上传实时电压和频率信息给监控中心，再由监控中心上传给本发明的装置，装置会同时采集公共点pcc电压和电流信息，实现微网系统的统一通信管理、微源实时控制。

数据采集模块通过硬电缆采集pcc三相电流和三相电压，检测电网频率，采集各个dg实时输出的有功功率测量值pi和无功功率测量值qi。

计算模块用于实时计算实际频率与标准频率的差值和公共点母线电压与标准电压的差值。

参数优化模块采用免疫粒子群算法迭代计算最优下垂控制系数。

指令值获取模块用于采用下垂控制器计算频率和电压波动时各个dg需要实时输出的有功功率指令值pi^*和无功功率指令值qi^*。

通信模块用于装置与各个dg微源控制器通信，装置下发有功和无功控制指令至微源控制器执行，动态恢复系统频率和电压到额定值，从而保证微电网的安全可靠运行。

装置的数据采集模块通过硬电缆采集公共节点pcc三相电流和三相电压，检测电网频率，采集各个dg实时输出的有功功率测量值pi和无功功率测量值qi，计算模块计算实际频率与标准频率的差值和公共点母线电压与标准电压的差值；参数优化模块根据频率偏差和电压偏差计算适应度函数，参数优化模块采用免疫粒子群算法迭代计算各个dg的最优下垂控制系数；指令值获取模块将频率差值、电压差值、实际有功功率值和无功功率值输入下垂控制器中，计算微电网内负荷波动或电源波动时各个dg需要实时输出的有功功率指令值pi^*和无功功率指令值qi^*；通信模块下发有功和无功控制指令至各个dg微源控制器执行，动态恢复系统频率和电压到额定值，从而保证微电网的安全可靠运行。

本发明的基于免疫粒子群算法的微网自治调频调压方法(方法)，采用免疫粒子群算法优化微电网下垂控制参数，实现微电网中多个dg之间的协调，自动计算功率匹配的数值以使微电网快速稳定，实现电力系统不同运行条件下供电系统的稳定性，提高电能质量。包括以下步骤：

一、数据采集模块通过硬电缆采集pcc的三相电流和三相电压，检测电网频率，采集各个dg实时输出的有功功率测量值pi和无功功率测量值qi，计算实际频率与标准频率50hz的差值δf(t)(频率偏差，频率差值)，计算公共点母线电压与标准电压0.4kv的差值δv(t)(电压偏差，电压差值)。

二、计算模块根据频率偏差和电压偏差，计算适应度函数，参数优化模块采用免疫粒子群算法迭代计算各个dg的最优下垂控制系数。

采用时间加权绝对误差积分itae最小化代价函数〔文献1：齐乃明，宋志国，秦昌茂.基于最优oustaloup的分数阶pid参数整定[j].控制工程，2012，19(2)：283-285〕为免疫算法的适应度函数：

将微网系统的频率偏差和电压偏差作为各个分布式dg下垂系数的寻优性能指标，式(1)可以设计为：

其(2)中，j表示适应度函数，作为免疫算法的适应度函数，适应度函数值越小，适应度越高，参数更优；t表示采样时间，t0、t1分别为用于计算每个控制性能指数的起始和结束时间，控制性能指数为时间t和系统绝对误差e(t)的乘积，e(t)为e(t)＝α|δf(t)|+(1-α)|δv(t)|，其中α为调整因子，可以调整频率和电压近似的权重，一般取α＝0.5；δf(t)表示频率偏差，δv(t)表示电压偏差。

采用免疫粒子群算法迭代计算各个dg的最优下垂控制系数kvi和kfi，kvi和kfi表示第i个dg对应的无功功率和有功功率的下垂控制参数。

三、指令值获得模块将频率差值、电压差值、实际有功功率值和无功功率值输入下垂控制器中，即用频率差值、电压差值、实际有功功率值和无功功率值、最优下垂控制系数kvi和kfi，计算微电网内负荷波动或电源波动时各个dg需要实时输出的有功功率指令值pi^*和无功功率指令值qi^*。有功功率指令值pi^*和无功功率指令值qi^*计算公式分别为：

式(3)和式(4)中，kvi和kfi表示第i个dg对应的无功功率和有功功率的下垂控制参数，i为1～n，n至少为1，pi为dg实时输出的有功功率测量值，qi为dg实时输出的无功功率测量值。

四、通信模块下发功功率指令值pi^*和无功功率指令值qi^*至微源控制器执行，动态恢复系统频率和电压到额定值。

免疫粒子群算法相比单纯的粒子群算法在控制性能指标上具有更优的效果〔文献2：王佳伟，陈亮.基于免疫粒子群算法的pid整定对聚合温度的控制[j].信息通信，2017(4)：9-10〕，把各个dg微源的下垂控制参数作为粒子群算法的粒子，采用基于免疫选择的粒子群优化算法来优化下垂控制参数，将微网系统频率误差和电压误差作为性能指标，设计综合评价系统性能指标的适应度函数，用于评价粒子的优劣，采用迭代算法不断搜索适应度最高的最优粒子，在系统频率和电压发生波动或微网发生切换时，搜索最优下垂控制参数，保证系统性能指标最优，即频率误差和电压误差综合最小，动态恢复系统频率和电压到额定值，从而保证微电网的安全可靠运行。

