0 引 言

随着电力体制改革的深入，几个独立的电力实体已在激烈的市场中竞争挑战。自动发电控制(automatic generation control，AGC)这个重要的辅助服务，在预防电网瓦解事故、维持系统稳定和提高电能质量等方面都起着重要作用[1]。AGC的主要目标是确保电力系统频率在允许偏差范围之内，保证网络发电机出力与负荷平衡，并控制区域间联络线功率交易值[2]。

目前，国内外学者针对AGC的研究，已经取得了丰硕的成果。文献[3]运用细菌觅食优化算法解决常规的AGC问题，并证明了该算法的有效性，但是，文中方法对于处理多区域AGC系统问题还需要进一步深入研究。文献[4]运用遗传算法模糊控制器，为多区域AGC系统的研究提供了一种解决方案，虽然遗传算法比传统的方法有效，但是随着研究的深入，发现遗传算法还是存在着不能很好解决大规模计算量问题、容易陷入“早熟”的缺陷。文献[5]考虑到动力学的双边合同效果，采用模糊逻辑算法优化控制器增益参数，但该方法在检查模糊逻辑控制器的规则库时，需要大量计算时间。文献[6]提出了一种最优输出反馈控制的方法，利用降阶观测器解决电力市场环境下的负荷频率控制问题，但该方法也不能保证控制器在约束条件下的最佳动态响应。

如今，经典控制器如积分控制器(I)[7]、比例积分控制器(PI)[8]及比例-积分-微分控制器(PID)[9]技术已日趋成熟，并得到广泛应用。文献[10]在比较几种经典控制器性能的基础上，研究了系统电压和频率的自动调节问题，分析了经典控制器对于提高系统鲁棒性的不确定性。迄今为止还没有文献对高阶系统的扰动问题进行分析。

本文在优化经典控制器的增益值基础上，提出了一种传递控制器的数学模型，并运用动态教与学技术优化控制器的多个参数，与文献[11]中的几种经典控制器相比较，该控制器较好地控制了频率偏差和区域间联络线净交换功率增量，并缩短了调节时间。最后，通过模拟仿真两区[12]、三区[13]及大扰动[14]系统，研究传递控制器的最优参数及其鲁棒性。

1 传递控制器

本文所提出的传递控制器，基本原理是运用传递函数控制频率偏差和区域间联络线净交换功率增量，最大限度地缩短调节时间。控制器在各自区域的控制偏差(area control error，ACE)可按公式(1)进行计算

e(t)=τΔf+δΔPtie。

(1)

在AGC系统中发电厂相互竞争，供电公司自由选择发电厂，这就导致发电厂与供电公司之间存在着多种电能分配方式，故引入DPM的定义。该矩阵中每个元素体现了供电公司的参与性，其数值为供电公司向发电厂购买电量占总负荷功率的百分数，矩阵的行数为发电厂个数，矩阵的列数为供电公司个数，可见矩阵中的元素每行之和等于1，每列之和也等于1。

(2)

其中：T12为发电机的同步力矩系数；s为发电机同步功率系数。传递控制器将e(t)及其衍生函数作为输入信号，其输出量作为电力系统的输入控制变量。传递控制器的输入因子τ和δ可为任何实数，传递函数由公式(3)、式(4)和式(5)给出

(3)

(4)

(5)

其中：Vτ(f)和Vδ(f)分别为控制器输入端和输出端的频率算子；Vτ∠φτ和Vδ∠φδ分别为控制器输入端和输出端的电压相角。

控制器电压输出向量为

(6)

其中：是控制器的电压输入向量；Tk是广义形式的频率传递矩阵，它是一个3×3阶对角矩阵，由公式(7)给出

(7)

3)进入“教”阶段。通过式(15)提高每位学员的学习能力，缩小学员与教师的差距，提高本科目的平均成绩；

传递控制器具有可调整的估计参数，利用高斯函数计算频率的估计值如下

(8)

其中：N为样本总数；μ为频率的待估计系数。

为了有效地控制频率振荡并获得最优的控制器参数，构建误差平方矩的积分型(integral of time weighted squared errors，ITSE)目标函数为

J[e(t)]=(|Δf1|2+|Δf2|2+|ΔPtie|2)tdt。

(9)

