一种混流式水轮发电机调速器空载PID参数优化方法技术

本实施例提供一种混流式水轮发电机调速器空载PID参数优化方法，涉及智能优化控制技术领域。该方法包括：随机产生初始化种群，并确定初始温度T

An optimization method of no-load PID parameters of Francis turbine generator governor

【技术实现步骤摘要】
一种混流式水轮发电机调速器空载PID参数优化方法
本申请涉及智能优化控制
，尤其涉及一种混流式水轮发电机调速器空载PID参数优化方法。
技术介绍
对于混流式水轮发电机，其水轮发电机调速器的空载PID(ProportionIntegrationDifferentiation，比例积分微分)参数主要用于在水轮发电机机组空载运行下，对水轮发电机导叶的调节，从而使得机组频率能够稳定在一定范围内，而调速器的空载PID参数(包括KP、KI、KD及bp等)的选择直接关系到PID调节品质的优劣。目前，混流式水轮发电机调速器空载PID参数，通常是由电力测试人员通过现场调速系统空载频率扰动和空载频率摆动试验整定并优化的。具体地，电力测试人员在优化PID参数的过程中，需要不断的调整PID参数进行测试，从而根据经验人工确定一个最优PID参数。由此可见，该方法不仅使得现场工作量较大，而且电力测试人员无法准确判断选定的PID参数的优劣，从而无法保证根据该PID参数调节后的水轮发电机机组在运行过程中的稳定性。
技术实现思路
本申请提供了一种混流式水轮发电机调速器空载PID参数优化方法，以解决现有PID参数调节方法工作量大，无法保证水轮发电机机组在运行过程中的稳定性的问题。一种混流式水轮发电机调速器空载PID参数优化方法，包括：随机产生初始化种群，并确定初始温度T0以及最终温度T1，所述初始化种群包括多组PID参数；使用改进的教与学算法对种群进行迭代优化，在所述算法中，一个种群为一个班级，PID参数为学员，PID参数的评价指标为学员的学习成绩，评价指标根据混流式水轮发电机调速器的空载扰动数学模型和评价指标公式计算；所述改进的教与学算法包括步骤S1-S5：S1计算当前班级中每个学员的学习成绩，将学习成绩最好的学员确定为Xteacher；S2根据Xteacher和教学公式，教当前班级中的每一个学员；S3根据替代公式，使用每个学员学习后的成绩替代学习前的成绩；S4对每一个学员Xi,(i＝1,…,NP)，从班级中随机选取一个学习对象Xj，(j＝1,…,NP)，并利用学习公式对Xj进行学习，获得优化后的班级，其中，NP为班级中的学员个数；S5重复执行上述步骤S1-S4，直至T(gen+1)＜T1，其中，T(gen+1)＝γ*T(gen)，γ∈(0,1)，T(gen)为当前迭代次数下的温度；从迭代优化后的种群中选取一组评价指标最小的PID参数，作为最优PID参数。可选的，每一组所述PID参数包括KP、KI、KD和bp，其中，KP、KI、KD和bp均为实数，KP为比例增益，KI为积分增益，KD为微分增益，bp为永态转差系数，KP∈[0,10]、KI∈[0,10]、KD∈[0,5]、bp∈[0,1％]。可选的，所述种群的规模popsize＝n*10，其中n为种群中PID参数的个数。可选的，教学公式为difference＝ri*(Xteacher-TFi*mean)和其中，和分别表示第i个学员学习前的值和学习后的值；是所有学员的平均值，TFi＝round[1+rand(0,1)]为教学因子，ri＝rand(0,1)为第i个学员的学习因子，NP为班级中的学员个数。可选的，所述替代公式包括：其中，T为当前迭代次数下的温度值，Pchoose(gen)表示当前迭代次数gen下的选择概率，表示当前迭代次数gen下，学员i学习后的成绩，表示当前迭代次数gen下，学员i学习后的成绩r为取值rand(0,1)的随机数。可选的，所述学习公式为其中，ri＝U(0,1)表示学员i的学习因子，f(Xi)为学员Xi的学习成绩，f(Xj)为学员Xj的学习成绩。可选的，混流式水轮发电机调速器的空载扰动数学模型，对信号F(s)-F1(s)依次使用调速系统PID控制数学模型、调速系统执行机构数学模型、引水系统数学模型及发电机及负荷数学模型进行运算，使得e(s)逐渐减小；其中，F1(s)为机组频率扰动；F(s)为机组仿真频率；e(s)为扰动频率与仿真频率偏差；所述调速系统PID控制数学模型为其中，FC为机组给定频率，FG为机组实际频率，T1v为微分时间常数，YPID为PID控制信号输出，s为拉氏算子；所述调速系统执行机构数学模型的执行流程为：对输入信号YPID依次进行KP1放大、死区约束、积分、限速、限位运算后转变为YG信号；所述引水系统数学模型为其中，Ky为水流修正系数，Tw为水流惯性时间常数，P(s)为机组机械功率；所述发电机及负荷数学模型为其中，F(s)为机组频率，Ta为机组惯性时间常数，en为机组静态频率自调节特性系数。可选的，所述评价指标公式为其中，t为时间单位，ts为时间积分上限。本申请提供的技术方案包括以下有益技术效果：本实施提供的混流式水轮发电机调速器空载PID参数优化方法，提出了混流式水轮发电机调速系统空载PID扰动模型和ITLBO优化方法，使优化过程的表达更加清晰，优化结果更加可信，有利于保证水轮发电机机组使用优化后的PID参数运行过程中的稳定性。附图说明为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本申请实施例提供的混流式水轮发电机调速器的空载扰动数学模型的运算示意框图；图2为本申请实施例提供的混流式水轮发电机调速系统PID控制数学模型的运算示意框图；图3为本申请实施例提供的混流式水轮发电机调速系统执行机构数学模型的运算示意框图；图4为本申请实施例提供的混流式水轮发电机引水系统数学模型的运算示意框图；图5为本申请实施例提供的混流式水轮发电机的发电机及负荷数学模型的运算示意框图；图6为本申请实施例提供的混流式水轮发电机调速器空载PID参数优化方法的流程图；图7为本申请实施例提供的基于改进的教与学优化算法的流程图。具体实施方式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、完整的描述，显然，所描述的实施例仅仅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。本申请实施例提供一种混流式水轮发电机调速器空载PID参数优化方法，用于对混流式水轮发电机调速器的PID参数进行优化，以提高水轮发电机机组运行的稳定性。其中，PID参数包括KP、KI、KD和bp，KP为比例增益，KI为积分增益，KD为微分增益，bp为永态转差系数。由于对该优化方法的执行依赖于混流式水轮发电机调速器的空载扰动数学模型和一个PID参数的评价指标，因此，本实施例首先对该空载扰动数学模型和该评价指标的计算方法进行说明。本本文档来自技高网...

