一种深度全连接层的风机控制器参数多目标优化加速方法技术

本发明专利技术提出一种深度全连接层的风机控制器参数多目标优化加速方法，该深度全连接层的风机控制器参数多目标优化加速方法应用于多目标问题，在迭代过程中搜索智能体位置有比例、勘探和开发三个更新方向；对于外部档案集拥挤的状况，采取自适应网格策略对其中的非支配解进行更新以应对外部档案集拥挤的状况；采取轮盘赌策略选择全局最佳位置；在方法迭代过程中加入深度全连接层模型提高收敛速度。深度全连接层的风机控制器参数多目标优化加速方法能解决双馈风机控制器参数的双目标优化问题，实现快速获得多方案最优解集的功能，优化多目标方法解集的多样性和收敛性，减少所需优化时间，提高优化方法的运行速度。提高优化方法的运行速度。提高优化方法的运行速度。

【技术实现步骤摘要】
一种深度全连接层的风机控制器参数多目标优化加速方法


[0001]本专利技术属于电力系统控制器参数优化领域，涉及人工智能方法和启发式多目标优化方法，适用于电力系统双馈感应风机控制器参数的多目标优化。

技术介绍

[0002]现有基于传统比例
‑
积分
‑
微分控制器的控制方法有提取扰动信息不足的缺点。
[0003]另外，现有多种单目标优化方法通过经验系数加权应用于多目标问题的最优决策缺乏多种情形下的适用性。
[0004]此外，现有的多种多目标元启发式优化方法的计算时间过长，如多目标粒子群优化方法、群灰狼优化方法。
[0005]因此，提出引入多维信息反馈和分数阶理论，来解决提取扰动信息不足的问题；提出多目标高维多分阶优化方法，来解决最优决策缺乏多种情形下的适用性的问题；提出深度全连接层加速方法，来解决优化方法计算速度慢的问题。

