一种基于遗传粒子群算法的汽轮机调速系统参数优化方法技术方案

本发明专利技术提出了一种基于遗传粒子群算法的汽轮机调速系统参数优化方法。首先构建了基于调速系统引发汽轮机功率振荡的数学模型，然后通过系统调节性能指标和动态稳定性能指标构建优化目标函数；结合超调量约束、稳态误差约束、优化参数上下限约束等约束条件，利用GA

【技术实现步骤摘要】
一种基于遗传粒子群算法的汽轮机调速系统参数优化方法


[0001]本专利技术涉及火电机组控制
，尤其涉一种基于遗传粒子群算法的汽轮机调速系统参数优化方法。

技术介绍

[0002]随着电网规模和结构的日益复杂，各类控制装置在电力系统中普及，机组侧辅助调节系统亦随之增加，机组调节性能提高的同时却对其动态稳定性产生了不利的影响。高灵敏度额辅助调节能力与机组稳定性不协调，使得近年来机组侧引发的功率振荡事故频发，严重威胁电网的安全稳定性。汽轮机调速系统中，不能孤立的去调整某个参数，需要联动地处理各个参数，要综合考虑调速系统参数之间的最佳匹配问题，探寻合适的方法进行优化，提高系统的调节性能和稳定性。
[0003]因此，需寻找一种能够综合考虑汽轮机调速系统各个参数并实现最佳匹配的优化方法，协调机组调节性能与电网安全稳定性，避免机组侧功率振荡事故的发生。

