协调控制系统的优化（通用10篇）
协调控制系统的优化 篇1
0引言
重水供给系统是为保证反应堆正常运行, 依据反应堆和装卸料机等装置的不同工况为之提供不同流量和压力的冷却重水循环系统, 具有典型非线性滞后特征。装卸料机具有高、中、低和PARK多种操作动作模式, 存在压力、流量变换。系统既要实现重水净化无污、无漏循环, 又要防止高压重水倒流, 结构复杂;操作模式变换时, 压力互扰大, 耦合影响明显。这类复杂系统难以求得精确的数学模型, 因而, 用常规PID控制策略调节控制参数很难取得好的效果, 系统供给的流量和压力往往超调大, 跟随性能也差;抗扰动能力、动态特性都不能很好地满足工艺、工况的高水准要求[1]。
针对上述问题, 本研究在深入分析工艺过程及运行参数的基础上对系统管网结构作优化调整。
1重水压力系统结构及工作原理
装卸料机重水压力系统是依据反应堆和装卸料机等装置的不同工况, 由A、C两个输出环路管线分别向反应堆和装卸料机提供不同流量和压力的冷却重水控制系统[2]。为了便于叙述, 省略了与A、C两个管线相接的装卸料机和反应堆等装置及重水净化去污环节, 其结构示意图如图1所示。
由图1知, 和重水储存罐相接的有3条管路, 即热交换机重水管道和A、C两路管线。每路管线上均配有提供压力的泵机;为减少泵机启动和停机带来的压力突变冲击, 在泵机进、出口端配置了减震缓冲箱。A、C两路管线中的串行阀通常采用高、中、低和PARK等恒定开度的模式工作, 当工艺过程需要大流量、高水压的重水时, A、C两管路中的串行阀同时高开度工作;否则, 减小开度, 或采用单路工作模式控制输出。图1中的压力变送器用于测取各路的压力控制信号, 以便通过控制旁路并行阀的开度, 调节A或C环路中的重水压力和流量, 使环路压力稳定在所需的设定值附近。A或C线上的逆止阀可防止高温重水逆流。流经反应堆和装卸料机并吸足热量的高温重水去污净化后, 通过回流管道经热交换机散热降温回到泵机进水口或重水储存罐, 得以循环使用。由于串行阀和并行阀同时通过重水, 而压力工作模式有高、中、低多种, 这种管路结构, 每当改变输出, 系统中的压力、流量有较大互扰、耦合问题, 且相互影响。并且串行阀的结构特点也带来切换非线性问题。串行阀的一般结构如图2所示。
由图2知, 串行阀投入工作时, 重水从阀塞套外侧经由阀塞上提形成的端孔进入阀塞套内侧流向阀门的出口。这一特殊结构流程使得重水流量变化出现非线性突变。首次突变发生在串行阀开启瞬间, 其后是串行阀的阀塞上提端孔引流过程。由于阀塞在上、下两排端孔间移动时, 具有惯性, 加上系统中的并行阀阀门开度死区影响[3]等原因, 导致装卸料机重水压力系统获取好的控制特性成为难题。
2网络结构系统优化
为减少系统的耦合效应, 本研究对重水压力系统管网作了结构优化仿真, 依据结果调整了结构网络, 新的系统结构示意图如图3所示。由图3不难看出, 新添的公共母管及泄流阀有效地提供了均衡串行阀入口压力的调节通道。控制信息提取由装在公共母管上的压力变送器3测得。通过控制公共回路中的泄流阀开度可有效调节A或C管线上的逆止阀出口水压, 分级降低互扰及自耦影响, 为压力、流量优化控制问题的有效解决创造了好途径。
3控制器设计
新的重水压力控制系统分为两部分:并行阀调节控制系统和公共母管泄流阀调节控制系统。控制思想基本相同, 控制器结构基本相似, 本研究采用自寻优模糊控制策略, 原理结构框图如图4所示[4]。
e—串行阀管道出口A/C侧重水实际压力与控制设定压力差;de/dt—压力误差变化率;U—相对应的并行阀状态开度控制量;Ke, Kc—A/C侧重水压力误差和误差变化率的加权值, 以两维变量做控制器输入;α—控制器规则的自寻优调整因子;ku—输出比例因子, 调整控制强度。
必须指出, 对于常规模糊控制器, 其隶属函数和控制规则的获取往往依赖于专家经验, 专家经验的正确与否直接影响控制效果;且隶属函数和控制规则一旦确定, 是不能更改的。当重水压力模式给定发生突变时, 控制器如按照既定的控制规则运行, 将造成系统重水管道压力得不到适时调节, 形成水压波动, 因而控制规则自寻优调节策略优越性不难理解, 其解析表达式为:
ΔU=-[αkee+ (1-α) (kcde/dt) (1)
Un+1=ku (Un+ΔU) (2)
3.1α调整因子
由式 (1) 描述的控制规则可看出, 控制作用取决于输出重水误差及误差变化率, 通过调整α的大小, 可以改变对其误差和误差变化的不同加权程度[5]。在常规应用中α值一旦确定, 整个控制过程就不再改变。由于重水压力系统具有不同的工况状态, 对相应控制规则的加权程度有不同的要求。比如:当误差较大时, 控制系统的主要任务是消除误差, 对误差的加权应该调大;而压差小时, 控制系统的主要任务是抑制误差变化率, 使系统尽快稳定, 提高鲁棒性, 此时要求增大控制规则中误差变化率的加权, 减小误差的影响。为了提高该重水压力系统控制性能, 要求在线连续修正α值, 这里采用优化设计方法:
式中 k0—某一极小常数, 其值由实际系统调试获得。
3.2比例因子ku
ku决定了控制作用的强弱, 对系统的动态性能和静态性能都有影响。ku过大通常会降低系统的稳定性, 而ku过小会增加误差及响应的快速性。在重水压力控制系统中, ku的选择取决于控制系统开环增益和系统滞后时间常数两个参数。综上, 本研究拟采用积分性能指标 (即时间乘绝对误差的积分准则) 对ku进行在线寻优:
该性能指标能综合评价控制系统的动、静态性能, 如响应快速性、调整时间、超调量及稳态误差情况等, 能跟踪系统开环增益和滞后的变化影响。J参数越小, 说明系统控制品质好, ku值最佳。为便于实现, 将ITAE指标离散化和简化处理, 取
if (Jn<Jn-1 and ku (n) ≤ku (n-1) ) ) or (Jn>Jn-1 and ku (n) >ku (n-1) )
then ku (n+1) =ku (n) -0.002。
else
if (Jn<Jn-1 and ku (n) >ku (n-1) ) or (Jn>Jn-1 and ku (n) ≤ku (n-1) )
then ku (n+1) =ku (n) +0.002。
4控制软件
4.1主程序流程图
重水压力控制系统控制调节的基本过程如图5所示。先判别压力控制模式, 并根据选定的模式, 给定相应串行阀的开度;压力变送器1和压力变送器2实时采样A/C侧管路内重水的压力值, 并变送输入到控制器, 经过模糊自寻优计算给出控制阀门信号, 调节并行阀的开度, 使管路输出重水的压力符合工况要求。一旦工况模式发生变换, 控制程序模式判断, 控制系统重新给定相应模式的串行阀的开度, 并依据相关管路参数快速寻优, 重新调整并行阀的开度, 使管路输出重水的压力符合新工况的要求。
4.2 寻优算法框图与控制输出曲线
该控制算法在实现过程中, 不断读取A/C侧重水压力值, 经过模糊化处理后, 不断迭代和优化, 最终得到最优控制效果。模糊自寻优算法软件实现的具体流程如图6所示。
系统管网结构改进前用常规方法控制由中压模式切换至低压时“C”侧重水压力输出曲线, 如图7所示。由图7可知:系统压力振荡明显, 调整时间长, 跟踪速度慢, 性能差。压力曲线说明常规控制方法很难取得好的效果。系统管网结构优化后, 用自寻优模糊控制算法得到由中压模式切换至低压时“C”侧重水压力输出曲线, 如图8所示。采取公共母管泄流阀的开度调节控制及并行阀的开度控制算法改进等综合措施, “C”侧重水压力控制响应速度快、输出平稳, 动态性能明显改善。同时也可看出, 当C侧压力模式发生突变时, A侧输出压力波动小、互扰影响小、抗扰动能力强。
5结束语
实验结果证明, 采用管网结构优化、改进的公共母管泄流阀的开度调节控制和并行阀的开度控制算法使重水压力控制系统具有更好的控制效果, 系统动、静态性能明显提高, 压力输出跟随快速、平稳, 其性能可更好地满足系统工况运行要求。
参考文献
[1]LI Jun, YIM Man-sung, MCNELIS D.Assessing the prolif-eration resistance of nuclear fuel cycle systems using a fuzzylogic-based barrier method[J].Nuclear Technology, 2008, 162 (3) :293-307.
[2]包志中.装卸料机重水和油压系统[J].核科学和工程, 2001, 21 (2) :182-188.
[3]CAO Feng, JIAO Zong-xia, LIU Guang-cong, et al.Studyon the control method for piezoelectric hydroelectric servovalve[J].Piezoelectrics and Acoustooptics, 2008, 30 (6) :692-695.
[4]周朝霞, 张肃宇, 卢凌乡.一种新型带可调因子的模糊控制器[J].南昌大学学报, 2007, 31 (6) :625-630.
[5]陆玲霞, 汪雄海.基于模糊控制的电磁水热系统研究[J].浙江大学学报:工学版, 2008, 42 (4) :598-601.
