基于模糊自適應的dfpso算法的水輪機調速器參數(shù)優(yōu)化方法
【技術領域】
[0001] 本發(fā)明設及電力系統(tǒng)中水力發(fā)電技術領域，設及水輪機調速器參數(shù)優(yōu)化方案技術 領域，具體設及一種基于模糊自適應和差分進化的粒子群算法的水輪機調速器參數(shù)優(yōu)化方 法。
【背景技術】
[0002] 水電站將水能轉換為電能并通過供電系統(tǒng)將其提供給用戶使用，用電安全及電能 的質量是用戶最關屯、的問題。在其中起到決定性作用的就是水輪機調節(jié)系統(tǒng)，而水輪發(fā)電 機組調速器參數(shù)對水輪機調節(jié)系統(tǒng)的穩(wěn)定及電能的質量極其重要，因此調速器參數(shù)的優(yōu)化 一直是研究人員關注的問題。
[0003] PID調節(jié)由于控制規(guī)律簡單，魯棒性好等優(yōu)點而在工程實際中被廣泛采用，PID參 數(shù)的整定方法主要有兩類：一類是傳統(tǒng)的參數(shù)整定方法，另一類是人工智能算法。相比智能 算法來說，傳統(tǒng)PID參數(shù)整定算法在處理如水輪機調節(jié)系統(tǒng)等具有非線性和非最小相位特 性的控制系統(tǒng)時，容易出現(xiàn)振蕩現(xiàn)象和較大的超調量。而在眾多的智能算法中，粒子群算法 由于編程簡單、容易實現(xiàn)并且找到全局最優(yōu)值的概率較大等優(yōu)點而被廣泛應用于工程實際 問題及PID參數(shù)的整定工作中。
[0004] 在粒子群算法中，粒子速度慣性權重對種群的尋優(yōu)過程極其重要，它決定了粒子 是著重于全局范圍的探索還是局部范圍的精細捜索。隨著迭代的進行，恰當?shù)臋嘀叵禂?shù)選 擇可W提高算法的效率，然而典型的粒子群算法在速度更新過程中，慣性權重僅僅受迭代 次數(shù)的影響而呈線性遞減，在迭代初期較大的權重系數(shù)能使粒子具有較強的全局探索能 力，但若此時粒子已非常接近全局最優(yōu)值，那么較大的速度慣性，可能使粒子偏離全局最 優(yōu)，背離正確的方向飛行，從而降低捜索精度。迭代后期，所有粒子都已收斂到最優(yōu)值附近， 較小的慣性因子可W使粒子進行精細捜索，但是速度越小，粒子群越容易趨向同一化，而使 粒子陷入局部極值。由此可見在典型PS0算法中，速度慣性僅隨迭代次數(shù)而改變還是存在 不足之處，并不利于算法效率的提高，并且在迭代后期粒子多樣性損失嚴重，易于陷入局部 最優(yōu)而停滯不前。

【發(fā)明內容】

[0005] 針對現(xiàn)有技術的不足，提出了一種框架。本發(fā)明的技術方案如下：一種基于模糊自 適應的DFPS0算法的水輪機調速器參數(shù)優(yōu)化方法，其包括W下步驟：
[0006] 101、建立水輪機調節(jié)系統(tǒng)的數(shù)學模型，具體包括：建立水輪機PID調速器數(shù)學模 型和建立水輪發(fā)電機組數(shù)學模型，并設置水輪機調節(jié)系統(tǒng)的系統(tǒng)參數(shù)，如接力器響應時間 常數(shù)、壓力引水系統(tǒng)水流慣性時間常數(shù)、機組慣性時間常數(shù)及被控系統(tǒng)各傳遞系數(shù)；
[0007] 102、步驟101建立了水輪機調節(jié)系統(tǒng)的數(shù)學模型后，設定模糊自適應和差分進化 的DFPS0算法的適應度函數(shù)，將適應度函數(shù)值J設置為水輪機調節(jié)系統(tǒng)偏差e(t)的絕對值 與時間t之積的積分，目M=ff!叫川成，tg為仿真時間； JQ
[000引 103、對模糊自適應和差分進化的DFPS0算法的速度慣性因子W。進行模糊設置，即 將線性遞減的慣性因子W和粒子當前最優(yōu)性能評價指標值NCBPE作為模糊輸入，W。作為模 糊輸出；
[0009] 104、進行步驟103的模糊設置后，計算模糊自適應的DFPS0算法中粒子的適應度 值，保留粒子的個體最優(yōu)值PbMt和全局最優(yōu)值gbMt，并更新粒子的速度和位置，產生新種群， 更新個體極值和全局極值；
