[发明专利]基于BP-FOA混合算法的水轮机调速系统优化方法

摘要

本发明公开了一种基于BP‑FOA混合算法的水轮机调速系统优化方法，先采集水轮机调速系统参数，建立水轮机调速系统模型，然后采用果蝇优化算法优化调节参数kp,ki,kd，然后利用BP神经网络的深度搜索特性对优化后的调节参数kp、ki、kd进行优化求解，最后，判断优化后的性能指标在达到最大迭代次数时是否输出最优参数，是则结束进程，否则返回；本发明能够在摆脱水轮机调速系统陷入局部最优的同时增强了收敛精度，优化更为全面和合理，符合POPID调节参数多、调节要求精度高的特点。

主权项

1.一种基于BP‑FOA混合算法的水轮机调速系统优化方法，其特征在于：包括以下步骤:A、采集水轮机调速系统参数，建立水轮机调速系统模型；将k_p,k_i,k_d三个调节参数转换为由暂态转差系数b_t，缓冲时间常数T_d，加速度时间常数T_n表示的水轮机相关系数，经过Laplace变换后FOPID的传递函数为：公式(1)中，y_FOPID表示调速器电气控制信号输出，T_d表示缓冲时间常数，T_n表示加速度时间常数，b_t表示暂态转差系数，S表示拉式算子，α表示积分阶次，β表示微分阶次，当α、β都等于1时则变为经典PID，k_p表示比例增益值，k_i表示积分增益值，k_d表示微分增益值；B、采用果蝇优化算法优化调节参数k_p,k_i,k_d；具体为：b1：建立调节参数k_p,k_i,k_d的果蝇种群；b2：初始化果蝇种群规模和最大迭代次数，随机产生果蝇种群位置X_axis和Y_axis；b3：随机化果蝇种群位置与方向，根据位置与原点距离D_Dist判定味道浓度值S_i；b4：计算果蝇个体的味道浓度，将味道浓度值S_i带入味道浓度判定函数F_function中，并从每个果蝇群体中找到味道浓度最优个体；b5：保留下最优味道浓度b_bestsmell与对应位置(X_i，Y_i)，果蝇群体S_smell飞向该坐标；C、利用BP神经网络的深度搜索特性对优化后的调节参数k_p、k_i、k_d进行优化求解；具体为：定义BP神经网络输出层，更新果蝇个体，选取E(k)为性能误差指标，同时保留味道最浓果蝇个体；D、判断步骤C所得性能指标在达到最大迭代次数时是否输出最优参数，是则结束进程，否则返回步骤B。