协调控制系统的优化 篇2
【关键词】形体操；多感觉；律动；大脑功能；促进作用
一、概论
形体操多感觉协调律动以身体感受音乐的速度、力度、时值等变化，在音乐、肢体运动、迅速反应的大脑之间建立起一种密切联系，促进学生视觉、听觉和动觉的感知能力；形体操协调律动首先要对其模仿的动作节奏进行观察（视觉和听觉），然后根据本体的感知与外部输入的偏差，不断调整动作，准确及时地反馈各种动觉信息，达到情感与思想、本能与控制之间的协调发展。
二、形体操多感觉协调律动对大脑功能的作用
1.国外相关研究
库姆斯和理查兹（Combs&Richards）早在1976年也指出，如果行为是知觉的产物，那么人类的潜力就会随着个人知觉的丰富性、广泛性和有效性的发展而被开发出来[1]；可见感知敏感性是神经知觉的必备成分，感知敏感性高的个体对外部世界具有更强的适应能力，进而影响着个体的信息辨别能力。人们通常利用多种感觉通道的信息对周围世界进行感知，如视觉、听觉、嗅觉、前庭感觉和本体感觉信息；大脑作为一个复杂的认知系统，有着灵活的协同功能，能根据外界信息的特征，重组各脑区之间的联系和功能，以达到完整认识对象的目的，这就是大脑神经知觉的优化整合功能。
2.形体操多感觉协调律动对神经知觉的优化发展作用
神经知觉的优化发展是指由长期练习所引起的大脑对外界环境反应能力的一种改变，形体操律动练习中机体各种感受器官（视觉、听觉、动觉、平衡觉等）受到相应的刺激，提高了机体的激活水平，使大脑皮层处于适宜的唤醒水平，引起大脑皮层各个神经中枢的神经细胞兴奋性提高，从而使神经中枢神经细胞工作能力得到增强，对自身和外界物体运动的知觉能力大幅度的提高。研究表明，人在学习感知外界事物时开放的感知通道越多、调动的感觉器官越多，就越能全面、深入地把握好认识对象；感知敏感性影响着信息加工的能力；感知过程的速度、精度和准确度的差异可导致个体所输入的信息产生量或质的差异，从而影响着个体神经系统发展的差异；这表明感知能力敏锐与大脑神经功能优化之间存在密切关系。
3.形体操多感觉协调律动对动觉、视觉、听觉的优化发展作用
形体操多感觉协调律动同时给予动觉、视觉、听觉三个感知觉通道任务，需要学生有较好的肢体协调性与感觉敏锐性，能够扩大个体的认知加工容量，提高神经效能。通常个体对外界的多样化刺激同一时间难以处理所有的信息，而必须有选择地加工其中部分信息。Kahneman（1973）等人认为，个体的认知注意在一定时间内有一个固定的总容量；当个体同时操作两个以上的任务时，一旦所需容量超过了总容量，将导致其中的一个任务成绩下降或几个任务成绩同时下降，个体必须在任务之间进行认知资源的调整分配，并且快速进行转移。
一套形体操动作的完成，都是各功能区协调作用的结果；形体操多感觉协调律动练习时不同的感觉通道有不同的任务，在完成过程中需要有效地分配、控制和灵活转换自己认知的广度和指向性，因此提高了各相应大脑皮层区域加工水平，促使个体的认知资源和容量潜能的充分开发。长期练习后，能提高多感知觉通道任务相应大脑皮层功能分区的精细知觉，能对肢体、场地、音乐以及动作的时间、空间特性等做出敏锐、精确的识别和觉察；促使大脑中视觉、听觉、动觉、平衡觉等多种感觉神经传导速度缩短，从而提高大脑信息加工效率和神经行为效率。
总之，形体操协调律动长期练习能使人的视觉、听觉、本体感觉、神经传导速度和神经过程的灵活性大大提高；一个人的反应速度与其思维能力存在密切的相关性；有效提高神经系统的反应能力，身体就能够更好地适应外界环境，更好地完成工作或学习任务。这表明形体操多感觉协调律动练习可以促进神经系统功能的提高，有利于促进学生大脑功能发展的优化。
【参考文献】
[1][美]陆哥J O，赫胥勒G L.生活心理学[M].符仁方，等译.贵阳：贵州人民出版社，1987
[2]徐本力，梁洪波，熊斗寅等.全脑型体育教育模式的理性思考—强化左侧肢体体育训练的教育学、社会学和体育学基础[J].上海体育学院學报，2001，（2），86-91
[3][李鸣杲，李心天，儿童利手形成的实验研究[J].心理科学通讯，1984，（2）
[4]徐本力，高学民，粱洪波，李浩坚.全脑体育教育与人的第二大脑———双手运动潜能的全面开发[J].山东体育学院学报，2007，（4）
[5]刘江南.运动技能两侧性迁移及其机制的研究[D].华南师范大学博士研究生学位论文，2004
[6]翟群，曾苹.对左右利手者的视简单反应时及空间方向识别能力的实验研究[J].体育科学，1991，（5）[6]托马斯·R·布莱克斯利.右脑与创造[M].傅世侠等译.北京：北京大学出版社，1992
[7]奈德·赫曼.全脑革命[M].宋伟航译.北京：经济管理出版社，1998
[8]朱辉，钱永领.体育与创造性思维能力开发[J].海军院校教育，2003，（6）
协调控制系统的优化 篇3
大停电的巨大经济损失和社会影响使其防御问题日益突出[1]。防御措施包括:在系统故障发生前的规划和运行期间的预防控制、在特定故障发生后根据工况立即启动的紧急控制(EC)、在系统动态违反运行规程后触发的校正控制(CC)、在停电后的恢复控制[2,3,4]。
EC和CC都是没有调度员参与的闭环控制。EC以工况和故障做索引,预先制作决策表;一旦检测到故障立即按图索骥,用前馈控制律执行决策表中相应的切机、切负荷(LS)、故障解列等措施。CC则在检测到系统失步或母线较长地处于低频低压等违反安全规程的动态行为后,按反馈控制律执行高频切机、低频减载(UFLS)、低压减载(UVLS)和失步解列等措施。显然,EC比CC动作早,故控制效果大,但精度差。
研究重点之一是如何以最小的LS量或控制代价来满足各项安全稳定约束[5,6,7,8]。一般忽略模型、参数、工况和故障等方面的随机因素[9,10],按典型工况的确定性仿真和保守原则制定控制策略。其决策不但不经济,还可能带来危险的负效应[11]。在没有不确定性因素和预测误差的理想条件下,只需要EC就可以实现充要的稳定控制。但在实际情况下若没有CC,就必须按最严重的不确定情况来设置EC,这样就会在其他情况下严重过控;若不按最严重情况设置EC,则会在严重故障下欠控而扩大停电范围。因此,EC与CC的协调问题极为重要。但迄今为止,预防控制、EC、CC和恢复控制基本上被孤立地研究和应用,文献[12,13,14] 研究了预防控制与EC的协调,但鲜见关于EC与CC的协调算法。
本文首先讨论了闭环控制的决策要素,包括:系统模型与参数、工况、预想故障集、目标函数、约束条件、控制变量及控制时机。以切机、LS和解列措施为例,深入比较了EC与CC在启动判据、动作时机、控制代价、控制律及控制精度等方面的不同。讨论它们在确定工况及故障下的决策优化,指出考虑不确定性因素和经济因素的必要性,强调应按风险概念协调优化EC和CC,以兼顾安全性与经济性。
1 稳定控制决策问题的形式化
1.1 稳定控制的模型和参数
除代数微分方程外,暂态稳定控制还需要用差分方程和逻辑语句描述设备和系统保护动作事件。所构成的逻辑—差分—微分—代数方程组中具有强时变和本质非线性特性,故必须借助数值积分来求解。
一种模型对某些故障偏保守,但很可能对另一些故障偏冒进,因此所谓 “采用保守的模型和参数”的说法很值得商榷。此外,若不知道精确模型,很难判定“保守”。因此,应尽可能按模型和参数的期望方案进行仿真,而在得到优化决策后,再从保险的观点加以修正。可以用实测轨迹来校核仿真用的数学模型,以减少对其他算例的仿真误差[15]。但其困难包括:①缺乏足够多的实测轨迹;②多组实测轨迹可能分属系统特性大变前后;③高维参数识别存在可行性或多解问题;④实测轨迹所对应的故障参数,如接地阻抗值难以得到。
1.2 预想故障集
选择预想故障时要考虑具体系统的特点,除了高概率故障外还应包含概率不很大但后果严重者,如联络线、主力电厂和直流输电线故障[16] 。但实际处理中往往遇到如何考虑N-2或更严重故障的困惑,多(或少)考虑一个更严重的场景就可能使结果变得非常保守(或冒进)。解决的途径是按风险值将尽量多的候选故障排序,然后按风险可接受水平截取该队列。由于风险反映了经济损失的期望值,因此改变该队列的截断位置并不会剧烈改变控制水平和安全风险。此外,不同的运行方式下可以有不同的故障集。
1.3 目标函数
确定性的优化目标一般为LS量最小[5]或用(经济因子或概率)加权的LS量最小[6,7,8]。文献[17] 则用二次型兼顾控制后各节点电压值与参考值之差、控制代价及电压越限惩罚这3方面的目标。
使系统稳定的最小控制代价与故障发生概率的乘积即为风险代价[10]。通过在目标函数中增加主动控制风险代价项,可代替动态安全约束优化问题中隐函数不等式约束。在EC与CC的协调问题中,必须正确反映故障驱动及轨迹驱动的不同特性。
1.4 约束条件
LS及解列后的系统仍应满足功角稳定,以及频率和电压的安全。文献[13] 评述了处理功角稳定约束的各种方法,包括功角差的固定门限值、能量函数法、人工智能法、扩展等面积准则 (EEAC)。文献[8] 讨论了暂态电压和频率偏移的安全约束。
1.5 控制变量
作为EC及CC的主要措施,正确实施切机可以防止失步,限制高频;LS对功角稳定、频率和电压的安全都有很大作用;解列是消除失步振荡的关键措施[18]。虽然它们都是离散控制,但其中的LS往往先按连续变量参加优化,再将其解离散化。其他措施还有快关、动态电阻制动、直流功率调制、串/并联电容强补、快速启动机组、再同步控制等[19,20]。
1.6 控制时机
EC是故障驱动的前馈控制。从故障确认、决策表匹配到现场执行,其时间滞后很小,故控制的性价比高。但由于其决策表是按典型场景预先准备的,实际场景与之失配就可能引起严重过控或欠控。“在线预决策”可以消除工况不匹配引入的误差,但无法消除模型等不确定因素引起的过控或欠控。CC是轨迹驱动的反馈控制,不安全现象在其执行时刻已经呈现,故性价比要差。要达到EC同样的效果,就需要更多的LS量,甚至不可行。但反馈控制律可以消除过控及欠控问题。
2 故障驱动的切机和轨迹驱动的切机
故障驱动的切机一般是针对功角稳定性,其对象应该是主导映象中的领先群,以减少该映象的等值加速度,并且应该优先切除性价比大的而不是控制代价小的机组。切机策略的整定方法有:数值积分法[21]、人工智能方法[22]、直接法[23]、势能边界面(PEBS)/主导不稳定平衡点(BCU)法[24]、安全域法[7]及EEAC方法[11]等。值得注意的是,切机在减少领先群机械功率的同时也切除了其部分惯量。当后者起主要作用时,可能产生切机负效应。此外,若切机改变了失稳模式,使同一电厂中的其他机组改属新模式的余下群,则继续在该厂切机也会产生控制负效应[25]。
轨迹驱动的切机主要用于应对频率升高的不安全现象,其优化依据故障后系统的频率时间响应曲线和机组特性。如果仿真发现在某故障下,系统频率的正偏移处于临界安全,改变负荷模型很可能会得到不安全的结论。由于仿真误差的不确定性,不采用故障切机可能可以避免不必要的切机,但也可能由于延误必需的切机而增加控制代价。此时应该比较故障切机与轨迹切机的风险控制代价。
3 故障驱动的LS和轨迹驱动的LS
3.1故障驱动的LS及其优化
故障驱动的LS是紧急控制采用的方式,不同故障对应的控制决策均独立设置。改变一个故障驱动的LS决策不会影响对其他故障的决策。为了追求控制效果最大化,故采用前馈控制律,控制量一次到位。功角稳定性对控制的实时性要求非常高,不可能采用轨迹驱动的LS。为了改善正摆稳定性,被减载的负荷必须在余下群机组所在区域。
传统上采用数值积分的定性分析及穷尽式搜索,或将待选的控制措施按代价从小到大分组,依次添加。这往往只能获得搜索路径上的第1个可行解。如果要在优化过程中考虑控制措施对稳定性提高的效果,就必须定义反映稳定程度的指标。文献中提出的这类指标包括:故障后某一特定时刻下发电机的功角差[5]、动态安全域边界面上法线方向的距离[7]、电气距离和供电可靠性的综合指标[26]。文献[27] 将LS决策描述为最优控制问题,采用线性规划逼近非线性规划的方法确定最小的LS量。
如果能够找到可靠的、满足实用要求的稳定裕度指标,就可以精确量化各种措施的控制效果,识别控制负效应,避免陷入局部最优解。EEAC理论提出了高维受扰轨迹摆次稳定性的概念以及评估每摆稳定裕度的量化方法。基于该量化指标,文献[6] 构造了EC优化的数学模型,并以控制措施的性能代价比代替控制措施的代价来引导搜索方向,在全局搜索策略中融入了局部优化,可以快速找到全局(准)最优解。该算法已广泛应用于实际电力工程的系统保护装置中。
充分利用以下多机系统的稳定控制机理有利于加速迭代过程:①所有EC措施对前向摆动和反向摆动的影响相反;②临界簇中的机组对稳定的影响与非临界簇中的相反;③某一个因素在减少临界簇加速功率的同时,也有可能减少其互补簇的加速功率;④当多种措施起作用时,其综合影响由稳定裕度函数决定。
3.2轨迹驱动的LS及其优化
轨迹驱动的LS是校正控制采用的方式,只要母线感受到的频率(或电压)轨迹满足预定的动作条件,就执行相应的UFLS(或UVLS)控制,而不管由何种原因引起。为保证控制精度,故采用反馈控制律,根据目标变量下降的动态,分轮切除适当数量的较次要负荷,直到系统安全为止[28]。
轨迹驱动控制的任务是为了弥补预防控制和EC的不足,并应对各种难以预料的复杂故障。其优化内容包括:装置布点、分轮定值及其配合,也可以在特定场景下选择或闭锁控制地点或改变整定值,优化引入的全局量[2,3,4] 。迄今为止,在此方向上的研究很少。
目前,轨迹驱动的LS的研究主要集中在LS量或LS代价的优化上,各轮次的门槛值和延时则由运行经验确定。文献[29] 根据故障后发电机的频率及其变化率来估计系统的功率缺额,确定UFLS量。文献[8] 在给定各轮次LS最大量的前提下,将每一种控制措施在所有运行方式及预想故障下对频率或电压安全裕度的改善与其经济代价之比的概率加权之和作为该措施的性价比,逐轮优化LS量。
轨迹驱动的LS,其任何决策都与所有故障相关,而不能仅考虑某个特定故障。因此,难以像故障驱动的LS那样,同时对装置布点和分轮设置优化。建议先优化装置布点,再优化分轮设置,必要时也可迭代改进。
1)装置布点的优化
对于频率与电压偏移的可接受性,允许采用实时性较低的轨迹驱动的LS。但需要克服的缺陷包括:UFLS和UVLS的孤立处理、按等值单机单负荷模型整定及按比例分配的方式、基于经验的分轮设置、确定性设计等。文献[30] 按停电期间给用户造成经济损失最小的目标选择LS地点。文献[8] 定义了暂态频率和电压安全裕度指标,并优先切除对所有故障场景的总体控制性价比最大的负荷。
文献[31] 忽略分轮控制的影响,按首轮单位数量LS的全局贡献度来评估不同控制母线的效果,其中计及各种场景及故障的组合。全局贡献度应综合考虑控制母线的可切负荷量、控制性价比和控制代价,以及由于违约被消除所带来的机会收益。
2)分轮设置的优化