[0010] 105、在粒子的速度和位置的更新過程中，若滿足交叉條件，即當在（0, 1)間產生 的隨機數(shù)小于預先設置的交叉概率時，則在粒子間進行基因交叉；
[0011] 106、判斷是否滿足終止條件，即是否找到全局最優(yōu)值或達到迭代最大次數(shù)，若滿 足則停止并輸出全局最優(yōu)值gbest，若不滿足，則返回重復執(zhí)行步驟104-步驟106。
[0012] 進一步的，步驟101中建立水輪機PID調速器數(shù)學模型包括PID控制器模型和電 液隨動系統(tǒng)數(shù)學模型，具體為：
[001引 （1. 1)水輪機PID控制器傳遞函數(shù)GpiD(s)如下：
[0014]
陽〇1引式中，AX。為系統(tǒng)給定轉速相對偏差值；AX為機組轉速相對偏差值；Aypid為導 葉開度相對偏差值；Kp、Ki、Kd分別為比例增益、積分增益和微分增益；T。為微分環(huán)節(jié)時間常 數(shù)；S為拉普拉斯算子；
[0016] 電液隨動系統(tǒng)數(shù)學模型傳遞函數(shù)氏(S)如下：
[0017]
[0018] 式中，Ay為接力器行程相對偏差值；Ty為接力器響應時間常數(shù)。
[0019] 進一步的，步驟101中的建立水輪發(fā)電機組數(shù)學模型主要由水輪機、壓力引水系 統(tǒng)和發(fā)電機所組成；當系統(tǒng)處于小波動情況下，水輪機力矩相對偏差值Amt和流量相對偏 差值Aq與水頭h、導葉開度近似用接力器位移y表示和機組轉速X相對偏差值由W下關系 式表不：
[0020]
陽OW式中，6x、6y、6h、6qx、6qy、6qh均為水輪機被控系統(tǒng)傳遞系數(shù)；
[0022] 在小波動工況下，此時壓力引水系統(tǒng)的傳遞函數(shù)如下所示：
[0023]
[0024] 式中，1；為壓力引水系統(tǒng)水流慣性時間常數(shù)；
[00巧]發(fā)電機的動態(tài)特性由W下傳遞函數(shù)表示：
[0026]
[0027]式中，Am,為阻力矩相對偏差值；Ta為機組慣性時間常數(shù)；e。為被控系統(tǒng)自調節(jié)系 數(shù)，6。=Gg-e,，e,為發(fā)電機負載轉矩對轉速的傳遞系數(shù)，ej%水輪機轉矩對轉速的傳遞系 數(shù)。
[0028] 進一步的，步驟103具體為：設置DFPS0算法的基本參數(shù)：群體個數(shù)m、最大迭代次 數(shù)Tm。、、加速系數(shù)Cl和C2、速度慣性因子Wm。、和Wmm;對速度慣性因子W。進行模糊化，將當前 線性遞減的慣性因子W和如下式所示的規(guī)范化的當前最好性能評價NCBPE作為模糊輸入， W。作為模糊輸出，設置迭代初期的最優(yōu)性能評價CBPEm。,、迭代結束時的最小性能評價估計 值CBPEmm;線性遞減慣性因子和NCBPE的定義公式為： 陽02引W* = W max-t (Wmax-Wnun) ZXax
[0030]
[0031] 其中，Wm。,和Wmm分別為迭代開始時的速度慣性權重和結束時的權重系數(shù)，CBPE為 當前最優(yōu)性能評價。
[0032] 進一步的，步驟104中更新粒子的速度和位置的公式為： 陽〇3引皆=+C, ?;'/?(姑-4)+c; 祐-喊），請1為當前的粒子速度，嗦為上 代粒子的速度，％i為修正后的速度慣性因子，j4為粒子自身的最優(yōu)解，端為當前粒子的位 置，Pw為粒子的全局最優(yōu)解，Vm。、為粒子速度上限值 陽〇34] 堿1 '=為+'姑
[0035]
[0036]
[0037]其中，r郝r2為區(qū)間化1)之間的隨機數(shù)。
[0038] 隨著算法的迭代進程，粒子群的多樣性不斷減少，此時可在粒子間進行交叉操作， W此避免粒子多樣性的丟失，增強粒子的全局捜索能力。
[0039]
[0040] 其中，rand(d)為（0，1)區(qū)間內的隨機數(shù)；d為粒子的維數(shù)索引，dG[l，2，...，q]， q為粒子總維數(shù)；P。為交叉概率，通常設置為0.8srarnln(i)為[1，2,…，q]中的一隨機整 數(shù)；Pf/為當前隨機選取的一個粒子其自身的最好位置。
