目前,实际电力系统中广泛使用电力系统稳定器（power system stabilizer,PSS）进行低频振荡阻尼控制。但是,PSS在低频振荡控制中有一定的局限性,可能使其增益整定值难以同时满足系统阻尼水平以及《电力系统稳定器整定试验导则》规定的...目前,实际电力系统中广泛使用电力系统稳定器（power system stabilizer,PSS）进行低频振荡阻尼控制。但是,PSS在低频振荡控制中有一定的局限性,可能使其增益整定值难以同时满足系统阻尼水平以及《电力系统稳定器整定试验导则》规定的增益必须小于临界增益1/3的投运要求。该文通过分析,发现自并励条件下,PSS临界增益主要受励磁模式限制,而励磁模式是由励磁–PSS回路在3~8 Hz频段的固有特性形成。在上述分析的基础上,提出在励磁–PSS回路外环引入一个功率增量软反馈,形成一种带有并联环节的改进型PSS模型,改善了回路相位特性,提高了PSS临界增益,解决了上述问题。最后,以锡盟火电集中外送仿真系统为例,验证了所提方案的有效性。展开更多
广域电力系统稳定器(Wide Area Power System Stabilizer,WAPSS)对电力系统的区间低频振荡能够起到良好的阻尼作用。同时,WAPSS参数的协调优化设计能够避免因增大某一振荡模式的阻尼而造成其他模式阻尼恶化的问题,提出一种两阶段设计的W...广域电力系统稳定器(Wide Area Power System Stabilizer,WAPSS)对电力系统的区间低频振荡能够起到良好的阻尼作用。同时,WAPSS参数的协调优化设计能够避免因增大某一振荡模式的阻尼而造成其他模式阻尼恶化的问题,提出一种两阶段设计的WAPSS参数协调优化方法。第一阶段基于留数相位补偿原理设计WAPSS超前滞后环节的参数。第二阶段,将整定后的超前滞后环节参数代入WAPSS传递函数以减少决策变量,再以提高低频振荡模式和近虚轴模式的阻尼为多优化目标,利用基于精英替换策略的改进教与学算法(Teaching-Learning-Based Optimization,TLBO)对WAPSS的增益参数进行优化。通过将超前滞后环节参数和增益参数两阶段协调优化,不仅减少了每次迭代计算时间,而且达到了提高电力系统阻尼的目的。最后通过两区四机的仿真算例验证了该方法的有效性。展开更多
为解决电力系统稳定器(power system stabilizer,PSS)参数设置困难及传统的智能优化算法在寻优的过程中容易陷入局部最优,导致收敛速度下降的问题,因此文中采用混合策略改进SSA算法优化PSS参数。首先采用tent混沌映射来优化初始种群,提...为解决电力系统稳定器(power system stabilizer,PSS)参数设置困难及传统的智能优化算法在寻优的过程中容易陷入局部最优,导致收敛速度下降的问题,因此文中采用混合策略改进SSA算法优化PSS参数。首先采用tent混沌映射来优化初始种群,提高种群多样性;采用柯西变异、正余弦策略和反向学习策略(opposition-based learning,OBL)来提升收敛速度;然后对6种测试函数进行寻优实验,将改进的SSA与PSO、GWO、SSA、SSSA优化结果对比,验证改进的SSA算法具有更好的收敛速度和稳定性;最后,将改进的SSA算法应用在单机无穷大系统及四机二区域系统的PSS参数优化中,与其他算法优化结果比较,验证改进的SSA在PSS参数优化方面的鲁棒性更好,收敛速度更快。展开更多
文摘目前,实际电力系统中广泛使用电力系统稳定器（power system stabilizer,PSS）进行低频振荡阻尼控制。但是,PSS在低频振荡控制中有一定的局限性,可能使其增益整定值难以同时满足系统阻尼水平以及《电力系统稳定器整定试验导则》规定的增益必须小于临界增益1/3的投运要求。该文通过分析,发现自并励条件下,PSS临界增益主要受励磁模式限制,而励磁模式是由励磁–PSS回路在3~8 Hz频段的固有特性形成。在上述分析的基础上,提出在励磁–PSS回路外环引入一个功率增量软反馈,形成一种带有并联环节的改进型PSS模型,改善了回路相位特性,提高了PSS临界增益,解决了上述问题。最后,以锡盟火电集中外送仿真系统为例,验证了所提方案的有效性。
文摘广域电力系统稳定器(Wide Area Power System Stabilizer,WAPSS)对电力系统的区间低频振荡能够起到良好的阻尼作用。同时,WAPSS参数的协调优化设计能够避免因增大某一振荡模式的阻尼而造成其他模式阻尼恶化的问题,提出一种两阶段设计的WAPSS参数协调优化方法。第一阶段基于留数相位补偿原理设计WAPSS超前滞后环节的参数。第二阶段,将整定后的超前滞后环节参数代入WAPSS传递函数以减少决策变量,再以提高低频振荡模式和近虚轴模式的阻尼为多优化目标,利用基于精英替换策略的改进教与学算法(Teaching-Learning-Based Optimization,TLBO)对WAPSS的增益参数进行优化。通过将超前滞后环节参数和增益参数两阶段协调优化,不仅减少了每次迭代计算时间,而且达到了提高电力系统阻尼的目的。最后通过两区四机的仿真算例验证了该方法的有效性。
文摘为解决电力系统稳定器(power system stabilizer,PSS)参数设置困难及传统的智能优化算法在寻优的过程中容易陷入局部最优,导致收敛速度下降的问题,因此文中采用混合策略改进SSA算法优化PSS参数。首先采用tent混沌映射来优化初始种群,提高种群多样性;采用柯西变异、正余弦策略和反向学习策略(opposition-based learning,OBL)来提升收敛速度;然后对6种测试函数进行寻优实验,将改进的SSA与PSO、GWO、SSA、SSSA优化结果对比,验证改进的SSA算法具有更好的收敛速度和稳定性;最后,将改进的SSA算法应用在单机无穷大系统及四机二区域系统的PSS参数优化中,与其他算法优化结果比较,验证改进的SSA在PSS参数优化方面的鲁棒性更好,收敛速度更快。