其中：Tsim为仿真时间，通过目标函数对控制参数的优化，可以减小频率偏差和区域间联络线净交换功率增量，并缩短调节时间。最小化J[e(t)]的目标函数如下

中国生猪预警网首席分析师冯永辉告诉记者，疫区活猪禁止调运的影响正在逐步体现在市场上，今年的四季度猪肉销售旺季也受到影响，近几天虽然南方市场受需求旺季影响已经开始回暖，价格有所上涨，但北方产区生猪无法运出，市场供应过剩，价格依然低迷。

minJ[e(t)]= min(JΔf,JΔPtie,t)=

(10)

其中：φE为区域间联络线末端电压相角；φAi为控制器的输出电压相角，复功率的实部即为负荷节点有功功率需求

4.2.2 教师要根据初中生的生理机能和运动能力的变化规律，结合中考项目的要求，改变单一的教学方法，不要被一种教学方法所禁锢，主动尝试新型的教学方法，争取达到更好的教学目标。

(11)

2)给定每个科目教师水平的最优值Xt=0，并设定取值范围为

(12)

调度中心依据传递控制器输出的最优参数值，追踪实际负荷的功率变化，负荷节点的有功功率计算方法由公式(11)、式(12)、式(13)给出。负荷节点复功率的共轭值为

(13)

调度中心按照经济合理的原则，在给定的发电机组条件下，依据发电机组的ACE参与因子(area participation factor，apf)及配电分配矩阵(distribution power matrix，DPM)分配各机组的功率输出，达到控制e(t)调节量的目的，从而实现e(t)在允许范围内变化并接近零。

设apfij为第j台发电机在区域i中的参与因子，其数值由调度中心合理控制，且满足

(14)

其中，n为发电机台数。

其中：τ为区域控制频率偏差系数；△f为系统频率偏差；δ为调速器的速度可调谐系数；△Ptie为区域间联络线净交换功率增量，可按公式(2)进行计算

传递控制器不但可以控制系统频率偏差和电压相角φE，还可以控制区域间联络线的净交换功率增量、调节时间及负荷节点功率。此外，由传递函数的固有特性决定了传递控制器具有良好的灵敏性，且该控制器对于受控系统的参数变化不敏感。

$sudo yum install bind-utils$sudo chkconfig named on

传递控制器的控制策略为：依据实时采集的电网不同区域传递控制器受控参数τ、△f、δ及△Ptie的数值，计算出区域的控制偏差ACE。通过传递控制器优化得出AGC发电机组的总发电功率，依据发电机组的ACE参与因子apf分配本区域各AGC机组的输出功率，实现对电网AGC发电机组的动态协调控制，最终达到对系统频率调节和区域间联络线净交换功率控制的目的。传递控制器的系统控制结构如图1所示。

建筑业作为国民经济发展的支柱产业之一，当前正在“大张旗鼓”地进行着一场智慧“革命”，从“四库一平台”建设到“全国建筑工人管理服务信息平台”即将启用，信息化产业跨界与建筑业各个领域深度融合。

图1 传递控制器系统控制框图 Fig.1 System control block framework of the transfer controller

2 动态教与学优化技术

本文运用动态教与学优化技术，对全部求解空间参数进行搜索。该方法是模拟教师对班级学员教学效果的启发式群智能算法，在优化过程中，一个班级即为一个种群，班内教师和学员总数Np就是种群内所包含的个体数，将全部教师和学员分为d组分别学习各自的科目，d为种群的维度，且分别对应于d个优化参数变量。学员被看作是优化参数的设计变量群体，每个教师则是优化参数变量的最佳解决方案(事实上，种群内每个个体的水平不可能达到教师水平)，教师通过与学员共享知识，提高学员的平均成绩。适应度值通过班级学员的成绩来计算，最佳解决方案是目标函数的最优值。该模拟优化算法由“教阶段”和“学阶段”构成。

2.1 教阶段

在此阶段，教师Xt试图提高班级全体学员Xs的成绩平均值。这项任务通过提高班级学员的学习能力来完成，可表达为

(15)

其中：rand(0,1)是[0,1]的一个随机数值；是班级学员的平均成绩；tf是学习因子，其随机检测公式为

tf=round[1+rand(0,1)]。

(16)

2.2 学阶段

学员通过在教阶段的提升后，再互相帮助来提高班级成绩。每个学员与班级的其他学员Xsk(s≠sk)协同学习会产生公式(17)和(18)的两种不同结果

(17)

