Design and Implementation of Enhanced Load Frequency Control of a Two-Area Power System using the combination of PI–PD Controllers tuned by Lion Optimization Algorithm

在支撑现代生活的庞大且无形的网络中，电力必须在被消耗的瞬间精准生成。如果某座城市的工厂突然启动一台大型机器，或者另一处的风暴导致发电机停转，平衡就会发生倾斜。这种不平衡会导致整个电网的节奏发生波动，就像旋转的陀螺失去速度一样。如果这种被称为“频率”的节奏偏离目标过远，敏感设备可能会失效，在严重情况下，整个系统可能会崩溃，导致数百万人陷入黑暗。为了防止这种情况，工程师们依赖于一种名为“负荷频率控制”（Load Frequency Control）的持续自动调节系统。该系统充当着一名警觉的守护者，不断感知电网是在加速还是减速，并指示发电厂加速或减慢其输出，以恢复完美的平衡。在一个发电厂通常分布在不同地区并通过长距离输电线路连接的世界里，保持这种节奏的稳定成为了一个涉及协调与速度的复杂谜题。

来自钦奈安纳大学（Anna University）及泰米尔纳德邦数所工程学院的研究团队通过测试一种调优管理这种平衡的自动控制器的新方法，解决了这一难题。他们专注于一个两区域电力系统的模型——这是两个通过输电线路连接的区域的简化表示——以观察不同的控制策略如何处理需求的突变。研究人员将这些控制器的传统设置方法与一种结合了两种控制逻辑并使用受狮子社会行为启发而产生的计算机算法来寻找最佳设置的新方法进行了对比。他们的工作通过详细的计算机模拟进行，结果表明，这种新的组合提供了一种比其他现代技术更快、更稳定的方式来保持电网节奏的稳定。

这项研究的核心在于如何“调优”这些控制器。想象一下控制加热器的恒温器：如果它过于敏感，房间温度会在过热和过冷之间剧烈波动；如果它不够敏感，房间则需要很长时间才能变暖。在电力系统中，控制器的设置必须极其精确，以便在发生扰动时能够快速反应，而不会导致系统产生超调和振荡。研究人员测试了三种不同的配置：一种使用比例-积分动作的控制器，一种使用比例-微分动作的控制器，以及一种结合了这两者的混合版本。随后，他们使用了一种名为“狮子优化算法”（Lion Optimization Algorithm）的自然启发式计算机程序来寻找这些控制器的完美设置。该算法模仿狮子如何狩猎和保卫领地：一些群体协作探索搜索空间以寻找最高效的解决方案，而另一些则独立游走以确保不会错过任何好的选项。

为了验证这种新方法是否有效，研究人员模拟了一个微小的电力需求突增，相当于负载增加了1%，并观察了系统的反应。他们测量了三个关键指标：频率恢复正常所需的时间、频率在稳定前偏离目标的程度（超调量），以及随时间累积的总误差。当他们将这种受狮子启发的调优结果与其他流行的计算机优化方法（如模拟蚁群、鸟群或狼群的方法）进行比较时，基于狮子的方法表现得始终更加出色。对于由狮子算法调优的组合控制器，系统仅用8秒便恢复稳定，超调量极小，仅为2%，且总误差得分非常低，为0.020。相比之下，使用标准方法调优的同一控制器则需要18秒才能稳定，且超调量达到了8%。

研究还对不同类型控制器的性能进行了分解。当研究人员将狮子算法应用于比例-积分（proportional-integral）控制器时，稳定时间从传统的25秒降至13秒，且超调量减少了一半。同样，对于比例-微分（proportional-derivative）控制器，稳定时间从22秒降至11秒。然而，最显著的改进来自于混合控制器，它利用了两种方法的优势。研究人员发现，这种结合了控制逻辑与狮子算法调优的结构，表现优于测试中的所有其他配置。它实现了最快的响应、最小的频率偏差以及最低的误差累积。数据表明，这种特定的控制逻辑与优化方法的结合提供了卓越的动态响应，有效地抑制了电网受到扰动时产生的振荡。

尽管结果令人鼓舞，但这些发现完全基于两区域系统的计算机模拟。研究人员并未在物理电网上进行测试，但所使用的数学模型是理解电网行为的标准工具。该研究明确排除了传统调优方法或其他自然启发式算法（如基于狼群或蚁群的算法）在执行此特定任务时具有同等效力的观点。作者得出结论，基于狮子的组合控制器调优是所有测试策略中最有效的一种，为维持稳定性提供了高效的解决方案。他们建议，这种方法可以扩展到更复杂的系统，包括包含可再生能源的系统，但这仍是未来的步骤。目前，模拟证明了通过借鉴狮子战略性的狩猎战术，工程师可以设计出能够以更高速度和精度维持灯火通明的控制器。