摘要： 自动发电控制策略和机组出力优化对于电力系统的可靠性和经济性具有重要的意义，本文在分析课题相关研究现状的基础上，对电力系统的自动发电控制策略进行了研究，设计了一种基于遗传算法的机组出力优化策略。
Abstract： The automatic generation control strategy and output optimization of units has an important meaning for reliability and economy of power system. Based on the analysis of the research status of the topic， this paper made study on automatic generation control strategy of the electric power system， and designed a kind of output optimization strategy of units based on genetic algorithm.
关键词： 自动发电控制；出力优化；最优解
Key words： automatic generation control；output optimization；optimal solution
中图分类号：TM31文献标识码：A 文章编号：1006—4311（2012）28—0127—03
0 引言
随着电力系统的发展，电力工业对电力系统的控制技术产生了新的需求，自动发电控制技术（Automatic Generation Control，AGC）作为目前电网控制的基本方法，不仅提高了系统的可靠性和经济性，还在电力系统的能量管理方面发挥着重要的作用。在自动发电控制策略中，发电机组的组合是节能发电和节能调度的核心问题[1]。
1 课题相关情况概述
1.1 AGC技术概述 在电力系统中，AGC技术利用反馈控制和计算机组成闭环的控制系统，根据电网负荷的波动对电力系统进行相应的调整，从而消除因发电和用电不同步而导致的不平衡。
1.2 AGC技术的研究现状 AGC技术是电力系统实时调整的有效手段，自电力系统诞生以来一直是相关研究人员的研究重点，目前已经在世界范围内逐渐成熟，并在控制策略的引导下不断进步。90年代初，自动控制技术在我国的主要电力系统中得到推广，表现出良好的效果[2]。
常见的控制方式主要有以下几种：
①定联络线交换功率控制；
②自动时差修正控制；
③自动修正时差与电能差控制；
④定频率控制；
⑤频率与联络线联合控制；
⑥自动修正交换电能控制。
1.3 机组出力优化的研究概述 机组的组合问题具有60多年的研究历史，该问题具有多维、离散、非线性等特点，因此比较难找到绝对的最优解，但是好的机组组合算法能够产生巨大的经济利益，人们一直不断的研究，其中的解决算法可以归纳为以下几类：
①经典类：使用最早的组合优化问题的解法，如优先级表法、局部寻优法等实现对机组的组合。
②数学类：使用数学组合优化问题的解法，如动态规划法、拉格朗日松弛法解决机组组合问题。
③群智能类：使用群智能优化算法，如遗传算法、禁忌搜索算法、模拟退火算法等寻找机组组合问题的最优解。
2 自动发电控制策略的研究
2.1 自动发电控制的过程 以图1所示的电力系统为例说明自动发电控制的过程。
A表示大系统，B和C表示连接在大系统的能够独立结算的电网公司，三个区域之间通过联络线可以交换功率。在正常情况下，三个区域各自调整自己内部的功率平衡。当某个区域，如B独立结算系统突发事故或出现负荷波动时，将使整个系统的频率发生偏移。这时，整个系统中的所有机组通过调节出力，提高频率使其达到一定水平，最终使系统的发电和负荷重新达到平衡。三个区域联合整个电网的考核标准采取动作，在区域内部各机组则根据自身控制策略分配的调节值采取动作。B区域可通过AGC进行调整，可以选择将频率恢复至正常值、功率调整至计划值，也可以通过市场平衡其有功差额。
对于B和C等独立结算电网，AGC从数据采集到判断直至调节所需时间一般为4—10秒。
2.2 常用的自动发电控制策略 目前常用的AGC策略主要有等额平均法、等可调比例法等。
①等额平均法。等额平均法是一种简单但是实用的方法，基本思想是为每个参与调节的机组分配相等的调节值。即令：？驻Pi=ACE/N。其中？驻Pi指第i个机组的调节值，ACE指区域控制偏差的值，N是参与调节的机组的数量。
②等可调比例法。等可调比例法是等额平均法的改进算法，也是目前应用比较广泛的算法。其基本原理是，忽略系统的经济性以及各参与调节机组加减负荷速度的差异，使参与调解的各个机组为之后的调节操作保留相同比例的调节容量。即令■P■=A■、p■=p■=…p■=p■ p■=■×100%。其中p■和p■分别表示机组i调节容量的上限和下限，p■是机组i的基本功率，A■指目前系统的实际出力之和。
2.3 基于CPS标准的自动发电控制策略 目前AGC技术的考核标准主要有两个，即A1、A2标准和CPS标准，本文主要采用CPS标准。
CPS标准下的AGC控制策略示意图如图2所示。电网的AGC系统对Ace等参数的值实时监控，根据前一阶段的数据和相关公式计算CPS1和CPS2的指数值和满意度，并传送给三个控制器，三个控制器输出结果给逻辑控制器，由其确定最终的控制输出，并下达相应的调节指令进行调节，最终达到稳定电网的目的。
