52664。
[0048] 在相同系统输入下，实际系统输出为yj(k)e{VR(k)，VF(k)，Vt(k)，Vs(k)};辨识系 统输出为:Μ幻乂⑷，丨U叶。其中，/⑷是系统待辨识参数的函数，当参数 向量^发生变化时，利用步骤（1)建立的仿真系统得到四个系统输出，即四组输出曲线，用 离散序列表示为：之以)，4(幻次，1二1，...，风，计算对应的目标函数值，通过极小 化目标函数，求取系统待辨识参数。
[0049] 步骤(4):运用启发式优化算法求解励磁系统参数辨识的目标函数，得到待辨识系 统参数。
[0050] Step1:算法初始化:设置算法参数，包括群体规模N、最大迭代次数T、个体随机搜 索数量Λ，淘汰幅度系数〇、跳跃阈值p;确定搜索待辨识参数的取值范围为[Bl，Bu]，具体kA ^ [kA,min,kA,max] [Τ-Α,ιιι?η,T-A,max]jkE^ [kE,min,kE,max] ["'E,min,"'-E,max]k〇 ^ [kc,min, kc,max]，TGE[T(；，min，T。，max ]，ksE[ks,min，ks,max]，TsE[Ts，min，Ts，max ]，即Bl- [kA,min,T-A,min,kE，min，TE,min，kc,min，TG,min，ks,min，TS,min] )?石兹系统{寸务辛识参白勺取小值，Bu- [kA,max, TA,max，kE,max，TE,max，kG,max，TG,max，ks,max，TS,max]表7]^励磁系统彳寸辨识参数的取大值。在角牛空间 [Bl,Bu]中随机初始化群体中所有个体的位置向量，其一组位置向量表示为Xi=[kA,τΑ,kE, τΕ，kc,tg,ks,ts]。设置最大迭代次数为T，令当前迭代次数t=Ο;
[0051] 算法参数设置:种群规模Ν= 30,最大迭代次数Τ= 400,淘汰幅度系数〇 = 0.01，个 体随机搜索数Νι= 2，跳跃阀值为p= 100，其它值默认设置。其中Bl=[5,0.05,0.5,0.2,0.5， 0.5,0.5,0.05],Bu=[20,0.2,2,0.8,2,2,2,0.2]；
[0052]Step2:计算个体的目标函数
计算群体目标函 数最小值，具有最小目标函数值的个体确定为当前最优个体XB(t);
[0053]Step3:对所有个体Xi(t)(i=l，'"，N)进行个体随机搜索：
[0054]Step3.1:令个体搜索次数1 = 0;
[0055]Step3.2:观望一个位置
[0056]
[0057]rand为(0，1)之间随机数，eplay为观望步长，eplay= 〇. 1 · ||Bu_Bl|| ;
[0058]Step3 · 3:计算下一个当前位置
[0059]
[0069] Step5.2:被淘汰的个体初始化：
[0070] Xi=rand(1,D)X(Bu-Bl) +Bl
[0071] 其中，D为位置向量维数，D= 8;
[0072] Step6:判断是否连续p代当前最优个体位置未发生移动，如果是，则认为种群灭 亡，按照式下式反演重构新的种群：
[0073]
[0074] 其中R为反演半径，R= 0.1 · |IBu-BlI| ;rand为(0，1)之间随机数，p为跳跃阈值；
[0075] Step7:t=t+l，如果t>T，算法结束，输出最优位置向量即当前最优个体位置作为 终解;否则，转入Step2。所述的最优位置向量即为系统待辨识参数向量。
[0076] 为说明本发明效果，将基于传统GSA算法的励磁系统参数辨识方法与本发明方法 进行对比。其中，GSA算法的参数设置为:万有引力常数G〇 = 30,衰减系数β= 9,种群规模N= 30，最大迭代次数T= 400。
[0077] 为了测试本发明所述方法的稳定性和有效性，参数辨识实验重复20次，试验结果 统计分析如表1表2所示。表1为不同辨识方法辨识得到的励磁系统参数的平均值和标准差。 表2为不同辨识方法搜索得到的目标函数值的统计结果，包括:最小值、最大值、平均值和标 准差。
[0078] 从表1和表2可以看出，对于水轮发电机组励磁系统参数辨识问题，本发明所述方 法获得了更小的目标函数值，且多次结果的标准差更小，算法具有较高的稳定性。
[0079]表1最优辨识参数统计结果 [0080]
[0082] 表2最优目标函数统计结果 12
2 图2和图3分别为采用不同方法辨识得到的参数对应的仿真模型输出与实际系统 输出对比，对比曲线包括放大单兀输出Vr，励磁机输出Vf，水轮发电机机端电压Vt和传感器 输出Vs。从图2可以看出，通过本发明方法辨识得到的励磁系统输出曲线与实际系统的输出 曲线高度吻合，说明基于本发明所述方法的辨识系统已经高度趋近于实际系统。从图3输出 曲线可以看出，通过GSA辨识得到的系统与实际系统仍然有差异。实验结果说明本发明方法 比GSA有更好的辨识效果，算法性能更优异。
[0085]本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以 限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含 在本发明的保护范围之内。
【主权项】