(18)

满足公式(17)的学员具有了更好的学习成绩，算法将持续进行迭代，直至达到最优值；满足公式(18)的学员学习能力差，可以通过重复教阶段的公式(15)继续提高学习能力，进而提高学习成绩。算法的流程如图2。

图2 动态教与学优化过程流程图 Fig.2 Flow chart of the dynamic teaching-learning optimization algorithm

运用MATLAB/SIMULINK实现动态教与学优化算法并进行测试，测试方法如下：取班内教师和学员总数即种群数Np=212、分组数d=2，其中，第一组有1名教师和10名学员，第二组有1名教师和200名学员，对于相同的优化参数分两组进行教与学的优化。测试结果表明：两组师生学习优化的最终收敛值相差不大；第一组师生迭代学习30次，收敛结果即达到最优值，而第二组师生要迭代学习50次才达到同样结果。因此在下面的案例分析中，每组的教师取1位、学员取10人。当被优化参数的最优解与标准最优解之差小于预设值时，则认为优化成功并终止循环输出最优值；否则，返回“教”阶段与“学”阶段，重复迭代过程，且迭代次数加1。

与传统优化技术相比，动态教与学方法通过教师带领学员分组学习，并合理设定学习次数，能取得最优学习效果，明显提高了在全部求解空间搜索控制参数最优值的能力，避免了数值过度迭代及局部最优导致的异常收敛；提升了收敛速度，缩短了计算时间，且该方法简单易行。

3 案例分析

为验证本文所提方法的有效性，对图3的IEEE39节点系统进行仿真验证，并与PID、PI控制器进行对比分析。其中，节点30-35处的发电机为AGC机组。本文是在人为指定分区个数的基础上，运用文献[15]的具有多目标量化评估算法，对IEEE39节点系统进行内部分区的。该方法的原理是：基于表征各级系统各节点间电气距离矩阵的结果，采用K-均值按照指定的分区个数对电网发电机进行初始分区，再通过构建适用于不同运行方式的适应度函数进行目标求解。

图3 IEEE39节点系统接线图 Fig.3 Single-line chart of IEEE 39 System

在两区域系统中，编号为30、31和32节点的AGC机组属于区域1，其余节点的AGC机组属于区域2，节点14-15之间的线路为区域间联络线。区域1：2 000 MW，区域2：2 000 MW，且在每个控制区域内，分别有两个供电公司和两个发电厂。

在三区域系统中，编号为30和31节点的AGC机组属于区域1，编号为32和34节点的AGC机组属于区域2，编号为33和35节点的AGC机组属于区域3，节点4-14之间的线路为区域1与区域2之间的联络线，节点15-16之间的线路为区域2与区域3之间的联络线。区域1：2 000 MW，区域2：2 000 MW，区域3：2 000 MW，且在区域1中有两个供电公司和两个发电厂，在区域2和区域3中各自只有一个供电公司和一个发电厂。运用MATLAB/SIMULINK对该系统进行模拟仿真，考虑优化算法的随机性，在程序第一次运行时，可以设定较大的迭代学习次数为1 000次，并记录测试结果。在得到结果之后，将迭代次数缩小到接近于收敛稳定值的迭代次数。经测试，最终取目标函数评估的最大迭代学习次数为30，运行中获得的最优值被选作控制器参数的最佳解决方案，并取作控制变量的收敛稳定值。

3.1 两区域系统

传统的两区域系统分析是为了模拟简单的两个区域间的AGC研究(例如两个临近供电企业之间的AGC控制)。本文研究了负载变化仅发生在区域1的系统，即只有供电公司1和供电公司2参与交易，并假定区域2中的供电公司3和供电公司4在其他电厂没有任何用电负荷。

调度中心依据追踪到的系统τ、△f、δ和△Ptie实时信息，计算出ACE数值，通过传递控制器得到一个总的发电功率指令，并根据AGC机组的apf及DPM数据分配各机组的功率输出，运用本文动态教与学算法优化ACE的四个控制参数，实现ACE的最优输出，达到经济合理控制AGC机组的目的。具体实现步骤如下：

1)设置班级种群参数Np=44、d=4。其中，班级教师数量为4个，学员数量为40个。将全部学员分为4组，每组10人，分别跟随1位教师学习优化传递控制器的AGC控制参数τ、△f、δ和△Ptie4个科目，即四组师生学习优化四个参数。根据式(16)初始化每组学员的学习因子，输入学员的初始成绩(各参数的学员初值为优化控制AGC发电机组前，调度系统每间隔0.1 s分别追踪到的10个系统τ、△f、δ和△Ptie实时数值)；

