一种基于DE-HHO混合算法的分数阶PSS2A参数优化方法技术

本发明专利技术公开了一种基于DE

【技术实现步骤摘要】
一种基于DE
‑
HHO混合算法的分数阶PSS2A参数优化方法


[0001]本专利技术涉及电力系统运行与控制
，尤其涉及一种基于DE
‑
HHO混合算法的分数阶PSS2A参数优化方法。

技术介绍

[0002]现代电力系统是复杂和非线性的，在受到扰动的情况下，发电机会因阻尼不足而引起转子角摆动，进而导致0.1
‑
3Hz范围内的低频振荡。另外，随着快速励磁系统的广泛应用，发电机的阻尼特性进一步被削弱，使得电力系统平息振荡的能力减弱。
[0003]电力系统稳定器(PSS)具有增强阻尼的功能，被认为是抑制低频振荡最经济有效的方法之一。其工作原理是通过超前滞后环节的补偿作用，向发电机转子提供一个与角速度同相的电扭矩分量，达到增强阻尼的目的。IEEE 421.5td提供了单输入型PSS(PSS1A)、加速功率积分型PSS(PSS2A)等多种标准的PSS模型结构，其中的PSS2A还具备了无功反调抑制能力，适用于水轮发电机和具有快速调节特性的汽轮发电机，也是国内常用的一种PSS类型。然而，传统的P本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于DE
‑
HHO混合算法的分数阶PSS2A参数优化方法，其特征在于，包括以下步骤：S1：生成初始种群，迭代次数初始化k＝1，变异模式初始化mode＝1，w＝0.8，l＝0；S2：将初始种群信息赋值给控制器参数，并执行电力系统的Simulink模型，计算初始种群的时间乘绝对误差积分(ITAE)准则的适应度，找到初始最优个体；S3：判断无效迭代次数l是否大于设定值L，若大于则改变当前变异模式，否则继续；S4：计算非线性变化的变异因子F与交叉因子CR在本次迭代中的数值；S5：令个体序号i＝1；S6：判断随机小数rand是否小于设定值w，若小于则采取全局变异策略，若大于则采取局部变异策略；S7：将变异操作得到的变异个体与原个体进行交叉操作，以增加群体多样性；S8：将交叉操作得到的中间个体信息赋值给控制器参数，执行电力系统的Simulink模型，计算中间个体的ITAE适应度；S9：比较中间个体与原个体的ITAE适应度，按照“贪婪法则”进行选择，以确定下一代成员；S10：判断选择操作得到的新个体是否优于当前最优个体，若是则转至S14，若不是则继续；S11：利用HHO算法的Levy飞行策略更新个体信息，得到新的中间个体；S12：将S11得到的中间个体信息赋值给控制器参数，执行电力系统的Simulink模型，计算ITAE适应度；S13：比较新中间个体与S9得到的新个体的ITAE适应度，按照“贪婪法则”进行选择，更新下一代成员；S14：更新最优个体；S15：判断个体序号i是否等于种群规模P，若是则进入继续，否则个体序号i＝i+1且重复步骤S6
‑
S15；S16：更新无效迭代次数l；S17：迭代次数k＝k+1；S18：判断迭代次数k是否大于设定值G，若是则输出最优结果，若不是则重复步骤S3
‑
S18。2.根据权利要求1所述的一种基于DE
‑
HHO混合算法的分数阶PSS2A参数优化方法，其特征在于，所述ITAE适应度的计算公式如下：其中，t
sim
为仿真结束时间，Δω为转子角速度偏差，为了实现低频振荡的有效阻尼，可以选择FOPSS2A的最佳参数以使优化函数最小化。3.根据权利要求1所述的一种基于DE
‑
HHO混合算法的分数阶PSS2A参数优化方法，其特征在于，所述步骤S1具体为：在7维空间(即7个待优化参数：K
S1
、T1‑
T4、α、β)里随机产生满足约束条件的P个个体，生成操作为：X0＝A
rand
*[X
max
‑
X
min
]+X
min
其中，X0表示P
×
7维的种群初始值矩阵，A
rand
为P
×
7维的取值范围为[0,1]的随机数矩阵，X
max
、X
min
分别为P
×
7维的个体取值上限和下限矩阵，*表示矩阵的点乘，即元素相乘，X0、A
rand
、X
max
、X
min
的表达式分别为：的表达式分别为：的表达式分别为：其中，rand表示[0,1]范围内的随机数。4.根据权利要求1所述的一种基于DE
‑
HHO混合算法的分数阶PSS2A参数优化方法，其特征在于，所述...

【专利技术属性】
技术研发人员：徐俊华，张正潇，廖海因，粟治鑫，黄广官，赵茂钦，李嘉豪，
申请(专利权)人：广西大学，
类型：发明
国别省市：