基于PSO-ABFO再热汽温PID控制器参数优化方法技术

本发明专利技术公开了一种基于PSO‑ABFO再热汽温PID控制器参数优化方法，首先通过将粒子群算法的思想引入到标准细菌觅食算法，利用自适应步长策略改进细菌的游动步长，再将再热汽温系统当作优化控制器的控制对象，获取目标函数，对控制器参数进行搜索寻优，最后将所优化的PID控制器应用到再热汽温控制系统中。该方法在标准细菌觅食算法的基础上，通过对细菌的寻优策略、健康度的重新定义、迁移策略的改进以及自适应步长策略的应用，使算法的收敛速度和优化精度都有很大的提高，并且发明专利技术的参数优化方法应用到再热汽温系统中，得到很好的控制效果，最终使鲁棒性显著增强。

Parameter optimization method of PID controller for Reheated Steam Temperature Based on PSO-ABFO

The invention discloses a parameter optimization method of PID controller based on PSO ABFO reheat steam temperature. First, the idea of particle swarm optimization is introduced into the standard bacterial foraging algorithm, and the adaptive step length strategy is used to improve the walking length of the bacteria. Then the reheat steam temperature system is used as the control object of the optimized controller and the objective function is obtained. The controller parameters are searched and optimized. Finally, the optimized PID controller is applied to the reheated steam temperature control system. On the basis of the standard bacterial foraging algorithm, the method has greatly improved the convergence speed and optimization accuracy of the algorithm through the optimization strategy of bacteria, the redefinition of health degree, the improvement of the migration strategy and the application of the adaptive step strategy, and the invention of the method of parameter optimization is applied to the reheat steam temperature system. Good control effect is obtained, and finally the robustness is enhanced significantly.

