[发明专利]一种基于混合粒子群优化算法的PSS4B参数整定方法

摘要

本发明公开了一种基于混合粒子群优化算法的PSS4B参数整定方法，首先将PSS4B双输入模型转化为以转速偏差为输入信号的单输入模型，然后求其传递函数的相角，即PSS4B的相频特性；对于常规自并励励磁系统和无补偿相频特性滞后较大的三机励磁系统，针对三个频段的两阶超前‑滞后相位补偿环节时间常数，有选择性地设置不同的优化变量，建立PSS4B参数优化模型；并利用混合粒子群优化算法进行PSS4B参数整定，在每次迭代中根据杂交概率选取指定数量的粒子放入杂交池中，两两杂交产生同样数目的子代粒子，并用子代粒子替换亲代粒子，以提高寻优能力。本发明能高效便捷地满足不同类型励磁系统的相位补偿要求。

主权项

1.一种基于混合粒子群优化算法的PSS4B参数整定方法，其特征在于：包括以下步骤：步骤1：现场测量励磁系统无补偿相频特性步骤2：将电功率信号乘以一阶惯性环节转化为转速信号，从而将以电功率P_e和转子转速偏差Δω为输入信号的电力系统稳定器PSS4B双输入模型转化为以转速偏差Δω为输入信号的单输入模型；由单输入模型得到PSS4B的传递函数TF；再计算传递函数TF的相角Phase(TF)，即为PSS4B的相频特性中待定参数为PSS4B超前‑滞后相位补偿环节时间常数；步骤3：根据励磁系统的不同，设置不同的待优化变量；对于常规自并励励磁系统，令PSS4B低频段和中频段超前‑滞后相位补偿环节的时间常数为0；设置PSS4B的相频特性中待优化变量为PSS4B高频段超前‑滞后相位补偿环节时间常数：TH3,TH4,TH5,TH6∈[0.01,10]；对于无补偿相频特性滞后较大的三机励磁系统，设置PSS4B的相频特性中待优化变量为PSS4B低中高三个频段的超前‑滞后相位补偿环节时间常数：步骤4：根据步骤3中设置的待优化变量，以励磁系统无补偿相频特性和PSS4B的相频特性相加为0为目标，建立PSS4B参数优化模型：其中，为励磁系统的无补偿相频特性上频率点f_m对应的相位大小；为PSS4B的相频特性上频率点f_m对应的相位大小；为励磁系统有补偿相频特性；fm(m＝1,2,…,M)为0.1～2.0Hz范围内的M个频率点；fb为本机振荡点频率；步骤5：基于混合粒子群优化算法求解PSS4B参数优化模型，得到待优化变量的取值；具体包括以下步骤：①设在D维的空间中，有一个种群，其中包含了N个粒子，第i个粒子进行第t次迭代的位置记为Xi(t)＝[xi,1(t),…,xi,j(t),…,xi,D(t)],i＝1,2,…,N；速度记为Vi(t)＝[vi,1(t),…,vi,j(t),…,vi,D(t)],i＝1,2,…,N；设定的粒子各维度位置和速度的最大、最小值，分别为记为Xmax、Xmin、Vmax和Vmin；t为迭代次数，初始化t＝1；设置最大迭代次数；使用rand函数随机产生种群中各粒子的初始位置Xi(1)和速度Vi(1)；每个粒子的位置代表一组待优化变量的取值；空间维数D等于待优化变量的个数，对于常规自并励励磁系统，设置D＝4，Xi(t)中的4个维度位置分别代表TH3,TH4,TH5,TH6的取值；对于无补偿相频特性滞后较大的三机励磁系统，D＝12，Xi(t)中的12个维度位置分别代表TL3,TL4,TH5,TL6,TI3,TI4,TI5,TI6,TH3,TH4,TH5,TH6的取值；②对于每一个粒子，按以下步骤计算考虑了约束条件的粒子的适应值F；1)将粒子的位置作为一组待优化变量的取值，代入步骤2得到的PSS4B的相频特性中，计算PSS4B的相频特性上频率点f_m对应的相位大小2)读取步骤1测得的励磁系统无补偿相频特性上频率点f_m对应的相位大小3)根据公式计算励磁系统有补偿相频特性上频率点f_m对应的相位大小4)判断是否满足以下约束条件：当满足约束条件时，令粒子的适应值F＝J；当不满足约束条件任何一项时，首先通过以下方法计算惩罚项：当励磁系统有补偿相频特性或时，pun＝10000；当在本机振荡点频率f_b处，若或pun＝1000；然后在J上加上一个相应的惩罚项pun，得到粒子的适应值F：F＝J+pun；③将当前各粒子的位置和粒子的适应值存储在各粒子的个体最优解pbest(t)中，比较所有粒子的个体最优解pbest(t)中的适应值，得到适应值最小的粒子，将其位置和适应值存储于种群最优解gbest(t)中；④进入迭代过程，根据以下公式来更新粒子的速度和位置：vi,j(t+1)＝wvi,j(t)+c1r1[pbest(t)‑xi,j(t)]+c2r2[gbest(t)‑xi,j(t)]xi,j(t+1)＝xi,j(t)+vi,j(t+1)Xi(t+1)＝[xi,1(t+1),…,xi,j(t+1),…,xi,D(t+1),i＝1,2,…,NVi(t+1)＝[vi,1(t+1),…,vi,j(t+1),…,vi,D(t+1),i＝1,2,…,N其中，Xi(t+1)表示第t次迭代得到的第i个粒子的位置；Vi(t+1)表示第t次迭代得到的第i个粒子的速度；若xi,j(t+1)超出最大值Xmax或最小值Xmin，则用Xmax或Xmin替代；若vi,j(t+1)超出最大值Vmax或最小值Vmin，则用Vmax或Vmin替代；w为惯性权重，c1和c2为正的学习因子，r1和r2为0到1之间均匀分布的随机数；⑤根据步骤②中粒子的适应值F的计算方法更新每个粒子的适应值F；并根据粒子的适应值F更新个体最优解pbest(t)和种群最优解gbest(t)：分别将每个粒子的适应值F与存储在其个体最优解pbest(t)中的适应值相比，如果适应值F小于存储在其个体最优解pbest(t)中的适应值，则将pbest(t)中存储的粒子位置和适应值更新为粒子当前的位置和适应值；并将所有粒子当前的个体最优解pbest(t)中的适应值与存储在种群最优解gbest(t)中的适应值相比，得到当前适应值最小的粒子，将gbest(t)中存储的粒子位置和适应值更新为当前适应值最小的粒子的位置和适应值；⑥根据杂交概率选取指定数量的粒子放入杂交池内，池中的粒子随机两两杂交产生同样数目的子代粒子，子代粒子的位置和速度计算公式如下：其中，p为0到1之间的随机数；parent1(x)和parent2(x)分别为两个双亲粒子的位置；parent1(v)和parent2(v)分别为两个双亲粒子的速度；child1(x)和child2(x)分别为两个子代粒子的位置；child1(v)和child2(v)分别为两个子代粒子的速度；⑦使用步骤⑥中公式生成的子代粒子取代其双亲粒子；⑧判断当前迭代次数是否等于最大迭代次数，若等于，则停止搜索，将存储在种群最优解gbest(t)中的粒子位置和适应值输出，输出的粒子位置即为待优化变量的取值；否则，令迭代次数加1，并返回④继续搜索。