面向孤立电网模式下多运行工况的水电机组GA–SQP混合优化控制策略

《Water》：GA–SQP Hybrid Optimization Control Strategy for Hydropower Units Oriented to Multiple Operating Conditions Under Isolated Grid Mode

　　

在孤立电网中运行的水电机组具有低转动惯量和弱阻尼特性，难以兼顾快速频率调节与超调抑制。针对这一问题，研究人员提出了一种基于高保真非线性动态模型的多运行工况GA–SQP混合优化控制策略。首先采用深度前馈神经网络重构水轮机的非线性力矩和流量特性，为后续基于梯度的优化提供平滑且连续可微的映射。随后，构建了一种改进的性能指标，将时间三次方绝对误差积分（ITCAE）与瞬态超调惩罚项相结合，以抑制长尾误差，并优先实现瞬态超调减小的平滑响应。研究人员进一步开发了一种两阶段优化框架，其中遗传算法（GA）执行全局探索以确定有前景的参数区域，随后由序列二次规划（SQP）进行高精度局部细化。在低水头、额定水头和高水头高负荷工况下的对比仿真表明，所提策略能以更少的迭代资源获得更高的优化精度。在所研究的运行范围内，优化后的控制器在保持满意响应速度的同时维持极低的超调水平，有效改善了孤立电网频率调节中快速性与稳定性之间的平衡。

论文解读：面向孤立电网模式下多运行工况的水电机组GA–SQP混合优化控制策略

一、研究背景与问题

随着风电和光伏等可再生能源大规模并网，电力系统的互联规模与运行控制复杂性不断增加。当电网故障或处于偏远微电网环境时，系统需解列为孤立电网独立运行，以保证重要负荷供电。水电机组（hydropower unit, HPU）作为高灵活性支撑电源，此时将从功率控制模式切换至频率控制模式（frequency control mode, FCM）。在孤立电网条件下，系统失去主网的容量和惯量支撑，呈现低转动惯量和弱阻尼特征，引水管道弹性水锤效应与水轮机内部强非线性耦合，使水轮机调节系统（hydro-turbine regulating system, HTRS）的调节质量提升面临严峻挑战。

传统比例-积分-微分（proportional-integral-derivative, PID）控制虽结构简单、可靠性高，但针对HTRS的PID参数优化仍存在三类局限：其一，多数研究对水头或导叶开度大幅变化考虑不足，部分自适应方案过度依赖局部线性化模型，难以覆盖全工况非线性；其二，常规单一启发式算法在优化中后期缺乏高保真梯度信息，收敛缓慢且易陷入局部极小；其三，标准时间乘绝对误差积分（ITAE）指标因一阶时间因子惩罚梯度线性增长，对长尾误差约束不足，面对非最小相位系统时难以兼顾响应快速性和超调抑制。为此，需要发展适用于多运行工况、能够有效平衡快速性与稳定性的参数优化策略。

二、研究内容与成果

研究人员基于包含弹性水锤动态特性和连续神经网络水轮机特性拟合的高保真非线性仿真基准，研究了孤立电网频率调节模式下的参数优化策略。论文提出了改进目标函数和遗传算法–序列二次规划（Genetic Algorithm–Sequential Quadratic Programming, GA–SQP）两阶段混合优化架构，并在低水头、额定水头和高水头高负荷节点进行了多算法对比验证。结果表明，所提策略以更少迭代资源获得更高优化精度，在保持满意响应速度的同时有效抑制瞬态超调，改善了孤立电网频率调节中快速性与稳定性的平衡。该论文发表在《Water》。

三、主要关键技术方法

研究人员采用如下关键技术：（1）建立涵盖二阶弹性引水系统、神经网络水轮机模型、一阶发电机和二阶液压伺服机构的非线性动态模型；（2）用深度前馈神经网络重构水轮机单位转速和导叶开度域上的力矩与流量特性，提供连续可微映射；（3）构造时间三次方绝对误差积分（ITCAE）与瞬态超调惩罚项相结合的改进目标函数；（4）设计两阶段GA–SQP优化框架，由遗传算法完成全局探索，再以序列二次规划进行局部高精度细化；（5）在3个不同水头高负荷节点进行多算法对比仿真。