其中：和分别为区域1和区域2的输出电压向量，为区域1与区域2间联络线的末端电压向量，由公式(12)计算得出

其中：和分别为A、B、C三相的自传递函数，表示输入端和输出端之间的电压传输关系，且它们都是频率f的函数。

4)学员进入“学”阶段。每个科目的学员采用不同的学习策略进行学习。在每次迭代之后，学员的成绩随机与其他学员进行比较，当满足公式(17)时，算法将持续进行迭代，直至达到最优值；当满足公式(18)时，算法将转至“教”阶段；

5)判断是否满足结束条件，若最优解小于0.005时，则优化终止并输出最优值；否则，返回步骤3重复学习，且迭代次数加1。

最后，利用输出的ACE最优值，实现控制AGC的目的。并将本文优化算法与传统的粒子群算法、人工神经网络算法进行比较分析，对比结果如表1所示。

表1 两区系统控制器优化参数对比

Table 1 Comparison of optimized parameters in two-aerasystem controller

优化算法参数优化控制前优化控制后动态教与学τ0.0370.0039粒子群τ0.0370.026人工神经网络τ0.0370.031动态教与学Δf/Hz0.0570.0041粒子群Δf/Hz0.0570.026人工神经网络Δf/Hz0.0570.041动态教与学δ0.002860.00112粒子群δ0.002860.00176人工神经网络δ0.002860.00201动态教与学ΔPtie/MW76.6348.62粒子群ΔPtie/MW76.6364.85人工神经网络ΔPtie/MW76.6371.75

1.2.3 Transwell实验 以50 mg/L Matrigel 1∶8稀释液包被Transwell小室底部膜的上室面，4℃风干。将制备好的细胞悬液200 μL加入Transwell小室，24孔板下室加入500 μL含FBS的培养基。在37℃、5%CO2的孵箱中常规培养24 h，用棉签擦去上室内的细胞，4%多聚甲醛固定15 min，清洗、染色后置于倒置显微镜下观察，拍摄和细胞计数。

一是积极实行最严格水资源管理制度,率先出台实施方案和考核办法。广东省政府分别于2011年年底和2012年年初印发了 《广东省最严格水资源管理制度实施方案》《广东省实行最严格水资源管理制度考核暂行办法》,明确了“三条红线”控制目标，制定了相应的目标任务和各年度重点任务。目前全省所有地市政府均制定了本市的最严格水资源管理制度实施方案和考核办法。

假设发电机组在每个区域具有相同ACE参与因子apf11=apf12=apf21=apf22=0.5，则相应的DPM模型如下

(19)

为了研究传递控制器的动态响应特性，设在t=0 s时刻，区域1中有10%的阶跃负载变化。与PID、PI控制器在相同的环境进行动态响应结果测试并比较，如图4、图5、图6所示。

其次，鉴别猪流行性感冒。该病具有非常快的传播速度，多表现为突然发生，不同年龄的猪均会患有该病，发病后病猪的体温上升明显，但是总体较短，比较猪气喘病可知气喘病发生后传播速度略慢，体温较为稳定，基本在出现继发感染后病猪体温会出现升高，患病时间稍长。

图4 两区域系统频率偏差Δf1对比 Fig.4 Comparison of system frequency deviation Δf1 in two-area system

图5 两区域系统频率偏差Δf2对比 Fig.5 Comparison of system frequency deviation Δf2 in two-area system

图6 两区域系统净交换功率增量ΔPtie对比 Fig.6 Comparison of tie-line power deviation ΔPtie in two-area system

分析图中显示的数据，可以清晰地得出以下结论：

分析表中三种算法的优化结果，可以清楚地得出如下结论：动态教与学算法在优化过程中比其他两种算法具有更好的最优值。

1)传递控制器具有更好的控制效果和更高的灵敏性、控制器的动态响应性能得到显著改善。传递控制器的收敛速度优势明显：比PID控制器提升30%以上、比PI控制器提升35%以上。

2)图5所示，当区域1中有10%的阶跃负载变化时，区域2中会产生10%的阶跃频率偏差动态同步响应。并且从图中清楚地看出：当阶跃负载的位置发生改变时，传递控制器比PID、PI控制器具有更好的动态响应特性。