UFLS和UVLS按照逐轮降低的动作值分轮,当受扰轨迹连续低于某轮动作值的时间超过定值后,执行该轮LS。各轮门槛值与延时的设置要保证其选择性[32]。文献[33] 在传统的基本轮加特殊轮的方式中,引入紧急轮,充分利用系统旋转备用,以减少每轮过切的负荷量。过切会导致系统频率回升过多和局部过电压等问题,文献[34] 提出必要时通过快速恢复部分负荷和直流功率调制等方法解决。
目前,UFLS的整定方法有传统法、半自适应方法和自适应方法3种[35],但均难以满足现代电力系统的要求[36]。其中应计及负荷的电压与频率特性[37,38],负荷特性会影响实际的LS量,甚至造成控制负效应[39]。全局贡献度的概念也被用来优化分轮的设置,但此时不应再针对控制母线的整体,而应该细化到控制的各轮次。
4 故障解列和失步解列
4.12种解列方式
解列是指在适当的断面和时间将系统分为非同步运行的若干部分,是消除系统振荡和避免停电范围扩大的重要措施[40]。中国电力行业标准规定:运行中的电力系统必须在适当地点设置解列点,并装设自动解列装置[41]。故障解列由预先指定的故障驱动,属于预测型措施;失步解列则在检测到失步现象后(2个～3个滑步周期内)才动作,属于反馈型措施。若系统在某故障下肯定要失步或发生严重低频振荡,则应该采用故障解列,以尽早消除振荡冲击。但在产生恶果的可能性不大时,则依靠失步解列来替代故障解列往往可减少不必要的解列风险。
介于两者之间,文献[42] 根据故障后联络线两侧母线电压的相角差的轨迹外推来预测失步可能性并决策。由于电力系统强烈的时变性,这类方法难以满足工程可靠性要求。
一个好的解列方案不仅要能够保证解列后各孤立子系统的同步稳定性,而且要尽可能减少其有功和无功功率的不平衡,使解列后各孤立系统满足安全稳定约束所支付的控制代价最小。
4.2 故障解列及其优化
故障解列的启动判据是特定工况和故障的组合,由事先的仿真确定,并储存在决策表中备查。当实时匹配成功后立即执行解列,此时振荡功角往往尚未摆得很大。由于振荡能量积累得不多,故后续处理容易。但由于仿真依据的典型工况、模型参数和故障场景与实际情况未必相同,故障解列可能会导致不必要的解列控制和经济损失。
4.3 轨迹解列及其优化
失步解列需要准确判断系统是否已经处于失步状态,故其后续控制的代价必然较大。最直观的判据是失步中心两侧(或两部分)的相角差。除了利用相量测量单元(PMU)技术监视相角差的变化以外[43],失步解列还可以采用间接反映功角轨迹的判据,例如电流变化或基于补偿原理的判据,以及基于视在阻抗、ucos φ 、视在阻抗角等轨迹的判据[44,45,46,47]。
通常认为在振荡中心解列有利于解列后各孤立系统的同步稳定性。除了按电压最低点来寻找振荡中心外,还可根据在一个振荡周期内联络线两端无功功率的积分值或线路两侧的无功流向判断[48]。
应尽量使解列点接近交换功率最小处,以减少解列后各孤立系统内的功率不平衡,从而减小后续控制措施的风险。此外还要适当考虑操作的方便性,减小支路开断数。系统中的解列点常设于:①电力系统间的联络线;②地区终端系统与主系统联络的适当地点;③规定事故时专带厂用电的机组;④未解环的高低压环网[49]。在多模式振荡时,可先按同调分群或功率平衡,解列为单模式振荡,再进一步解列或再同步[18]。
多个解列点之间应互相配合,以保证系统可靠解列,并避免不必要的线路开断[50]。文献[51] 利用PMU采集的实时信息来捕捉振荡中心,跟踪振荡中心转移,正确解开振荡中心所在断面。
5EC与CC的协调
5.1 协调的重要性与机理
EC和CC都可以采用LS(或切机,或解列)作为控制措施,但由于执行时机和控制规律上的不同,效果自然也就不同。传统的做法是按故障类型和故障数目将扰动分为较低、中等、严重3类,分别由预防控制、EC和CC应对,而对它们的研究也一直被割裂。但是,同样类型的故障在不同的系统中,或同一系统的不同母线上,甚至同一母线在不同运行方式下的后果都可能截然不同。
EC属于预测型控制,在故障的不安全后果尚未充分表现的10 ms 内,针对具体故障完成对控制地点、措施种类及控制量的决策。其控制时机早,效果好,但控制精度难以保证。按照对控制措施评估和选择的时机可将其分为3类。其中,“实时计算、实时控制”方式并不可行;“离线预算、实时匹配”方式的控制精度太差;“在线预算、实时匹配”方式是较好的发展方向。
当前普遍采用的“离线预算、实时匹配”方式的决策表是在离线环境下按典型工况计算的。凡列入工况特征的那些参数,虽然可通过若干不同的离散值来改变仿真场景,而设置不同的预决策,但为了保证被归入该档参数值的实际工况都能稳定,必然非常保守。这不但不经济,还可能引入危险的负效应。
更为危险的是受到维数灾的约束,绝大多数参数无法作为工况特征而被分档,只能以统一的数值参与仿真,而不能反映其影响。然而这些未列入工况特征的参数完全可能在特定条件下显著改变系统稳定性。因此,“离线预算、实时匹配”方式并非总是保守,而很可能偶露狰狞。
CC属于反馈型控制,依据系统出现的不安全现象投入对应的控制措施,故控制时机晚,控制代价大,但控制精度高。CC有助于避免系统在预先未考虑的严重故障下崩溃,此外还可以按较小的保守性来设置EC,以减小大多数故障下的控制代价,而通过反馈控制来解决小概率的EC欠控或拒动问题。EC可以减小CC的强度,而CC则可以减轻EC的保守性,两者之间存在很强的互补性。
EC和CC的措施大多为离散变量,但其中LS的控制量需要先按连续化变量参加优化。它们的协调是数学上的混合规划问题,其约束条件涉及高维的时变非线性微分—代数方程组,包括功角的同步和振荡稳定性,以及频率和电压的安全性。其中,还需要考虑不确定的工况和场景。
因此,EC与CC的协调应该建立在风险概念的基础上。如果系统在某故障下既不能肯定一定需要切机,也不能肯定一定不需要切机时,应该比较采用轨迹驱动的切机来代替故障驱动的切机时的正、反两面效应。这包括由于避免不必要的切机而减少控制代价期望的正面效应,以及由于延误必需的切机而增加控制代价期望的反面效应。
5.2 面临的困难及研究现状
EC与CC的协调优化属于时变系统动态规划问题。首先,作为安全约束条件的稳定裕度函数具有非常复杂的非凸性,必须寻找能够揭示稳定机理且满足实用要求的稳定裕度指标,才能有效地比较各种控制措施的效果。其次,高维的决策空间中各措施之间具有非常强烈的非线性交互影响,而实际电网中涉及的控制变量又非常多,这使协调问题极其复杂。
文献[27] 提出了紧急控制和校正控制中的LS协调问题;文献[1] 指出俄罗斯的大停电防御体系需要引入不同防线间的纵向协调和地理区域间的横向协调;文献[52] 基于稳定性的概率分析,指出交直流系统暂态稳定控制的多种措施之间协调的必要性。但现有文献中未见具体的协调策略及算法。
5.3 解耦优化—迭代协调
分解—聚合是解决大系统优化问题的有效方法。为此,先分别优化EC和CC子问题,期间将另一个子问题作为场景,然后在迭代中及时修正外部场景,直到总风险代价不再明显减少为止。
电力系统解列成2个或多个异步运行的部分后,往往还需要在发电功率过多(或短缺)的区域施加切机(或LS)措施。为此,将计及各种随机性的控制代价之和作为目标函数,优化解列方案。如果某个故障在归类于某典型方式的大多数情况下都会导致失步,一般采用故障解列更经济;如果只在极少数情况下失步,则采用失步解列较好。优化的任务就是针对每种典型故障,在2种解列方式中选择风险较小者。
可以采用“在线预算、实时匹配”的方法提高故障解列的自适应性。由控制中心站、就地解列主站、解列装置组成自适应失步解列系统,就地解列主站按照断面功率或者风险代价寻找最优的解列割集,并跟随工况变化刷新解列策略。在振荡中心发生转移时,控制中心负责检测振荡中心位置,并向位于振荡中心断面的就地解列主站发出执行命令。
协调2类LS措施,以总的风险代价最小来保证系统在不同工况、故障及其他不确定性因素下的稳定性。在各种不确定因素最不利的组合下,系统安全性不再完全依靠故障驱动的LS来保证,而是与轨迹驱动的LS协同完成。这可以大大减小故障驱动的LS在其他场景下的过控制风险。但如果故障驱动的LS量(PFDLS)太小,使太多的故障都要靠轨迹驱动的LS量(PTDLS ,是PFDLS的函数)来维持稳定,则由于后者的性价比要差得多,故总的风险代价RLS又会增加。当∂RLS/∂PFDLS=∂RLS/∂PTDLS时,总控制风险代价最小。
6 结语
目前,EC和CC都按确定工况、模型、参数及故障场景分别设置。若用EC来保证系统在不确定因素最不利的组合下的稳定性,则在绝大多数情况下将严重过控。但如果过分依赖CC,又会不必要地耽误控制时机而增大LS量,甚至失控。EC与CC在物理特性及经济特性上的互补性为它们的协调提供了空间,而风险管理概念的引入则解决了如何考虑N-2及更严重故障的问题。
紧密关联且经济特性不同的各道防线之间的协调对提高电力系统运行可靠性和经济性的意义重大。预防控制与EC的协调已在有关文献中讨论过,本文及后续文章开始涉及EC与CC的协调。它们离真正的工程实用还都有一定距离,但坚信这个时间—空间—物理综合优化问题是稳定分析控制领域中的长期发展方向之一。
协调控制系统的优化 篇4
关键词 SQL server数据库 应用模块 安全机制
中图分类号：TP392 文献标识码：A
1 数据库安全性策略及其安全技术的优化
1.1 安全策略的优化
为了提升数据库的安全性，进行保护策略的优化是必要的，这需要相关人员做好日常的工作规范，进行数据库的合理设置。所谓的最小特权策略就是让用户得到合法的权限，获得最小的特权，能够满足用户日常的工作需要，除该模块的权利，其他权利不授权，该模块的开展，一定程度降低了数据库机密信息的泄密，从而实现数据库系统的安全性。
在数据库的完整性优化过程中，最大共享策略是重要的模块，其最大限度的进行数据库的信息共享，同时又能保证数据库的安全性、应用性。在数据库安全性应用过程中，需要按照数据库的项进行不同信息安全级别的划分。在数据库安全操作应用过程中，开、闭系统策略对于用户的信息防护是极为重要的，在开系统策略中，可以授权用户访问，但不能涉及该策略明确禁止的项目。在封闭系统策略应用过程中，用户的访问是需要进行授权的，否则不能进行访问。
通过对上下文存取控制策略的应用，可以提升数据库安全与操作的效益。该模块在工作过程中，会按照上下文内容进行用户存取区域的控制。为了提升该模块的安全性，也要依据历史的信息存取情况，进行控制策略的应用，进行信息泄露情况的避免，从而确保数据信息的有效保护，这需要进行数据库用户存取信息信息的保存，按照以往的操作模式，进行当下行为的控制。该控制策略分为两个应用部分。限制用户在其一次请求中或特定的一组相邻的请求中不能对不同属性的数据进行存取。另一部分可以规定用户对某些不同属性的数据必须一组存取。
在工作模块中，要有发展、变化的眼光去看待数据库的保护，数据库安全保护系统本身就是比较复杂的，需要进行多种策略的协调应用。需要针对不同工作模块的需要，进行相关的数据库安全策略的应用，从而有效提升数据库的安全性，以满足当下工作的需要，提升其整体的安全性。
1.2 数据库的人机互动
在数据库完整性模块应用中，要保证物理完整性方案及其逻辑完整性方案的优化，实现数据库的数据物理障碍的避免，使其免受硬件故障、断电等因素的影响，保证其在灾难过程中进行数据库的有效恢复。通过对逻辑完整性的控制，实现数据库逻辑结构的保护。这需要保证数据的语义完整性及其操作完整性，在数据库可用性模块优化过程中，数据库应该给予用户一定的数据应用权限，授权用户可以按照系统要求，进行SQL Server数据库信息的有效应用，保证其系统的正常运作，从而实现其人机互动，保证当下工作效益的优化。
2 SQL Serve的数据库安全机制的优化
2.1 审计模块的优化
为了实现SQL Serve的数据库应用效益的优化，进行数据库审计体系的健全是必要的，从而按照监视及其用户使用记录，进行数据库操作模块的开展。这也需要进行审计机制的应用，进行用户各种操作的积极记录，通过对一系列的信息的审计跟踪，进行工作人员行为的优化，保证数据库系统的整体安全性，避免其安全模块的弱点及其漏洞。这需要进行特定的审计方式的应用，进行良好的审计功能的优化，实现对数据库日常操作行为的优化。
在SQL Serve的数据库应用过程中，要进行不同审计方式的协调优化，保证分用户审计模块及其系统审计模块的优化，这需要进行SQL事件探查器的应用，保证审计工作的有效开展。在用户审计功能应用过程中，通过对审计系统的应用，可以自动记录数据表应用过程中的用户操作信息，从而满足下序工作的开展。
在SQL Serve的数据库应用过程中，进行系统管理员的审计工作模块的优化是必要的。这需要进行审计内容的优化，按照系统的一级命令展开系统审计工作的开展，要按照其数据库的客体情况展开分析，积极做好相关的访问控制工作。实现用户的数据库信息的有效存取，保证数据库系统内部各个用户存取权限的有效设置。在SQL Server数据库应用过程中，其用户是一种特定数据库的应用模式，比如登陆标识与数据库用户模块的相连性，也就是程序要进行登录标识的应用，确保SQL Server登录成功，再针对数据库展开操作，这也需要进行数据库工作中用户权限的具体应用。在SQL server数据库应用过程中，可以针对访问用户的用户类型，展开数据库权限的控制，必要时展开自主访问控制体系的优化，确保该方案的完善性。这就需要进行SQL server数据库不同工作应用类型的分析，比如数据库所有者用户、普通用户、管理员账户等，针对其不同的用户展开不同权限的应用。
2.2 数据库信息的加密与存储
在SQL server数据库应用过程中，进行管理系统的优化是必要的，这需要针对用户的身份展开认证，保证最外层安全保护措施的应用，保证用户登入系统的ID及其密码的有效设置，实现系统的自身身份证明的有效出示。这需要SQL server数据库系统展开用户身份的认证机制的优化，保证审查核实模块的正常开展，保证其系统服务的整体应用效益的优化，进行用户身份的有效核实，这需要应用到不同的身份认证模块，比如混合认证模式。
通过对数据库加密体系的优化，可以保证核心数据信息的安全性，这需要进行数据密文形式的优化，保证存储模块及其传输模块的有效开展，避免出现非法窃取数据信息的行为。这也需要展开SQL server数据库加密功能的优化，进行分布式数据库整体安全性的优化，比如进行隐藏用户存储在Master数据库中系统表内的密码加密，将已定义的视图、存储过程、触发器等都存储在系统表syscomments中，SQL Server提供了内部加密机制。
3 结语
SQL server数据库安全性的控制，离不开信息安全技术体系的优化，这需要进行相关管理人员自身安全防范意识的优化，实现其安全机制内部结构的协调
参考文献
[1] 李春娟，孙祥春.SQL Server数据库备份和还原的方法[J].电脑知识与技术，2005（23）.
