基于免疫遗传算法的电力弹簧稳压控制策略

王天恒 郭兴众

摘要：随着风能和太阳能等间歇性和分布式可再生能源的普及，人们越来越关注电力系统的稳定性.作为一种新型的电压控制装置，电力弹簧可以有效地抑制分布式发电功率变化引起的电压波动.在分析电力弹簧电压稳定控制原理的基础上，考虑了非关键负载变化的优化问题和控制效果.结合免疫遗传算法，提出了一种基于免疫遗传PI控制的电力弹簧电压控制方法，并用Matlab/Simulink进行仿真.仿真结果表明，该算法具有良好的电压调节效果.

关键词：可再生能源;电力弹簧;免疫遗传算法;PI控制

中图分类号：TM761+.1  文献标识码：A  文章编号：1673-260X（2019）05-0057-04

随着能源危机和环境问题的出现，可再生能源的普及率急剧上升.光能和风能等可再生能源有着间歇性和不稳定性的缺点，随着发电并网容量的增加，对电力系统的影响越来越明显，使得预测电力消耗变得更加困难.现在，对于可再生能源的间歇性问题，利用蓄电池、超导或高速飞轮等储能装置来抵消发电量与需求量的不匹配是有效的解决方案之一.但是，这些储能装置会使成本显著增加，而且储能装置的可靠性运行变得至关重要.对于电网电压的不稳定问题，应用最广泛的技术是无功补偿.然而，该技术采用大容量集中安装方式，不能有效地满足分布式发电的接入应用.

为了稳定可再生能源并网系统，香港大学的Shu Yuen（Ron）Hui教授提出了一个基于胡克机械弹簧的定律.研究出电力弹簧（Electric Spring，简称ES）这个概念，电力弹簧的作用是：将电力系统的负载分为关键负载和非关键负载.当电网电压波动时，电力弹簧会自动调节电压，动态改变与其串联的非关键负载电压，并将可再生能源并网引起的波动转移到非关键负载，确保将关键负载的电压控制在相应的范围内，以保持电网的稳定性.电力弹簧从负载侧实时对电网的稳定进行调节，可以在用户基本察觉不到的情况下，实现发电和用电的平衡.电力弹簧实时地调整电力负荷，不需要集中控制，属于分布式运行，同时也会减少储能设备的投入，可以提高可再生能源的并网稳定性.

目前ES已逐渐成为一个研究热点，受到了国内外学者的重视，主要的研究成果是由香港大学、东南大学和伦敦帝国学院的研究得出.在已经发表的文献中，文献[3]中，采用电网电压前馈策略结合PR控制器，通过实验验证了控制方法的可行性;文献[4]中，设计出一种优化目标函数来实时调整PI控制器的参数，使ES的动态响应效果最佳;文献[5]中，采用遗传算法优化PI控制器的无功补偿;文献[6]中，提出了一种相位控制算法，以此来分析、线路阻抗变化和非关键负载对ES调压性能的影响.

在本文中，提出了一种新的控制策略，基于改进型遗传算法控制方法，使电力弹簧具有更好的调节作用，在非关键负载变化时，一直能使关键负载的性能保持稳定.在本文中：分析电力弹簧的工作原理;基于免疫遗传算法，输出了最优的PI控制参数;基于Matlab/Simulink软件建立的仿真模型用于验证了所提出控制方法的可行性和有效性.

1 电力弹簧的结构及其工作原理

1.1 ES结构

如图1所示的是电力弹簧的工作原理图.图1（a）是ES拓扑图，从图中可以看出电力弹簧是由LC低通滤波器、单相电压源型逆变器和使能开关等组成.图1（b）是ES在微电网中的连接效果图.在图1（b）中，非关键负载指的是能够承受电网输送较大电压的负载，例如我们日常生活中所使用的空调、电冰箱等.而且ES能和非关键负载串联，可以形成一个智能负载，它可以产生交流电压，以此来改变负載的外加电压，那么ES就可以把电压波动转移到非关键负载中，从而来维持关键负载电压稳定.其中关键负载指的是对电网电压的波动非常敏感，并且需要在工作时，电压要极其稳定的负载，例如我们到医院就医所使用的医疗仪器，或者进行科学实验所需的精密仪器.

1.2 ES工作原理

平衡状态、压缩状态和拉伸状态是正常机械弹簧的三种状态，电力弹簧也可以与之对应到电力领域.在最初的ES理论中，当ES工作于纯无功补偿状态时，主要有三种工作状态：感性、阻性、容性.对应于阻性状态的电网电压称为正常值.电网电压高于正常值时为感性状态，并且在容性状态时，就会低于正常值.当ES电流滞后ES电压角度90°时，称为感性状态.当ES电流超前ES电压角度90°时，称为容性状态.阻性状态时，ES电压接近于0.

