一種水輪機(jī)調(diào)節(jié)系統(tǒng)控制參數(shù)的優(yōu)選方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于水力發(fā)電技術(shù)領(lǐng)域,更具體地,涉及一種水輪機(jī)調(diào)節(jié)系統(tǒng)控制參數(shù)的 優(yōu)選方法,用于在水輪機(jī)調(diào)節(jié)系統(tǒng)中對(duì)控制器控制參數(shù)進(jìn)行優(yōu)選。
【背景技術(shù)】
[0002] 水輪機(jī)調(diào)節(jié)系統(tǒng)是水電機(jī)組的核心控制系統(tǒng),承擔(dān)著穩(wěn)定機(jī)組頻率和調(diào)節(jié)機(jī)組 功率的重任,工程應(yīng)用中該系統(tǒng)采用的控制規(guī)律一般為比例積分微分控制器(Proportion IntegrationDifferentiation,PID)控制。PID控制參數(shù)對(duì)機(jī)組的調(diào)節(jié)品質(zhì)和動(dòng)態(tài)響應(yīng)指 標(biāo)有著決定性影響,如何優(yōu)化PID參數(shù)成為工程應(yīng)用中的難題。在實(shí)際運(yùn)行中,PID控制參 數(shù)一般依賴專家整定,缺乏參數(shù)自動(dòng)整定技術(shù)。在理論研究方面,有研究通過(guò)優(yōu)化技術(shù)來(lái)整 定PID控制參數(shù),常用的優(yōu)化算法大多數(shù)為啟發(fā)式優(yōu)化算法。
[0003] 啟發(fā)式優(yōu)化算法是現(xiàn)代優(yōu)化方法的重要分支,其思想大多來(lái)源于自然規(guī)律,包 括生物現(xiàn)象以及物理定律。傳統(tǒng)的PID控制參數(shù)優(yōu)選方法包括梯度法、單純形法、遺傳 (GeneticAlgorithm,GA)算法、粒子群優(yōu)化(ParticleSwarm0ptimization,PS0)算法等。 它們各有優(yōu)點(diǎn),但也存在明顯缺陷。梯度法要求目標(biāo)函數(shù)連續(xù)可導(dǎo);單純形法受初值和計(jì)算 步長(zhǎng)的影響較大,易于收斂于局部最優(yōu)解;遺傳算法需要進(jìn)行復(fù)制、交叉與變異操作,進(jìn)化 速度慢,易產(chǎn)生早熟收斂,并且其性能對(duì)參數(shù)有較大的依賴性;PS0算法在復(fù)雜優(yōu)化問(wèn)題求 解中存在早熟、陷入局部極小等不足。這些缺陷均可能導(dǎo)致算法無(wú)法獲得最優(yōu)的水輪機(jī)調(diào) 節(jié)系統(tǒng)控制參數(shù)。
【發(fā)明內(nèi)容】
[0004] 針對(duì)傳統(tǒng)方法的不足,本發(fā)明提出了一種水輪機(jī)調(diào)節(jié)系統(tǒng)控制參數(shù)的優(yōu)選方法, 該方法基于新型啟發(fā)式優(yōu)化算法,能有效提尚水輪機(jī)調(diào)節(jié)系統(tǒng)控制品質(zhì),提尚該調(diào)節(jié)系統(tǒng) 穩(wěn)定性。
[0005] 為了實(shí)現(xiàn)上述目的,本發(fā)明提供了一種水輪機(jī)調(diào)節(jié)系統(tǒng)控制參數(shù)的優(yōu)選方法,包 括如下步驟:
