[发明专利]一种基于改进粒子群算法的超低频振荡抑制方法

摘要

本发明公开了一种基于改进粒子群算法的超低频振荡抑制方法，所述方法包括的步骤为：S1：对系统直流分别施加相同的功率扰动，记录扰动下的超低频振荡模态幅值；S2：根据超低频振荡模态幅值选择FC的控制敏感点；S4：建立系统的粒子群算法优化模型；S5：设定粒子群各项初始数据，并将当前迭代次数设定为1；S6：采用粒子群算法对粒子的速度和位置进行更新；S7：确定出当前最好的个体极值；S8：确定出当前最好的全局极值；S9：使惯性权重的非线性减小，并更新惯性权重取值；S10：如果当前迭代次数等于最大迭代次数，则输出FC参数优化结果，反之则将当前迭代次数加1，并返回步骤S6，通过这样的方式可以简单直接的对超低频振荡进行有效抑制。

主权项

1.一种基于改进粒子群算法的超低频振荡抑制方法，其特征在于，所述方法包括的步骤为：S1：对多直流送出系统的每条直流分别施加相同的功率扰动，直至激发系统发生超低频振荡，并记录各条直流扰动下的超低频振荡模态幅值；S2：比较各条直流扰动下的超低频振荡模态幅值，并根据超低频振荡模态幅值选择直流频率限制控制器的控制敏感点；S4：将所述直流频率限制控制器的控制敏感点作为基础，通过TLS‑ESPRIT算法辨识系统传递函数，建立系统频率偏差对时间的积分最小的粒子群算法优化模型；S5：对所述粒子群设定最大迭代次数、初始粒子数目、加速常数、惯性权重取值范围、非线性调节因子、维度及解空间范围，并将当前迭代次数设定为1；S6：采用粒子群算法对粒子的速度和位置进行更新；S7：记录每个微粒经历过的最好位置，所述微粒经历过的最好位置为个体极值，并将个体极值与微粒的适应值相比较，并根据每个微粒个体极值的位置与适应值的位置，确定出当前最好的个体极值；S8：将全局中微粒经历过的最好位置定为全局极值，并将每个微粒的适应值与全局极值作比较，并根据每个微粒全局极值的位置与适应值的位置，确定出当前最好的全局极值；S9：使惯性权重的非线性减小，并更新惯性权重取值；S10：判断当前迭代次数，如果当前迭代次数等于最大迭代次数，则输出直流频率限制控制器参数优化结果，反之则将当前迭代次数加1，并返回步骤S6。