2 基于免疫遗传算法的PI控制

为了让ES具有良好的调压效果，能够很好地解决时滞性、非线性被控对象的控制问题，本文使用免疫遗传算法.合理选择Kp、Ki参数的常规做法是根据调节经验来确定参数的值，但该方法存在耗时过长、得到参数未必是最优值的缺点，这将会影响控制系统的响应速度和过冲.利用算法全局寻优特性克服上述缺点，提出了一种基于免疫遗传算法在线整定PI参数，进一步提高控制品质，实现PI的自适应控制.

遗传算法（genetic algorithm）最初由Hol-land在美国提出.他所讲的遗传算法的基本思想，就是要编码优化的参数，而且还要生成一定数量的个体初始种群，以此作为要解决问题的备选解.遗传算法的选择条件是使用适应度函数值，通过选择、交叉、变异的操作一代代地进行优化，最后将获得满足要求条件的最佳解.

3 仿真验证

使用Matlab/Simulink进行仿真，经免疫遗传算法输出最优参数得kp=4.7和ki=15.3.

设置的仿真参数如下：临界负载电压设定为220V，直流测电压480V，传输线路电阻4？赘，传输线路电感50mH，关键负载阻值2k？赘，非关键性负载阻值100？赘，低通滤波器电感3mH，低通滤波器电容50Μf，开关频率5kHz.

如图3所示，在开关S闭合后，将关键负载的电压设定为220V，示波器的三通道分别显示电网电压、关键负载电压和ES电压的波形.图3（a）显示ES工作于容性模式下的波形;图3（b）显示ES工作于阻性模式，ES电压接近于零，非关键负载电压趋于关键负载电压;图3（c）显示ES工作于容性模式下的波形.

4 结束语

为了提高ES的电压调节能力和稳定性，本文提出了基于免疫遗传算法的电力弹簧稳压控制策略，对电力弹簧的仿真结果可以看出：本文提出的PI控制可有效地解决非关键负载变化引起的整个系统电压不稳定;本文采用的免疫遗传算法，具有使控制器调节时间短、抗干扰能力强等优点.总的来说，本文采用的算法控制对ES的性能有良好的作用.

参考文献：

〔1〕AKHTAR Z， CHAUDHURI B， HUI S Y R. Smart loads for voltage control in distribution networks[J]. IEEE Transactions on Smart Grid， 2015，8（2）：937- 946.

〔2〕卓克琼，赵朝会，王飞宇，等.电气弹簧的原理及发展[J].上海电机学院学報，2016，19（1）：12-17.

〔3〕程明，王青松，张建忠，等.电力弹簧理论分析和控制器设计[J].中国电机工程学报，2015，35（10）：2436-2444.

〔4〕吴捷，王宝华.基于最优比例积分的电力弹簧控制器设计[J].电气自动化，2017（14）：147-152.

〔5〕Areed E F， Abido M A. Design and dynamic analysis of Electric Spring for voltage regulation in smart grid[C]// International Conference on Intelligent System Application To Power Systems. IEEE， 2015：1-6.

〔6〕WANG Qingsong， CHENG Ming， CHEN Zhe， et al. Steady-State Analysis of Electric Springs  With a Novel δ Control [J]. IEEE Transactions on Power Electronics， 2015， 30（12）：7159-7169.Control [J]. IEEE Transactions on Power Electronics， 2015， 30（12）：7159-7169.

〔7〕曾正，邵伟华，冉立，等.基于直流电气弹簧的直流配电网电压波动抑制[J].电工技术学报，2016， 31（17）：23-31.

〔8〕张骕骦，丘东元，张波.考虑电压畸变的电气弹簧功率因数校正策略研究[J].电源学报，2017，15（4）：97-104.

〔9〕刘坤，曼苏乐.应用于微电网的新型潮流控制器[J].电气自动化，2017，39（2）：60-62.

〔10〕王旭冲，陈兵，尹香，等.电力弹簧在电压暂降治理中的应用研究[J].电气技术，2017，18（2）：65-69.

〔11〕Kanakesh V K， Sen B， Soni J， et al. Control strategies for Electric Spring in an islanded microgrid：  A comparative evaluation[C]// IEEE， International Future Energy Electronics Conference and Ecce Asia. IEEE， 2017：1714-1718.

〔12〕Lung L， Hou Y， Hill D J. Enhancing Flexibility of An Islanded Microgrid with Electric Springs[J]. IEEE Transactions on Smart Grid， 2017， PP（99）：1-1.