一种应用于汽轮机及其调速系统参数辨识的智能优化方法

文档序号:9452349阅读:521来源:国知局
一种应用于汽轮机及其调速系统参数辨识的智能优化方法
【专利说明】一种应用于汽轮机及其调速系统参数辨识的智能优化方法
[0001] 1、发明创造的名称
[0002] -种应用于汽轮机及其调速系统参数辨识的智能优化方法
[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 能优化算法完成其重要参数的辨识,属于优化控制领域。 3、
【背景技术】
[0005] 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(PS0)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。
[0007]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,而方法的"探索能力"和"开拓能力"是衡量算法寻优性能优劣的关键。许多辨识方法 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。为此,工程中急需一种速度快、精度高、适应性强的高效辨识方法。 4、

【发明内容】

[0008] 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,采用一种辨识速度 快、精度高、人为干预少的高效智能寻优算法,完成汽轮机及调速系统的关键参数的辨识。 本发明提供一种应用于汽轮机及其调速系统参数辨识的智能优化方法:
[0009] 辨识方法如下:
[0010] ①将所需辨识的参数整理为解向量形式:")./&/ = 1,2,...,ifs在 各维度上随机初始化解向量:
[0011]
[0012] 其中,N表示共有N组解向量,X;表示第i组解向量,n表示n个所需要辨识的参 数,t当前迭代次数,.T/"t(〇为第j维度变化空间的下限,.<4(0为第j维度变化空间的上 限,rand是[0, 1]的随机数。
[0013] ②分别将N组解向量代入模型,得到对应模型输出响应yciutil,并与实测响应 作均方差。以该偏差作为各组解向量的适应度值,偏差越小,适应度越好。
[0014]
[0015] 其中,M为实测采样点个数。
[0016] ③根据适应度值求第i组解向量能够产生的权重影响W1:
[0017]
4
[0018] ④第j组解向量对第i组解向量的影响为心》/;_.<(〇
[0019]
[0020] 其中,h(t)为控制因子,影响算法的探索能力和开拓能力,更新公式如下:
[0021]
[0022] 其中,h。为控制因子初始值,b为常数,miter为最大迭代次数。
[0023] ⑤所有解向量作用在第i组解向量上的影响为a圆_x>):
[0024]
[0025] ⑥第i组解向量更新公式如下:
[0026]
[0027] 其中,是个体历史最优解,即第i组解向量迭代至当前次数时经历的最优的 解;gd(t)是全局最优解,即迭代至当前次数时所有解向量中最优解;rand是[0, 1]的随机 数;cl、c2是学习因子。
[0028] ⑦所有解向量更新后返回至②步骤,直到最优解的适应度满足控制的精度或者达 到最大迭代次数,辨识过程结束,得到参数辨识结果。
[0029] 本发明参考引力搜索算法(VGSA)和粒子群算法(PS0)的优化思路,为汽轮机及调 速系统参数辨识提供了一种新的智能辨识算法。新算法具有以下优点:
[0030] ①算法中解向量的影响力直接与自身的适应度相关,适应度越好,影响作用越大, 能够从全局解向量中有效筛选出优秀的解向量。
[0031] ②每个解向量都可以检测到其他解向量的信息,每个解向量都考虑全局解向量的 综合信息然后更新自身,如此可以避免过早陷入"局部最优解"中。
[0032] ③控制因子h(t)调整算法"探索能力"与"开拓能力"直接的权衡,既能避免早期 迭代过程过早陷入"局部最优解",又能有效控制迭代后期对"全局最优解"的挖掘。
[0033] ④算法中随机数的引进可充分挖掘全局信息,能有效避免陷入"局部最优解"。
[0034] ⑤算法沿用粒子群算法中个体历史最优和全局最优的概念,使得算法具有"记忆 特性",可显著加快算法的收敛过程,提高算法的全局寻优效率。
[0035] 基于以上优点,设置算法的参数并在常用的启发式优化算法基准函数上进行测 试,测试结果表明该算法寻优效果明显优于标准粒子群算法(PS0),遗传算法(GA),引力搜 索算法(GSA),具有收敛速度快,对全局最优解的开拓能力强的特点。
[0036] 综上,该算法具有全局寻优效果好、收敛速率高的特点,无论采用何种辨识策略, 对于汽轮机及调速系统参数辨识将具有良好的辨识效果,较高的工程应用价值。 5、
【附图说明】:
[0037] 图1辨识原理
[0038] 图2汽轮机及调速系统功控方式整体模型
[0039] 图3汽轮机及调速系统CCS方式整体模型 图4参数辨识的循环迭代计算过程
[0040] 1 一转速测量及频差放大环节;
[0041] 2一控制环节:PID-控制环节P、I、D系数,K一前馈系数;
[0042] 3-执行机构环节:To/Tc-油动机开启/关闭时间常数;
[0043] 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-低压连 接管道容积时间常数。 6、
【具体实施方式】
[0044] 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
当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1