[发明专利]一种水轮机调节系统控制参数的方法

权利要求书

1.一种水轮机调节系统控制参数的方法，其特征在于，包含以下步骤：

(1)建立水轮机调节系统的仿真模型，

(2)建立上述水轮机调节系统的控制参数优化目标函数，

(3)运用启发式优化算法求解步骤(2)中目标函数，获得最优控制参数。

2.根据权利要求1所述的一种水轮机调节系统控制参数的方法，其特征在于，所述水轮机调节系统的仿真模型包括PID控制器、电液随动系统、引水系统与水轮机、发电机及负载，电液随动系统、引水系统与水轮机、发电机及负载构成控制对象，由PID控制器进行调节控制，PID控制器根据机组频率偏差产生调节控制信号驱动电液随动系统，改变水轮机导叶开度，水轮机进口流量随之发生改变，在水轮机导叶开度改变瞬间，引水系统中往往发生水锤现象，导致水轮机蜗壳压力发生变化；水轮机进口流量和蜗壳压力的变化，会使水轮机力矩发生改变，从而使水轮机力矩与发电机的负载阻力矩产生差值，发电机转速随之发生变化，转速改变同步地调节了频率大小，达到调节机组频率的目的，PID控制器中K_P、K_I和K_D分别为比例、积分和微分增益，是需要整定的控制参数，当PID控制参数变化时，通过水轮机调节系统仿真模型可以获得对应的系统输出。

3.根据权利要求1所述的一种水轮机调节系统控制参数的方法，其特征在于，所述步骤(2)具体是：采用离散时间误差绝对值积分(Integral Time Absolute Error，ITAE)指标作为控制参数优化的目标函数，目标函数定义为：

其中，优化变量K_P、K_I和K_D分别为比例、积分和微分增益，c(k)为频率扰动值，为一常数，x为机组频率响应，是水轮机调节系统输出，受控制参数影响，N_s为采样点数，T(k)为时间序列。

4.根据权利要求1所述的一种水轮机调节系统控制参数的方法，其特征在于，所述步骤(3)包含以下步骤：

A、算法初始化：设置算法参数，包括群体规模N、总迭代数T、个体随机搜索数量N_l，淘汰幅度系数σ、跳跃阈值p；确定PID控制参数范围，K_P∈[K_P,min,K_P,max]，K_I∈[K_I,min,K_I,max]，K_D∈[K_D,min,K_D,max]，确定优化变量边界[B_L,B_U]，B_L＝[K_P,min,K_I,min,K_D,min]，B_U＝[K_P,max,K_I,max,K_D,max]，K_P,min,K_P,max分别为比例控制系数的最小值和最大值，K_I,min,K_I,max分别为积分控制系数的最小值和最大值，K_D,min,K_D,max分别为微分控制系数的最小值和最大值，在此区间初始化群体中所有个体的位置向量，个体位置向量X_i＝[K_P,i,K_I,i,K_D,i],i＝1,...,N，代表一组控制参数；令当前迭代次数t＝0；

B、计算个体的目标函数值过程如下：从个体i位置向量X_i(t)解码得到控制参数，其中K_P、K_I和K_D分别为位置向量中的第一、第二和第三个元素，将控制参数代入步骤(1)中水轮机调节系统仿真模型，仿真得到系统状态变量随时间的变化过程。得到控制器输出x，按照步骤(2)中目标函数得到个体i的目标函数值进一步，计算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X_B(t)；

C、对所有个体X_i,i＝1,...,N进行个体随机搜索，计算惯性向量

C-1、令个体搜索次数l＝0；

C-2、观望一个位置计算

rand为(0，1)之间随机数，ε_play为观望步长，ε_play＝0.1·||B_U-B_L||；

C-3、计算下一个当前位置

rand为(0，1)之间随机数，ε_step为惯性步长，ε_step＝0.2·||B_U-B_L||；

C-4、l＝l+1，如果l＜N_l，转至Step3.2；否则，转至Step4；

D、计算每个个体受当前最优个体召唤向量

其中δ_i为中第i个个体与当前最优个体的距离向量，随机数c₁＝2·rand，c₂＝(2·rand-1)(1-t/T)，rand为(0，1)之间随机数；由此可知c₁为(0，2)之间的随机数，表示当前最优个体的号召力，当c₁＞1时，表示当前最优个体的影响力增强，反之减弱；c₂为动态随机数，其所以c₂的随机范围由1线性递减到0；

E、按照个体位置更新公式更新个体位置：

F、判断个体是否需要被淘汰并重新初始化：

F-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]；

F-2、被淘汰的个体初始化：

X_i＝rand(1,D)×(B_U-B_L)+B_L

其中，D为位置向量维数，D＝3；

G、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：

其中R为反演半径，R＝0.1·||B_U-B_L||；rand为(0，1)之间随机数，p为跳跃阈值；

H、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；否则，转入Step2。当前最优个体位置即为最优控制参数向量。