技术实现思路

[0006]本专利技术提出一种深度全连接层的风机控制器参数多目标优化加速方法，该方法将深度全连接层模型和多目标高维多分数阶优化方法进行结合，用于双馈感应风机高维多分数阶控制器的参数优化，能快速获得多目标优化问题的帕累托最优解集，提高双馈感应风机的运行效率，提高风力发电的适用范围，优化多目标方法解集的多样性和收敛性，减少所需优化时间，提高优化方法的运行速度；在使用过程中的步骤为：
[0007]步骤(1)：初始化多目标高维多分数阶优化方法的参数并随机生成搜索智能体的位置；多目标高维多分数阶优化方法的参数包括常数a；最大迭代次数T；比例方向的自适应函数r1；勘探方向的自适应函数r2，代表“分数阶积分”方向的信息；开发方向的自适应函数r3，代表“分数阶微分”方向的信息；当前迭代次数t，t∈(0，T]，t∈N
+
；t为正整数；比例乘积因子k1，k1∈[
‑
1，1]；勘探乘积因子k2，k2∈[
‑
1，1]；开发乘积因子k3，k3∈[
‑
1，1]；勘探因子1，1]；勘探因子开发因子δ，δ∈[0.5，1]；加速阶段之前的和加速阶段之后的迭代次数均设置为n
10
；搜索智能体个数m；
[0008]风机控制器参数多目标优化问题的目标函数为：
[0009][0010]其中x为决策向量，是高维多分数阶控制器参数，为32个，分别为：K
ωr1
、K
ωr2
、K
ωr3
、K
ωr4
、α
ωr1
、α
ωr2
、α
ωr3
、α
ωr4
、K
Iq1
、K
Iq2
、K
Iq3
、K
Iq4
、α
Iq1
、α
Iq2
、α
Iq3
、α
Iq4
、K
Q1
、K
Q2
、K
Q3
、K
Q3
、K
Q4
、α
Q1
、α
Q2
、α
Q3
、α
Q4
、K
Id1
、K
Id2
、K
Id3
、K
Id4
、α
Id1
、α
Id2
、α
Id3
、α
Id4
；32个高维多分数阶控制器的参数分别为转子转速第1维度比例系数、转子转速第2维度比例系数、转子转速第3维度比例系数、转子转速第4维度比例系数、转子转速第1维度分数阶系数、转子转速第2维度分数阶系数、转子转速
第3维度分数阶系数、转子转速第4维度分数阶系数、q轴电流第1维度比例系数、q轴电流第2维度比例系数、q轴电流第3维度比例系数、q轴电流第4维度比例系数、q轴电流第1维度分数阶系数、q轴电流第2维度分数阶系数、q轴电流第3维度分数阶系数、q轴电流第4维度分数阶系数、无功功率第1维度比例系数、无功功率第2维度比例系数、无功功率第3维度比例系数、无功功率第4维度比例系数、无功功率第1维度分数阶系数、无功功率第2维度分数阶系数、无功功率第3维度分数阶系数、无功功率第4维度分数阶系数、d轴电流第1维度比例系数、d轴电流第2维度比例系数、d轴电流第3维度比例系数、d轴电流第4维度比例系数、d轴电流第1维度分数阶系数、d轴电流第2维度分数阶系数、d轴电流第3维度分数阶系数、d轴电流第4维度分数阶系数；
[0011]优化多目标问题的过程中会产生帕累托最优解，帕累托最优解组成的集合为帕累托最优解集；双馈感应风机高维多分数阶控制器的参数优化的目标为最大限度使转子转速误差最小和最大限度使无功功率误差最小Q
s
和分别为无功功率的精确值和参考值，ω
r
和分别为转子转速的精确值和参考值；
[0012]步骤(2)：设置外部档案集的最大容量，运用自适应网格策略将存储空间划分为K
m
个超立方体，其中m代表目标数量，K是自定义数；
[0013]步骤(3)：判断当前迭代的代数t是否满足t＜n
10
或T
‑
n
10
＜t＜T，若满足该条件，则继续运用多目标高维多分数阶优化方法进行迭代，若不满足该条件，则进入深度全连接层模型，执行加速过程；
[0014]步骤(4)：多目标高维多分数阶优化方法开始迭代，计算每个初始化的搜索智能体的适应度函数值，运用轮盘赌策略选择全局最优解；
[0015]每次迭代中选择合适的全局最优解将引导搜索智能体探索更有希望的区域，找到更为接近全局最优解的解决方案；在多目标高维多分数阶优化方法中，采用轮盘赌方法进行选择；轮盘赌策略是一种按照轮盘比例进行选择的随机方法；在多目标高维多分数阶优化方法中将外部档案集中的超立方体在轮盘中等比例划分，按照轮盘赌的方式对超立方体存储区域进行选择；然后，对被选中区域存储的非支配解进行随机选取，作为优化方法迭代中的全局最优解；采用轮盘赌方法选择全局最优解时，不拥挤的超立方体中的非支配解具有更高的概率成为当前迭代次数的全局最优解，增强多目标高维多分数阶优化方法在运行过程中多样性；
[0016]步骤(5)：更新外部档案集，判断是否已满，外部档案集的更新策略如下：
[0017]每个超立方体能被当作一个存储空间，然后将非支配解放置于超立方体中；当立方体的容量未满时，新产生的解将会有3种情况：(1)若新获得的解被支配，则不进入存储区域；(2)外部档案集中存储的解若被新获得的解支配，则将档案集中被支配的解被剔除，新的非支配解进入档案集；(3)外部档案集中存储的解和新获得的解没有支配的关系，则将新获得的解添加到外部档案集中；