[2] 游春晖，刘乃琦，代立松.数据恢复技术在计算机取证系统中的应用[J].成都大学学报（自然科学版），2008（02）.
浅析汽车底盘协调控制的优化设计 篇5
1 底盘动力系统模型
汽车底盘的很多子系统的局部性能都可以利用电子控制技术来改善, 由此而产生的四类控制技术, 其中ABS是比较典型的单功能控制系统。为构建底盘的动力模型, 优化汽车底盘各子系统之间的联系, 结合目前汽车电子系统和集成系统的模型发展情况, 建立底盘集成控制动力学模型。如图1所示。
针对底盘控制系统动力学关系, 悬架和轮胎是决定行驶系统的动力学模型的关键, 关系到汽车行驶的平滑性和操作稳定性。ASS系统具备二自由度和四自由度两种动力模型。随着对车体舒适度的考虑, 经过研究, 随后出现了六、八自由度动力学模型。因此, 本文首先构建了轮胎模型的10自由度非线性车辆模型, 并依此优化了汽车底盘主动转向, 主动悬架的逻辑控制以及制动控制, 最终通过模型检测控制系统的协调功能。
2 控制器稳定性协调
总结汽车底盘的发展历史, 其主要包括三个阶段:单控制功能系统、线控技术、集成控制系统。综合考虑, 最终选用了汽车底盘的集成控制技术。
MPC控制器可以对MIMO系统进行处理, 但并不具备协调功能, 本文选用常用的监督系统来进行机制协调。AFS与DYC的协调表现在目标函数中, 包括横摆角速度偏差、质心侧偏角偏差、前轮附加转角、附加横摆力矩的权重系数。综合考虑各个因素, 最合理的途径是通过车辆状态对权重系数进行实时调整, 对于不敏感的控制量加大惩罚系数, 最后计算反馈矩阵。对于车辆在稳态时, 利用中央差速器转向控制来补偿悬架导致的转向。中央差速器的具体数值如表1所示。
3 主动悬架系统的协调设计
本文以自动悬架为研究对象, 利用步进电机改变液压阻尼减振器的节流口, 自动调节减振器的阻尼。观察传感器的记录情况分析车体与路况, 经过综合处理后, 可以自动分析最优的控制模型, 传导到智能系统。消息路由器可将多种信息源融合成最终的决策, 并依此设计步进电机的步进方向和步距角, 达成悬架自动适应路况的目标。
4 转向系统设计
本文利用直流电机提供转向助力调整电动助力转向。与悬架智能体结构相比, 电动助力转向智能体的不同是利用转向的直流电机代替步进电机, 主要是对加在转向盘上的动力大小和方向进行控制。最终的决策可利用消息路由器传递给悬架, 转向系统等智能体, 达成各个汽车子系统的协调配合, 缓解驾驶员的驾驶强度。
结语
(1) 基于汽车动力学理论, 提出一种底盘水平动力学和垂直动力学协调控制的控制逻辑, 主动悬架的优化, 可以改善主动转向和主动制动的控制效果。协调控制可以有效提高车辆行驶的主动性, 从而提升汽车的安全性能。
(2) 通过设计汽车转向系统多体动力学模型, 总体分析了转向、悬架两个系统间耦合关系。优化了分级式底盘综合控制系统, 结果表明, 集成控制方式能有效地改善汽车的操作稳定性, 安全性。利用主控制单元的协调分配, 协调控制个子系统的工作, 使汽车动力学性能达到最佳, 为汽车底盘设计打下了一定的理论基础。
摘要：汽车底盘子系统的局部功能可以通过电子控制技术来改善, 例如ABS、TCS、ASS、4WS等。为了使汽车各个系统协调配合, 达成整个底盘系统的集成化控制, 减轻装车成本。本文运用了多体理论构建电动助力转向系统, 主动悬架系统模型和底盘动力学模型。依据汽车运行时悬架、转向和制动系统之间的耦合, 主要对中央差速器进行了设计, 协调控制各个子系统。结果表明:电子控制系统主动干预车辆的纵向、横向以及垂向动力学特性, 提高了汽车的稳定性和操纵性, 保证汽车的安全驾驶。
关键词：底盘动力学,系统集成,协调控制,主动悬架,转向系统
参考文献
[1]陈祯福.汽车底盘控制技术的现状和发展趋势[J].汽车工程.2006, 28 (2) .
[2]喻凡, 李道飞.车辆动力学集成控制综述[J].农业机械学报.2008, 39 (6) .
[3]朱冰, 李幼德, 赵健, 等.基于多变量频域控制方法的车辆底盘集成控制[J].农业机械学报.2010, 41 (1) :14-17.
协调控制系统的优化 篇6
大规模风电并网给系统的运行和调度带来了新问题。风电的随机性和波动性特点极大地提高了系统对机组调节能力和备用容量的要求,为保证风电并网后系统运行的可靠性,需额外安排运行备用以应对风电出力的随机性和波动性[1,2,3,4,5,6],维持系统的功率平衡与稳定。备用配置涉及系统运行可靠性和经济性的协调决策问题,如何针对风电出力的随机波动配置合适的备用,成为含风电系统发电调度问题的研究焦点。
电力系统最早采用确定性方法来配置备用容量,风电加入后一般采取设置±30%PN(PN为风电的额定装机容量)的运行备用容量来抵御风电对系统的影响[2]。确定性备用配置方法简单易实现,但缺乏必要的理论支持,尤其是在含高渗透率风电的系统中,风电的高不确定性会对系统运行产生很大影响,按确定性方法配置风电备用容量很容易出现备用资源浪费或备用容量不足的情况,无法体现风电对备用的真实要求。文献[3-4]根据风电出力预测误差考虑风电需求的备用容量,并将风电预测误差等效为多状态机组建立优化模型;文献[5]定义了以风电功率间歇波动引起系统备用紧张程度为指标的规范化风电备用风险,建立了一种计及风电备用风险的优化调度模型;文献[6]量化分析应对负荷和风电预测误差所需的备用,并建立这部分备用与风电出力之间的关系,以此构建了系统有功和备用的协调调度模型。以上研究在分析风电不确定性对备用的需求时,只考虑了风电出力预测误差对备用容量的需求,并未考虑风电出力波动对备用容量的需求,即对于风电的不确定性只计及了风电的随机性,并未计及风电的波动性。风电的波动性描述了风电功率在指定时空尺度上邻近时段的变化特性,对于大规模风电场集群,体现为该时间尺度下较大的功率持续攀升和下降,对电网的影响不容忽视[7,8]。文献[9]提出了一种风电备用需求决策方法,并指出风电接入影响备用需求的因素包括风电功率的随机波动和风电功率的预测误差,但并没有具体讨论这2种因素对风电备用需求的影响;文献[10]指出大规模风电并网后,风电出力变化会影响系统频率稳定,增加AGC调节容量需求;文献[11]在此基础上应用电池储能系统(BESS)来平抑风电功率的短时波动,提出了风储联合系统协调运行的控制策略;文献[12]提出利用混合储能实时充放电特点,平抑风电波动和补偿风电功率预测误差,从而降低系统的弃风量和热备用量。以上研究说明,风电功率波动增加了系统备用容量需求,为保证系统运行安全性,需为其配置相应的备用容量。然而对于某调度时段,风电功率预测误差对备用容量的需求只计及了该时段风电功率预测值与实际值之间的偏差,并没有考虑该时段风电功率波动所需的备用容量。
为此,本文首先根据风电功率预测误差及风电功率波动对系统运行的影响,分析了风电功率预测误差与风电功率波动引起的备用需求;然后根据风电功率预测误差与风电功率波动的特性,建立了风电功率预测误差的时段概率分布模型和风电功率波动的功率状态概率分布模型,并根据分布模型建立风电备用需求与风电出力之间的关系,以此提出风电备用需求新模型;最后建立含风电系统的有功和备用协调调度模型,模型将系统备用容量需求分解为快速备用和事故备用两部分,以快速备用平抑系统负荷和风电引起的功率不平衡,以事故备用补偿因发电设备非计划停运造成的发电容量损失,通过优化得到系统各时段所需运行备用总量及其在机组间的最优分配方案。
1 风电引起的备用需求
在进行日前调度计划安排时,风电出力是根据日前风电功率预测值进行安排的。由于风电出力难以准确预测,风电实际出力值与预测值之间存在较大偏差,为保障系统运行安全性,现有调度方法一般根据风电功率的预测误差为其配置额外的上调/下调运行备用容量[3,4,5,6],以保证出力在预测区间内的风电安全并网。但风电出力具有较大的波动性,在调度时段内风电功率会出现持续攀升和下降,当风电功率波动超出系统能够安全接纳的预测区间时,系统将存在一定的运行风险。图1是比利时某风电场出力示意图,图中实线是根据风电预测误差对备用需求确定的系统能够安全接纳的风电预测区间,虚线是风电在时段1内的实际出力曲线。可以明显看出,在时段1内风电实际出力波动已超出预测区间,此时系统存在运行风险,且风电并网规模越大,风电波动对系统的影响就越大。因此,仅通过风电功率预测误差来设置风电的备用需求,不能满足风电对备用的实际需求。为保证系统运行的安全性,需针对风电的波动性为其设置额外的备用容量。
2 风电的备用需求模型
2.1 风电功率预测误差的时段概率分布模型
风电出力较低时,为避免相对误差失去指导价值,本文以绝对误差表示风电功率的预测误差。基准化的风电功率预测绝对误差表示为:
其中,y′i为风电功率预测值序列;yi为风电功率实测值序列;PN为风电额定装机容量。
文献[13]基于风速的季节特性和日特性,通过大量历史数据得出一个季度内每天相同时刻风电出力具有相同的概率分布特性的结论。本文借鉴该文献的思路,认为一个季度内每天相同时段,风电功率预测误差具有相同的概率分布。基于此,根据风电场历史数据,可得到不同季节风电功率预测误差的时段概率分布模型。通过对时段概率分布模型选择合适的置信度,可得到其置信区间,再基于风电功率日前预测曲线,就可得到满足某置信度的并网风电功率预测区间,可表示为:
其中,Sf.t为t时段并网风电功率的概率预测区间,为满足调度模型要求,将预测时段长度取为调度时段长度,即60 min;Pw.u.t、Pw.d.t分别为t时段风电功率概率预测区间的上、下限值;Pwf.t为风电功率日前预测值;ew.u.t、ew.d.t分别为由预测误差概率置信区间上、下限得到的风电功率向上、向下预测误差;cpos.t.η、cneg.t.η分别为t时段风电功率预测误差概率分布满足置信度η的置信区间上、下限值。
2.2 风电功率波动的功率状态概率分布模型
风电的波动性是指风电出力在指定时空尺度上的逐点变化特性,可用风电出力变化或变化率指标来刻画风电波动性。风电出力变化可表示为:
其中,Pw t′+1、Pw t′分别为对应时段的风电功率实测值,由第1节分析可知,在调度时段内风电功率会出现持续攀升和下降,因此为了体现风电的这一特性,将风电功率波动的统计时段长度取为15 min。
为对风电功率波动做进一步研究,对风电场的风电功率波动与风电功率分布进行统计,见图2。由图2可知,当风电功率在不同区间时,风电功率波动呈现不同的分布规律。因此可根据分布规律分功率区间统计风电功率波动(见图2),建立风电功率波动的功率状态概率分布模型。
将不同季节的风电出力划分到多个功率状态空间,针对不同季节的不同功率状态空间统计风电功率波动,得到风电功率波动的功率状态概率分布模型。对风电功率波动概率分布选择合适的置信度得到其置信区间,此区间即为各功率状态空间对应的功率波动区间。
若t时段风电功率Pwf.t所在的功率状态空间为n,则t时段风电功率Pwf.t的功率波动区间可表示为:
其中,Sp.t为t时段风电功率的波动区间;ΔPn.u.t、ΔPn.d.t分别为功率波动区间的上、下限值;cpos.n.η、cneg.n.η分别为功率状态空间n的风电功率波动满足置信度η的置信区间上、下限值。
2.3 风电的备用需求模型
对于含风电的电力系统,风电的随机性、波动性给系统的运行带来额外的风险,系统需配置额外的运行备用容量以保证其运行安全性,该部分备用容量与风电功率的预测误差概率分布及风电功率波动概率分布密切相关。
(1)风电功率预测误差需求的备用容量。
根据t时段并网风电功率预测区间,确定系统在t时段需要为预测误差额外配置的上调、下调运行备用容量。
其中,Rf.u.t、Rf.d.t分别为系统在t时段为应对风电功率预测误差配置的上调、下调运行备用容量;e*w.u.t、e*w.d.t分别为根据风电预测区间确定的系统在t时段需要考虑的风电功率向上、向下预测误差值。
(2)风电功率波动需求的备用容量。
风电功率波动与风电功率所在的功率区间有关,可根据t时段并网风电功率预测区间,确定t时段需要为风电功率波动额外配置的上调、下调运行备用容量。
如图3所示,当t时段风电功率实际值大于/小于风电功率预测值,且风电功率波动在预测区间内(如曲线1、曲线2所示)时,为风电功率预测误差提供的下调/上调运行备用容量能满足风电功率预测误差及风电功率波动对运行备用容量的要求;但当风电功率波动超出t时段风电功率预测区间(如曲线3、曲线4所示)时,以风电功率预测误差确定的风电运行备用容量无法满足风电对运行备用容量的实际需求,需针对风电功率波动配置额外的运行备用容量。
考虑风电功率波动的功率状态分布特性,本文根据t时段风电功率预测区间的上、下限值所在的功率状态空间统计得到的向上、向下波动来表示t时段需要考虑的风电功率向上、向下波动量,同时波动不能超出容量限值。因此,t时段为风电功率波动额外配置的上调、下调运行备用容量可表示为:
