基于多目标遗传算法的火电机组负荷频率控制方法

关凯

摘 要：常规的负荷频率控制方法以频率协调为主，调频信号指令受到阶跃响应的影响，存在一定的频率偏差，阻碍火电机组频率控制效果。因此，设计了基于多目标遗传算法的火电机组负荷频率控制方法。提取火电机组负荷一次调频特征，将高出允许合理范围的火电机组负荷频率进行调整，增加或减小机组功率，使其达到新的负荷平衡。基于多目标遗传构建火电机组负荷频率控制模型，以机组发电损失与经济投入作为约束条件，优化汽轮机输出功率阶跃响应速度，从而控制火电机组负荷频率。协调机组负荷频率控制分配因子，将火电机组的前馈变负荷速率进行调节，在不影响机组负荷变化率的基础上，修正负荷频率偏差。采用对比实验，验证了方法的控制效果更佳，能够应用于实际生活中。

关键词：多目标遗传算法  火电机组  负荷频率  控制方法

中图分类号：TM611

Load Frequency Control Methods for Thermal Power Units Based on the Multi-Objective Genetic Algorithm

GUAN Kai

（CHN Energy Science and Technology Research Institute Co.， Ltd.， Nanjing， Jiangsu Province， 210046 China）

Abstract： The conventional load frequency control method is focused on frequency coordination， and the frequency modulation signal command is affected by the step response， resulting in a certain frequency deviation， which hinders the frequency control effect of thermal power units. Therefore， a load frequency control method for thermal power units based on the multi-objective genetic algorithm is designed. The primary frequency regulation characteristics of the load of thermal power units are extracted， the load frequency of thermal power units that is higher than the allowable reasonable range is adjusted， and the power of units is increased or decreased to achieve a new load balance. Based on the multi-objective genetic algorithm， a load frequency control model for thermal power units is constructed， the step response speed of steam turbine output power is optimized with the generation loss and economic input of units as constraints， so as to control the load frequency of thermal power units. The allocation factor of the load frequency control of units is coordinated， the feedforward variable load rate of thermal power units is adjusted， and the load frequency deviation is corrected without affecting the load change rate of units. By comparative experiments， it is verified that the method has better control effect and can be applied in real life.

Key Words： Multi-objective genetic algorithm; Thermal power units; Load frequency; Control method

電力系统正在进行能源转型，风电、光伏等发电形式，为人们提供了更高质量的电能。火电机组在发电的过程中，汽轮机主汽门开度释放压力，容易导致机组负荷响应降低，影响电能稳定性。针对负荷频率变化波动较大的问题，研究人员设计了多种控制方法。其中，基于变分模态分解（Variational Mode Decomposition，VMD）和模型预测控制（Model Predictive Control，MPC）的火电机组负荷频率控制方法，与基于Ziegler-Nichols优化算法的火电机组负荷频率控制方法的应用较为广泛。

基于VMD和MPC的火电机组负荷频率控制方法，主要是利用VMD分解火电机组的负荷信号，并利用MPC模拟调频单元，建立控制模型，通过调整AEV指令，优化火电机组内部频率，再对不合理的调频信号进行跟踪控制，从而提升火电机组的动态控制性能[1]。基于Ziegler-Nichols优化算法的火电机组负荷频率控制方法，主要是利用Ziegler-Nichols优化算法，建立自动电控制仿真模型，并根据火电机组的煤耗特性曲线，建立更具有控制性能的目标函数，通过Ziegler-Nichols优化算法得出最优出力分配系数，从而优化频率控制的鲁棒性能[2]。以上两种方法均能够进行频率控制，但是受到阶跃响应的影响，控制频率偏差较大，影响最终的控制效果[3]。因此，本文结合了多目标遗传算法的优势，设计了火电机组负荷频率控制方法。

1  火电机组负荷频率的多目标遗传控制方法设计

1.1  提取火电机组负荷一次调频特征

在火电机组运行的过程中，一次调频的动态特性与机组负荷频率变化有关[4]。本文将高出允许合理范围的火电机组负荷频率进行调整，增加或减小机组功率，使其达到新的负荷平衡。火电机组负荷频率处于变动环境中，减小频率偏差以控制一次调频的频率为主。一次调频负荷补偿曲线如图1所示。

如图1所示，-8 r/m、8 r/m为一次调频时，汽轮机的转速；-2 r/m、2 r/m为调频补偿后，汽轮机的转速。汽轮机的最大、最小负荷在额定负荷±6%的范围内变化[5]。在稳定发电工况下，火电机组的功率与转速的关系表示为：