在诸多大型畜禽养殖场中，为保障畜禽健康，多会定期对养殖场进行消毒，通常采用1%-2%的火碱冲洗消毒，保障了养殖场的卫生健康，促进了畜禽的健康成长。然而，诸多养殖场并未对火碱冲洗水进行有效处理，而是将其直接排放，致使土壤中的碱量增加，导致土壤板结、死苗甚至绝收。因此，一些农户并不愿意利用养殖场的碱性粪尿，养殖场多将其露天弃置，导致空气恶臭，水体污染。

3)图6所示，在区域1中施加10%的阶跃负载变化时，由于传递函数的固有特性，使传递控制器的峰值超调量、区域间联络线净交换功率和偏差得到明显改善。

控制器参数在表2中给出。与PID控制器的ITSE=0.573 6和PI控制器的ITSE=0.783 7相比，传递控制器有最小ITSE值为0.384 9；在调节时间方面也具有绝对的优势。

表2 两区系统控制器参数对比

Table 2 Comparison of controller parameters intwo-aera system

控制器ITSE调节时间/sΔf1Δf2ΔPtiePID0.57363.474.833.72PI0.78375.796.385.83传递0.38492.833.192.68

3.2 三区域系统

随着智能电网规模的扩大，三区域及多区域系统的研究，是为了模拟大规模复杂网络(例如多省区之间)AGC问题的研究。本文为了简化计算，仍以IEEE39节点系统进行模拟分析。

为了验证传递控制器与其它类型控制器共同控制多源、多区域互联电力系统的协作能力，模拟仿真扩展到三区域系统，且每个区域包括具有不同种类控制器的发电机单元，并具有高压直流输电系统。在t=0 s时刻，三个区域中同时有10%的阶跃负载变化。本文研究了一种可能类型的DPM，即所有的供电公司只与发电厂进行电力交易，并且每个供电公司都从发电厂获得0.01 p.u.MW的电能，DPM模型如下

(20)

对于以上的DPM，发电厂必须供应如下的负荷功率

顾盼总是说阮小棉有失忆症，连他们相识时那么精彩的情景都不记得。他告诉她，那是他第一天穿上警服，路上有人喊抓贼，他拔腿去追，有一点紧张，手心里都是汗，追得正酣时撞到阮小棉，把她撞到路边的大树上，肩膀脱了臼，一个顾此失彼，贼便趁机跑得影子都没有。

ΔPg11=ΔPg12=ΔPg2=ΔPg3=0.01 p.u.MW。

(21)

联络线净交换功率偏差满足公式(22)的约束条件

ΔPtie1-2=ΔPtie1-3=ΔPtie2-3=0.0 p.u.MW。

(22)

传递控制器的最佳增益值由动态教与学优化技术获得。通过模拟仿真，并与经典控制器的动态响应数据进行对比分析，其结果如图7、图8、图9、图10和图11所示。

图7 三区域系统频率偏差Δf1对比 Fig.7 Comparison of system frequency deviation Δf1 in three-area system

图8 三区域系统频率偏差Δf2对比 Fig.8 Comparison of system frequency deviation Δf2 in three-area system

从图中数据可以看出：传递控制器与其他类型的控制器具有良好的兼容性。

我国农业存在水资源匮乏、资源挤占以及用水效率低等问题，农业用水量已达62%，打造节水高效生态农业是我国农业未来发展的重要战略目标。只有通过完善水价运行管理机制，提升水资源利用效率，优化水资源配置，发挥节水杠杆的作用，树立节水意识，才能促进农业的可持续健康发展。

从图9和图10知：在具有高压直流输电的系统中，区域间联络线净交换功率增量曲线为平行线。与图5进行对照可以看出：若系统中不存在高压直流输电线路及设备，区域间联络线净交换功率增量为曲线，这也证明本文采用ITSE目标函数提高了控制器的灵敏性。通过与PID、PI控制器对比，在相同的测试环境下，传递控制器可以获得最小的联络线功率交易值。