[0006] 步驟(1):建立水輪機(jī)調(diào)節(jié)系統(tǒng)的仿真模型,水輪機(jī)調(diào)節(jié)系統(tǒng)如圖1所示。所述水 輪機(jī)調(diào)節(jié)系統(tǒng)包括PID控制器、電液隨動(dòng)系統(tǒng)、引水系統(tǒng)與水輪機(jī)、發(fā)電機(jī)及負(fù)載。其中, 電液隨動(dòng)系統(tǒng)、引水系統(tǒng)與水輪機(jī)、發(fā)電機(jī)及負(fù)載構(gòu)成控制對(duì)象,由PID控制器進(jìn)行調(diào)節(jié)控 制。PID控制器根據(jù)機(jī)組頻率偏差產(chǎn)生調(diào)節(jié)控制信號(hào)驅(qū)動(dòng)電液隨動(dòng)系統(tǒng),改變水輪機(jī)導(dǎo)葉開(kāi) 度,水輪機(jī)進(jìn)口流量隨之發(fā)生改變,在水輪機(jī)導(dǎo)葉開(kāi)度改變瞬間,引水系統(tǒng)中往往發(fā)生水錘 現(xiàn)象,導(dǎo)致水輪機(jī)蝸殼壓力發(fā)生變化;水輪機(jī)進(jìn)口流量和蝸殼壓力的變化,會(huì)使水輪機(jī)力矩 發(fā)生改變,從而使水輪機(jī)力矩與發(fā)電機(jī)的負(fù)載阻力矩產(chǎn)生差值,發(fā)電機(jī)轉(zhuǎn)速隨之發(fā)生變化, 轉(zhuǎn)速改變同步地調(diào)節(jié)了頻率大小,達(dá)到調(diào)節(jié)機(jī)組頻率的目的。需要指出的是,非線性PID控 制器和分?jǐn)?shù)階PID控制器等改進(jìn)型PID控制器也可能應(yīng)用在水輪機(jī)調(diào)節(jié)系統(tǒng)中,利用本方 法進(jìn)行控制參數(shù)優(yōu)選,也均在本發(fā)明的保護(hù)范圍之內(nèi)。在此,本發(fā)明以常規(guī)PID控制器作為 水輪機(jī)調(diào)節(jié)系統(tǒng)控制器來(lái)闡述本發(fā)明思想。PID控制器中KP、KjPKD分別為比例、積分和微 分增益,是需要整定的控制參數(shù)。當(dāng)PID控制參數(shù)變化時(shí),通過(guò)水輪機(jī)調(diào)節(jié)系統(tǒng)仿真模型可 以獲得對(duì)應(yīng)的系統(tǒng)輸出;
[0007] 步驟(2):建立上述水輪機(jī)調(diào)節(jié)系統(tǒng)的控制參數(shù)優(yōu)化目標(biāo)函數(shù),采用離散時(shí)間誤 差絕對(duì)值積分(IntegralTimeAbsoluteError,ITAE)指標(biāo)作為控制參數(shù)優(yōu)化的目標(biāo)函 數(shù),目標(biāo)函數(shù)定義為:
[0008]
[0009] 其中,優(yōu)化變量KP、KjPK。分別為比例、積分和微分增益,c(k)為頻率擾動(dòng)值,為 一常數(shù),X為機(jī)組頻率響應(yīng),是水輪機(jī)調(diào)節(jié)系統(tǒng)輸出,受控制參數(shù)影響,Ns為采樣點(diǎn)數(shù),T(k) 為時(shí)間序列;
[0010] 步驟(3):運(yùn)用啟發(fā)式優(yōu)化算法求解步驟(2)中目標(biāo)函數(shù),獲得最優(yōu)控制參數(shù)。
[0011] St印1 :算法初始化:設(shè)置算法參數(shù),包括群體規(guī)模N、總迭代數(shù)T、個(gè)體隨機(jī)搜 索數(shù)量K,淘汰幅度系數(shù)σ、跳躍閾值p;確定PID控制參數(shù)范圍,KPe[ΚΡι_,ΚΡι_], Iε[KIimin,KIimax],Kdg[KD,min,KD,max],確走優(yōu)化變里邊界[Bl,Bj,Bl -[KPilllin,KImin,KDmin], B^= [KP,_,&_,&_],KP,_,KP,_分別為比例控制系數(shù)的最小值和最大值, 分別為積分控制系數(shù)的最小值和最大值,&_,&_分別為微分控制系數(shù)的最小值和最大 值,在此區(qū)間初始化群體中所有個(gè)體的位置向量,個(gè)體位置向量&=[KpjKwKuLi= 1,. . .,N,代表一組控制參數(shù);令當(dāng)前迭代次數(shù)t= 0 ;
