陈敏荣;曾国强;谢晓青 基于种群极值优化的多区域互联电力系统扩展分布式模型预测负荷频率控制。 (英语) 兹比尔1402.93178 J.富兰克林研究所。 355、17号、8266-8295(2018). 摘要:如何为多区域互联电力系统设计一组最优的分布式负荷频率控制器是现代电力系统领域中一个重要但仍然具有挑战性的问题。针对多区域互联电力系统,提出了一种基于自适应种群极值优化的扩展分布式模型预测负荷频率控制方法PEO-EDMPC。该方法的核心思想是将每个地区电力系统的动态负荷频率控制问题表示为基于扩展状态向量的扩展分布式离散时间状态空间模型,得到一个分布式动态扩展预测模型,采用自适应种群极值优化算法对实时控制输出信号进行滚动优化,其中适应度通过平方预测误差和平方未来控制值的加权和进行评估。提出的PEO-EDMPC方法相对于传统分布式模型预测控制方法的优势,通过对两区域和三区域互联电力系统在正常、扰动系统参数和动态负荷扰动情况下的仿真研究,证明了基于种群极值优化的分布式比例积分控制算法和传统的分布式积分控制方法。 引用于2文件 MSC公司: 93C80号 控制理论中的频率响应方法 93C40型 自适应控制/观测系统 93C55美元 离散时间控制/观测系统 关键词:预测负荷频率控制;自适应种群频率控制;离散时间状态空间模型 PDF格式BibTeX公司 XML格式引用 \textit{M.-R.Chen}等人,J.Franklin Inst.355,No.17,8266-8295(2018;Zbl 1402.93178) 全文: 内政部 参考文献: [1] Shayeghi,H。;Shayanfar,H.A。;Jalili,A.,《负载频率控制策略:针对研究人员Energy Convers的最新调查》。管理。,50, 344-353, (2009) ·Zbl 1167.93389号 [2] 潘迪,S.K。;莫汉蒂,S.R。;Kishor,N.,《传统和分布式发电系统负荷频率控制文献综述》,更新。维持。《能源评论》,25,318-334,(2013) [3] Pappachen,A。;Fathima,A.P.,《解除管制电力系统中负荷频率控制问题的关键研究领域:现状回顾》,更新。维持。《能源评论》,72,163-177,(2017) [4] Mohamed,T.H。;Bevrani,H。;哈桑,A.A。;Hiyama,T.,互联电力系统中基于分散模型预测的负荷频率控制,Energy Convers。管理。,52, 1208-1214, (2011) [5] Mohamed,T.H。;沙比卜,G。;Ali,H.,《使用生态技术和系数图法在互联电力系统中进行分布式负载频率控制》,国际电工杂志。电力能源系统。,82, 496-507, (2016) [6] Wu,Y.D。;魏,Z。;翁,J。;李,X。;Deng,R.H.,智能电网负荷频率控制的共振攻击,IEEE Trans。智能电网,94490-4502,(2018) [7] Tan,W.,电力系统PID负载频率控制器的调节,能量转换。管理。,50, 1465-1472, (2009) [8] Tan,W.,通过IMC对电力系统PID负载频率控制器进行统一调整,IEEE Trans。电力系统。,25, 341-350, (2010) [9] 莫汉蒂,B。;熊猫,S。;Hota,P.K.,微分进化算法的控制器参数整定及其在多源电力系统负荷频率控制中的应用,国际电工杂志。电力能源系统。,54, 77-85, (2014) [10] Sa-ngiamvibool,W.,《利用bee算法设计水热系统的最优模糊逻辑比例积分微分控制器》,IEEE Trans。Ind.通知。,(2018) [11] Sekhar,G.T.C。;Sahu,R.K。;Baliarsingh,A.K。;Panda,S.,《使用最优萤火虫算法在解除管制环境下对电力系统进行负荷频率控制》,国际电工杂志。电力能源系统。,74, 195-211, (2016) [12] Chen,H.Y。;Ye,R。;王,X.D。;Lu,R.G.,利用微分对策对电力系统负荷和频率进行协同控制,IEEE Trans。控制系统。技术。,23, 882-897, (2015) [13] Saxena,S。;Hote,Y.V.,扰动多区域电力系统的分散PID负载频率控制,国际电工杂志。电力能源系统。,81, 405-415, (2016) [14] Golpira,H。;Bevrani,H.,遗传算法优化在互联电力系统自动发电控制设计中的应用,Energy Convers。管理。,52, 2247-2255, (2011) [15] Daneshfar,F。;Bevrani,H.,使用遗传算法进行负载频率控制的多目标设计,国际电工杂志。电力能源系统。,42, 257-263, (2012) [16] 熊猫,S。;Yegiredid,N.K.,使用多目标非支配排序遗传算法-II的多区域电力系统自动发电控制,国际期刊Electr。电力能源系统。,53, 4, 54-63, (2013) [17] Naidu,K。;Mokhlis,H。