在采用免疫粒子群算法迭代计算中，将各个分布式dg的下垂控制系数作为粒子，粒子的速度表示dg电源的下垂控制曲线调节的方向，粒子的速度是变化的即下垂控制系数的调节方向是变化的，粒子的位置即对应的下垂控制系数，最优位置表示能动态调节频率误差和电压误差综合最小(系统绝对误差最小)的最优下垂控制系数，粒子的种群表示下垂曲线调节时不同下垂控制系数形成的集合，免疫疫苗表示在一次参数寻优迭代计算过程中得到的最优粒子即最优下垂控制系数，个体极值表示初始的某一个粒子(下垂控制系数)在迭代变化时能动态调节频率误差和电压误差综合最小的最优位置，全局极值表示所有不同下垂控制系数在迭代变化时能动态调节频率误差和电压误差综合最小(系统绝对误差最小)的最优位置。

如图3所示，采用免疫粒子群算法〔文献3：高鹰，谢胜利.免疫粒子群优化算法[j].计算机工程与应用，2004，41(6)：4-6〕迭代计算最优下垂控制系数，包括以下步骤：

一、初始化粒子群，随机初始化n个粒子的速度和位置，将每个粒子的初始化位置作为每个粒子的最优位置pbest，将初始粒子的最优位置设置为种群的最优位置gbest。将每个粒子的位置代入设计的适应度函数计算每个粒子的适应度，根据适应度值大小衡量粒子的优劣，得到初始粒子群的个体极值和全局极值。n为40。

二、产生免疫疫苗，将全局最优(适应度最高)粒子作为免疫粒子。

三、更新粒子的位置和速度，根据搜索矢量方程更新粒子的位置和速度：

vk+1＝wvk+c1r1(pbest-xk)+c2r2(gbest-xk)

xk+1＝xk+vk+1(5)

式(5)中，v是粒子的速度向量；x是粒子的位置向量；w为惯性因子，在[0.3，0.5]之间取值；c1、c2为学习因子，一般取c1＝c2＝2；r1、r2为[0，1]的随机数；k是粒子数。

四、群体更新，根据适应度函数计算更新后粒子的适应度，如果适应度优于更新前的适应值，则进行保留，否则舍弃该粒子，这样就可以生成由n个粒子组成的新群体。

五、生成新群体：随机产生m个新粒子和步骤四中的n个粒子，组成n+m个粒子群，依据下列公式计算生成的(n+m)个粒子的选择概率，依据概率大小选择n个新粒子形成新的群体。m为40。

式(6)中，yi为粒子的选择概率，xi和j(xi)分别表示第i个粒子及其适应度函数值。

六、免疫接种和免疫选择，用步骤二产生的免疫‘疫苗’对群体中的r个粒子进行疫苗接种(修正)，根据适应度函数计算接种疫苗后的粒子适应度值，并根据适应度值进行免疫选择。如果适应值减小，则保留该粒子，否则取消免疫粒子，这样就形成了粒子数量为n的新一代群体。r为5。

八、更新群体的个体极值和全局极值，将更新群体中的粒子的位置矢量代入适应度计算函数中计算每个粒子的适应度，根据适应值大小更新群体的个体极值和全局极值。

九、检查算法终止条件，运算的迭代次数没有超过最大允许的迭代次数，就终止迭代，得到dg的最优下垂控制系数。若运算的迭代次数超过最大允许的迭代次数，返回步骤二继续迭代计算，本实施例中，最大允许的迭代次数为100。

粒子由微网各分布式dg的下垂控制系数组成[kvi，kfi]，kvi和kfi表示第i个dg对应的下垂参数。

粒子群算法是一种快速有效的优化算法，具有简单、易实现、收敛速度快并且需要调节的参数少的优点，但在粒子不断学习进化的过程中，粒子的收敛速度越来越快，容易陷入局部最优，出现“早熟”的情况，而免疫算法具有免疫和遗传的优点，将免疫算法和粒子群算法结合能解决粒子群算法出现出现局部最优和收敛变慢等缺点，达到更好的优化效果。

本发明采用免疫粒子群优化算法来优化下垂控制参数，当电力系统频率和电压发生偏移或微网模式切换时，通过对系统频率和电压进行检测，实时对dg电源的下垂控制参数进行调节控制，动态恢复系统频率和电压到额定值，从而保证微电网的安全可靠运行。

粒子群pso算法是用来对空间进行全局最优搜索的一种算法。它的优点是参数较少，收敛速度相对较快，具有很强的全局优化能力。但是pso算法的缺点是容易在优化的后期陷入收敛速度慢并且容易出现局部最优。免疫算法具有免疫和遗传的优点，所以将免疫算法和pso算法相结合，就可以克服pso算法的缺点。将抗原视为待求解的问题，将抗体作为粒子群的粒子视为问题的解，构造适应度函数去寻找最优抗体。免疫粒子群算法〔文献2：王佳伟，陈亮.基于免疫粒子群算法的pid整定对聚合温度的控制[j].信息通信，2017(4)：9-10。文献3：高鹰，谢胜利.免疫粒子群优化算法[j].计算机工程与应用，2004，41(6)：4-6〕既可以通过免疫算法中的免疫记忆以及自我调节保持粒子群的多样性，也可以通过pso算法让抗体可以朝一个方向进行进化，从而在较少的代数内向最优解进行收敛。因此可以考虑将pso算法和免疫算法相结合用于对下垂控制参数的优化求解，当电网电压和频率波动或微网模式切换时，通过免疫粒子群寻优算法，快速求解最优下垂控制参数，实时对微源的下垂曲线参数进行调节控制，快速恢复系统频率和电压到额定值，从而保证微电网的安全可靠运行。