[0012] Step2 :計(jì)算個(gè)體的目標(biāo)函數(shù)值Fit=?·ΙΤΑΕ(Χ?(?)),i= 1,· · ·,N。過(guò)程如下:從個(gè) 體i位置向量Xjt)解碼得到控制參數(shù),其中KP、K#P1^分別為位置向量中的第一、第二和 第三個(gè)元素,將控制參數(shù)代入步驟(1)中水輪機(jī)調(diào)節(jié)系統(tǒng)仿真模型,仿真得到系統(tǒng)狀態(tài)變 量隨時(shí)間的變化過(guò)程。得到控制器輸出X,按照步驟(2)中目標(biāo)函數(shù)得到個(gè)體i的目標(biāo)函數(shù) 值FA進(jìn)一步,計(jì)算群體目標(biāo)函數(shù)最小值,具有最小目標(biāo)函數(shù)值的個(gè)體確定為當(dāng)前最優(yōu)個(gè) 體XB(t);
[0013] Step3:對(duì)所有個(gè)體X1;i= 1,...,N進(jìn)行個(gè)體隨機(jī)搜索,計(jì)算慣性向量
[0014] St印3· 1 :令個(gè)體搜索次數(shù)1 = 0 ;
[0015] 3七印3.2:觀望一個(gè)位置叉廣七),計(jì)算1產(chǎn)'(〇,;_=1,~,況:
[0016]
[0017] rand為(0,1)之間隨機(jī)數(shù),εplay為觀望步長(zhǎng),εplay= 〇· 1 · ||Βυ_Β」| ;
[0018] St印3· 3 :計(jì)算下一個(gè)當(dāng)前位置Z嚴(yán)(?)
[0019]
[0020] rand為(0,1)之間隨機(jī)數(shù),εstep為慣性步長(zhǎng),εstep= 0· 2 · ||Bu-BL| | ;
[0021] Step3· 4 :1 = 1+1,如果 1 <K,轉(zhuǎn)至Step3· 2 ;否貝丨J,轉(zhuǎn)至Step4 ;
[0022] St印4:計(jì)算每個(gè)個(gè)體受當(dāng)前最優(yōu)個(gè)體召喚向量
[0023]
[0024] 其中δ;為中第i個(gè)個(gè)體與當(dāng)前最優(yōu)個(gè)體的距離向量,隨機(jī)數(shù)c 2 ·γβγκ!,c2 = (2 ·rand-1) (1-t/T),rand為(0,1)之間隨機(jī)數(shù);由此可知ClS(0,2)之間的隨機(jī)數(shù),表 示當(dāng)前最優(yōu)個(gè)體的號(hào)召力,當(dāng)Cl> 1時(shí),表示當(dāng)前最優(yōu)個(gè)體的影響力增強(qiáng),反之減弱;(32為 動(dòng)態(tài)隨機(jī)數(shù),其所以c2的隨機(jī)范圍由1線性遞減到0;
[0025]Step5:按照個(gè)體位置更新公式更新個(gè)體位置:
[0026]
[0027]Step6:判斷個(gè)體是否需要被淘汰并重新初始化:
[0028]Step6. 1:如果第i個(gè)個(gè)體滿足公式則該個(gè)體被淘汰并重新初始化:
[0029]
[0030] 其中,是t代種群所有個(gè)體目標(biāo)函數(shù)值的平均值,/^是最小的目標(biāo)函數(shù)值,ω 是一個(gè)隨迭代次數(shù)而線性遞增的參數(shù),#d(2_f-l),取值范圍為[_0, 0];
[0031] St印6. 2 :被淘汰的個(gè)體初始化:
[0032] X;=rand(l,D)X(BU-BL)+BL
[0033] 其中,D為位置向量維數(shù),D= 3 ;
[0034] Step7:判斷是否連續(xù)p代當(dāng)前最優(yōu)個(gè)體位置未發(fā)生移動(dòng),如果是,則認(rèn)為種群滅 亡,按照下式反演重構(gòu)新的種群:
[0035]
[0036] 其中R為反演半徑,R= 0. 1 · | | ;rand為(0,1)之間隨機(jī)數(shù),p為跳躍閾 值;