其中,Rp.u.t、Rp.d.t分别为系统在t时段为应对风电功率波动配置的上调、下调运行备用容量;ΔPu.t、ΔPd.t分别为t时段需要考虑的风电功率向上、向下波动量;分别为t时段按风电功率预测区间上限Pw.u.t确定的功率状态空间n1对应的向上波动量和预测区间下限Pw.d.t确定的功率状态空间n2对应的向下波动量;分别为t时段预测区间上、下限到风电功率取值上、下限的波动量;分别为功率状态空间n1的风电功率波动满足置信度η的置信区间取值上限和功率状态空间n2的风电功率波动满足置信度η的置信区间取值下限。
3 备用协调优化模型
本文将系统备用容量需求分解为快速备用容量和事故备用容量两部分[9,14],以快速备用容量平抑负荷和风电引起的功率不平衡量,以事故备用容量补偿因发电设备非计划停运造成的发电容量损失,并将备用成本计入目标函数,建立兼顾系统运行效益和备用效益的协调优化调度模型。
3.1 目标函数
为使调度计划能在保证系统运行安全性的同时兼顾系统运行的经济性,以机组运行成本最低、系统运行备用成本最少为优化目标。
(1)机组运行成本。
因为风电在运行时不消耗资源,故认为风电的运行费用为0,只计及常规机组的运行费用,故系统机组运行成本可表示为:
其中,Fc.i.t(Pi.tIi.t)为机组i的运行成本函数,Pi.t为机组i在t时段的出力,Ii.t为机组i在t时段的启停状态;SUi.t、SDi.t分别为机组i在t时段的开机费用和关机费用;T为调度时段数;NG为常规机组总台数。
(2)系统运行备用成本。
其中,Rui.t、Rdi.t分别为机组i在t时段提供的上调、下调运行备用容量;αi、βi分别为机组i的上调、下调运行备用容量报价。
协调优化模型的优化目标可表示为:
3.2 约束条件
(1)系统功率平衡约束。
其中,Pload.t、Ploss.t分别为t时段的系统负荷和网损。
(2)系统运行备用容量约束。
机组可提供的上调、下调运行备用容量限值[15]为:
其中,ri.u.tmax、ri.d.tmax分别为机组i在t时段内可以提供的上调、下调运行备用容量限值;Pi.max、Pi.min分别为机组i的出力上、下限;ru.i、rd.i分别为机组i在调度时段内的向上、向下爬坡速率;T60为机组计划出力的调度时段长度,本文取为60 min。
则系统运行备用容量约束[9]为:
其中,ki.ru.t、ki.r d.t分别为机组i在t时段的上调、下调快速备用分配因子;T15、T60分别为15 min和60 min的时间量度;Rmin.ru.t、Rmin.rd.t分别为系统t时段上调、下调快速备用需求容量;Rmin.pku.t为系统t时段上调备用需求容量;Rl.u.t、Rl.d.t分别为系统负荷对上调、下调运行备用容量的需求;Rfail.t为系统事故备用需求。
(3)计及爬坡约束的机组出力限制约束。
除上述约束条件外,还考虑了机组最小持续开/停机时间以及机组最大启停次数等约束条件[16,17,18]。
4 仿真算例分析
本文的协调优化调度问题为混合整数二次规划(MIQP)问题,可利用Yalmip工具箱,通过MATLAB平台,调用CPLEX软件对其进行求解。为了考察本文所提模型的正确性和有效性,采用修订后的IEEE6节点和IEEE 118节点系统进行仿真分析。并网风电场数据根据比利时2011—2013年某风电场的历史数据等比例转换得到。
4.1 IEEE 6节点系统算例
为了全面分析并网风电对系统备用的影响,以及本文所提协调优化模型对调度决策的影响,在此算例下设置了3种运行情景。
情景1:基准情景。系统的并网风电场装机容量取为180 MW,占系统总装机容量的30%。系统的机组数据、负荷和风电功率数据分别见表1、表2。网络损耗取预测负荷的5%,负荷不确定性对上调、下调运行备用容量的需求取为负荷预测值的1%,并网风电对系统上调、下调运行备用的需求由第2节的风电备用需求模型求得,其中风电功率预测误差及风电功率波动的置信度η取为0.8,统计风电功率波动的功率区间分为4段,分别为[0,40]MW、[40,80]MW、[80,120]MW、[120,180]MW,如图2所示,事故运行备用取预测负荷的5%。
情景2:风电出力高不确定性情景。此情景下,在计算并网风电对系统上调、下调运行备用的需求时,风电功率预测误差及风电功率波动的置信度η取为0.95,其他系统参数取值同情景1。
情景3:高并网风电规模情景。在该情景下,并网风电容量增至情景1的2倍,统计风电功率波动的功率区间分为4段,分别为[0,80]MW、[80,160]MW、[160,240]MW、[240,360]MW,其他参数取值同情景1。
表3为不同运行情景下系统的经济运行结果,图4、图5分别为不同运行情景下机组出力和快速备用容量需求。
由情景2与情景1的运行结果可知,随着置信度取值的增大,系统需求的快速上调、下调备用容量增大。在运行情景2下,为满足较高的备用需求,在负荷高峰时段需增开经济性最差的机组G3。因此较情景1的经济运行结果,不仅情景2的备用成本有所增加,系统的机组运行费用也有所增加。
由情景3与情景1的运行结果可知,随着风电并网容量的增加,系统的不确定性增大,系统需求的快速备用容量也增大。在运行情景3下,虽然高容量的并网风电给系统带来了电量效益,降低了常规机组出力需求,但是为了满足其高备用容量需求,经济性较差的机组不得不长时间运行,降低了系统运行的经济性,致使情景3的运行费用高于情景1。
为了验证本文所建立的风电备用需求模型的有效性,以基准情景(运行情景1)为例进行分析。图6为运行情景1的风电并网区间图。由图6可知,根据本文提出的风电备用需求模型计算得到的风电并网区间,大于仅以风电功率预测误差作为风电备用需求而确定的风电预测区间。可知,本文建立的风电备用模型在一定程度上提高了风电并网运行的安全性。
为做进一步分析,以比利时某风电场2011—2012年夏季数据进行统计,建立风电功率预测误差概率分布模型及风电功率波动概率分布模型,以2013年夏季数据进行验证。风电备用需求模型分别以仅考虑风电功率预测误差、固定比例(±15%PN)及本文所提模型进行比较分析,计算结果见表4,表中比率表示夏季实测风电功率超出由风电备用模型确定的风电并网区间的时段数与夏季总时段数的比值,反映了风电并网运行风险;上调、下调备用容量表示夏季每天为风电配置的上调、下调备用容量平均值,反映了风电备用模型对备用容量需求的大小。由表4知,仅考虑风电预测误差的备用模型,虽然需求的备用容量最小,但是风电存在的运行风险最大;以固定比例配置的风电备用模型,虽然风电存在的运行风险最小,但是需求的备用容量最大;而本文所提的风电备用模型,虽然在一定程度上增加了风电备用需求容量,但是在更大程度上保证了风电并网运行的安全性。
4.2 IEEE 118节点系统算例
为了验证本文所提模型和方法能适用于大规模系统,以修订的IEEE 118节点系统算例进行验证。在此算例下,系统的并网风电场装机容量取为3000MW,占系统总装机容量的30%。系统的机组数据、负荷和风电功率数据分别见表5、表6。网络损耗取预测负荷的5%,负荷不确定性对上调、下调运行备用容量的需求取为负荷预测值的1%,并网风电对系统上调、下调运行备用的需求根据第2节的风电备用需求模型求得,其中风电功率预测误差及风电功率波动的置信度η取为0.8,统计风电功率波动的功率区间分为5段,分别为[0,500]MW、[500,1000]MW、[1 000,1 500]MW、[1 500,2 000]MW,[2 000,3 000]MW,事故运行备用取预测负荷的3%。
表7为置信度η分别取0.80、0.90、0.95时系统的运行结果,图7为快速备用容量需求图。由以上运行结果可知,不同的置信度对系统快速备用需求有较大影响,即随着置信度的增大,系统的快速上调、下调备用容量均增大,系统为了满足高备用容量需求,运行经济性降低,机组运行费用增加。当置信度η取为0.95时,系统的高不确定性导致极高的快速备用容量需求,致使系统无解。
5 结论
a.本文针对风电的随机性、波动性建立了风电备用需求新模型。该模型考虑了风电功率预测误差对备用的需求,同时还计及了风电功率波动对其备用需求的影响。该模型考虑全面,能降低风电并网引起的运行风险,对大规模风电并网系统的备用配置具有现实指导意义。
b.本文建立了含风电系统的有功和备用协调优化调度模型,该模型将备用容量分解为快速备用和事故备用两部分,能够充分考虑系统各类不确定因素需求的备用容量特性,并能在得到发电机最优出力计划的同时对2类备用容量进行分时段最优分配,为解决含风电系统的优化调度问题提供了一种新方案。
摘要：针对风电的随机性、波动性分析应对风电功率预测误差和风电功率波动所需的备用容量,并根据风电功率预测误差概率分布和风电功率波动概率分布建立风电备用需求与风电出力之间的关系,提出了风电备用需求新模型。在此基础上,构建了含风电系统的有功和备用协调优化调度模型,将系统备用容量需求分解为快速备用和事故备用两部分,在得到机组最优出力计划的同时,实现2类备用容量在机组间的优化分配。通过对修订后的IEEE 6节点和IEEE 118节点系统进行仿真计算,验证了所提模型和方法的合理性和有效性。
协调控制系统的优化 篇7
随着智能电网的发展需要,电网的管理部门对各个发电机组的自动发电控制(AGC)性能提出了非常高的要求,使机组的负荷达到快速、准确、稳定变化的目的。为此,华北电网公布了《华北区域发电厂并网运行管理实施细则(试运)》和《华北区域并网发电厂辅助服务管理实施细则(试运)》(简称“两个细则”)[1,2],目前已经在各个电厂全面运行。对不满足“两个细则”考核条款的发电厂进行考核;对提供有偿辅助服务的单位,电网公司将给予经济补偿[1]。有偿辅助服务的内容主要是针对AGC性能指标进行评价,所以对机组协调控制的品质提出了更加严格的约束。为了更好地适应“两个细则”要求,各个电厂都将提高AGC性能作为主要的技术攻关项目。
文章首先介绍了“两个细则”的AGC性能指标,简要说明了电网新模式的一些特点,在叙述一般超临界机组控制特点的基础上,从协调控制方面,有针对性地、重点地对相关控制系统与策略提出了一些优化改进方案,通过实际运行数据表明优化设计是有效可行的,能够满足电网AGC要求。
1 AGC性能指标定义与分析
“两个细则”对AGC的调节性能Kp的定义是调节速率K1、调节精度K2和响应时间K3的综合体现。文献[1]对AGC的性能指标进行了定义,公式如下:
调节速率:
调节精度:
响应时间:
每次AGC动作时计算调节性能
调节性能日平均值Kp:
式中:vN为机组标准调节速率;vj是机组第j次调节的实际调节速率;ΔPj为机组在第j次调节的偏差量;调节允许的偏差量为机组额定有功功率的1%;tj为机组第j次的响应时间,火电机组AGC标准响应时间为60 s;衡量的是该机组第j次调节过程中的调节性能的好坏程度;Kp反映了AGC机组1天内n次调节过程中的性能指标平均值。
2 电网AGC新模式
机组AGC自动调节模式主要有带基点正常调节模式(BLR)和严格跟踪基点子模式(BLO)2种方式,其特点是:1)BLR模式相比于BLO模式,其AGC指令的变化非常频繁,且变化周期时间不固定;2)BLR模式相对于BLO模式,其不可预测的程度进一步加强;3)BLR模式中AGC指令变化的幅度不确定,给机组的运行带来了一定的影响;4)在BLR和BLO模式下,汽压的波动比较频繁。
如何使机组更好地适应BLR和BLO模式,在AGC指令的频繁变化中保持安全稳定运行,并且能使自动控制系统发挥比较好的作用,是当前协调控制的主要任务。
3 超临界机组控制的特点
超临界机组的控制特点是:1)超临界机组一般采用复合变压运行的方式;2)超临界机组的控制方式是复杂多变的被控对象,随着机组负荷的变化,机组的动态特性参数亦随之大幅度变化;3)超临界机组控制中汽机、锅炉之间存在严重的非线性耦合[3]。
基于BLR和BLO模式的特点,超临界机组的控制策略应考虑以下问题:1)在适当范围内对其进行解耦控制;2)锅炉与汽轮机能够很好地配合负荷响应,彼此之间达到一个稳定的动态平衡;3)汽机的快速响应负荷与锅炉的滞后相匹配;4)需要采用大量变参数,变结构控制策略。
4 控制方案优化策略
4.1 负荷控制中心的指令分层优化
在一般的机组负荷中心控制方式中,电网AGC指令经过高限与低限的选择,成为最终的负荷目标值,经过负荷速率限制之后,变为机组的实际负荷指令(LDC),LDC是整个协调控制系统的中心决策指令,通过LDC控制锅炉主控与汽机主控,进而对各个底层子控制系统进行指挥。
