本发明专利技术公开了一种基于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；本发明专利技术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。
Optimization method of turbine governing system based on bp-foa hybrid algorithm
【技术实现步骤摘要】
基于BP-FOA混合算法的水轮机调速系统优化方法
本专利技术涉及水轮机调速系统优化
，尤其涉及一种基于BP-FOA混合算法的水轮机调速系统优化方法。
技术介绍
传统的水轮机调速系统控制结构一般采用并联PID控制，具有简单易操作等优势.随着电力系统的发展，对水电机组的稳定性要求也在不断提高，PID控制的水轮机系统启动时稳定慢，出现系统负荷波动时稳定性差，面对电力系统的突发事件自我调节能力不足等诸多问题。面对传统经典水轮机调速系统的缺点大量学者提出了先进的智能化控制方式，如模糊PID控制、BP神经网络控制、混沌粒子群控制等，这些研究对水轮机调速系统进一步优化，使水轮机的调速性能有了明显改善，但在响应系统要求、减小对电力系统冲击等方面尚有欠缺。
技术实现思路
本专利技术的目的是提供一种基于BP-FOA混合算法的水轮机调速系统优化方法，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。本专利技术采用的技术方案为：基于BP-FOA混合算法的水轮机调速系统优化方法，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kp,ki,kd三个调节参数转换为由暂态转差系数bt，缓冲时间常数Td，加速度时间常数Tn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，yFOPID表示调速器电气控制信号输出，Td表示缓冲时间常数，Tn表示加速度时间常数，bt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，kp表示比例增益值，ki表示积分增益值，kd表示微分增益值；B、采用果蝇优化算法优化调节参数kp,ki,kd；具体为：b1：建立调节参数kp,ki,kd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Xaxis和Yaxis；b3：随机化果蝇种群位置与方向，根据位置与原点距离DDist判定味道浓度值Si；b4：计算果蝇个体的味道浓度，将味道浓度值Si带入味道浓度判定函数Ffunction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bbestsmell与对应位置(Xi，Yi)，果蝇群体Ssmell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kp、ki、kd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。进一步地，所述步骤A中水轮机调速系统模型将负荷和发电机模型等效为一阶的传递函数；水轮机调速器PID调节器的输出表达式为：YPID＝YP+YI+YD(2)YP＝KPΔF(3)公式(2)至公式(5)中，YP、YI、YD分别为PID控制单元输出的比例参量、积分参量和微分参量，KP、KI、KD分别为比例积分、积分增益值和微分增益值，S为拉式算子，ΔF＝C1，C1为常数，ΔI为积分项，YC为导叶开度给定，T1V为微分时间常数，YPID表示调速器电气控制信号输出，bp为永态转差机构系数。进一步地，所述步骤b4中计算果蝇个体的味道浓度，并从每个果蝇群体中找到味道浓度最优个体的表达公式如下：公式(6)中，Ffunction表示味道浓度判定函数；Ssmell表示果蝇群体，min(Ssmell)表示在Ssmell这个果蝇群体中味道浓度最优个体；。进一步地，所述步骤b5的表达公式为:公式(7)中，bbestsmell表示最优味道浓度。进一步地，所述步骤C具体为：c1：将果蝇位置坐标输入BP神经网络的隐藏层，定义输入输出；公式(8)中，表示隐藏层输入，Zi(k)(2)表示隐藏层输出，为隐层加权系数；c2：定义网络输出层，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。本专利技术具有以下有益效果：基于国内广泛使用水轮机控制方式-以PID控制为基础的调节方式，利用BP神经网络和果蝇优化算法组合的混合算法对PID水轮机调速系统进行参数优化，使其能够更加快速的稳定转速，同时减小了启动时转速的上下震荡，增强了调速系统的稳定性与可靠性，对比于利用BP神经网络和FOA算法优化的PID调速系统稳定性有了进一步的提升，且适用范围广泛。附图说明图1为本专利技术的流程图；图2为具体实施方式中负载扰动时BP-PID控制与BPFOA-PID控制结果对比波形图。具体实施方式如图1所示，本专利技术包括以下步骤:A、采集水轮机调速系统参数，建立水轮机调速系统模型；将kp,ki,kd三个调节参数转换为由暂态转差系数bt，缓冲时间常数Td，加速度时间常数Tn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，yFOPID表示调速器电气控制信号输出，Td表示缓冲时间常数，Tn表示加速度时间常数，bt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)，kp表示比例增益值，ki表示积分增益值，kd表示微分增益值；B、采用果蝇优化算法优化调节参数kp,ki,kd；具体为：b1：建立调节参数kp,ki,kd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Xaxis和Yaxis；b3：随机化果蝇种群位置与方向，根据位置与原点距离DDist判定味道浓度值Si；b4：计算果蝇个体的味道浓度，将味道浓度值Si带入味道浓度判定函数Ffunction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bbestsmell与对应位置(Xi，Yi)，果蝇群体Ssmell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kp、ki、kd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。为了更好地理解本专利技术，下面结合附图对本专利技术的技术方案做进一步说明。基于BP-FOA混合算法的水轮机调速系统优化方法，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。经典的水轮机调速系统为整数PID控制，将kp,ki,kd三个调节参数转换为由暂态转差系数bt，缓冲时间常数Td，加速度时间常数Tn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，yFOPID表示调速器电气控制信号输出，Td表示缓冲时间常数，Tn表示加速度时间常数，bt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)，kp表示比例增益值，ki表示积分增益值，kd表示微分增益值；水轮机调速系统模型将负荷和发电机模型等效为一阶的传递函数；水轮机调速器PID调节器的输出表达式为：YPID＝YP+YI+YD(2)YP＝KPΔF(3)公式(2)至公式(5)中，YP、YI、YD分别为PID控制单元输出的比例参量、积分参量和微分参量，KP、KI、KD分别为比例积分、微分增益值和积分增益值本文档来自技高网...
【技术保护点】
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kp,ki,kd三个调节参数转换为由暂态转差系数bt，缓冲时间常数Td，加速度时间常数Tn表示的水轮机相关系数，经过Laplace变换后FOPID的传递函数为：
【技术特征摘要】
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kp,ki,kd三个调节参数转换为由暂态转差系数bt，缓冲时间常数Td，加速度时间常数Tn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，yFOPID表示调速器电气控制信号输出，Td表示缓冲时间常数，Tn表示加速度时间常数，bt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，kp表示比例增益值，ki表示积分增益值，kd表示微分增益值；B、采用果蝇优化算法优化调节参数kp,ki,kd；具体为：b1：建立调节参数kp,ki,kd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Xaxis和Yaxis；b3：随机化果蝇种群位置与方向，根据位置与原点距离DDist判定味道浓度值Si；b4：计算果蝇个体的味道浓度，将味道浓度值Si带入味道浓度判定函数Ffunction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bbestsmell与对应位置(Xi，Yi)，果蝇群体Ssmell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kp、ki、kd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。2.根据权利要求1所述...
【专利技术属性】
技术研发人员：熊军华，张兴旺，王亭岭，史宏杰，阿旺多杰，姜耀鹏，
申请(专利权)人：华北水利水电大学，
类型：发明
国别省市：河南,41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。