一键式实现汽轮机及其调速系统参数智能辨识的方法
【专利说明】一键式实现汽轮机及其调速系统参数智能辨识的方法
[0001] 1、发明创造的名称
[0002] -键式实现汽轮机及其调速系统参数智能辨识的方法
[0003] 2、所属的技术领域
[0004] 本发明涉及电力系统中汽轮机及调速系统关键参数的辨识方法，尤其涉及基于智 能优化算法采用不同辨识策略完成其重要参数辨识的方法，属于自动控制技术应用领域。 3、
【背景技术】
[0005] ①由于汽轮机及其调速系统的复杂性以及设备在安装调试过程中特性的变化，纯 粹的理论建模方法难以获得反映系统动态特性的完整、精确的数学模型，因此采用参数辨 识方法识别系统动态模型的关键参数具有重要意义。
[0006] 尽管传统辨识方法如最小二乘法（LS)、遗传算法（GA)、BP神经网络算法和粒子群 算法（PSO)等已在工程中得到了应用。但是这些方法的适应能力不强，在实用过程中大多 需要较多的人为干预。此外，相对于研究过程中规则的理论激励信号，现场实测数据由于受 各种因素影响常常表现出较强的不规则性，无法直接应用于辨识过程。同时，依靠人力从大 量的实测数据中挖掘出有效的数据信息实为一项繁杂的工作。为此，工程中急需一种速度 快、精度高、适应性强、人为干预少、自动化能力强的高效辨识手段。
[0007] ②启发式智能算法因其良好辨识性能及较强鲁棒性的特点在工程上得到了广泛 应用，而算法的"探索能力"及"开拓能力"是衡量算法寻优性能优劣的关键。许多辨识算 法因其探索能力及开拓能力不能有效的权衡调整，容易陷入"局部最优"而失去准确识别出 真实参数的能力。引力搜索算法（GSA)考虑全局信息，具有较好的探索能力，但其寻优收敛 速度不够迅速，将导致辨识周期长。
[0008] ③由于汽轮机及调速系统中涉及的待辨识参数较多，而不同机组表现出的动态特 性也有所不同，因此，采用不同的辨识策略，改变参数辨识的先后顺序均可能会影响辨识结 果的准确性。因此，应提供多种辨识算法、多种辨识策略以适应不同工况下的汽轮机及调速 系统的参数辨识。 4、
【发明内容】
[0009] 本发明的目的在于解决传统汽轮机及调速系统参数辨识方法周期长、适应性差和 人工参与度过高等问题。基于PSD-BPA提供的汽轮机及调速系统模型，自动预处理实测数 据，查找出阶跃点、阶跃前的起始值、阶跃后的稳定值等参数。利用多种传统辨识算法（遗 传算法、粒子群算法）及新辨识算法（改进型引力搜索算法VGSA)，完成汽轮机及调速系统 的关键参数地辨识，具有辨识速度快、精度高、适应性强、人为干预少、自动化能力强的特 点。
[0010] 1辨识方法的步骤
[0011]引力搜索算法（GSA)及其改进（VGSA)方法。
[0012]引力搜索算法是一种通过模拟空间粒子受力运动机理而进行优化的新型启发式 算法，基本原理为空间中大质量粒子对其他粒子的引力大、自身运动慢，而小质量粒子受 到引力小、运动快。在优化过程中，通过粒子将朝向质量最大的粒子靠近的基本过程完成全 局最优化。
[0013] 在空间中，假设有N个粒子，定义粒子i的空间位置为X1:
[0018] 式中，IHi⑴为计算粒子i在第t次迭代时的质量，f Ui⑴为粒子i在第t次迭 代时的环境适应度值，best (t)和worst (t)分别为在第t次迭代时全体粒子的最优适应度 值和最差适应度值。
[0019] 由万有引力公式可知，在第t次迭代时，粒子i受到粒子j在第d维空间上的引力 为：
[0031] 粒子的速度和位置可按照以下两式进行更新：
[0032] vdt{i+ 1) =randt xV1i (/) +Qdi (t)
[0033] xf^+1) =Jcf(t)+ (r+1)：
[0034] 式中，randiS [0, 1]区间的随机数。
[0035] 第t次迭代时粒子i的适应度函数Ht1 (t)定义：
[0037] 式中，yciutjP Y。^分别是第i个粒子对应的模型输出值与实测值。