;Bakar,A.H.A.,使用加权和人工蜂群算法进行负荷频率控制的多目标优化,国际电工杂志。电力能源系统。,55, 2, 657-667, (2014) [18] 潘,I。;Das,S.,使用混沌多目标优化的互联电力系统分数阶负荷频率控制,应用。软计算。,29, 328-344, (2015) [19] Chuang,N.,互联电力系统中的鲁棒H_{∞}负载频率控制,IET控制理论应用。,10, 67-75, (2016) [20] 奥贾吉,P。;Rahmani,M.,基于LMI的通信延迟电力系统鲁棒预测负荷频率控制,IEEE Trans。电力系统。,32, 4091-4100, (2017) [21] Mi,Y。;Fu,Y。;王,C。;Wang,P.,多区域电力系统的分散滑模负荷频率控制,IEEE Trans。电力系统。,28, 4301-4309, (2013) [22] Prasad,S。;Purwar,S。;Kishor,N.,多区域电力系统中的非线性滑模负载频率控制,控制工程实践。,61, 81-92, (2017) [23] Sabahi,K。;Teshnehlab,M.,采用反馈误差学习方法的递归模糊神经网络,用于互联电力系统中的LFC,Energy Convers。管理。,50, 938-946, (2009) [24] Saxena,S。;Hote,Y.V.,通过IMC实现扰动系统的稳定:在负载频率控制中的应用,控制工程实践。,64, 61-73, (2017) [25] 卡马乔,E.F。;Alba,C.B.,模型预测控制,(2013),Springer Science&Business Media [26] Mayne,D.Q.,《模型预测控制:最新发展和未来展望》,Automatica,502967-2986,(2014)·Zbl 1309.93060号 [27] 巴斯克斯,S。;Leon,J.I。;Franquelo,L.G。;Rodriguez,J.,《模型预测控制:电力电子应用综述》,IEEE Ind.Electron。Mag.,8,16-31,(2014) [28] 姜浩。;林,J。;Song,Y。;Hill,D.J.,《基于MPC的频率控制与需求方参与:孤立风铝电力系统的案例研究》,IEEE Trans。电力系统。,30, 3327-3337, (2015) [29] Ersdal,A.M。;拉尔斯,I。;Kjetil,U.,模型预测负载频率控制,IEEE Trans。电力系统。,31, 777-785, (2016) [30] 马,M.M。;陈,H。;刘晓杰。;Allgöwer,F.,《多区域互联电力系统的分布式模型预测负荷频率控制》,国际电工杂志。电力能源系统。,62, 289-298, (2014) [31] 刘晓杰。;Kong,X.B。;Lee,K.Y.,水热电力系统负荷频率动态模糊阀位建模分布式模型预测控制,IET控制理论应用。,10, 1653-1664, (2016) [32] Shiroei先生。;Touliba,M.R。;Ranjbar,A.M.,考虑发电率约束的鲁棒多变量预测负荷频率控制,国际电工杂志。电力能源系统。,46, 405-413, (2013) [33] Ersdal,A.M。;伊姆斯兰,L。;Uhlen,K。;法博齐,D。;Thornhill,N.F.,考虑不平衡不确定性的模型预测负载频率控制,控制工程实践。,53, 139-150, (2016) [34] Christofides,P.D。;Scattolini,R。;佩尼亚,D.M.D.L。;Liu,J.,《分布式模型预测控制:教程回顾和未来研究方向》,计算机。化学。工程师,51,21-41,(2013) [35] Negenborn,R.R。;Maestre,J.M.,《分布式模型预测控制:未来研究机会的概述和路线图》,IEEE控制系统。Mag.,34,4,87-97,(2014)·Zbl 1476.93073号 [36] 马,M.M。;张春云。;刘晓杰。;Chen,H.,解除管制后多区域电力系统的分布式模型预测负荷频率控制,IEEE Trans。Ind.Electron公司。,64, 5129-5139, (2017) [37] 李,S.M。;Kim,H。;Myung,H。;Yao,X.,基于协同进化算法的模型预测控制,确保多机器人编队的稳定性,IEEE Trans。控制系统。技术。,23, 37-51, (2015) [38] 乔德里,M.H.M。;Luh,P.B.,非线性模型预测控制中全局优化的嵌套分区,控制工程实践。,20, 869-881, (2012) [39] 弗拉沃里尼,M.L。;Ficola,A。;La Cava,M.,约束预测控制的实时进化算法,139-184,(2008),INTECH Open Access Publisher [40] 李,Y。;沈杰。;Lu,J.,基于遗传优化的固体氧化物燃料电池约束模型预测控制,J.Power Sources,196,5873-5880,(2011) [41] 兰科维奇,V。;Radulovic,J。;Grujovic,N。