【技术实现步骤摘要】
基于PSO-ABFO再热汽温PID控制器参数优化方法
本专利技术涉及信息控制
，特别是涉及一种基于PSO-ABFO再热汽温PID控制器参数优化方法。
技术介绍
截止到2016年年底，我国发电装机容量为16.5亿千瓦，火电装机容量站总装机容量的63.7％，火力发电依然是我国主要的发电形式，然而随着经济进入新常态，面对资源和环境的双重约束，火电行业面临的形势越来越严峻。再热汽温控制系统是火电机组控制系统的重要组成部分，控制器设计的好坏关系到再热汽温系统的发电质量甚至火电机组运行安全，是火电机组温度控制系统设计的重要内容，目前的再热汽温控制系统大多数采用PID控制技术，随着自动控制技术的发展，对火电机组控制器要满足的稳定性和鲁棒性能要求越来越高，对控制器参数优化方法的要求也日益增高。以往的经典优化算法是在计算速度、收敛性、初值敏感性等方面都远不能满足要求，已无力解决实际应用中越来越复杂的优化问题。随着各种智能优化方法的产生，细菌觅食算法也得到了很好的发展，不少学者对其进行研究，取得了一定成果的同时，也大大促进了该算法在工程领域中的应用。目前虽然也有一些将标准细菌觅食算法应用到热工系统PID控制器参数优化的解决方案，但采用标准细菌觅食算法，其收敛速度慢，优化精度不高，导致PID控制器参数优化方法的鲁棒性较低。
技术实现思路
为此，本专利技术的一个实施例提出一种基于PSO-ABFO再热汽温PID控制器参数优化方法，解决现有技术收敛速度慢，优化精度不高的问题，以提升鲁棒性。根据本专利技术一实施例的基于PSO-ABFO再热汽温PID控制器参数优化方法，包括：以每一组可行的PID控制器参数作为一个细菌位置，利用基于粒子群改进的自适应细菌觅食算法搜索出最优的PID控制器参数，其中，所述基于粒子群改进的自适应细菌觅食算法包括以下步骤：步骤A，算法的参数初始化，设置细菌种群大小，优化变量维数，细菌复制、趋化、迁移最大次数，随机初始化菌群位置；步骤B，迁移循环迭代次数加1；步骤C，复制循环次数加1；步骤D，趋化循环次数加1；步骤E，计算初始菌群的适应度，并记录群体初始最优细菌的位置，计算每一个细菌的最终适应度，并分别出细菌翻转方向和游动步长；步骤F，更新细菌位置并计算新位置下细菌的适应度，判断是否在同一方向继续游动，若新位置下细菌的适应度得到改善，细菌继续沿相同方向游动，更新细菌位置和适应度，直到适应度不再改善或者达到最大游动步数，进入下一细菌的趋化操作；步骤G，趋化操作结束后，进入细菌复制阶段，计算每个细菌的健康度，将细菌按照健康度进行排序，根据顺序进行细菌的优胜劣汰的选择，将健康度较差的一部分细菌淘汰，健康度较高的细菌进行一分为二的复制，保持细菌总数不变，然后转入步骤C进行下一代的趋化操作；步骤H，菌群达到最大复制次数后，进入迁移阶段；步骤I，对于每个细菌，随机产生一个随机数，当这个随机数大于设定的概率时，对细菌进行迁移操作；否则，细菌要保持原位置继续寻优，然后转入步骤B，进行新一轮的趋化和复制；步骤H，当迁移次数大于最大迁移数时，输出优化结果，算法结束。根据本专利技术实施例的基于PSO-ABFO再热汽温PID控制器参数优化方法，首先通过将粒子群算法的思想引入到标准细菌觅食算法，利用自适应步长策略改进细菌的游动步长，再将再热汽温系统当作优化控制器的控制对象，获取目标函数，对控制器参数进行搜索寻优，最后将所优化的PID控制器应用到再热汽温控制系统中。该方法在标准细菌觅食算法的基础上，通过对细菌的寻优策略、健康度的重新定义、迁移策略的改进以及自适应步长策略的应用，使算法的收敛速度和优化精度都有很大的提高，并且专利技术的参数优化方法应用到再热汽温系统中，得到很好的控制效果，最终使鲁棒性显著增强，对提高火电机组的自动控制水平具有重要的现实意义。另外，根据本专利技术上述实施例的基于PSO-ABFO再热汽温PID控制器参数优化方法，还可以具有如下附加的技术特征：进一步地，在本专利技术的一个实施例中，所述步骤E中，采用以下公式计算每一个细菌的最终适应度Jca(i,j,k,l)；其中，j、k、l分别表示细菌当前所处趋化、复制、迁移次数，J(i,j,k,l)为第i个细菌的适应度，为当前细菌与其他细菌的影响因子，ha，wa，hr，wr分别是吸引剂数量、吸引剂释放速度、排斥剂数量和释放速度。进一步地，在本专利技术的一个实施例中，所述步骤E中，所述步骤E中，采用以下公式计算细菌翻转方向ΔM(i)和游动步长C(i)；ΔM(i)＝Δ(i)+(θi-θb)θrR1；其中，θ(i,j,k,l)表示细菌位置坐标，Dib指细菌i与最优位置细菌的位置距离，和分别是指所对应细菌位置向量的第m维分量，Cmax、Cmin分别指细菌的最大和最小步长。进一步地，在本专利技术的一个实施例中，所述步骤E中，所述步骤F中，采用以下公式更新细菌位置；进一步地，在本专利技术的一个实施例中，所述步骤E中，所述步骤G中，采用以下公式计算每个细菌的健康度进一步地，在本专利技术的一个实施例中，所述步骤E中，所述步骤I中，所述设定的概率为0.25。本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实施例了解到。附图说明本专利技术实施例的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：图1是根据本专利技术实施例的基于PSO-ABFO再热汽温PID控制器参数优化方法的流程示意图；图2是采用本专利技术方法对再热汽温系统PID控制器参数进行优化时的最小适应度变化曲线；图3是再热汽温在两种算法第3次优化所得PID控制器的控制作用下的系统输出曲线；图4是再热汽温在两种算法第3次优化所得PID控制器的控制作用下的控制器输出曲线；图5是380MW工况时，两种算法优化结果所对应的系统响应曲线；图6是600MW工况时，两种算法优化结果所对应的系统响应曲线。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请结合图1，本专利技术实施例提出的基于PSO-ABFO再热汽温PID控制器参数优化方法，包括：以每一组可行的PID控制器参数作为一个细菌位置，利用基于粒子群改进的自适应细菌觅食算法搜索出最优的PID控制器参数，其中，所述基于粒子群改进的自适应细菌觅食算法包括以下步骤：步骤A，算法的参数初始化，设置细菌种群大小，优化变量维数，细菌复制、趋化、迁移最大次数，随机初始化菌群位置；其中，细菌觅食优化算法(BacterialForagingOptimization，BFO)是2002年被一位名为K.M.Passino博士提出的一种细菌菌落优化算法，其基本原理是根据大肠杆菌本身的纤毛和细菌间的相互影响来完成信息交换，通过趋化、复制和迁移操作使细菌向营养浓度较高的地方移动，达到寻找参数最优解的目的。研究表明，标准BFO算法因为采用固定步长和随机翻转方向，则更加了菌群寻优的盲目性，不能快速的找到最优解。而本实施例提供的方法中，在本文档来自技高网...

