- 1 - Klaudiusz Fatla, Eugeniusz Rosołowski OPTYMALIZACJA
Transkrypt
- 1 - Klaudiusz Fatla, Eugeniusz Rosołowski OPTYMALIZACJA
Klaudiusz Fatla, Eugeniusz Rosołowski OPTYMALIZACJA NASTAW REGULATORA WZBUDZENIA GENERATORA SYNCHRONICZNEGO PRZY POMOCY ALGORYTMÓW GENETYCZNYCH. 1. Wstęp Regulator wzbudzenia generatora synchronicznego jest podstawowym elementem regulacyjnym w systemie elektroenergetycznym. Jego przeznaczeniem jest utrzymanie zadanego poziomu napięć w sieci przesyłowej. Określenie nastaw regulatora opiera się na rozwiązywaniu układów równań różniczkowych i wyznaczeniu w ten sposób jego najlepszych parametrów. W referacie zaproponowano użycie do tego celu algorytmu genetycznego. Podejście do problemu optymalizacji nastaw regulatora za pomocą algorytmów genetycznych opiera się na zadaniu pewnych ram poszukiwania, określeniu funkcji celu i naśladowaniu procesów rządzących ewolucją Jako środowisko symulacyjne złożonych systemów, jakim jest system elektroenergetyczny i do symulacji algorytmów genetycznych, wykorzystano programy EMTP i MATLAB wraz z dodatkowymi pakietami. Skonstruowano algorytm genetyczny na podstawie pakietu „GA Toolbox” w środowisku MATLAB oraz przeprowadzono analizę funkcjonowania regulatora z wyznaczonymi nastawami, w modelu fragmentu systemu elektroenergetycznego. 2. Układy regulacji generatorów W stanie nieustalonym na pracę generatora synchronicznego mają wpływ układy regulacji: 1. układ regulacji wzbudzenia i regulacji napięcia generatora, 2. układ regulacji prędkości turbiny. Układ regulacji wzbudzenia generatora Ponieważ generator synchroniczny posiada stosunkowo dużą reaktancję wewnętrzną, więc generator o stałym wzbudzeniu charakteryzuje się dużą wrażliwością zmian napięcia w funkcji obciążenia. Zarówno przy pracy wydzielonej, jak i przy współpracy z systemem elektroenergetycznym, napięcia na zaciskach generatora powinno mieć wartość stałą lub celowo uzależniona od obciążenia. Zadana -1- wartość napięcia utrzymywana jest przez regulator napięcia, mierzący napięcia na zaciskach generatora i sterujący jego wzbudzeniem. W praktyce najczęściej generator zasila grupę odbiorów położonych w dużej odległości od generatora albo współpracuje z systemem elektroenergetycznym. W takich przypadkach zadana wartość napięcia generatora U t uzależniona jest od obciążenia czynnego i biernego. U t = U to − R C ⋅ I P − X C ⋅ I Q (1) gdzie: R C , X C - współczynniki zależne od wymagań systemu w danym punkcie. Przy syntezie regulatora należy ponadto uwzględnić ograniczenia wynikające z warunków jego pracy. Prawidłowa praca układów regulacji wzbudzenia, przy właściwie dobranych współczynnikach wzmocnienia i stałych czasowych elementów układu, może sprzyjać tłumieniu oscylacji i odwrotnie, błędne parametry układu regulacji wzbudzenia mogą być przyczyną wzmocnienia oscylacji. VREF Se + K e Vrmax + Vt 1 1 + sTr Vc - VERR - Vr Ka 1 + sTa 2 Ka 1 + sTa1 + Vrmin Vf Kfs 1 + sT f - EFDmax Ka 1 + sTa EFD EFDmin Se + K e Rys. 1. Schemat blokowy układu wzbudzenia i regulacji napięcia. Schemat blokowy układu wzbudzenia i regulacji napięcia ze wzbudnicą prądu stałego [1, 2] przedstawiono na rys. 1. Jest to regulator typu C. Napięcie wzbudnicy zostaje ustalone przez regulator na podstawie uchybu regulacyjnego, który zależy od wartości zadanej i sygnału wytwarzanego przez regulator systemowy. Układ regulacji wzbudzenia jest układem bardzo rozbudowanym [3], wieloparametrowym. Jest to zamknięty układ regulacji z ujemnym sprzężeniem zwrotnym, posiadający cechy adaptacyjności. W człon pomiaroVt wy wbudowany jest obwód VC1 VC 1 VC1 = V t + (RC + jX C )I t kompensacji prądowej, który 1 + sTR It umożliwia kompensowanie spadku napięcia na impedanRys. 