3 机组出力优化最优解的设计
在电力系统中，机组组合的优化是一个非常重要的问题。近年来，电力行业提出了节能发电和节能调度的理念，节能调度以节能减排为目标，与传统的电力调度有所不同，因此需要建立新的机组组合数学模型。而机组的组合是NP难度的组合优化问题，理论上的最优解很难找到，至今业界没有确定某种算法是最优的算法，这给研究人员留下了较大的研究和发展空间。
3.1 机组组合问题数学模型的构建 传统的电力调度数学模型中，以经济性为首要目标，参考系统的负荷预测，在满足约束条件（如起停时间、功率平衡等）的前提下，计算在一个调度周期内各个时间段参与运行的发电机组的编号以及每个机组在运行时的出力，使一个周期内总的发电成本最小。
在引入节能发电和节能调度的理念之后，新的调度模型与传统的调度模型存在很大差异，它以节能减排为目标，在满足约束条件的前提下，使可再生发电资源的电力具有较高的调度优先级，将机组的顺序按照节能减排的能力降序排列，依次调用优先级较高的发电资源，以最大限度的实现节能减排的目的。
3.1.1 目标函数 在节能发电和节能调度中，机组组合问题的目标是消耗的发电资源最少同时污染物的排放量最小。即min F=（fcoal，f■，f■，f■）其中fcoal指消耗的发电资源，f■指氮氧化物的排放量，f■指硫氧化物的排放量，f■指电网的损耗量。
3.1.2 约束条件 本文考虑的约束条件主要有6个，即
①有功出力约束条件PGi min？燮PGi（t）？燮PGi max其中PGi（t）表示第i台机组在t时刻的有功出力，PGi min和PGi max分别是第i台机组有功出力的下限和上限。
②无功出力约束条件QGi min？燮QGi（t）？燮QGi max其中QGi（t）表示第i台机组在t时刻的无功出力，QGi min和QGi max分别是第i台机组无功出力的下限和上限。
③线路潮流约束条件Tli（t）？燮Tlim ax其中Tli（t）表示第i条线路在t时刻的潮流，Tlim ax表示第i条线路的最大潮流。
④机组爬坡速率约束条件Pi （t—1）—Pi（t）？燮Speedi down；Pi（t）—Pi（t—1）？燮Speedi up其中Speedi up和Speedi down分别表示第i台机组功率上升速率和下降速率的极值。
⑤功率平衡约束条件PGi（t）—PDi（t）—Vi（t）■Vj（t）（Gijcos？兹ij+Bijsin？兹ij）=0；QGi（t）—QDi（t）—Vi（t）■Vj（t）（Gijsin？兹ij—Bijcos？兹ij）=0其中n是系统节点数，PDi（t）表示第i个负荷点在t时刻的有功负荷，QDi（t）表示第i个负荷点在t时刻的无功负荷。
3.2 基于遗传算法的机组出力优化策略 遗传算法是一种仿生物学的群智能优化算法，通过模拟自然界有性繁殖中染色体的交叉和变异现象实现种群的优化，在问题的解空间进行搜索。其求解过程与生物的进化过程基本相似，首先采取一定策略生成初始染色体种群，通过种群个体的交叉和变异得到性能更好的个体，通过多次的迭代之后，整个种群逐渐进化并找到问题的最优解。
用遗传算法解决实际问题的关键在于染色体编码的设计。在机组出力优化问题中，采用将浮点数编码与二进制编码统一的方法，对于问题模型中的连续变量采用浮点数编码，而对于0—1变量则采用二进制编码。染色体编码示意图如图3所示。
X1，X2，···，Xn等是浮点型变量，例如有功出力、无功出力等，Y1，Y2，···，Yn等表示0—1变量，如机组是否参与运行的标志。一条染色体即表示电力系统的满足约束条件的组合方案。
确定染色体的编码方式之后，可以按照遗传算法的基本步骤迭代运算，来找到问题的最优解。使用遗传算法解决机组组合问题的步骤为：
第1步，在约束条件的范围内随机生成200条染色体，记录到母染色体数组。
第2步，计算母染色体数组中各染色体的适应度值，将最好的染色体记录到子染色体数组。
第3步，判断最好的染色体是否是最优解。若是，则停止；若不是则转第4步。
第4步，在母染色体数组随机选择两条染色体，调用交叉函数和突变函数进行相应操作，将新生成的两条子染色体记录到子染色体数组，直至子染色体数组的个体数达到200。因为之前记录了母染色体数组中的最好染色体，所以子染色体数组不能恰好有200条染色体，因此需要将多余的染色体删除，并将子染色体数组复制给母染色体数组，并将子染色体数组清空。然后转第2步。
经过以上几个步骤的迭代之后，遗传算法将最终收敛于问题的最优解。
4 结论
随着电力系统的发展，自动发电控制将逐步完善，在未来的电力控制中发挥越来越重要的作用。同时在当今我国节能减排的号召下，机组出力优化将越来越重视能源的低消耗和污染物的低排放，以节能减排为目标的机组出力优化将获得新的发展。
参考文献：
[1]郭嵘.基于多目标粒子群优化算法的节能发电调度机组组合问题研究.华中科技大学硕士学位论文，2009.
[2]祁忠.发展我国大型电网的自动发电模式.河北电力技术，1999，18（4）：15—18.
[3]张志雄，杨平.控制性能评价标准下的自动发电控制策略.华电技术，2011，33（3），38—40.