【技术保护点】
一种基于PSO‑ABFO再热汽温PID控制器参数优化方法，其特征在于，包括：以每一组可行的PID控制器参数作为一个细菌位置，利用基于粒子群改进的自适应细菌觅食算法搜索出最优的PID控制器参数，其中，所述基于粒子群改进的自适应细菌觅食算法包括以下步骤：步骤A，算法的参数初始化，设置细菌种群大小，优化变量维数，细菌复制、趋化、迁移最大次数，随机初始化菌群位置；步骤B，迁移循环迭代次数加1；步骤C，复制循环次数加1；步骤D，趋化循环次数加1；步骤E，计算初始菌群的适应度，并记录群体初始最优细菌的位置，计算每一个细菌的最终适应度，并分别出细菌翻转方向和游动步长；步骤F，更新细菌位置并计算新位置下细菌的适应度，判断是否在同一方向继续游动，若新位置下细菌的适应度得到改善，细菌继续沿相同方向游动，更新细菌位置和适应度，直到适应度不再改善或者达到最大游动步数，进入下一细菌的趋化操作；步骤G，趋化操作结束后，进入细菌复制阶段，计算每个细菌的健康度，将细菌按照健康度进行排序，根据顺序进行细菌的优胜劣汰的选择，将健康度较差的一部分细菌淘汰，健康度较高的细菌进行一分为二的复制，保持细菌总数不变，然后转入步骤C进行下一代的趋化操作；步骤H，菌群达到最大复制次数后，进入迁移阶段；步骤I，对于每个细菌，随机产生一个随机数，当这个随机数大于设定的概率时，对细菌进行迁移操作；否则，细菌要保持原位置继续寻优，然后转入步骤B，进行新一轮的趋化和复制；步骤H，当迁移次数大于最大迁移数时，输出优化结果，算法结束。...

【技术特征摘要】
1.一种基于PSO-ABFO再热汽温PID控制器参数优化方法，其特征在于，包括：以每一组可行的PID控制器参数作为一个细菌位置，利用基于粒子群改进的自适应细菌觅食算法搜索出最优的PID控制器参数，其中，所述基于粒子群改进的自适应细菌觅食算法包括以下步骤：步骤A，算法的参数初始化，设置细菌种群大小，优化变量维数，细菌复制、趋化、迁移最大次数，随机初始化菌群位置；步骤B，迁移循环迭代次数加1；步骤C，复制循环次数加1；步骤D，趋化循环次数加1；步骤E，计算初始菌群的适应度，并记录群体初始最优细菌的位置，计算每一个细菌的最终适应度，并分别出细菌翻转方向和游动步长；步骤F，更新细菌位置并计算新位置下细菌的适应度，判断是否在同一方向继续游动，若新位置下细菌的适应度得到改善，细菌继续沿相同方向游动，更新细菌位置和适应度，直到适应度不再改善或者达到最大游动步数，进入下一细菌的趋化操作；步骤G，趋化操作结束后，进入细菌复制阶段，计算每个细菌的健康度，将细菌按照健康度进行排序，根据顺序进行细菌的优胜劣汰的选择，将健康度较差的一部分细菌淘汰，健康度较高的细菌进行一分为二的复制，保持细菌总数不变，然后转入步骤C进行下一代的趋化操作；步骤H，菌群达到最大复制次数后，进入迁移阶段；步骤I，对于每个细菌，随机产生一个随机数，当这个随机数大于设定的概率时，对细菌进行迁移操作；否则，细菌要保持原位置继续寻优，然后转入步骤B，进行新一轮的趋化和复制；步骤H，当迁移次数大于最大迁移数时，输出优化结果，算法结束。2.根据权利要求1所述的基于PSO-ABFO再热汽温PID控制器参数优化方法，其特征在于，所述步骤E中，采用以下公式计算每一个细菌的最终适应度Jca(i,j,k,l)；其中，j、k、l分别表示细菌当前所处趋化...

【专利技术属性】
技术研发人员：何钧，田园园，彭道刚，鄢波，刘世彬，
申请(专利权)人：国网江西省电力有限公司电力科学研究，国家电网公司，上海电力学院，上海厚尚电力科技有限公司，
类型：发明
国别省市：江西,36