(1) 高温后方钢管再生混凝土柱表面氧化而呈现暗红色，颜色变化主要与受热温度有关，受再生粗骨料取代率的影响不大。

上林苑作为汉代京都著名皇家苑囿，其方幅广狭、周遭界限在当时显然周知、并无疑义。扬雄《羽猎赋》、张衡《西京赋》等作品均已言之凿凿，记载关中地理的《三辅黄图》关于这一点也记载明晰。司马相如的《上林赋》为什么要把上林苑的四界范围写得不可捉摸。我们发现，其根本原因在于司马相如《上林赋》彰显帝王声威的创作目的与上林苑地理范围格局相对有限之间的矛盾。

图9 三区域系统净交换功率增量ΔPtie1-2对比 Fig.9 Comparison of tie-line power deviation ΔPtie1-2 in three-area system

图10 三区域系统净交换功率增量ΔPtie2-3对比 Fig10 Comparison of tie-line power deviation ΔPtie2-3 in three-area system

图11 三区域系统负载功率ΔPg11对比 Fig.11 Comparison of system load power ΔPg11 in three-area system

不同种类控制器ITSE目标函数最优值及调节时间的仿真结果在表3中给出。可见，在相同的测试环境下，运用ITSE目标函数获得传递控制器最优参数具有优异的性能：调节时间和ITSE最优值在合理范围内变化，并接近于用标称系统参数获得的相应值。

根据国家建设部颁布的《城市绿地分类标准》可将许昌的城市绿地分为生产绿地、公园绿地、防护绿地、附属绿地和其他绿地五大类。由于城市休闲绿地在城市绿地中起着积极作用，本研究主要以许昌市的休闲绿地为主对绿地进行评价。休闲绿地在城市绿地分类标准中属于公园绿地。城市公园绿地包括综合性公园、专类公园、带状公园、社区公园和街旁绿地五大类[2]（表2）。

表3 三区系统控制器参数对比

Table 3 Comparison of controller parameters inthree-aera system

控制器ITSE调节时间/sΔf1Δf2ΔPtie1-2ΔPtie2-3PID0.57363.474.833.723.84PI0.78375.796.385.835.96传递0.38492.833.192.682.86

3.3 大扰动系统的鲁棒性分析

鲁棒性是指控制系统在一定(结构，大小)的参数摄动下，维持其它某些性能的特性。如果传递控制器是鲁棒控制器，则当系统的负载条件改变或系统参数变化时，不需要重新调整控制器自身参数。

为了验证系统发生大扰动时传递控制器的良好鲁棒性，仿真模拟两区域系统的参数改变和负载条件变化，其中，系统参数变化范围为系统标称值的-150%到+150%，区域1中有35%阶跃负载变化，且不改变传递控制器增益的最优值，并假设区域1中有10%的合同违约。为了显示传递控制器对于大扰动的优越鲁棒性，将结果与PID、PI控制器进行比较，控制器频率偏差、区域间联络线净交换功率偏差的动态响应对比结果如图12、图13所示。

图12 大扰动系统频率偏差Δf1对比 Fig.12 Comparison of frequency deviation Δf1 in large disturbance system

图13 大扰动系统净交换功率增量ΔPtie1-2对比 Fig.13 Comparison of tie-line power deviation ΔPtie1-2 in large disturbance system

从图中可以看出：当系统发生大扰动时，传递控制器比PID、PI控制器具有更好的稳定性，负载条件发生大幅度波动时对系统响应的影响可忽略不计；系统参数的较大改变对控制器性能指标的影响也可以忽略不计。在标称负载下利用标称参数获得的控制器参数最佳值，不必因系统负载或系统参数发生较大变化而重置，且无需重置系统负载和系统参数，也不需要更改违约的位置及范围。

表4给出了系统发生大扰动时，控制器性能的对比数据。在相同的大扰动情况下，传递控制器比PID、PI控制器具有更好的鲁棒性。

表4 大扰动系统控制器参数对比

Table 4 Comparison of controller parameters in largedisturbance system

控制器合同违约/%标称值变化范围/%调节时间/sΔf1Δf2ΔPtiePID10-150^1505.785.794.93PI10-150^1507.037.576.77传递10-150^1504.694.833.76

4 结 论

本文提出将传递控制器运用于电力市场环境下的多区域AGC系统，并运用动态教与学优化技术同时优化控制器的多个参数，最后对IEEE39节点系统进行了仿真。与经典控制器的性能相比，无论在两区或三区系统，还是在大扰动系统中，该控制器在减小频率偏差和区域间联络线净交换功率增量，以及在缩短调节时间、获取目标函数最优值等方面均具有一定的优势，且具有良好的稳定性和鲁棒性。对于研究AGC系统控制具有较好的利用价值。

参 考 文 献:

[1] SAHU R K, PANDA S, YAGIREDDY N K. A novel hybrid DEPS optimized fuzzy PI/PID controller for load frequency control of multi-area interconnected power systems[J]. Journal of Process Control,2014, 24(10):1596.

