[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

说明书

本发明属于水轮发电技术领域，具体涉及一种基于改进TLBO算法的水轮发电机组PID调速器参数优化。其实现步骤包括：(1)建立水轮机调速系统仿真模型；(2)针对基本TLBO算法做出改进；(3)将改进的TLBO算法运用到水轮机调速系统调速器参数优化中，并得到仿真结果。本发明在基本的TLBO算法中加入了自适应的教学因子，学生对知识的吸收权重以及教师课后辅导，在保证收敛速度和精度的同时避免了算法陷入早熟，早收敛的情况。将水轮机机组转速偏差的ITAE指标作为标准适应度函数，利用改进的TLBO算法进行调速器的参数优化，其收敛速度优化效率显著提高，并且避免了局部最优的情况。

技术领域

本发明属于水轮发电技术领域，具体涉及一种基于改进TLBO算法的水轮发电机组PID调速器参数优化。

背景技术

在工业生产和日常生活当中，使用电能源的安全性、稳定性是保证我们生命财产安全重要的前提条件。所以作为电能源的提供方式，额定频率和额定电压是保证用电稳定安全的参数标准。水力发电系统是把水的势能转化为电能的一个系统，核心是水轮发电机组。水轮发电机组调节系统以水轮机作为调节装置，将水轮机组作为被控对象，是一个高度非线性、时变不确定、具有死区、时滞、非最小相位的高阶闭环控制系统。水轮机组的调速起着维持电力系统负荷平衡、保持电网稳定(调峰和调频)的作用，因此水轮机调速系统是整个水电站的中心枢纽，其性能的好坏直接影响着水电站能否安全高效运行。目前采用PID(比例，积分，微分)控制算法的水轮机调速器是实际运行的主流控制器，该控制器的关键是其控制参数的选择和优化。控制参数的优化算法随着智能控制算法的快速发展，遗传算法、模糊逻辑、神经网络、粒子群算法等智能控制算法已经运用到水轮机调速器参数优化中。

这些算法的研究大大推动了水轮机调速器参数优化的发展，但也有各自局限性。遗传算法的性能很大程度上依赖于参数，并且其编译、复制以及交叉变异操作使得算法过程缓慢，同时也易陷入早熟早收敛。粒子群算法相对于遗传算法具有较少的参数，搜索速度更快，主要是基于粒子自身和群体最优值进行搜索，但在算法后期其收敛速度显著放缓，容易陷入局部最优，搜索精度不高。TLBO算法在2011年由两位印度学者提出，基于群体信息交互的一种启发搜索智能优化算法。其优点是具有较少的参数和收敛速度，但是容易陷入局部收敛。

发明内容

针对上述问题，本发明提出一种改进的TLBO(Teaching-learning-basedoptimization)算法用以获取更优化的调速器参数值，在基本的TLBO算法中加入了自适应的教学因子，学生对知识的吸收权重以及教师课后辅导，在保证收敛速度和精度的同时避免了算法陷入早熟，早收敛的情况。将水轮机机组转速偏差的ITAE指标作为标准适应度函数，利用改进的TLBO算法进行调速器的参数优化，其收敛速度优化效率显著提高，并且避免了局部最优的情况，是一种良好的参数优化策略。

为解决上述技术问题，本发明采用技术方案如下：

首先建立水轮机调速系统仿真模型，然后对基本TLBO算法改进并推导目标函数，最后结合该算法完成水轮机调速器参数优化，具体步骤包含如下：

1.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。其物理意义表现在，当主配压阀处在中间部位时，接力器开度保持不变；当主配压阀朝着开启方向变化时，接力器的开度亦向着开启方向移动，并且接力器的开启速率与主配压阀中活塞的移动速率成正比；当主配压阀朝着关闭方向变化时，接力器的开度亦向着关闭方向移动，并且接力器的关闭速率与主配压阀中活塞的移动速率成正比；

(3)引水系统及水轮机仿真模型