2. Człon pomiarowy napięcia generatora z członem kompensacji prądowej. cji zewnętrznej, uzależnia zadaną wartość napięcia od modułu i fazy prądu obciążenia generatora. Współczynnik nasycenia Se + K e odzwierciedla nasycanie się dróg magnetycznych w żelazie.. Napięcie na zaciskach generatora Vt, po przejściu przez człon pomiarowy jako Vc jest porównywane z wartością nastawioną napięcia VREF, na- -2- pięciem wyjściowym członu stabilizacji wzbudzenia Vf oraz napięciem pochodzącym od stabilizatora systemowego Vs tworząc w ten sposób napięcie uchybu regulacji VERR. Napięcie VERR po przejściu przez regulator i ograniczniki jako Vr jest porównywane z napięciem wynikającym z nasycenia i tworzy sygnał wejściowy członu inercyjnego modelującego wzbudnice. Jeżeli układ nie ma członu pomiarowego i wzmocnienie sprzężenia zwrotnego jest równe zero K f = 0 to wartość uchybu regulacji wynosi: VERR = VREF − Vt (2) a jego wartość jest mała w stanie ustalonym. Na wyjściu układu otrzymujemy wartość siły elektromotorycznej wzbudnicy EFD. Wzbudnicę modeluje się jako człon inercyjny z nieliniowym członem w pętli sprzężenia zwrotnego, który odzwierciedla nasycanie się dróg magnetycznych w żelazie. Układ regulacji prędkości obrotowej [3] Regulatory prędkości obrotowej zespołu, zwane także regulatorami momentu turbiny, mają często istotny wpływ na przebieg stanów nieustalonych w systemie. Szybkie zamknięcie zaworu dolotowego pary może stłumić kołysania wirników. Układy regulacji turbiny są złożonymi układami mechaniczno – hydraulicznymi lub elektrohydraulicznymi a w ich modelowaniu stosuje się znaczne uproszczenia. 3. Algorytmy genetyczne Algorytm genetyczny (AG)jest przykładem procedury poszukiwania optymalnego rozwiązania. Wykorzystuje on wybór losowy jako przewodnika w prowadzeniu ukierunkowanego poszukiwania. Algorytmy genetyczne różnią się od metod tradycyjnych tym że: 1. AG nie przetwarzają bezpośrednio parametrów zadania, lecz ich zakodowaną postać. 2. AG prowadzą poszukiwania, wychodząc nie z pojedynczego punktu, lecz pewnej ich populacji. 3. AG korzystają tylko z funkcji celu, nie zaś jej pochodnych lub innych pomocniczych informacji. 4. AG stosują probabilistyczne, a nie deterministyczne reguły wyboru. Proces poszukiwawczy AG zaczyna się od losowo wybranego elementu a w następnej generacji tworzone są lepsze rozwiązania. Nowe rozwiązania są rezultatem kilku podstawowych operacji, które naśladują procesy zachodzące w naturze. Każdy element zbioru rozwiązań jest nazwany chromosomem a część chromosomu genem. Wszystkie chromosomy zwane są populacja a operacje używane to tworzenia następnej generacji osobników to krzyżowanie i mutacja. Problem kodujemy jako ciąg binarny, który tworzy chromosomy. Sposób zakodowania informacji ma bardzo duży wpływ na efektywność algorytmu genetycznego. Reguły selekcji naturalnej są tu zastąpione poprzez funkcję przystosowania. W oparciu o tę funkcję algorytm rozpoznaje, które z osobników lepiej pasują jako