[2] SAHU R K, PANDA S, PADHAN S. Optimal gravitational search algorithm for automatic generation control of interconnected power systems[J]. Ain Shams Engineering Journal, 2014, 5(3):721.

[3] WECKX S, GONZALEZ C, DRIESEN J. Combined central and local active and reactive power control of PV inverters[J]. IEEE Transactions on Sustainable Energy,2014,5(3):776.

[4] LIU X, CRAMER A M, LIAO Y. Reactive-power control of photovoltaic inverters for mitigation of short-term distribution-system voltage variability[C]. IEEE PES T & D Conference and Exposition,2014: 1-5.

[5] NAIDU K, MOKHLIS H，BAKAR A H A, TERZIJA V, ILLIAS H A. Application of firefly algorithm with online wavelet filter in automatic generation control of an interconnected reheat thermal power system[J]. International Journal of Electrical Power & Energy Systems,2014,63(1-2):401.

[6] PARMAR K, MAJHI S, KOTHARI D. LFC of an interconnected power system with multi-source power generation in deregulated power environment[J]. International Journal of Electrical Power & Energy Systems,2014,57(5):277.

[7] BARISAL A. Comparative performance analysis of teaching learning based optimization for automatic load frequency control of multi-source power systems[J]. International Journal of Electrical Power & Energy Systems,2015,66: 67.

[8] SAHU R K, SEKHAR G, PANDA S. Optimized fuzzy PID controller with derivative filter for LFC of multi source power system in deregulated environment[J]. Ain Shams Engineering Journal,2015,6(2):511.

[9] MOHANTY B, PANDA S, HOTA P. Controller parameters tuning of differential evolution algorithm and its application to load frequency control of multi-source power system[J]. International Journal of Electrical Power & Energy Systems,2014,54(1):77.

[10] 王哲, 陈颖, 梅生伟, 等. 配电网混成电压控制系统指标体系设计与应用[J].电机与控制学报, 2010,14(12):35.

WANG Zhe, CHEN Ying, MEI Shengwei, et al. Design and application of index system for hybrid control in distribution network[J]. Electric Machines and Control, 2010, 14(12): 35.

[11] 谢先平, 王旭东, 吴晓刚, 等. 自动离合器位置跟踪神经元自适应PID控制[J].电机与控制学报,2008, 12(5):555.

XIE Xianping, WANG Xudong, WU Xiaogang, et al. Neuron adaptive PID control for position tracking control of automatic cluth[J]. Electric Machines and Control,2008,12(5):555.

[12] 陈铭, 刘娆, 吕泉, 等. AGC机组分群控制策略[J].电网技术,2013,37(3):868.

CHEN Ming, LIU Rao, LÜ Quan, et al. A grouping control strategy for AGC units[J].Power System Technology,2013,37(3):868.

[13] 熊卫斌, 李鹏, 张昆, 等. 南方电网频率演变机制与改善分钟级波动的探索[J].电网技术,2012,36(9):244.

XIONG Weibin, LI Peng, ZHANG Kun, et al. Mechanism of frequency evolution of China southern power grid and exploration on improving minute level fluctuation [J].Power System Tchnology，2012,36(9): 244.

[14] 陈磊, 胡伟, 徐飞, 等. 互联电网联络线随机功率波动统计特性与评价标准分析[J].电网技术,2013, 37(11):3137.

CHEN Lei, HU Wei, XU Fei, et al. Analysis on statistic characteristic and evaluation criteria of tie-line stochastic power fluctuation in interconnected power systems[J]. Power System Technology,2013,37(11): 3137.

[15] 邵雅宁, 唐飞, 王波, 等. 具有多目标量化评估特性的无功电压双阶段分区方法[J].中国电机工程学报,2014,34(22):3768.

SHAOYaning, TANG Fei, WANG Bo, et al. A dual-stage partitioning method for reactive and voltage with multi-objective quantitative assessment[J]. Proceedings of the CESS,2014,34(22):3768.