四、研究结果

4.1 水轮机神经网络拟合

以某代表性水电机组及引水系统为仿真基准，采用两个独立深度前馈神经网络分别重构单位力矩和单位流量。训练数据来自水轮机模型试验得到的综合特性曲线。由于双曲正切激活函数在整个实数域无限可微，网络输出曲面连续光滑。重构的力矩和流量特性曲面在考察工况域内保持非线性变化趋势，归一化绝对误差均低于1%，验证了神经网络代理模型在保持精度的同时为梯度优化提供了平滑映射。

4.2 目标函数对比分析

在相同非线性水电模型、工况、PID参数边界和GA–SQP设置下，对传统ITAE、ITAE加超调惩罚、以及所提ITCAE加超调惩罚三种目标函数进行对比。结果表明，传统ITAE响应最快，但超调为3.4294%；加入超调惩罚后消除了正向超调，但调节时间增至9.67秒且ITCAE增至1.3472；进一步将线性时间加权替换为时间三次方加权后，所提目标函数保持零超调，同时将调节时间降至5.12秒、ITCAE降至0.4152。这表明超调惩罚主要抑制瞬态峰值，高阶时间加权进一步缓解长尾误差，从而在超调抑制与响应快速性之间取得更均衡的折中。

4.3 超调惩罚权重敏感性分析

为确定最优惩罚权重，选取3个典型物理运行节点，设置7组权重方案进行独立优化，并采用边际效益-成本准则定量刻画超调抑制与响应快速性的权衡。结果显示，当惩罚权重从1000增至2000时，平均超调相对降低23.81%，而平均ITCAE仅增加0.33%，边际效益-成本比最高；继续增大权重至3000和4000时，边际超调改善分别降至11.30%和6.21%，增益递减。因此选择惩罚权重为2000。在该统一基准下，3个水头工况均能获得低超调且调节过程较快的动态响应。

4.4 不同工况下控制算法性能对比

在同一目标函数基准下，将GA–SQP与遗传算法（GA）、粒子群优化（PSO）、引力搜索算法（GSA）进行对比。迭代收敛轨迹显示，GSA收敛缓慢或停滞在较高适应度水平，GA和PSO可接近低适应度区但需要更多迭代；GA–SQP在第五代切换至SQP后，适应度快速下降，在更少等效迭代内达到更低水平。闭环节点响应结果表明，GA–SQP在3个测试水头下均获得最低ITCAE（H=75、85、95 m时分别为0.1305、0.0908、0.0722），同时保持低超调。例如在H=95 m时，GA–SQP的超调为0.0110%，最低下冲为1.5621%，调节时间为5.44秒。这表明GA–SQP并不追求每个单项指标最小，而是获得低累计调节误差和良好瞬态偏差控制的平衡PID参数组合，尤其在高水头强水锤冲击下仍能有效抑制超调并控制下冲。

五、讨论与结论

讨论分析表明，传统单一启发式算法在非线性PID参数搜索空间中易陷入局部最优，而GA–SQP结合全局探索与局部梯度跟踪，显著提升了后期收敛效率。改进目标函数通过高阶时间加权和定向超调惩罚，解决了非最小相位系统下快速性与超调抑制的矛盾。研究结论为：本研究针对孤立电网模式下低转动惯量和弱阻尼导致的水电机组控制难题，建立了包含弹性水锤效应和神经网络拟合水轮机特性的高保真非线性动态模型，作为仿真基准；设计了集成ITCAE和定向瞬态超调惩罚的改进目标函数，敏感性分析证实该机制能优先实现平滑低超调响应；提出GA–SQP两阶段混合优化架构，通过遗传算法快速锁定参数稳定域，再由序列二次规划精确跟踪梯度，以更少迭代资源获得更高收敛精度。多高负荷运行节点综合评价表明，GA–SQP整定的系统具有更优瞬态动态质量，尤其在高水头强水锤影响下有效抑制瞬态超调并维持较低下冲。该方法解决了孤立电网频率控制中快速性与超调的固有矛盾，为工程实践中的PID参数整定提供了稳健且适应性强的理论框架。