[0038] 由于引力系数G是独立于粒子质量与位置之外决定粒子运动快慢的另一个因素， 直接决定粒子运动的速度快慢。在多次迭代计算之后，粒子速度会变小，但距离最优粒子可 能较远，所以粒子此时需要较大的运动速度向全局最优粒子靠近。本发明提出VGSA算法， 通过动态改变引力系数G值，使粒子受力增大，运动速度变大，能够突破粒子陷入局部最优 的境况。为了检测粒子当前位置距最优粒子位置的距离，可与全局粒子的平均适应度进行 比较判断：当粒子适应度Ht iQ)优于全局粒子的平均适应度average_fit时，粒子的引力 系数G按照原式计算得到；当粒子适应度f UiQ)劣于全局粒子的平均适应度average_f it 时，引力系数G则按照初始值G。进行计算，计算公式如下：
[0042] 式中，G。是引力常数初始值；fit Jt)是在第t次迭代过程中粒子i的适应度值； aVerage_fit是在第t次迭代过程中种群的平均适应度值，N为种群数目。
[0043] 同时，VGSA算法在迭代过程中逐步缩小参数的取值范围，以便更高效地寻找最优 粒子，并定义参数收缩变化式：
[0046] 式中，.<# + 1)是第t+1次迭代过程中的粒子位置最小值，尤#+1)是第t+1次迭 代过程中的粒子位置最大值；.<(〇是第t次的全局最优值；Y :是略小于1的常数，丫2是 略大于1的常数，保证优化过程顺利进行；randJP rand 2为[0, 1]区间的随机数。
[0047] 最后，粒子速度、位置更新公式改变为：
前最佳位置，4为全局最佳位置。
[0051] 本发明为汽轮机及调速系统参数智能辨识集成了多种辨识算法、多种辨识策略以 及基于实测数据预处理部分的功能，实现了一键式自动化完成辨识的目的，提供了具有速 度快、精度高、适应性强、人为干预少、自动化能力强的高效辨识手段。
[0052] 辨识算法中：既包含传统的智能辨识算法（遗传算法（GA)、粒子群算法（PSO))，也 包含新兴的辨识算法（引力搜索算法（GSA))以及改进的辨识算法（VGSA)。引力搜索算法 因其较好的全局搜索能力及较为详尽的优化机理，应用于参数辨识过程中，相较遗传算法、 粒子群算法，具有明显优势。而改进型引力搜索算法VGSA在保留IGSA算法的"记忆特性" 的基础上，对影响粒子速度变化的引力系数进行动态调整，使粒子更加快速地靠近全局最 优粒子；同时，在辨识过程中，参数搜索范围不断缩小，搜索效率提高，进一步提高了其快速 性和精确性，使其在辨识应用中有巨大潜力。
[0053] 辨识策略中：当实测数据比较规则，采用寻优性能好的辨识算法一次性多参数并 行辨识能够快速识别出所有关键参数，减少了辨识过程的冗杂性；多参数串行计算方法、智 能寻优算法、自动寻找扰动特性参数的一键式分环节、分步骤的智能参数辨识方法能大大 降低人的劳动强度，避免了人为误差的引入，使辨识结果具有高度的可重复性。在多参数串 行辨识的基础上，采用串并结合的策略进行辨识，既保证了模型中间环节参数的真实有效 性，也保证了整体模型的协调合理性。
[0054] 综上，多种辨识算法、多种辨识策略的思想，既给与用户足够的可选择性，也降低 了辨识过程的复杂性，同时也保证了系统关键参数的真实有效性，该发明具有较高的工程 应用价值。 5、
【附图说明】
[0055] 图1辨识原理
[0056] 图2汽轮机及调速系统功控方式整体模型
[0057] 图3汽轮机及调速系统CCS方式整体模型
[0058] 图4引力搜索算法的求解过程
[0059] 1一转速测量及频差放大环节；
[0060] 2一控制环节：PID-控制环节P、I、D系数，K一前馈系数；
[0061] 3-执行机构环节：To/Tc-油动机开启/关闭时间常数；
[0062] 4-汽轮机本体：TCH-高压容积时间常数，TRH-再热容积时间常数，TCH-
[0063] 低压连接管道容积时间常数。 6、
【具体实施方式】
[0064] 汽轮机及其调速系统如附图2、3所示，分为2种控制模式：功率控制模式和机炉协 调控制模式（CCS)，所需辨识的关键参数有9个：包括执行机构环节开启To/