在BLR模式下,由于AGC指令的频繁动作,并且大多是在一个基准线附近波动,这时,汽机主控指令由于汽机调门的快速动作性,能够很好地跟踪LDC指令,由于锅炉主控接受的是同一个LDC指令,锅炉侧的煤量、风量、燃烧等也随之进行跟踪,但是由于锅炉燃烧的滞后惯性特点,其变化不可能快速地与汽机相适应,这就在一定程度上使得锅炉侧的燃烧成为了干扰因素,不利于负荷和压力的稳定。
对LDC指令进行速率分层控制,如图1所示。汽机主控和锅炉主控分别接受不同速率限制的LDC指令,充分利用超临界机组负荷响应快的特点,汽机主控获得一个较高的速率,而锅炉主控通过另外一个相对满足汽机侧的速率随之变化,两者的速率可以根据实际工况进行自动选择。
具体速率选择情况如下:1)当机组在BLO模式时,两者速率相当;2)在BLR模式,如果AGC围绕基准指令上下变化时,汽机主控的速率要大于锅炉主控的速率,因为此时并不需要锅炉侧燃烧的真正加强,单独依靠汽机侧调门的流量特性就能够在一定时间内满足电网AGC要求;3)BLR方式下,如果AGC指令在一段时间段内,持续向某一个方向变化,依靠压力的偏差和过热度可以将负荷分为初始控制和持续控制2个阶段,初始控制阶段,汽机主控的速率较高,锅炉主控的速率较低,这样可以提高机组的响应时间K3,持续控制阶段,汽机主控与锅炉主控保持一个相对稳定的平衡速率,因为负荷后半程变化任务主要由锅炉承担,有利于调节精度K2的稳定。综合2个阶段的不同速率,可以增加机组的调节速率K1。
4.2 汽机主控与锅炉主控的参数自适应优化
机组处于BLO和BLR模式下,汽机主控和锅炉主控如果采用固定比例+积分+微分(PID)参数,在稳态情况下没有影响,但是,由于AGC指令的变化,机组如果处在负荷大幅变化时,对调节性能是有影响的。比例和积分参数不能很好地适应工况的变化,一方面对汽机主控快速响应负荷不利,汽机不能很好地利用压力的蓄热能力;另外一方面锅炉不能快速地增减热负荷,同时不利于压力的变化,对负荷造成了牵制作用。
汽机主控和锅炉主控采用PID自适应方案,如图2、图3所示。在负荷变化阶段,如果当前的压力满足负荷变化要求,在1 MPa之内,并且过热度合适,则加强汽机主控PID参数作用,负荷可以快速变化,可以提高K1和K3,反之则自动选取保守参数;如果压力的偏差较大,超过一定的范围,一般在1.5MPa左右,则锅炉主控的PID参数自动加快,以此来满足压力的变化,反之则自动减小。汽机主控的比例、积分变参数为负荷函数,可以更好地根据高、中、低负荷选取,避免了参数的单一固化。锅炉主控为实际压力的函数,便于随时进行调整。通过自适应参数,可以提高K1、K3,同时有利于Kp的增加。
4.3 汽机主控与锅炉主控的超前加速优化
在负荷变化过程中,为了及时补充蓄热,除了参数的自适应变化,需要对汽机主控与锅炉主控的输出值进行超前动作,如图4所示。
当AGC指令阶跃变化时,为了提高响应时间K3,需要让汽轮机调门动作一个与AGC指令变化幅度相一致的梯形量,初始阶段时,汽机调门的动作幅值与AGC指令的变化相符合,可以使得负荷快速变化,达到提高K3的目的;当负荷处于持续控制阶段时,随着负荷变化的进一步深入,汽机主控PID参数的作用逐渐加强,这时的超前动作值逐渐减小,不会使负荷的变化过于剧烈,避免了振荡[4]。
对锅炉主控的前馈进行适量的超调。特别是由于当前机组的燃烧煤质偏离了设计值,造成了负荷变化初始阶段的锅炉燃烧不能快速响应,虽然其PID参数作用可以较强,但是其仍然是一个逐渐的变化过程。依靠超前加速环节,锅炉主控输出的初始增加量可以根据当前的实际负荷指令通过函数合理选择,具有了自动选择的功能。初始变化结束后,其动作量逐渐减小,可以与汽机侧的变化相适应,有利于提高调节精度K2。
5 实际运行效果
以某660 MW超临界机组为例,对比控制系统优化前后1个月的日Kp值,趋势如图5所示,机组在BLO模式和BLR模式下,调节性能均有大幅提高。月平均Kp值如表1所示,BLR方式的Kp值提高了0.72左右,BLO方式下的Kp值提高了1.25左右。优化策略不但适用于BLO方式,也适合于BLR方式运行的机组,且都可以提高机组调节性能指标。
机组在BLR和BLO方式下的负荷跟踪AGC指令曲线如图6、图7所示。可以看出,AGC指令不论大幅度或者小幅度变化时,频繁变化或稳定变化时,机组的负荷都能较好地跟踪AGC指令。
6 结论
(1)对负荷指令进行了分层控制,使得机组的速率可以根据当前工况进行自动选择,汽机主控和锅炉主控可以按照各自相对独立的速率进行变化,在一定程度上对其进行了解耦控制,能够提高机组的调节速率和响应时间。
(2)锅炉主控和汽机主控的PID参数进行了自适应优化,当满足快速变化要求时,比例和积分作用自动加强,负荷稳定时,参数自动减弱,负荷控制达到“细调”要求,能够提高机组的调节精度和调节性能。
(3)汽机主控的超前加速动作,能够使负荷快速响应AGC指令,在短时间能负荷快速动作,提高了响应时间;锅炉主控的提前动作,在一定程度上弥补了锅炉的滞后和惯性,加快了锅炉热量的转换,提高了调节精度,两者具有“粗调”的作用。
(4)机组AGC调节性能的提高有利于其适应电网的BLR和BLO模式,并且可以获得一定的辅助服务补偿。
参考文献
[1]华北电网有限公司.华北区域并网发电厂辅助服务管理??实施细则(试行)[S].北京:华北电网有限公司,2009.
[2]华北电网有限公司.华北区域发电厂并网运行管理实施细则(试行)[R].北京:华北电网有限公司,2009.
[3]杨新.国产600 MW机组协调控制系统及其逻辑优化[J].陕西电力,2008,26(10):49-52.
协调控制系统的优化 篇8
1 胜利煤田概况
胜利煤田位于锡林浩特北郊, 整个煤田总体呈北东-南西条带状展布, 走向长45km, 倾向宽平均7.6km, 含煤面积342km2, 煤炭地质储量224.4亿吨。煤田内15个煤层中, 6号煤层以上绝大部分区段适合大型露天开采。6号煤层以上适合露天开采的区段划分为五个大型露天矿和一个锗煤露天矿田, 以锡林河为界, 东部为东露天, 西部为西露天, 地质储量合计141.6亿t。胜利煤田煤质总体上为中低灰、低硫或特低硫、低磷、中等发热量的褐煤, 并且属含油-富油煤, 化学反应活性好。该煤田已列入全国十三个大型煤炭基地蒙东基地之中。总体规划已由国家发改委批准[2]。图1为胜利矿区井田划分及开发方式平面图。
2 实例分析
本文以胜利矿区中的胜利锗煤露天矿和胜利西二号露天矿为例子, 具体分析同一煤田相邻矿区协调开采条件下的运输系统优化。
2.1 地质构造
胜利西二号露天矿与胜利锗煤露天矿都位于胜利煤田西部, 两矿矿权界相邻, 胜利锗煤露天矿位于西二号露天矿的西部。这两个矿的矿田范围内地层产状都较平缓, 其中, 西二号露天矿矿田范围内地层产状总体走向为NW, 倾向NE, 地层倾角3°左右, 为产状平缓的单斜构造, 中间有宽缓的波状起伏, 断层发育, 岩浆岩未对本区煤层煤质产生影响, 构造属于中等类型;胜利锗煤露天矿矿田范围内地层产状略向西北倾斜, 地层倾角小于5°, 为近水平-微倾单斜构造。如图2所示, 胜利锗煤露天矿矿田范围内发育的断层有:Ft14断层, FGe2断层, FGe3断层, FGe4断层;西二号露天矿矿田范围内Fx1断层、Fx2断层、Fx3断层、Fx4断层、Fx5断层、Fx6断层、Fx7断层、F12断层、F13断层、F20断层、F31断层。两个矿矿区范围内断层都是正断层。
2.2 可采煤层
2.2.1 胜利西二号露天矿
胜利西二号露天矿可采煤层自上而下有5#、5#下、6#煤层, 其中6#煤层为本区主要可采煤层。5#煤层赋存于胜利组的上部, 是本区次要可采煤层, 主要分布于本区的西部、北部, 煤层自然厚度为0.25~19.76m, 平均2.86m, 储量利用厚度为0.25~8.60m, 平均1.92m, 局部可采。5#下煤层赋存于胜利组上部, 是本区次要可采煤层, 主要分布于本区中西部, 煤层自然厚度0.10~2.59m, 平均1.11m, 储量利用厚度0.10~0.85m, 平均0.96m。6#煤层赋存于胜利组的上部, 是本区的主要可采煤层, 基本全区分布, 全区可采, 煤层自然厚度为0.40~36.25m, 平均17.21m, 储量利用厚度为0.40~34.42m, 平均16.57m。
2.2.2 胜利锗煤露天矿
胜利锗煤露天矿可采煤层自上而下有6#、6-1#、6-2#煤层, 其中6-1#煤层为本区主要可采煤层。6-1#煤层为赛汉塔拉组下部的“上含煤段”煤层, 属全区分布, 厚度稳定, 结构简单的稳定煤层。6-1#煤层向北西方向有微倾斜, 赋存深度有向聚煤盆地中部加深的趋势。6-1#煤层埋深26.80~150.60m, 平均71.98m;自然厚度5.38~36.55m, 平均16.34m;资源储量利用厚度1.70~36.15m, 平均16.12m;6-1#与6#上煤层间距1.80~52.30m, 平均14.94m。6-1#煤层属全区分布, 厚度稳定, 结构简单的稳定煤层。
2.3 两矿由独立开采到协调开采下的运输系统优化
露天矿运输系统由剥离运输系统和坑内原煤运输系统两部分组成。当胜利锗煤露天矿和胜利西二号露天矿由各自独立开采向协调开采发展, 两个矿不仅原有的地面剥离运输系统会发生变化, 而且与之衔接的坑内原煤运输系统也需要做出相对应的优化[3]。
2.3.1 剥离运输系统优化
胜利锗煤露天矿和西二号露天矿在协调开采的过程中, 两个矿相邻的端帮被开采。其中, 锗煤露天矿的排土场在西帮留沟内排, 西二号露天矿的排土场在东帮留沟内排, 两个矿采场贯通以后, 相邻边帮消失, 原有的剥离运输系统被切断, 需要在采场与排土场之间建立临时排土桥, 恢复剥离运输通路, 如图3所示。同时, 在剥离竣工之前, 需要及时清除临时排土桥。
2.3.2 原煤运输系统优化
采区内原煤运输道路是动态变化的, 确定原煤运输系统优化主要就是确定运煤道路的布置和煤破碎站的位置。
(1) 采区内运煤道路的布置
在对采区内运煤道路进行布置时, 需要综合考虑原煤运输道路和剥离运输道路的布置, 尽量避免煤、岩运输系统交叉, 选择距离最短的线路布置原煤运输道路。锗煤露天矿采区内的运煤主干道路布置在采场西端帮与破碎站相连, 采煤台阶通过移动坑线与主干道路联络。西二号露天矿采区内的运煤道路为工作帮移动坑线与破碎站相连。
(2) 锗煤露天矿煤破碎站及运煤系统的布置
如图3所示, 西二号露天矿与锗煤露天矿独立开采条件下, 锗煤露天矿开采设计中确定运煤胶带从西二号露天矿内、外排土场之间穿过, 通过转载点与西二号露天矿运煤胶带搭接, 煤破碎站设置在锗煤露天矿一采区东帮。
两矿实施协调开采后, 为了通过贯通西二号露天矿内、外排土场, 解决西二号露天矿排土空间不足的问题, 锗煤露天矿原设计运煤胶带需要重新选择布设位置。通过分析生产现状、生产系统布局、采场排土场相对位置关系, 经过研究, 锗煤露天矿煤破碎站从首采区东帮移设至首采区西帮出入沟位置, 运煤胶带沿锗煤露天矿外排土场与西二号露天矿外排土场之间的建立运煤公路和西二号露天矿外排土场南侧布设, 通过转载点与西二号露天矿运煤胶带搭接。如图4所示。锗煤露天矿煤破碎系统的移设, 一方面解放了排土空间, 为实现协调开采创造有利条件。另一方面消除了锗煤露天矿运煤胶带与西二号露天矿去外排土场公路运输的交叉。
(3) 西二号露天矿煤破碎站及运煤系统的布置
西二号露天矿原设计将运煤通道设置在南侧非工作帮, 运煤卡车出入沟设置在采场东南角, 运煤自卸卡车经煤层顶板到工作帮的移动运煤坑线, 经运煤出入沟, 运到设在地面的半固定破碎站。
随着两矿协调开采的实施, 原煤由运煤自卸卡车从坑内运送到西二号露天矿2#煤破碎站的运距越来越远, 经济合理性越来越差。为了缩短坑内卡车运煤道路的运输距离, 协调后的煤破碎站设置在西二号露天矿首采区东帮地表, 重新建立一条连接煤破碎站和运煤主胶带的运煤胶带, 如图5所示。
3 结论
胜利煤田相邻矿区为了提高煤炭资源的利用率, 需要协调开采以采出两矿之间压煤量, 而协调开采若剥离采用端帮运输, 运距增加。因此, 本文通过建立临时运输连接桥, 降低了剥离运输费用。
摘要：在胜利煤田开发中, 有多家矿山企业进入, 各企业作为开发主体独立承担着国家划分区域煤炭资源的开采, 同时或先后建设几个露天矿, 造成相邻露天矿开拓运输系统得不到总体优化, 弱化了经济效益。本文以胜利煤田中的锗煤露天矿和西二号露天矿为研究对象, 运用相邻露天矿协调开采技术, 统一规划布置运输系统方案, 缩短运距, 降低生产成本, 实现经济效益最大化。
关键词：胜利煤田,协调开采,运输系统
参考文献
[1]陈武, 等.我国煤炭资源及其开发利用研究[J].煤炭经济研究, 2003 (7) :6-11.