rozwiązanie problemu i mają szansę dać jeszcze lepsze rozwiązanie -3- w następnej populacji. Następnym krokiem jest reprodukcja, podczas której wybierane są osobniki o największej wartości funkcji przystosowania. Potem następuje krzyżowanie, którego miejsce jest określane losowo. W tym samym czasie zachodzi zjawisko zwane mutacją. Wynikiem mutacji jest sytuacja kiedy „potomek” jest skrajnie różny od „rodziców”, więc z tego względu prawdopodobieństwo mutacji powinno być małe. W tym miejscu następuje zamknięcie pętli ewolucyjnej. Reprodukcja zaczyna się znów od miejsca, gdzie są wybierane osobniki do tworzenia nowej generacji. Wybór chromosomów jest zjawiskiem przypadkowym, ale bardzo ściśle ukierunkowanym na wybieranie najlepszych osobników względem zastosowanego kryterium. Typową praktyką jest zakończenie procesu szukania po wygenerowaniu określonej liczby pokoleń lub kiedy najlepszy z osobników spełni założone przez nas wymagania. Jeśli algorytm nie znajdzie optymalnego rozwiązania to algorytm jest uruchamiany od początku z nową populacją początkową. 4. Implementacja AG [4,5] Do zasymulowania pętli algorytmu genetycznego zastosowano pakiet MATLAB z dodatkowymi bibliotekami. Algorytmy genetyczne zostały wykorzystane do wyznaczenia trzech parametrów regulatora wzbudzenia: wzmocnienia i dwóch stałych czasowych. Regulator wzbudzenia W rozpatrywanym przypadku AG służy do określenia optymalnych wartości trzech parametrów regulatora: Ka, Ta1 i Ta2. Wybrany generator posiada regulator wzbudzenia typu C [1,2], którego schemat blokowy przedstawiono na rysunku 1. Tab. 1. Parametry układu wzbudzenia [1] Te Ke Se Kf Tr [s] [s] [pu] [-] [pu] 0 0.812 1.000 0.656 0.060 Tf [s] 1.000 EFDmax EFDmin [pu] [pu] 4.910 0 Reprezentacja chromosomu i populacji [4] Do reprezentacji chromosomu została wybrana rozdzielczość 12 bitów na jedną zmienną, tak więc dla trzech zmiennych otrzymano 36 znaków binarnych. Wykorzystano kodowanie przy pomocy kodu Gray’a ze względu na to, iż takie kodowanie wprowadza mniejsze błądzenie algorytmu. Przy wyborze granic poszukiwań dla trzech zmiennych Ka, Ta1 i Ta2. oparto się na danych publikowanych w literaturze [1,2]. W oparciu o te dane przyjęto następujące zakresy poszukiwań: K a ∈ [100K1000] i Ta1 , Ta 2 ∈ [0K 0,5] . Wybór sposobu kodowania i zakresu poszukiwań daje następującą rozdzielczość dla zmiennych: K max − K min 1000 − 100 Ka = = 0.220 (3) 2N − 1 212 − 1 -4- Tmax − Tmin 0.5 − 0 = 12 = 0.122 ⋅ 10 −3 (4) N 2 −1 2 −1 Do implementacji algorytmu genetycznego zastosowano algorytm ustabilizowany. Wielkość populacji ustalono na 40 osobników. W każdym pokoleniu wybieranych jest pięć najlepszych osobników a reszta jest tworzona poprzez mechanizm reprodukcji z jednym punktem krzyżowania. Liczba pokoleń została ustalona na 50, po której następuje zakończenie pętli AG. Ta1 i Ta 2 Kryterium optymalizacyjne [4] Głównym kluczem do stworzenie sprawnie działającego algorytmu genetycznego jest dobre określenie funkcji przystosowania, która jednoznacznie określi jak dany osobnik jest dostosowany do danego środowiska.. Do układu z rys. 1 na wejście podano wymuszenie i sprawdzono zachowanie się układu. Test powtórzono dla wszystkich rozwiązań, tak aby można było wybrać Rys. 3. Przebiegi wymuszeń wykorzynajlepsze osobniki do stworzenia nastanych do optymalizacji. stępnej