1. 一种水轮发电机组励磁系统参数辨识方法，其特征在于，所述方法包括如下步骤： 步骤（1):建立水轮发电机组励磁系统仿真模型，确定待辨识参数:所述的水轮发电机 组励磁系统包括PID控制器、放大单元、励磁机、水轮发电机、测量单元;在所述水轮发电机 组励磁系统中，通过测量单元测量到的水轮发电机机端电压与给定的参考电压比较，得到 系统输出的偏移量，此偏移量经过PID控制器产生控制信号，再经过放大单元放大后作用于 励磁机，实现对励磁电压的调节，从而进一步调节水轮发电机机端电压;需要辨识的参数向 量为I其中kA，TA分别为放大单元增益和时间常数，k E，TE分别 为励磁机增益和时间常数，别为水轮发电机增益和时间常数，ks，is分别为传感器增 益和时间常数； 步骤(2):采集实际励磁系统动态过程数据:对实际励磁系统进行电压阶跃扰动试验， 采集实际励磁系统动态过程数据，动态过程数据包括各环节输出，即放大单元输出VR，励磁 机输出Vf，水轮发电机机端电压Vt和传感器输出Vs; 步骤(3):建立励磁系统参数辨识目标函数，采用实际系统输出与辨识系统输出的加权 误差平方和作为参数辨识的目标函数，目标函数定义如下：其中1为系统输出采样点数，S为系统输出个数，W = [W1，W2，W3，W4]为权重，是待辨识参数，"(1〇6{￥1?(1〇，￥「(1〇，1(1〇，^1〇}为实际系 统输出；，为辨识系统输出； 步骤(4):运用启发式优化算法求解步骤(3)中目标函数，获得待辨识系统参数。2. 如权利要求1所述的方法，其特征在于，所述步骤(3)具体包括如下子步骤： Step 1:算法初始化:设置算法参数，包括群体规模N、最大迭代次数T、个体随机搜索数 量Ni，淘汰幅度系数〇、跳跃阈值p ;确定搜索待辨识参数的取值范围为[BuBu]，具体kAe [kA,min，kA,max]，TAE [ TA,min，TA,max]，kE E [kE,min，kE,max]，TE E [ Te,min，TE,max] kc E [kc,min，kc,max]， TG E [ T。，min，T。，max]，ks E [ ks,min，ks,max]，TS E [ Ts，min，Ts，max]，即Bl - [ kA,min，TA,min，kE,min，TE,min， kG，min, TG,min，ks,min，TS,min] 石兹系统{寸务辛识参白勺取小值，Bu - [ kA,max，TA,max，kE,max， TE,max，kG,max，TG,max，ks,max，Ts,max]表不励磁系统待辨识参数的最大值;在解空间[Β?,Βυ]中随 机初始化群体中所有个体的位置向量，其一组位置向量表示为Xi = [kA，TA,kE，TE，kc，Tc，ks， ts];令当前迭代次数t = 0; Step 2:计算各个个体的目标函数值Ρ^ = ?\Μ5Ε(Χ?(1:))，? = 1，. . .，N，并寻找群体目标函 数最小值，具有最小目标函数值的个体确定为当前最优个体XbU); Step 3:对所有个体Xi(t)，i = l，···，N进行个体随机搜索，更新Xi(t); Step 4:按照个体位置更新公式更新个体位置向量Xi(t)，i = l,…，N:为中第i个个体与当前最优个体的距离向量，随机数ci = 2 · rand，C2=(2 · rand-1) exp(-10 · t/T)，rand为(0,1)之间随机数； Step 5:判断个体是否需要被淘汰并重新初始化： Step 5.1:如果第i个个体满足公式则该个体被淘汰并重新初始化：其中，是1代种群所有个体目标函数值的平均值，^是最小的目标函数值，ω是一 个随迭代次数而线性递增的参数，取值范围为[_σ，σ]; Step 5.2:被淘汰的个体初始化： Xi = rand(l ,D) X (Bu~Bl)+Bl 其中，D为位置向量维数； Step 6:判断是否连续p代当前最优个体位置未发生移动，如果是，则认为种群灭亡，按 照下式反演重构新的种群：其中R为反演半径，R=〇.l · I IBu-BlI I ;rand为(0，1)之间随机数，p为跳跃阈值； Step 7: t = t+l，如果t>T，算法结束，输出当前最优个体位置作为终解，当前最优个体 位置即为辨识得出的励磁系统参数;否则，转入Step 2。3. 如权利要求2所述的方法，其特征在于，所述步骤Step 3具体包括如下子步骤： Step 3.1:令个体搜索次数1 = 0; Step 3.2:观望一个位置rand为(0，1)之间随机数，eplay为观望步长； Step 3.3:计算下一个当前位置ΖΠ?)rand为(0，1)之间随机数，estep为惯性步长； Step 3.4:1 = 1+1，如果 1〈Νι，转至Step 3.2;否则，转至Step 4。4. 如权利要求3所述的方法，其特征在于，在Step 3.2中eplay = 〇.l · I IBu-BlI |。5. 如权利要求3所述的方法，其特征在于，在Step 3.3中estep = 0.2 · I I。6. 如权利要求3所述的方法，其特征在于，在Step 5.2中D = 8。
【专利摘要】本发明公开了一种水轮发电机组励磁系统参数辨识方法，用于准确获取水轮发电机组励磁系统参数。根据水轮发电机组励磁系统建立仿真模型，然后依据该仿真系统建立采用实际系统输出与辨识系统输出的加权误差平方和作为参数辨识的目标函数，运用本发明设计的优选方法求解目标函数得到最优控制参数。本发明设计的水轮发电机组励磁系统参数辨识方法，采用一种新型启发式优化算法优化目标函数，可以搜索到更小的目标函数值，能得到更精确的辨识参数。更精确的辨识参数使得辨识系统输出与实际系统输出吻合较好。
【IPC分类】G05B17/02
【公开号】CN105425611
【申请号】CN201510760841
【发明人】李超顺, 张楠, 王文潇, 魏巍, 杨兴昭, 李如海
【申请人】华中科技大学
【公开日】2016年3月23日
【申请日】2015年11月10日