;Divac,D.,使用遗传算法的非线性系统的神经网络模型预测控制,国际计算机杂志。Commun公司。控制,7,3,540-549,(2012) [42] Sedraoui,M。;Abdelmalek,S。;Gherbi,S.,使用改进粒子群优化算法的多变量广义预测控制,Informatica,51,207-217,(2011) [43] Nisha,M.G。;Pillai,G.N.,带相关向量回归和粒子群优化的非线性模型预测控制,控制理论应用杂志。,11, 563-569, (2013) ·Zbl 1299.93109号 [44] 富恩特斯,A。;Ploteau,J.P。;Glouanec,P.,多目标优化预测控制:在污泥干燥操作中的应用,计算。化学。工程师,78,70-78,(2015) [45] 加西亚,J.J.V。;加雷,V.G。;戈尔多,E.I。;法诺,F.A。;Sukia,M.L.,智能多目标非线性模型预测控制(imo-NMPC):面向高度复杂控制问题的“在线”优化,专家系统。申请。,39, 6527-6540, (2012) [46] 拉阿比迪,K。;Bouani,F。;Ksouri,M.,非线性预测控制中的多准则优化,数学。计算。模拟。,76, 363-374, (2008) ·Zbl 1131.65054号 [47] Elsisi,M。;索利曼,M。;Abolela,M.A.S。;Mansour,W.,基于Bat启发算法的模型预测负荷频率控制优化设计,国际电工杂志。电力能源系统。,83, 426-433, (2016) [48] Boettcher,S。;Percus,A.,《自然的优化方式》,Artif。智力。,119, 275-286, (2000) ·Zbl 0949.90075号 [49] Boettcher,S。;Percus,A.,极值动力学优化,物理学。修订稿。,86, 5211, (2001) [50] 贝克·P。;Sneppen,K.,《简单进化模型中的标点平衡和临界性》,Phys。修订稿。,71, 4083, (1993) [51] 曾国庆。;陈,J。;Dai,Y.X。;李·L·M。;郑春伟。;Chen,M.R.,基于多目标极值优化的自动调节电压系统分数阶PID控制器设计,神经计算,160173-184,(2015) [52] 曾国庆。;陈,J。;陈先生。;Dai,Y.X。;李·L·M。;Lu,K.D。;Zheng,C.W.,使用实数编码基于种群的极值优化设计多变量PID控制器,神经计算,1511343-1353,(2015) [53] 吕义忠。;陈永伟。;陈先生。;陈,P。;曾国强,《极值优化:基础、算法和应用》,(2016),中国铁道大学出版社·Zbl 1354.90006号 [54] 曾国庆。;谢,X.Q。;张志杰。;严,Z.B。;Sun,J.L。;Wu,L。;Wang,H。;Dai,Y.X.,基于人口极值优化的多区域互联电力系统分布式分数阶PID控制,(IEEE工业电子学会第43届年会论文集(IECON 2017),(2017)),227-232 [55] Sun,J.L。;谢,X.Q。;熊,R。;曾国庆。;Wang,H。;Dai,Y.X.,基于二进制极值优化的孤岛微电网分数阶频率控制,(第36届中国控制会议论文集,(2017)),10679-10685 [56] Wang,H。;曾国庆。;Dai,Y.X。;Bi,D.Q。;Sun,J.L。;谢晓清,孤岛微电网分数阶频率PID控制器的设计:一种多目标极值优化方法,能源,101502,(2017) [57] 曾国庆。;谢晓秋。;Chen,M.R.,带光伏发电的多区域互联电力系统的自适应模型预测负荷频率控制方法,能源,101840,(2017) [58] 陈,P。;Lu,Y.Z.,支持向量机与极值优化集成的非线性模型预测控制,(第八届世界智能控制与自动化大会论文集,(2010)),3167-3172 [59] Liu,H.Y。;Lu,K.D。;曾国庆。;Wang,H。;戴玉霞,一种基于种群极值优化的改进约束广义预测控制方法,(第29届中国控制与决策会议论文集,(2017)),863-869 [60] 李·L·M。;Lu,K.D。;曾国庆。;Wu,L。;Chen,M.R.,一种新的基于实数编码的人口的多项式变异极值优化算法:连续优化问题的非参数统计研究,神经计算,174,577-587,(2016) [61] 曾国庆。;谢晓秋。;陈先生。;Weng,J.,多变量非线性控制系统基于自适应种群极值优化的PID神经网络,Swarm Evol。计算。,(2018) [62] Bevrani,H。;Hiyama,T.,《带时滞的负载频率调节:设计和实时实现》,IEEE Trans。能量转换。,24, 1, 292-300, (2009) [63] Bevrani,H。;丹麦人。;Babahajyani,P。;Mitani,Y。;Hiyama,T.,《关于风电高渗透率的智能LFC:合成和实时应用》,IEEE Trans。维持。能源,5,2,655-662,(2013) 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。