populacji. Zastosowano dwa rodzaje wymuszeń odpowiadające stanowi pracy generatora. Pierwsze odpowiadało ruchowym wahaniom napięcia w systemie elektroenergetycznym a drugie załamaniu się napięcia w SEE (rys. 3.). V_rms 1.0 0.95 0.20 Un 0.95 Un 0.2 1.0 t Tab. 2. Wyniki poszukiwań AG. Lp. 1 2 3 4 5 6 7 8 9 10 Śr e dnia: Wymuszenie Ka Ta1 107,5 0,0220 100,7 0,0177 100,2 0,0000 100,2 0,3528 103,5 0,4084 101,3 0,4884 102,6 0,4139 109,5 0,4497 102,9 0,0100 100,4 0,2280 102,9 0,2391 U = 0.95 Un Ta2 Uchyb 0,0002 75,67 0,0000 71,63 0,1006 78,40 0,0056 83,89 0,0067 84,63 0,0017 81,81 0,0022 82,18 0,0059 87,78 0,0352 87,42 0,0000 77,56 0,0158 81,10 Wymuszenie Ka Ta1 101,5 0,0434 114,7 0,0024 151,2 0,0070 100,0 0,1055 110,8 0,0828 109,2 0,0443 105,5 0,0310 101,5 0,1082 106,2 0,0188 106,4 0,1001 110,7 0,0543 U = 0.20 Un Ta2 Uchyb 0,0021 570,3 0,0000 520,3 0,0000 583,6 0,0024 557,2 0,0022 597,4 0,0000 548,1 0,0075 581,7 0,0010 553,9 0,0000 532,9 0,0033 577,7 0,0018 562,3 Układ regulacji wzbudzenia przedstawiony na rys. 1 jest typowym układem z ujemnym sprzężeniem zwrotnym. Środowisko MATLAB’a operuje na macierzach, z tego względu zastosowano formę dyskretną kryterium ITAE, o postaci: t ITAE = ∫ e(t ) ⋅ tdt ⇒ n ITAE = ∑ r (k ) − y(k ) ⋅ t (k ) gdzie: e(t ) = r (t ) − y(t ) (5) k =1 0 - uchyb, -5- r (t ) - sygnał wejściowy, y(t ) - sygnał wyjściowy. Kryterium to charakteryzuje się tym, że układ z regulatorem dobrany na podstawie tego kryterium, jest układem dość szybkim, o niewielkich przeregulowaniach i jest dość odporny na zakłócenia. Czas symulacji w pakiecie SIMULINK wynosił 10s, do rozwiązywania układów równań różniczkowych wykorzystano metodę o zmiennym kroku ODE23t (mod. Stiff/Trapezoidal). 5. Badania symulacyjne Jako model do symulacji został wybrany fragment systemu elektroenergetycznego zawierający dwa generatory współpracujące ze sobą (rys. 3.) Miejscem symulowanych zwarć oznaczono na schemacie. Generator 1 384 MVA 24 kV 24kV 400 MVA 24/115 Dyn 11 110kV l = 50 km PM vel VF IT Generator 2 384 MVA 24 kV 400kV VT 24kV 115/115/400 Yyd 11 400 MVA 24/115 Dyn 11 Sk = 44 000 MVA SEE l = 100 km 110kV l = 80 km Rys. 3. Schemat układu do symulacji współpracy generatorów. Dla modelu wykonano symulację trzech rodzajów zakłócenia: - zwarcie jednofazowe z udanym zadziałaniem SPS, - zwarcie jednofazowe z nieudanym zadziałaniem SPS, - zwarcie trójfazowe. Zwarcia w systemie następowały po czasie t zm = 20ms od czasu rozpoczęcia symulacji. Przy zwarciach jednofazowych zbadano wpływ układu jednofazowego SPZ na jakość regulacji. Zasymulowano dwie sekwencje jednofazowego SPZ, pierwsza z nich odnosi się do załączenia linii pod napięcie po ustąpieniu zwarcia, natomiast druga dla próby SPZ przy zwarciu trwałym. Jeśli nastąpił nieudany SPZ to następowało całkowita eliminacja zwarcia poprzez wyłączenie linii. Czasy: - czas trwania zwarcia: t zw = 150ms , - czas zadziałania wyłączników: t w1 = 160ms , - długość przerwy: t z1 = 40ms , - czas ponownego wyłączenia: t w 2 = 50ms , -6- - różnica pomiędzy zadziałaniem wyłączników na obu końcach linii: t op = 10ms . Dla każdego rodzaju zwarcia przyjęto nastawy regulatora wzbudzenia: - nastawy z literatury [1], K a = 400.0 Ta1 = 0.020 Ta 2 = 0.0 - średnią wartość nastaw znalezionych przez AG dla wymuszenia V _ rms = 0.95 ⋅ U n , K a = 102.9 Ta1 = 0.2391 Ta 2 = 0.0158 - średnią