[0018]对于需要删除非支配解的超立方体，首先需要找到非支配最拥挤段，然后随机删除其中的非本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种深度全连接层的风机控制器参数多目标优化加速方法，其特征在于，将深度全连接层模型和多目标高维多分数阶优化方法进行结合，用于双馈感应风机高维多分数阶控制器的参数优化，能快速获得多目标优化问题的帕累托最优解集，提高双馈感应风机的运行效率，提高风力发电的适用范围，优化多目标方法解集的多样性和收敛性，减少所需优化时间，提高优化方法的运行速度；在使用过程中的步骤为：步骤(1)：初始化多目标高维多分数阶优化方法的参数并随机生成搜索智能体的位置；多目标高维多分数阶优化方法的参数包括常数a；最大迭代次数T；比例方向的自适应函数r1；勘探方向的自适应函数r2，代表“分数阶积分”方向的信息；开发方向的自适应函数r3，代表“分数阶微分”方向的信息；当前迭代次数t，t∈(0,T],t∈N
+
；t为正整数；比例乘积因子k1，k1∈[
‑
1,1]；勘探乘积因子k2，k2∈[
‑
1,1]；开发乘积因子k3，k3∈[
‑
1,1]；勘探因子开发因子δ，δ∈[0.5,1]；加速阶段之前的和加速阶段之后的迭代次数均设置为n
10
；搜索智能体个数m；风机控制器参数多目标优化问题的目标函数为：其中x为决策向量，是高维多分数阶控制器参数，为32个，分别为：K
ωr1
、K
ωr2
、K
ωr3
、K
ωr4
、α
ωr1
、α
ωr2
、α
ωr3
、α
ωr4
、K
Iq1
、K
Iq2
、K
Iq3
、K
Iq4
、α
Iq1
、α
Iq2
、α
Iq3
、α
Iq4
、K
Q1
、K
Q2
、K
Q3
、K
Q3
、K
Q4
、α
Q1
、α
Q2
、α
Q3
、α
Q4
、K
Id1
、K
Id2
、K
Id3
、K
Id4
、α
Id1
、α
Id2
、α
Id3
、α
Id4
；32个高维多分数阶控制器的参数分别为转子转速第1维度比例系数、转子转速第2维度比例系数、转子转速第3维度比例系数、转子转速第4维度比例系数、转子转速第1维度分数阶系数、转子转速第2维度分数阶系数、转子转速第3维度分数阶系数、转子转速第4维度分数阶系数、q轴电流第1维度比例系数、q轴电流第2维度比例系数、q轴电流第3维度比例系数、q轴电流第4维度比例系数、q轴电流第1维度分数阶系数、q轴电流第2维度分数阶系数、q轴电流第3维度分数阶系数、q轴电流第4维度分数阶系数、无功功率第1维度比例系数、无功功率第2维度比例系数、无功功率第3维度比例系数、无功功率第4维度比例系数、无功功率第1维度分数阶系数、无功功率第2维度分数阶系数、无功功率第3维度分数阶系数、无功功率第4维度分数阶系数、d轴电流第1维度比例系数、d轴电流第2维度比例系数、d轴电流第3维度比例系数、d轴电流第4维度比例系数、d轴电流第1维度分数阶系数、d轴电流第2维度分数阶系数、d轴电流第3维度分数阶系数、d轴电流第4维度分数阶系数；优化多目标问题的过程中会产生帕累托最优解，帕累托最优解组成的集合为帕累托最优解集；双馈感应风机高维多分数阶控制器的参数优化的目标为最大限度使转子转速误差最小和最大限度使无功功率误差最小Q
s
和分别为无功功率的精确值和参考值，ω
r
和分别为转子转速的精确值和参考值；步骤(2)：设置外部档案集的最大容量，运用自适应网格策略将存储空间划分为K
m
个超立方体，其中m代表目标数量，K是自定义数；步骤(3)：判断当前迭代的代数t是否满足t<n
10
或T
‑
n
10
<t<T，若满足该条件，则继续运用多目标高维多分数阶优化方法进行迭代，若不满足该条件，则进入深度全连接层模型，执行加速过程；
步骤(4)：多目标高维多分数阶优化方法开始迭代，计算每个初始化的搜索智能体的适应度函数值，运用轮盘赌策略选择全局最优解；每次迭代中选择合适的全局最优解将引导搜索智能体探索更有希望的区域，找到更为接近全局最优解的解决方案；在多目标高维多分数阶优化方法中，采用轮盘赌方法进行选择；轮盘赌策略是一种按照轮盘比例进行选择的随机方法；在多目标高维多分数阶优化方法中将外部档案集中的超立方体在轮盘中等比例划分，按照轮盘赌的方式对超立方体存储区域进行选择；然后，对被选中区域存储的非支配解进行随机选取，作为优化方法迭代中的全局最优解；采用轮盘赌方法选择全局最优解时，不拥挤的超立方体中的非支配解具有更高的概率成为当前迭代次数的全局最优解，增强多目标高维多分数阶优化方法在运行过程中多样性；步骤(5)：更新外部档案集，判断是否已满，外部档案集的更新策略如下：...

【专利技术属性】
技术研发人员：殷林飞，丁文宇，胡立坤，李大江，农海斌，唐贞智，郑海付，
申请(专利权)人：广西大学，
类型：发明
国别省市：