[2]内蒙古锡林郭勒胜利矿区总体规划 (修改版) [R].沈阳:中煤国际工程集团沈阳设计研究院, 2009.
内部控制评价目标的协调 篇9
关键词：内部控制；评价；目标；风险管理
内部控制是一个包括设计、执行、评价、改进等环节的动态循环的系统过程，该系统以不断往复的信息反馈为其运行特征。对制度设计和执行进行评价所得到的相关信息作为改善系统的重要资源输入，使企业内部控制系统不断完善。因此，内部控制评价是内部控制的再控制。
一、内部控制评价及目标
（一）内部控制评价及目标的概念
所谓内部控制评价，是通过评价主体对企业现有的内部控制系统那个的设计和执行的合理性、完整性和有效性进行审查、测试、分析和评价的活动。评价结果为发现企业内部控制的缺陷和薄弱环节提供依据，便于企业有针对性地提出改进意见和建议，从而使企业内部控制系统建设进一步完善。因为，内部控制评价的最终目的是是实现内部控制系统的有效性，完善内部控制，使其充分发挥作用。
（二）内部控制评价的最新发展
进入20世纪90年代，国际上对内部控制的研究进入一个新的阶段。1992年，美国COSO委员会发布的内部控制整体框架，构建了由三个目标和五项要素组成的内部控制整合框架。我国2006年新出台的审计准则体系和企业内部控制规范也借鉴了这一理论框架。COSO内部控制整体框架发布之后，很多内部审计群体开始运用COSO内部控制整体框架，并将它作为评价企业内部控制的有效工具。
随着内部控制与风险管理的联系既加深，COSO委员会于2004年9月正式发布了新COSO报告--企业风险管理框架，并提出将取代COSO报告。新COSO报告将内部控制定义为"一个由企业的董事会、管理层和其他员工共同参与的，应用于企业战略制定和企业内部各个层次和部门，用于识别可能对企业造成潜在影响的事项并在其风险偏好范围内管理风险的，为企业目标的实现提供合理保证的过程"。新COSO报告继承并包含了《内部控制--整体框架》的主体内容，同时扩展了三个要素，增加了一个目标，更新了一些观念，旨在为各国的企业风险管理提供一个统一术语与概念体系的全面的应用指南。
二、内部控制的自我完善与对外披露的评价
（一）内部控制的自我完善的评价
内部控制自我完善的评价是通过内控的自我评估来是实现的。内部控制自我评估是检查和评价内部控制的效率和效果的流程，其目的是为实现企业的目标提供一定程序的合理保证。在内控自我评估条件下，内部审计人员不再是企业内部控制的唯一责任主体，企业的所有成员都对内部控制负有相应的责任，利用自我评估可以起到充分调动员工积极参与内部控制评估的作用。
但是内部控制自我评价体系也存在着一些问题，第一，对内部控制的意义认识不足。企业成员普遍认为内部控制是企业管理当局和内部审计部门的责任，而与自己无关；管理层未能清楚认识到内部控制自我评价在提升控制环境，提高控制质量等方面的重要作用。第二，内部控制自我评价机制缺乏。大多数企业都能够意识到内部控制的重要性，基本上都建立了内部控制制度，但是企业却忽视了内部控制制度是否切实发挥了其应有的控制作用，没有应有的内部控制自我评价机制。第三，内部控制评价方法使用不当。西方国家一些先进的内部控制评价办法并不一定都适用于我国，不适合的方法不仅不能满足企业内部控制自我评价的需要，还会造成人力财力等资源的浪费。
（二）内部控制的对外披露评价
内部控制的对外披露评价是通过内部控制与财务报表可靠性相关的内控来实现的。内部控制的内容虽然在不断发展和丰富, 但其基础和主线始终是“为达到财务报告的可靠性”。这样, 与财务报表可靠性相关的内部控制审计理所当然地成为独立审计的业务范围,而评价企业内部控制的健全性和有效性便成了注册会计师义不容辞的职责。
虽然现在我国要求上市公司都应聘请注册会计师对企业内部控制也出具内控评价报告，并且注册会计师能指出企业内控存在的问题及改进建议，但企业内控管理人员不能对注册会计师的改进建议及时实施，导致内控问题依然存在，内控效率低下。
三、内部控制评价两种目标的协调
新COSO报告体现了最新的风险管理理念，它对内控目标的界定打破了以往的内部控制规范。企业也日益认识到构建内部控制体系的目标不单纯是为了满足监管部门对于信息提供者和披露方面的要求，更重要的是内部控制制度有助于企业战略目标以及经营目标的实现。
目前，虽然我国内部控制规范体系已经初步建立，但对如何具体地实施内部控制评价尚缺乏明确的规定。以往的财务丑闻中，我们看到很大程度上是对风险的管理失效。风险管理成为组织管理关键所在，内部控制评价不再只是审计人员所要做的工作，而是企业从管理者到员工都需要参加的一项重要活动。内部控制评价的重点应该是确认风险及测试管理风险的方法，在风险导向的内部控制评价中，分析、确认、揭示关键性的经营风险，在评价标准、指标和权重的选择上均要把握风险管理理念。只有这样，以风险管理为导向，内部控制的自我完善和外部披露两种评价目标才能同时实现，企业的内控体系才会更加规范，企业才能健康合理地发展。
四、结束语
内部控制评价可以帮助企业改进内部管理，提高经济效益，而且可以规范市场经济秩序。本文探讨了内部控制评价目标是以自我完善为主还是对外披露为主，文中先分别阐述了两种目标，最后提出了两种目标应协调起来，而且也还要结合现代风险管理的大背景来实施内部控制管理和评价。
参考文献：
[1]李永峰．内部控制目标的新思考[J]．财会研究，2008，(3)．
[2]吴永民、杨娜．论内部控制的自我评估与外部审计鉴证[J]．财会月刊，2010，(9)．
[3]高菲．内部控制自我评估[J]．商业经济，2010，(9)．
[4]阎凌．我国风险导向内部审计的研究[J]．商场现代化．2010，(7)．
协调控制系统的优化 篇10
在风电场就地配置储能系统(BESS)是提高电网接纳风电能力的重要措施。在各种风储协调控制方法中,低通滤波器(LPF)[1,2,3,4]控制是一种简单而实用的控制方法。但LPF控制对未来风功率的变化缺乏预见性,这限制了其在风功率波动较大时的控制效果。此外,随着风储协调应用的深入,控制从单目标变为多目标,从初期的主要考虑减少风电场出力波动,到同时关注储能充放电效率和使用寿命,以兼顾技术性和经济性。但在LPF方法中难以直接表达多个优化目标。
与之相比,模型预测控制(MPC)[5]能够充分利用风电功率预测信息,且能够显式表达多个优化目标和约束条件,故近年来被广泛讨论和应用[6,7,8,9,10]。例如:文献[7]以减小储能充放电功率及控制储能荷电状态(SOC)于理想值附近作为子目标;文献[8]考虑了风电场收益、并网功率平滑及储能出力等多个子目标;文献[9]将风电场并网功率波动及储能出力的不等式约束乘以惩罚因子加入目标函数中,并采用粒子群算法优化LPF滤波时间常数;文献[10]考虑了储能SOC控制、储能充放电功率控制及并网功率波动控制等子目标。
事实上,不仅是风储协调控制,电力系统的诸多最优控制都需要求解多目标优化问题[11,12,13]。考虑到控制的实时性,应用中常采用权重法将多目标优化转换为单目标优化问题进行求解。由于权重系数反映了对各子目标的偏重程度,权重系数的选择就变得至关重要。上述文献皆采用固定赋权法,即在离线状态下,通过反复试验或者某种主观赋权法(如层次分析法[4])来确定权重系数,该权重系数在系统运行中不再改变。
虽然在传统电网中,固定赋权法取得了很多成功的应用,但是在以风电接入作为典型应用的智能电网控制中,固定赋权法将难以适应智能电网固有的随机性特点。这是因为,离线状态下无法穷尽系统的所有可能状态,从而难以依靠有限的仿真场景来决定各子目标的权重;同时,在一个时变的环境中,各指标的相对重要性也可能在不断变化。
本文在文献[10]的基础上,提出了一种基于动态赋权的风储协调多目标优化控制方法。首先,对文献[10]的固定赋权法进行分析,通过仿真验证了该方法并不能适应变化的风电功率场景;然后,提出一种基于网格化搜索的权重系数在线调优方法;为了判定最优的权重系数,提出了一种基于隶属度与熵权法的评价方法。与已有的固定赋权法相比,本文方法能够根据未来风功率的场景自适应地调整各子目标的权重系数。
1 基于固定赋权的风储协调多目标控制
1.1 风储协调控制中的优化目标
文献[10]考虑了以下三个风储协调优化目标。
1)从储能自身角度,避免过充过放是延长储能使用寿命、提高储能应用经济性的重要措施;从控制角度,将SOC控制在理想值附近,有利于储能系统的安全、持续运行[1,2,3,4]。为此,设计了子目标函数J1:
式中:L为储能的理想荷电能量;y(k)为储能剩余能量;k为当前预测时域内的采样序列;M为预测时域长度,若风电场每隔15min向调度中心上报未来4h的风电功率预测值[14],则M=4h/15min=16。
2)由于储能内阻的存在,储能充放电效率与其充放电功率有关[15,16],为此,应控制储能的充放电功率。因此设计子目标函数J2:
式中:x(k)为储能输出功率。
3)风储联合发电系统的并网功率的波动程度应受到限制,因此设计子目标函数J3:
式中:u(k)为并网功率;Δu(k)=u(k)-u(k-1),为并网功率波动值。
令r(k)表示风电场的原始出力,则x(k),y(k),u(k)应满足如下状态方程[7,10]:
通过引入权重系数α和β,将上述多目标优化问题转化为单目标优化问题,目标函数如下[10]:
文献[10]基于MPC原理,在有限时域内滚动求解上述带约束的二次规划问题,形成最优并网功率的控制轨迹,并据此指导LPF方法,使之能够兼顾对长短期风电功率波动的平抑。
1.2 权重系数对多目标优化结果的影响
式(5)中权重系数的选择会对优化结果起到决定性作用。为验证这点,选择风电功率随机波动和连续下降等两个场景进行仿真分析,详细结果见附录A。根据附录A的分析,不难得出如下几点结论。
1)权重系数会显著影响各子目标的优化结果。当增大其中一个权重时,对应的子目标值将减小。
2)对同一风功率场景,不存在一组权重系数能使各子目标同时最优,即子目标之间存在一定的冲突。
3)不存在一组固定的权重系数,能够适应变化的风电功率场景。
可见,对于风储协调中的多目标优化问题,固定赋权法不具备对变化的风功率场景和储能状态的自适应性。当权重系数不再适合当前状况时,控制器的性能就会下降。而若能够根据系统状态动态调整权重系数,则可以始终将风储协调控制器保持在最佳状态。
2 权重系数的在线调优方法
本文提出了一种权重系数的在线调优方法。设s为调优次数,其初值为0。则该方法包含如下步骤。
步骤1:设当前权重系数为αs和βs,将各权重系数向其邻域离散化为5个水平,如表1所示。其中,Δα和Δβ为离散间隔。
步骤2:对表1中的第2和第3列作笛卡尔积,结果中包含p=52=25组权重系数。将每组权重系数代入式(5),可求得J1,J2,J3三个子目标值,从而得到评价矩阵Jp×q元素,如表2所示,其中q=3。