wartość nastaw znalezionych przez AG dla wymuszenia V _ rms = 0.20 ⋅ U n . K a = 110.7 Ta1 = 0.0543 Ta 2 = 0.0018 W celu określenia jakości regulacji jako kryterium wykorzystano bezwzględną wartość różnicy pomiędzy idealnym sygnałem wyjściowym a wartością rzeczywistą sygnału: n IAE = ∑ 1 − E FD (k ) (6) k =1 Sygnał wyj. układu wzbudzenia E FD 1.4 1 2 3 1.3 1.2 a d ut i pl m A 1.1 1 0.9 0.8 0.7 0 1 2 3 4 5 Czas (s) 6 7 8 9 10 Sygnał wyj. regulatora wzbudzenia V r 10 1 2 3 8 6 a d ut i pl m A 4 2 0 -2 -4 0 1 2 3 4 5 Czas (s) 6 7 8 9 10 Rys. 4. Zwarcie 3-faz. Sygnał wyj. układu wzbudzenia E FD 2.2 1 2 3 2 1.8 a d ut i pl m A 1.6 1.4 1.2 1 0.8 0 1 2 3 4 5 Czas (s) 6 7 8 9 10 Sygnał wyj. regulatora wzbudzenia V r 10 1 2 3 5 a d ut i pl m A 0 -5 -10 0 1 2 3 4 5 Czas (s) 6 7 8 Rys. 5. Zwarcie 1-faz. z udanym SPZ 9 10 Dla każdego modelu i rodzaju zwarcia przedstawiono wykresy przebiegu sygnału wyjściowego układu wzbudzenia i wykresy sygnału na wyjściu regulatora wzbudzenia. Na wykresach linią ciągłą (1) zaznaczono przebieg dla stałych regulatora zaczerpniętych z literatury, linią punktową (2) dla stałych przy wymuszeniu V _ rms = 0.95 ⋅ U n , a linia kreskowopunktową (3) dla parametrów znalezionych dla V _ rms = 0.20 ⋅ U n . Wartości wzmocnienia i stałych czasowych regulatora wzbudzenia znalezione -7- przez AG dla wymuszenia (2) można uznać za dobre. Układ taki był szybki i nie posiadał dużych przeregulowań. Natomiast układ optymalizowany dla ruchowych wahań napięcia charakteryzował się długimi stałymi czasowymi co miało istotny wpływ na czas ustalenia się Rys. 6 Zwarcie 1-faz. z nieudanym SPZ napięcia. Zastosowany wskaźnik jakościowy IAE obrazuje, że czasami względnie gorsze parametry dają lepsze rezultaty. Dla wzmocnienia regulatora na poziomie K a = 400.0 występowało silne zjawisko forsowania napięcia, co jest widoczne na przebiegach sygnału Vr, gdzie widać efekt działania ogranicznika tego sygnału. Dla sekwencji SPZ W-Z występują oscylacje sygnału wyjściowego regulatora jeżeli jedna ze stałych czasowych jest bliska zeru (rys. 5, linia 1). Regulator o dłuższych stałych czasowych spowodował usunięcie oscylacji. Czas reakcji takiego regulatora na zmiany napięcia w systemie jest długi i z tego względu jest on nie do przyjęcia. Sygnał wyj. układu wzbudzenia E FD 1.1 1 2 3 1.05 1 a d ut i pl m A 0.95 0.9 0.85 0.8 0.75 0 1 2 3 4 5 Czas (s) 6 7 8 9 10 Sygnał wyj. regulatora wzbudzenia V r 2 1 2 3 1.5 1 a d ut i pl m A 0.5 0 -0.5 -1 -1.5 0 1 2 3 4 5 Czas (s) 6 7 8 9 10 6. Wnioski Zastosowana metoda optymalizacyjna daje dobre rezultaty i pozwala uniknąć rozwiązywania skomplikowanych układów równań różniczkowych dla układów nieliniowych. Jej głównym mankamentem jest stworzenie dobrze określonej i jednoznacznej funkcji przystosowania, na której to opiera się całość poszukiwań. 7. Literatura [1] P.H. Anderson, A.A. Fouad „Power System Control and Stability”, The Iowa University Press 1977, [2] „IEEE Recommended Practice for Excitation System Models for Power System Stability Studies”, IEEE Std 421.5-1992, [3] Z. Kremens, M. Sobierajski „Analiza systemów elektroenergetycznych”, WNT, Warszawa 1996, [4] D.E. Goldberg „Algorytmy genetyczne i ich zastosowania”, WNT, Warszawa 1998, [5] A.J. Chipperfield, P.J. Fleming, H. Polheim „GA Toolbox Version 1.2 User Guide”, University of Sheffild 1994, -8-