技术实现思路

[0004]本专利技术的目的是提供了一种基于遗传粒子群算法的汽轮机调速系统参数优化方法，可用于联动处理并优化汽轮机调速系统的各个参数并解决参数之间的最佳匹配问题，以克服
技术介绍
中存在的不足。
[0005]为了实现上述目的，本专利技术的技术方案为一种基于遗传粒子群算法的汽轮机调速系统参数优化方法，具体包括以下步骤：
[0006]步骤1：构建基于调速系统引发汽轮机功率振荡的数学模型，并设定调速系统所要优化的变量；
[0007]步骤2：根据调速系统所要优化的变量，通过系统调节性能指标以及系统动态稳定性能指标构建优化目标函数；
[0008]步骤3：分别构建超调量约束条件、稳态误差约束条件、优化参数上下限约束条件；
[0009]步骤4：结合超调量约束条件、稳态误差约束条件、优化参数上下限约束条件，利用GA
‑
PSO算法对优化后调速系统所要优化的变量进行优化，得到优化后调速器PID控制器的比例环节系数、优化后调速器PID控制器的积分环节系数、优化后转速偏差放大系数、优化后油动机时间常数、优化后汽轮机蒸汽容积时间常数、优化后高压缸比例系数；
[0010]步骤5：将优化后调速器PID控制器的比例环节系数、优化后调速器PID控制器的积分环节系数、优化后转速偏差放大系数、优化后油动机时间常数、优化后汽轮机蒸汽容积时间常数、优化后高压缸比例系数输入汽轮机调速系统，通过基于调速系统引发汽轮机功率振荡的数学模型进行控制；
[0011]作为优选，步骤1中所述基于调速系统引发汽轮机功率振荡的数学模型如下所示：
[0012][0013]式中，K
P
为调速器PID控制器的比例环节系数，K
I
为调速器PID控制器的积分环节系数，F
HP
为高压缸比例系数，T
o
为油动机时间常数，T
CH
为汽轮机蒸汽容积时间常数，ΔT为时间常数变化值，K
D
为功率振荡影响因子，Δω为角频率变化值，Δδ
m
为转速不等率变化值，ω为给定频率；
[0014]步骤1所述调速系统所要优化的变量包括：调速器PID控制器的比例环节系数、调速器PID控制器的积分环节系数、转速偏差放大系数、油动机时间常数、汽轮机蒸汽容积时间常数、高压缸比例系数；
[0015]作为优选，步骤2中所述系统调节性能指标定义为系统一次调频的平均误差，具体所示：
[0016][0017]式中，P
0,i
为第i次采样的一次调频指令，P
1,i
为第i次采样的实际的调频指令，N为总的采样次数；
[0018]步骤2中所述系统动态稳定性能指标定义为系统阻尼比，具体如下：
[0019][0020]式中，ζ表示系统阻尼比，α
z
表示阻尼因子，ω表示给定频率；
[0021]步骤2中所述优化目标函数表示为：
[0022][0023]式中，w1表示系统调节性能指标权值，w2表示系统动态稳定性能指标权值，q表示惩罚因子；
[0024]作为优选，步骤3中所述超调量约束条件为：
[0025]n(t)
‑
1.05ω≤0
[0026]式中，n(t)表示第t个时刻转速的变化量，t为时刻值，ω为给定频率；
[0027]步骤3中所述稳态误差约束为：
[0028]若t∈[0,τ0]时，
[0029]n(t)
‑
2ω+0.045ωt≤0且0.045ωt
‑
n(t)≤0
[0030]若t∈[τ0，τ1]时，
[0031]n(t)
‑
1.1ω≤0且0.9ω
‑
n(t)≤0
[0032]式中，τ0表示上升时间起始值，τ1表示调节时间起始值，n(t)表示第t个时刻转速的变化量，t为时刻值，ω为给定频率；
[0033]步骤3中所述优化参数上下限约束包括：
[0034][0035]其中，K
P
表示调速器PID控制器的比例环节系数；K
Pmin
表示调速器PID控制器的比例环节系数下限；K
Pmax
表示调速器PID控制器的比例环节系数上限；K
I
表示调速器PID控制器的积分环节系数；K
Imin
表示调速器PID控制器的积分环节系数下限；K
Imax
表示调速器PID控制器的积分环节系数上限；K表示转速偏差放大系数；K
min
表示转速偏差放大系数下限；K
max
表示转速偏差放大系数上限；T
o
表示油动机时间常数；T
omin
表示油动机时间常数下限；T
omax
表示油动机时间常数上限；T
CH
表示汽轮机蒸汽容积时间常数；T
CHmin
表示汽轮机蒸汽容积时间常数下限；T
CHmax
表示汽轮机蒸汽容积时间常数上限；F
HP
表示高压缸比例系数；F
HPmin
表示高压缸比例系数下限；F
HPmax
表示高压缸比例系数上限；
[0036]作为优选，步骤4所述利用GA
‑
PSO算法对优化后调速系统所要优化的变量进行优化，具体步骤如下：
[0037]步骤4.1：引入阶梯型惯性权重因子；
[0038]步骤4.2：初始化粒子群算法参数；
[0039]步骤4.3：依次构建粒子每一维度的速度的约束条件、超调量约束、稳态误差约束、优化参数上下限约束；
[0040]步骤4.4：根据系统一次调频的平均误差和系统阻尼比构建优化目标函数，以优化目标函数最小化作为优化目标，通过GA
‑
PSO算法优化得到优化后调速器PID控制器的比例环节系数、优化后调速器PID控制器的积分环节系数、优化后转速偏差放大系数、优化后油动机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遗传粒子群算法的汽轮机调速系统参数优化方法，其特征在于，包括以下步骤：步骤1：构建基于调速系统引发汽轮机功率振荡的数学模型，并设定调速系统所要优化的变量；步骤2：根据调速系统所要优化的变量，通过系统调节性能指标以及系统动态稳定性能指标构建优化目标函数；步骤3：分别构建超调量约束条件、稳态误差约束条件、优化参数上下限约束条件；步骤4：结合超调量约束条件、稳态误差约束条件、优化参数上下限约束条件，利用GA
‑
PSO算法对优化后调速系统所要优化的变量进行优化，得到优化后调速器PID控制器的比例环节系数、优化后调速器PID控制器的积分环节系数、优化后转速偏差放大系数、优化后油动机时间常数、优化后汽轮机蒸汽容积时间常数、优化后高压缸比例系数；步骤5：将优化后调速器PID控制器的比例环节系数、优化后调速器PID控制器的积分环节系数、优化后转速偏差放大系数、优化后油动机时间常数、优化后汽轮机蒸汽容积时间常数、优化后高压缸比例系数输入汽轮机调速系统，通过基于调速系统引发汽轮机功率振荡的数学模型进行控制。2.根据权利要求1所述的基于遗传粒子群算法的汽轮机调速系统参数优化方法，其特征在于，步骤1中所述基于调速系统引发汽轮机功率振荡的数学模型如下所示：式中，K
P
为调速器PID控制器的比例环节系数，K
I
为调速器PID控制器的积分环节系数，F
HP
为高压缸比例系数，T
o
为油动机时间常数，T
CH
为汽轮机蒸汽容积时间常数，ΔT为时间常数变化值，K
D
为功率振荡影响因子，Δω为角频率变化值，Δδ
m
为转速不等率变化值，ω为给定频率；步骤1所述调速系统所要优化的变量包括：调速器PID控制器的比例环节系数、调速器PID控制器的积分环节系数、转速偏差放大系数、油动机时间常数、汽轮机蒸汽容积时间常数、高压缸比例系数。3.根据权利要求1所述的基于遗传粒子群算法的汽轮机调速系统参数优化方法，其特征在于，步骤2中所述系统调节性能指标定义为系统一次调频的平均误差，具体所示：式中，P
0,i
为第i次采样的一次调频指令，P
1,i
为第i次采样的实际的调频指令，N为总的采样次数；步骤2中所述系统动态稳定性能指标定义为系统阻尼比，具体如下：式中，ζ表示系统阻尼比，α
z
表示阻尼因子，ω表示给定频率；步骤2中所述优化目标函数表示为：
式中，w1表示系统调节性能指标权值，w2表示系统动态稳定性能指标权值，q表示惩罚因子。4.根据权利要求1所述的基于遗传粒子群算法的汽轮机调速系统参数优化方法，其特征在于，步骤3中所述超调量约束条件为：n(t)
...

【专利技术属性】
技术研发人员：赵洁，马宇辉，何育钦，梁忆琳，刘涤尘，唐佳杰，麻高源，方宇迪，
申请(专利权)人：武汉大学，
类型：发明
国别省市：