步骤3:找出最优试验组。设有评价函数f,可以计算出各组试验的综合评价指标值Xi。
如果评价指标以大者为优,则最优试验组为:
步骤4:将表1中的αs和βs更新为最优试验组所对应的权重系数。令s=s+1,重新执行步骤1至4。
如果将上述试验中的每一组权重系数(αs,βs)看作α-β平面上的一个点,那么上述步骤可视为在该平面中进行网格化寻优的过程,如图1所示。设初始权重系数位于W0(α0,β0)点。以W0点为中心,根据表1构造含25个点的区域A。在区域A中找到最优的权重系数组,设为W1(α1,β1)点。然后以W1点为中心构造区域B,重复上述过程。在图1中,点W0至W3的变化轨迹反映了权重系数自动调优的过程。
下面对上述过程做出几点讨论。
1)寻优区域与离散间隔。当权重系数之间相差超过两个数量级时,某些子目标就会被极度忽视。为避免这种情况,本文将α和β的搜索范围限定在[0.1,9]区间内。离散间隔Δα和Δβ皆设置为0.2。
2)优化周期和结束条件。权重系数调优周期与MPC的采样周期一致,即每15 min执行一次。当满足如下任一条件时,本优化周期内的调优过程即结束:(1)(αs+1,βs+1)=(αs,βs);(2)s≥10。
3)推广到一般情况,如果需要优化的权重系数较多,则需要在高维空间内寻优,这样容易产生组合爆炸问题。此时,可采用正交试验设计方法[17]减少试验次数。关于正交试验设计的详细内容见附录B。
下面的问题是如何定义式(6)中的评价函数f。为此,本文引入了信息熵的概念。
3 基于隶属度与熵权法的评价方法
本文将评价矩阵Jp×q视为一个含有p个评价对象、q个评价指标的多指标综合评价问题[18]。首先对各指标值做无量纲化处理。
3.1 基于隶属度函数的指标无量纲化处理方法
常用的无量纲化处理方法有极差法、比重法[18]等。本文提出了基于隶属度函数的无量纲化处理方法。隶属度函数表达式为:
式中:Ji,j(i=1,2,…,p,j=1,2,…,q)为表2中的评价指标值;μij为无量纲化结果,代表决策者对该指标值的满意度,μij∈[0,1];Jj_1和Jj_2分别为评价指标Jj的满意值上限和允许值上限,其确定方法见附录C。
由于Ji,j以小者为优,故隶属度函数选用降半梯形分布。当某评价数据Ji,j小于Jj_1时,就认为该指标值已达满意,进一步减小已无必要。可见,上述隶属度函数方法不但实现了无量纲化处理,而且具有模糊评价特性,能够更为客观地反映风储协调控制的实际需求。
3.2 基于熵权法的评价函数
经过上述处理后,原始评价矩阵Jp×q被转换为隶属度矩阵:
式中:mpq为第p个评价对象、第q个评价指标的隶属度。
在上述矩阵中,某一项指标在不同评价对象间的差异性越大,说明其所提供的信息量越大,那么在综合评价中,该指标应被赋予更大的权重。根据信息论的基本原理,熵是系统无序程度的一个度量,故本文利用信息熵来定义指标的差异性。
对矩阵μ做标准化处理后,第j个指标的熵值为[18]:
式中:,当fij=0时,令fijln fij=0;k=1/ln p。
根据上述定义,某项指标在不同评价对象间的差异性越大,熵值越小。由指标的熵值可得到该指标的熵权:
考虑一个极端情况。假设某项指标在不同评价对象上的值完全相同,那么根据式(10),其熵值达到最大值1,对应的熵权为0。这表明该指标在决策中未能提供任何有用的信息,应该从多指标综合评价体系中去除。这样,可以利用熵权定义如下的评价函数:
将上述评价函数代入式(6),即可得到综合评价指标Xi;由于μij以大者为优,故利用式(7)即可确定最满意的一组试验,进而确定最优的权重系数。
需要强调的是,式(5)的权重系数与式(11)的熵权存在本质区别。前者代表物理上的重要性,而后者则是从信息角度考虑。权重法是对具有不同量纲的物理量做加权和,具有不可公度性,这使得针对不同的(α,β)组合,不能利用式(5)比较不同权重系数间的优劣。而本文利用熵权法,首先将各评价指标转换为可以同度量的满意度,然后利用式(12)找出具有最大满意度的试验组,从而间接确定最优的(α,β)组合。
4 算例分析
4.1 算例系统
本文以上海崇明岛某48 MW风电场为研究对象,在MATLAB中建立算例模型,比较采用固定赋权法与动态赋权法的风储协调控制效果。固定权重系数值取自文献[10],即α=1,β=2。风电场配置的储能容量为10 MW·h,约占风电场容量的20%,额定充放电功率为10 MW。理想SOC设为60%,SOC允许变化范围为[0.1,0.9]。LPF滤波时间常数为200s,储能控制周期为20s。风电场爬坡率的限制参考文献[14]:10 min和1 min的有功功率变化限值分别为16 MW和4.8 MW。选择风电功率仿真场景如图2所示。
4.2 动态赋权法与固定赋权法的对比测试
将动态赋权法的(α,β)初始值设定为(1,1)。设初始SOC为20%,接近其下限。得到SOC的变化曲线、储能出力的累计概率分布曲线,以及风电并网功率波动曲线,分别如图3、图4、图5所示。
1)SOC控制
结合图2与图3可见,由于引入了MPC,固定赋权法和动态赋权法都可以根据未来风功率的变化对储能SOC实施智能调控,使之尽快恢复并维持在理想值附近。两者比较,动态赋权法对SOC的控制能力明显优于固定赋权法。由于在实际工程中,整个储能系统的SOC上下限是由性能最差的电池组决定的[1],所以,将SOC控制在中值附近有利于储能系统长期安全、可靠运行,具有重要的实践意义。
作为对比,图3还给出了常规LPF方法的控制效果,其对SOC的调控能力明显较差,且在3h附近发生了SOC越限,这降低了储能系统持续平滑功率波动的能力。
2)储能输出功率
由图4可见,在储能出力控制方面,动态赋权法优于固定赋权法。例如,采用固定赋权法时,储能出力小于3.8MW的概率为80%;而采用动态赋权法时,相应的储能出力减少为3.3 MW。
3)并网功率波动性
仿真结果表明,动态赋权法和固定赋权法在1min尺度上的风电功率平滑效果非常接近。这是由于在给定储能配置下,1 min尺度的平滑效果主要受LPF方法中滤波时间常数的影响[10],为此本文重点讨论10min尺度。由图5可见,两种方法在平抑功率波动方面皆满足文献[14]的并网要求。
观察图5可见,在3~6 MW的低功率波动区间,动态赋权法的功率平滑效果稍差于固定赋权法,而在高功率波动区间内,两者基本没有差别。对此现象,将在下节结合权重系数的动态变化进行分析。
4)权重系数的动态变化
采用动态赋权法时,权重系数的变化情况见图6。下面结合图3至图5进行分析。由图5可见,风电低功率波动区间主要分布在0~6h和10~15h时段。在上述时段,动态赋权法将控制重点放在了储能SOC上,这表现在α和β均取较小的值,从而加大了子目标J1的相对权重。由于此时风电功率波动性不是主要控制目标,导致并网功率平滑性稍差。但由于原始风电功率波动较小,故对应用效果影响较小。而在6~10h阶段,由于SOC已回到理想区间(见图3),而此时风电功率波动较大,因此动态赋权法将控制重点转向了子目标J3,这表现在显著增大了权重系数β。同时为了控制储能出力,权重系数α也被增大。从风电并网功率平滑效果看(见图5),在此阶段两种方法近乎相同。
由上可见,无论是动态赋权法还是固定赋权法,都不能改变多目标之间固有的竞争关系。但是动态赋权法的优势在于,它可以综合风电功率波动、储能SOC及储能出力的实时状态,动态识别出目标间的主次关系并实施在线调整。
4.3 鲁棒性测试
风储协调控制策略不但要面对不同的风功率波动场景,还要面对不同的储能容量配置、SOC初始值以及不同的权重系数初值设置。下面进一步测试动态赋权法对这些情况的鲁棒性。
1)对SOC初始情况和权重系数初值的敏感性
SOC初值分别选取20%,60%,80%,权重系数(α,β)初值分别选取(1,1),(5,5),(8,8),共9种不同的初始情况,分别进行仿真。仿真结果见附录D。由结果可见,动态赋权法基本不受上述初始条件的影响,权重系数都能很快趋于一致。并且,即使SOC初值在迫近下限(20%)或上限(80%)的不利情况下,本方法都能使其恢复到理想值附近。
2)对储能容量的敏感性
现将储能容量减少至5 MW·h,仅为风电场容量的10%左右,储能额定功率也相应减小至5 MW。仿真结果见附录E。可见,随着储能容量的减小,固定赋权法对SOC的控制效果明显下降,SOC在3h处发生了越限。与之相比,动态赋权法依然保持了对SOC良好的控制能力;在储能出力控制方面,动态赋权法仍然明显优于固定赋权法;在减少并网功率波动方面,由于受到储能最大充放电功率的物理限制,两种方法均出现了轻微的越限情况。固定赋权法和动态赋权法的10 min并网功率不合格概率分别为0.52%和0.41%。
4.4 计算时间
仿真使用的电脑配置为:Inter(R)core(TM)i5-2400,3.10 GHz,仿真软件为MATLAB 2013a。由于MPC的采样周期为15 min,故在15h内,MPC共执行了60次。每次平均用时为1.01s,这相对于MPC的采样周期(15 min)而言,运算速度足以满足应用的实时性要求。由于包含了权重系数的调优计算过程,每次计算的时间并不相同,其耗时柱状图见附录F。
可以证明,式(5)属于凸优化问题,故其收敛速度很快。在一般情况下,注意到表2中的试验是可以并行进行的,故可以通过并行计算来保证控制的实时性。
5 结论
1)风储协调控制需要处理多个不一致的优化目标。利用固定赋权法将多目标优化问题转换为单目标优化问题虽然简单易行,但对于风储协调控制问题,该方法并不能适应风电出力随机性的特点。
2)基于权重系数在线调优的动态赋权法能够根据风电功率波动情况、储能SOC以及储能出力情况,自适应地改变各子目标的权重。较之固定赋权法,动态赋权法能够减少储能出力,从而提高储能充放电效率。同时,能够显著改善对储能SOC的控制效果,从而提高在恶劣工况下控制策略的可持续性,并延长储能的使用寿命,提高储能应用的经济性。
3)本文方法具有客观赋权的特点,仅需设定各权重系数的离散化水平以及各子目标的隶属度函数,而对其他领域知识依赖较少,故也可适应于智能电网中其他的在线多目标优化控制问题。
附录见本刊网络版(http://www.aeps-info.com/aeps/ch/index.aspx)。
摘要：风储协调控制中需要处理多个具有不一致性的子目标,各子目标的权重系数对控制效果具有关键作用。首先,通过仿真分析验证了基于固定赋权法的多目标优化控制难以适应风电出力的随机性特点。然后,提出一种通过网格化搜索进行权重系数在线调优的动态赋权方法。为了判定最优的权重系数,提出了一种基于隶属度与熵权法的评价方法。算例分析表明,所述方法能够根据风电功率波动情况、储能荷电状态(SOC)及储能出力等情况,自适应地改变各子目标的权重系数,从而在平抑风电功率波动的同时,提高了储能充放电效率,并显著改善对储能SOC的控制效果。