[0041] 本發(fā)明的優(yōu)點及有益效果如下：
[0042] 本發(fā)明針對典型粒子群算法易出現(xiàn)早熟而陷入局部最優(yōu)的缺點而提出一種融合 模糊思想和差分算法交叉思想的改進粒子群算法值FPS0)。其特點是該方法引入規(guī)范化粒 子最優(yōu)性能評價指標的概念，將其與線性遞減的速度慣性權重相結合來對速度慣性權重進 行修正，W此避免慣性權重僅受粒子迭代次數(shù)的影響而造成的弊端。在此基礎上，引入差分 算法的交叉思想，在特定條件下，在粒子間進行基因交換，來增加粒子的多樣性，w避免粒 子群算法在迭代后期陷入局部極值。本發(fā)明整定的水輪機PID調速器能使系統(tǒng)擁有更加良 好的動態(tài)性能。
【附圖說明】
[0043]圖1是本發(fā)明水輪機調節(jié)系統(tǒng)數(shù)學模型框圖；
[0044] 圖2為水輪機調速器參數(shù)優(yōu)化流程圖；
[0045]圖3為10%頻率擾動下適應度函數(shù)平均值收斂曲線；
[0046] 圖4為10%頻率擾動下機組轉速相對偏差過渡過程；
[0047]圖5為10%負荷擾動下適應度函數(shù)平均值收斂曲線；
[0048] 圖6為10%負荷擾動下機組轉速相對偏差過渡過程。
【具體實施方式】 W例 W下結合附圖，對本發(fā)明作進一步說明：
[0050] 如圖1所示，本發(fā)明利用該DFPS0算法對水輪機調速器參數(shù)進行優(yōu)化。通過該改進 算法，可W找到最優(yōu)的調速器參數(shù)值，使得系統(tǒng)獲得良好的動態(tài)性能。在優(yōu)化的過程中，使 系統(tǒng)分別處于頻率擾動和負荷擾動兩種工況下，利用該改進算法尋求到最優(yōu)的參數(shù)組合， 使得系統(tǒng)在響應的過程中擁有較小的超調量，較短的穩(wěn)定時間和上升時間等。具體包括W 下步驟：
[0051] (1)確定水輪機調節(jié)系統(tǒng)數(shù)學模型。水輪機調節(jié)系統(tǒng)主要由調速器和水輪發(fā)電機 組成，其數(shù)學模型框圖如圖1所示。
[0052] (1. 1)水輪機PID控制器傳遞函數(shù)如下：
[0053]
[0054] 式中，AX。為系統(tǒng)給定轉速相對偏差值；AX為機組轉速相對偏差值；Aypid為導 葉開度相對偏差值；Kp、Ki、Kd分別為比例增益、積分增益和微分增益；T。為微分環(huán)節(jié)時間常 數(shù)；S為拉普拉斯算子。 陽化5] 電液隨動系統(tǒng)部分傳遞函數(shù)如下：
[0056]
[0057] 式中，Ay為接力器行程相對偏差值；Ty為接力器響應時間常數(shù)。 陽〇5引 （1. 2)水輪發(fā)電機組數(shù)學模型
[0059] 水輪發(fā)電機組主要由水輪機、壓力引水系統(tǒng)和發(fā)電機所組成。當系統(tǒng)處于小波動 情況下，水輪機力矩相對偏差值Amt和流量相對偏差值Aq與水頭h、導葉開度（近似用接 力器位移y表示）和機組轉速X相對偏差值可W由W下關系式表示：
[0060]
陽06U 式中，e,、6y、6h、6qx、6qy、6qh均為水輪機被控系統(tǒng)傳遞系數(shù)。
[0062] 在小波動工況下，水和引水系統(tǒng)管壁均可認定為剛性，此時引水系統(tǒng)的傳遞函數(shù) 如下所示：
[0063]
W64] 式中，1；為引水系統(tǒng)水流慣性時間常數(shù)。
[0065] 發(fā)電機的動態(tài)特性可由W下傳遞函數(shù)表示：
[0066]
[0067] 式中，A m,為阻力矩相對偏差值；Ta為機組慣性時間常數(shù)；e。為被控系統(tǒng)自調節(jié)系 數(shù)，6。=Gg-e,，e,為發(fā)電機負載轉矩對轉速的傳遞系數(shù)，ej%水輪機轉矩對轉速的傳遞系 數(shù)。
[0068] (2)確定DFPS0算法的適應度函數(shù)，將適應度函數(shù)值設置為系統(tǒng)偏差絕對值與時 間之積的積分。
[0069] /:=廣/|e(/)|油 vO
[0070] 其中，t歷仿真時間（S);e(t)