式（1）中：为火电机组负荷频率变动率；、为空、满负荷的机组转速；为额定转速。一次调频负荷频率偏差补偿量表示为：

式（2）中：为一次调频负荷频率偏差补偿量；为火电机组的额定容量；为扣除转速死去的频率偏差。结合一次调频转差-负荷曲线，将火电机组的高频死区负荷作为基准响应时间，最大程度上均衡一次调频负荷频率。

1.2  构建火电机组负荷频率控制模型

火电机组负荷频率控制的问题较为复杂，本文采用多目标遗传算法，对火电机组的负荷频率进行优化控制。以机组发电损失与经济投入作为约束条件，优化汽轮机输出功率阶跃响应速度，从而达成火电机组负荷频率控制的目的[6]。在火电机组运行的过程中，蒸气容积变化情况如图2所示。

如图2所示，ΔZ1、ΔZ2为机组阀门开度；Qm1、Qm2为途径阀门1与阀门2的流量。Qm1、Qm2的函数表示为：

式（3）中：、为Qm1、Qm2的函数表达式；、为阀门；为机组内容器压强。在负荷不受扰动的条件下，火电机组负荷变化幅度限制情况如表1所示。

如表1所示，将负荷变化幅度的最高值与最低值作为约束条件，并将Qm1、Qm2两个流量作为频率控制目标，从多个目标的角度达到频率控制的整体最优[7]。负荷频率控制模型的目标函数表示为

式（4）中：、为第1、N个目标函数；为负荷频率的设计变量。假设的初始种群规模为100，规定最大迭代次数为100，独立个体的交叉概率为0.9，制定交叉分布指数为10，其余参数保留默认值[8]。当个体扬程与效率均高于初始值时，控制效果为最佳，此时的控制模型表达式为：

式（5）中：为控制模型表达式；、为种群控制目标；、为、的响应目标。当＞；＞时，、为最优响应目标，火电机组负荷频率的整体控制效果较佳。

1.3协调机组负荷频率控制分配因子

火电机组前馈负荷速率与渡河频率变化幅度存在调频四区，每次负荷频率控制幅度均在10～20 MW的小范围内变化，无法确保负荷频率控制效果。本文将火电机组的前馈变负荷速率进行调节，在不影响机组负荷变化率的基础上，修正负荷频率偏差。分配因子作为控制变量之一，在负荷振荡区间表示为：

式（6）中：在第t时刻，第i个分配因子在第j个火电机组的变化量；为震荡区间对于分配因子的约束；位移第j个火电机组在[，]之间的变化量；为分配因子受到阶跃变化的影响，在第j个火电机组显示的频率振荡值。根据的变化情况，协调负荷频率。不同的机组容量选择不同的负荷限制，根据多机互补协调的机制，将机组参与控制的功率因子进行分配与协调，从而满足负荷频率均衡的条件。

2  实验

为了验证本文设计的方法是否具有精准控制的效果，本文对上述方法进行了实验分析。最终的实验结果则以余洋等人[1]提出的基于VMD和MPC的火电机组负荷频率控制方法、于国强等人[2]提出的基于Ziegler-Nichols优化算法的火电机组负荷频率控制方法，以及本文设计的基于多目标遗传算法的火電机组负荷频率控制方法进行对比的形式呈现。具体的实验准备过程以及最终的实验结果如下所示。

2.1 实验过程

本次实验选取TC4F-40型火电机组，采用II型布置，能够平衡火电机组的通风环境，固态排放废渣，确保机组的正常使用。TC4F-40型火电机组存在中间再热、低中高压排气缸。在正常运行时，默认中低压缸启动，根据不同的发电环境，调整高压缸、中低压缸的启动情况，为火电厂提供一体化调节系统。火电机组调速系统工作情况如图3所示。

如图3所示，当蒸汽压力升高时，火电机组的功率相应增加，机组转速相应变化。将高压调节阀门开启，高压缸流量与功率增加，中压缸的流量与功率与再热容积压力有关，低压缸的流量与功率降低。根据发电实际情况，实时调整低中高压缸的压力。不同压力状态的阶跃响应情况不同，输出功率响应速度越快，在负荷频率方面的控制越具有优势。火电机组阶跃响应曲线如图4所示。

如图4所示，火电机组在时间第20～60 s之间，输出功率达到了1.0 Pu的平衡，此阶段输出功率响应情况达到了高度的一致，不容易产生负荷频率偏差。而在火电机组阶跃响应的0～20 s范围内，输出功率呈现为持续上升的态势。此阶段输出功率不断变化，更容易产生负荷频率控制偏差。因此，本次实验将火电机组阶跃响应的前20 s作为负荷频率控制时间，对此阶段的频率偏差进行分析。