【技术保护点】
1.一种混流式水轮发电机调速器空载PID参数优化方法，其特征在于，包括：/n随机产生初始化种群，并确定初始温度T

【技术特征摘要】
1.一种混流式水轮发电机调速器空载PID参数优化方法，其特征在于，包括：
随机产生初始化种群，并确定初始温度T0以及最终温度T1，所述初始化种群包括多组PID参数；
使用改进的教与学算法对种群进行迭代优化，在所述算法中，一个种群为一个班级，PID参数为学员，PID参数的评价指标为学员的学习成绩，所述评价指标根据混流式水轮发电机调速器的空载扰动数学模型和评价指标公式计算；所述改进的教与学算法包括如下步骤S1-S5：
S1计算当前班级中每个学员的学习成绩，将学习成绩最好的学员确定为Xteacher；
S2根据Xteacher和教学公式，教当前班级中的每一个学员；
S3根据替代公式，使用每个学员学习后的成绩替代学习前的成绩；
S4对每一个学员Xi,(i＝1,…,NP)，从班级中随机选取一个学习对象Xj，(j＝1,…,NP)，并利用学习公式对Xj进行学习，获得优化后的班级，其中，NP为班级中的学员个数；
S5重复执行上述步骤S1-S4，直至T(gen+1)＜T1，其中，T(gen+1)＝γ*T(gen)，γ∈(0,1)，T(gen)为当前迭代次数下的温度；
从迭代优化后的种群中选取一组评价指标最小的PID参数，作为最优PID参数。


2.根据权利要求1所述的方法，其特征在于，每一组所述PID参数包括KP、KI、KD和bp，其中，KP、KI、KD和bp均为实数，KP为比例增益，KI为积分增益，KD为微分增益，bp为永态转差系数，KP∈[0,10]、KI∈[0,10]、KD∈[0,5]、bp∈[0,1％]。


3.根据权利要求1或2所述的方法，其特征在于，所述种群的规模popsize＝n*10，其中n为种群中PID参数的个数。


4.根据权利要求1或2所述的方法，其特征在于，所述教学公式为difference＝ri*(Xteacher-TFi*mean)和其中，和分别表示第i个学员学习前的值和学习后的值...

【专利技术属性】
技术研发人员：陈晓云，陆海，梁俊宇，
申请(专利权)人：云南电网有限责任公司电力科学研究院，
类型：发明
国别省市：云南;53