[发明专利]一种水轮发电机组励磁系统PID控制参数的优选方法

摘要

本发明公开了一种水轮发电机组励磁系统PID控制参数优选方法，用于在水轮发电机组励磁系统中对PID控制参数进行优选。根据水轮发电机组励磁系统建立仿真模型，然后依据该仿真系统建立以水轮发电机机端电压和参考电压为状态量的目标函数，运用本发明设计的优选方法求解目标函数得到最优PID控制参数。本发明设计的水轮发电机组励磁系统PID控制参数的优选方法，采用一种新型启发式优化算法优化目标函数，能搜索到更小的目标函数值，得到的解代表更优的PID控制参数。更优的PID控制参数能使水轮发电机组励磁系统水轮发电机机端电压调节速度更快，系统响应曲线更加光滑，系统调节品质更高。

主权项

1.一种水轮发电机组励磁系统PID控制参数的优选方法，其特征在于，所述方法包括如下步骤：步骤(1)：建立水轮发电机组励磁系统仿真模型：所述的水轮发电机组励磁系统包括PID控制器、放大单元、励磁机、水轮发电机、测量单元；在所述水轮发电机组励磁系统中，将测量单元测量到的机端电压与给定的参考电压比较，再经过放大单元放大后作用于励磁机，进一步通过励磁机调节水轮发电机的机端电压，从而自动调节水轮发电机机端电压；步骤(2)：建立上述水轮发电机组励磁系统的控制参数优化目标函数，目标函数定义为：式中，待优化变量X＝[KP,KI,KD]，KP、KI和KD分别为比例、积分和微分增益，Vref为参考电压；Vt(k)为机端电压，Ns为水轮发电机组励磁系统输出的采样点数，A为尺度系数，w为权重；步骤(3)：运用启发式优化算法求解水轮发电机组励磁系统的控制参数优化目标函数，获得最优PID控制参数；所述步骤(3)具体包括如下子步骤：Step 1：算法初始化，设置算法参数，包括：群体规模NP、总迭代次数T、个体随机搜索数量Nl，淘汰幅度系数σ、跳跃阈值p；确定PID控制参数的取值范围，KP∈[KP,min,KP,max]，KI∈[KI,min,KI,max]，KD∈[KD,min,KD,max]，确定优化变量边界[BL,BU]，BL＝[KP,min,KI,min,KD,min]，BU＝[KP,max,KI,max,KD,max]，KP,min，KP,max为比例控制系数的最小值和最大值，KI,min，KI,max分别为积分控制系数的最小值和最大值，KD,min,KD,max分别为微分控制系数的最小值和最大值；在解空间[BL,BU]中随机初始化群体中所有个体的位置向量，个体位置向量表示为Xi＝[KP,KI,KD],i＝1,...,NP，代表一组控制参数；令当前迭代次数t＝0；Step 2：计算各个个体的目标函数值Fit＝fMITAE(Xi(t)),i＝1,...,Np，并寻找群体目标函数最小值，具有最小目标函数值的个体确定为当前最优个体XB(t)；Step 3:计算惯性向量Step 4:计算每个个体受当前最优个体召唤向量其中δi为中第i个个体与当前最优个体距离向量，随机数c1＝2·rand，c2＝(2·rand‑1)exp(‑10·t/T)为(0，1)之间随机数；Step 5:按照个体位置更新公式更新个体位置：Step 6:判断个体是否需要被淘汰并重新初始化：Step 6.1：如果第i个个体满足公式则该个体被淘汰并重新初始化：其中，是t代种群所有个体目标函数值的平均值，是最小的目标函数值，ω是一个随迭代次数而线性递增的参数，取值范围为[‑σ,σ]；Step 6.2：被淘汰的个体初始化：Xi＝rand(1,D)×(BU‑BL)+BL其中，D为位置向量维数；Step 7:判断是否连续p代当前最优个体位置未发生移动，如果是，则认为种群灭亡，按照下式反演重构新的种群：Step 8:t＝t+1，如果t>T，算法结束，输出当前最优个体位置作为终解；当前最优个体位置即为最优控制参数向量；否则，转入Step 2。