[发明专利]基于改进TLBO算法的水轮发电机组PID调速器参数优化

权利要求书

1.一种基于改进TLBO算法的水轮发电机组PID调速器参数优化，其特征在于，包括如下步骤：

第一步：建立水轮机调速模型

(1)控制器仿真模型

采取PID控制，构建水轮机调速系统中的并联PID控制仿真模型；

(2)液压随动系统仿真模型

接力器由主配压阀控制，在整个调速器的液压随动系统中是最主要的被控对象，在仿真模型中是一个积分环节；

(3)引水系统及水轮机仿真模型

采用理想化的仿真模型以及利用水轮机中各个特性系数搭建仿真模型；

(4)发电机及其负荷仿真模型

水轮机发电机组采用孤网运行模式，在研究和分析水轮机调速系统的动态特性过程中可以将其简化为一个一阶环节；

第二步：TLBO算法改进

(1)基本TLBO算法

TLBO算法通过对教师授课和学生之间的相互交流两种方式的模拟划分为“教”与“学”两个阶段：

①在“教”的阶段，整个学生群体数量为m，所学习的总科目数为n，当迭代次数为j时，对于科目i群体的平均值则为M_i,j，选择群体中适应度值最优的一个个体作为这个班级中的教师，在该次迭代次数和各个不同科目时，所有学生目前的平均值和此时相对应的教师水平值的差值由式(1)给出：

difference_mean_i,j＝rand_j(X_i,kbest,j-Tf×M_i,j) (1)

式(1)中，X_i,kbest,j表示对于科目i当前群体的最优个体即教师，rand_j表示的是一个在0和1之间取值的随机值，Tf通常叫做教学因子，它的意义是表示学生群体的平均水平改变的程度，如式(2)：

Tf＝round[1+rand(0,1)] (2)

至此第一阶段“教”阶段可以按照学生群体的平均水平和此时最优解即教师的水平之间的差值difference_mean_i,j进行更新处理，更新公式如式(3)：

x'_i,k,j＝x_i,k,j+diffrence_mean_i,j (3)

式(3)中，x'_i,k,j表示的是x_i,k,j经过以上过程更新之后的值，如果更新之后的新值x'_i,k,j对应的适应度值相对于x_i,k,j的值更加优秀，则更新值为x'_i,k,j；

②在“学”的阶段，在整个学生群体当中任意抽取两个学生A和B，对应的水平为X_i,A,j和X_i,B,j，则经过上一个阶段之后两位学生相对应的成绩水平为X'_i,A,j和X'_i,B,j，并且有X'_i,A,j≠X'_i,B,j，f(x)为优化过程的目标函数，“学”阶段主要依据学生之间存在的差异性互相学习，进而完成对各自成绩的调整，该过程具体如式(4)：

若更新之后的新值X”_i,A,j对应的适应度值相对于X'_i,A,j的值更加优秀，则更新值为X”_i,A,j；

(2)教学因子改进

针对于基本TLBO算法当中的教学因子Tf做出改进，改进之后的教学因子如式(5)：

式(5)中，Tf_max为教学因子的最大取值，Tf_min为教学因子的最小取值，ITER_max是算法最大迭代次数，ITER是算法当前迭代次数；

(3)教学阶段改进

改进后的教学阶段如式(6)：

x'_i,k,j＝w₁×x_i,k,j+diffrence_mean_i,j (6)

在学习阶段引入吸收权重w₂，且加入教师课后辅导，则改进后更新公式如式(7)：

(4)TLBO算法的适应度函数改进

选择ITAE作为目标函数，其表达式如(8)：

式(8)中，t表示时间，e(t)为系统频率差值。

2.根据权利要求1所述的一种基于改进TLBO算法的水轮发电机组PID调速器参数优化，其特征在于，改进后的TLBO算法流程包括如下步骤：

第一步：选取优化目标函数以及算法相关参数，学生群体用随机初始化方式产生初种群；

第二步：根据最优适应度函数值对整个种群进行评价，并选取当前值为教师值，即初始最优解值；

第三步：根据改进后的TLBO算法“教”部分公式进行第一阶段的优化过程；

第四步：根据改进后的TLBO算法“学”部分公式进行第二阶段的优化过程；

第五步：算法是否达到终止要求，如果满足则终止，不满足则重复三、四两个步骤，直到满足条件为止。