[发明专利]一种水电机组参数闭环辨识方法

说明书

本发明公开了一种水电机组参数闭环辨识方法，包括建立实际的水轮机调速闭环系统模型，确定对应的辨识系统模型；确定水电机组参数辨识的目标函数和/或辨识策略；向实际系统和辨识系统输入激励信号，获取实际系统的输出信号和辨识系统的标准信号；利用目标函数对输出信号和标准信号进行预处理；根据预处理结果，采用改进的蚁狮算法对水轮机调速闭环系统进行参数辨识；根据辨识策略获取水电机组的最优辨识参数。基于标准的蚁狮改进算法，融合了粒子群算法，引入混沌Logistics变异算子，并在混沌变异过程中采用并行和串行结合的方法来获取新粒子，来对标准蚁狮算法进行改进。本发明技术方案的方法，收敛速度快，易于实现，通用性强，有效提高了辨识精度。

技术领域

本发明属于水轮机调节系统模型建模与参数辨识技术领域，具体涉及一种水电机组参数闭环辨识方法。

背景技术

水轮机调速系统是水电站和电网系统的重要组成部分之一，其在水力发电、调峰调频和保证电站安全、有效、经济运行等中扮演着重要作用。为合理整定水轮机调速器参数、准确分析系统稳定特性，需研究水轮机调速系统的详细模型。其中，辨识是获取模型的一种有效手段。实际情况中，水轮机调速系统是具有非最小相位、非线性、复杂性的控制系统，一般情况下，很难从实际中直接提取其机理特性来对水轮机原动机建模仿真。目前水轮机调节系统，一般采用实验数据和先验知识，通过辨识技术获取系统参数和模型。

对负载模型可进行开环辨识，但空载工况时，频率死区为0，机组频率跟踪电网频率，空载模型辨识属于闭环辨识。以往的水电机组模型辨识研究侧重于开环辨识方法，相比较而言，闭环辨识方法较为匮乏。相比于开环辨识，闭环辨识方便、快速，且在工业中应用广泛。尽管目前的一些算法在水轮机的闭环辨识研究中已取得丰硕成果，但其自身仍存在着无法避免的缺点和局限性，如遗传算法的过早收敛和在局部最优点上种群多样性的缺失，粒子群算法容易陷入局部最优等。因此，对于复杂的水轮机调速系统，需要一种简单且容易实现的辨识方法。

与其他基于粒子行为的启发式搜索算法不同，蚁狮优化算法(ALO算法)是一种基于自然界中蚁狮捕食蚂蚁行为的启发式仿生优化算法，其搜索主体是蚂蚁群体和蚁狮群体，通过蚂蚁的随机游走、蚁狮的诱捕陷阱、捕获蚂蚁和精英蚁狮保存，从而实现对目标的寻优。ALO算法具有参数少，算法过程简单，计算快速，寻优高效等优点，该算法在解决优化问题中具有较好的性能。然而，同其他智能算法类似，蚁狮算法在解决如水电机组大型复杂系统的问题时可能出现易陷入“早熟”和局部收敛问题，使得目前ALO算法在收敛快速性和精确度上还存在不足，难以满足目前水轮机调速系统参数辨识的要求。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于改进型蚁狮算法的水电机组参数辨识方法。本发明技术方案的方法，针对目前蚁狮优化算法收敛快速性和精确度不足的情况，本发明技术方案融合了粒子群算法，加快收敛速度；引入混沌Logistics变异算子，并在混沌变异过程中采用并行和串行结合的方法来获取新粒子，增大种群的多样性，避免过早陷入局部最优。可以大大提高水轮机调速系统参数辨识的可靠性和精确度。

为实现上述目的，按照本发明的一个方面，提供了一种水电机组参数闭环辨识方法，其特征在于，包括

S1建立实际的水轮机调速闭环系统模型，确定对应的辨识系统模型；

S2确定水电机组参数辨识的目标函数和/或辨识策略；

S3向实际系统和辨识系统输入激励信号，获取实际系统的输出信号和辨识系统的标准信号；

S4利用目标函数对输出信号和标准信号进行预处理；根据预处理结果，采用改进的蚁狮算法对水轮机调速闭环系统进行参数辨识；根据辨识策略获取水电机组的最优辨识参数；

其中，步骤S4中蚁狮算法的优化过程包括，

S41根据预处理结果，随机生成蚂蚁群和蚁狮群；获取每只蚂蚁和蚁狮的适应度值，根据适应度值的大小确定精英蚁狮；