2.2 实验结果

在上述实验条件下，本文随机选取出不同时间常数相对基准值变化范围，分别为-20%～+20%、-40%～+40%、-10%～+10%。在其他条件均一致的情况下，将余洋等人[1]提出的基于VMD和MPC的火电机组负荷频率控制方法的频率偏差；于国强等人[2]提出的基于Ziegler-Nichols优化算法的火电机组负荷频率控制方法的频率偏差，以及本文设计的基于多目标遗传算法的火电机组负荷频率控制方法的频率偏差进行对比。实验结果如表2所示。

如表2所示，时间常数相对基准值是火电机组与联络功率负荷发生改变时，不同时间对控制区域施加的0.1 pu的负荷阶跃扰动，此阶段产生的频率偏差较大。在时间常数相对基准值变化范围之内，频率偏差越小，负荷频率控制效果越佳。时间常数相对基准值变化范围在-20%～+20%、-40%～+40%、-10%～+10%的范围内变化，范围越小，发生的负荷阶跃扰动越小，频率偏差能够被快速消除。在其他条件均一致的情况下，使用余洋等人[1]提出的基于VMD和MPC的火电机组负荷频率控制方法之后，火电机组负荷频率实际值在119～240 Hz的范围内变化，负荷频率的最大值与最小值的变化波动相对较大，频率偏差在5 Hz以内。由此可见，使用该方法之后，负荷频率偏差较大，影响负荷频率控制效果，亟须对其进一步处理。

使用于国强等人[2]提出的基于Ziegler-Nichols优化算法的火电机组负荷频率控制方法之后，火电机组负荷频率实际值在83～126 Hz的范围内变化，频率偏差在0.3 Hz以内。由此可见，该方法较另一对比方法存在较大的提升，但是受到时间常数相对基准值变化范围较大的影响，频率偏差仍然较高，需要在一次调频时调整时间常数基准值，确保频率偏差被快速消除。而使用本文设计的基于多目标遗传算法的火电机组负荷频率控制方法之后，火电机组负荷频率实际值在120～135 Hz的范围内变化，频率波动范围较小，频率偏差甚至低于0.02 Hz。由此可见，使用本文设计的方法能够精准地控制机组的负荷频率，并在频率偏差出现的瞬间进行消除，确保火电机组的正常使用。

3  结语

近些年来，电网运行稳定性、安全性逐渐成为战略难题，大范围的停电事故、大量的弃电，成为电力企业发展的挑战。新能源的消纳作为亟待解决的问题，弃电总量呈现持续上升的态势，造成了较大范围的能源浪费。火电机组的灵活性，为新能源消纳问题提供了经验。本文主要从电源侧分析火电机组的负荷频率特性，并结合多目标遗传算法的优势，设计了火电机组负荷频率控制方法。以控制模型为基础，控制分配因子为优化控制策略，全方位地诠释了火电机组的负荷频率控制优势，为满足火电机组稳定发电需求提供了保障。

参考文献

[1]余洋，王紫阳，张瑞丰，等.基于VMD和MPC的电动汽车-火电机组联合调频控制[J].电力工程技术，2023，42（2）：29-39.

[2]于国强，刘克天，胡尊民，等.基于Ziegler-Nichols优化算法的火电机组负荷频率PID控制研究[J].热力发电，2021，50（9）：137-144.

[3]陈沛，张新松，郭晓丽，等.考虑AGC指令随机特性的火-储混合电站二次调频研究[J].电力系统保护与控制，2023，51（12）：168-177.

[4]赵征，孙赫宇，陈江丽.基于AGC负荷指令优化分解的火电机组蓄能综合利用[J].动力工程学报，2023，43（5）：575-581，589.

[5]陶鑫，刘志成，祝建飞，等.基于改进粒子群算法的火储联合调频优化储能控制策略研究[J].热能动力工程，2023，38（3）：98-104.

[6]李威，张春歌，姜传喜，等.基于最小二乘支持向量机的火电机组线性参数变化模型辨识研究与应用[J].机电工程技术，2023，52（1）：22-25，92.

[7]刘海山，徐宪龙，魏书洲，等.基于提升华北电网考核指标的飞轮储能参与调频划分电量控制策略[J].储能科学与技术，2023，12（4）：1176-1184.

[8]邢智煒，康静秋，刘磊，等.供热储能和深度调峰工况下火电机组旁路供热自动控制策略研究与应用[J].热力发电，2023，52（2）：136-145.