[0037]Step8:t=t+Ι,如果t>T,算法結(jié)束,輸出當(dāng)前最優(yōu)個(gè)體位置作為終解;否則,轉(zhuǎn) 入Step2。當(dāng)前最優(yōu)個(gè)體位置即為最優(yōu)控制參數(shù)向量。
[0038] 與現(xiàn)有技術(shù)相比,本發(fā)明有如下優(yōu)點(diǎn)和效果:
[0039] (1)本發(fā)明設(shè)計(jì)的水輪機(jī)調(diào)節(jié)系統(tǒng)控制參數(shù)的優(yōu)選方法,采用一種新型啟發(fā)式優(yōu) 化算法優(yōu)化目標(biāo)函數(shù),具有較高全局搜索能力,有效避免在尋優(yōu)過(guò)程中過(guò)早陷入局部最優(yōu) 的情況,從而獲得更優(yōu)的PID控制參數(shù)。
[0040] (2)與PS0優(yōu)化等傳統(tǒng)方法相比,本發(fā)明提出的參數(shù)優(yōu)選方法獲得的PID控制參數(shù) 能使水輪機(jī)調(diào)節(jié)系統(tǒng)頻率偏差更小,調(diào)節(jié)速度更快,系統(tǒng)調(diào)節(jié)品質(zhì)更高。
【附圖說(shuō)明】
[0041] 圖1為本發(fā)明水輪機(jī)調(diào)節(jié)系統(tǒng)原理圖;
[0042]圖2為本發(fā)明水輪機(jī)調(diào)節(jié)系統(tǒng)仿真模型圖;
[0043] 圖3為本發(fā)明所述方法和PS0優(yōu)化算法在水輪機(jī)調(diào)節(jié)系統(tǒng)PID控制參數(shù)優(yōu)選求解 中收斂曲線對(duì)比圖。
[0044] 圖4為本發(fā)明所述方法和PS0優(yōu)化算法優(yōu)選得到的PID控制參數(shù)對(duì)應(yīng)的系統(tǒng)頻率 擾動(dòng)對(duì)比圖。
【具體實(shí)施方式】
[0045] 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白,以下結(jié)合附圖及實(shí)施例,對(duì) 本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解,此處所描述的具體實(shí)施例僅用以解釋本發(fā)明,并不 用于限定本發(fā)明。此外,下面所描述的本發(fā)明各個(gè)實(shí)施方式中所涉及到的技術(shù)特征只要彼 此之間未構(gòu)成沖突就可以相互組合。
[0046] 本發(fā)明涉及一種水輪機(jī)調(diào)節(jié)系統(tǒng)的控制參數(shù)優(yōu)化,該系統(tǒng)包括PID控制器、電液 隨動(dòng)系統(tǒng)、引水系統(tǒng)、水輪機(jī)、發(fā)電機(jī)及負(fù)載,如圖1所示。其中,電液隨動(dòng)系統(tǒng)、引水系統(tǒng)、 水輪機(jī)、發(fā)電機(jī)及負(fù)載組成控制對(duì)象,由PID控制器進(jìn)行調(diào)節(jié)控制。本發(fā)明的目的是提出一 種該系統(tǒng)的控制參數(shù)優(yōu)選方法,從而提高水輪機(jī)調(diào)節(jié)系統(tǒng)動(dòng)態(tài)控制品質(zhì),提高該調(diào)節(jié)系統(tǒng) 穩(wěn)定性。
[0047] 為說(shuō)明本發(fā)明效果,下面以某一水輪機(jī)調(diào)節(jié)系統(tǒng)作為本發(fā)明的實(shí)施對(duì)象對(duì)本發(fā)明 方法進(jìn)行詳細(xì)說(shuō)明:
[0048] 步驟(1):建立的水輪機(jī)調(diào)節(jié)系統(tǒng)仿真模型。水輪機(jī)調(diào)節(jié)系統(tǒng)如圖2所示。圖2 中,X,y表示機(jī)組轉(zhuǎn)速相對(duì)值和導(dǎo)葉主接力器行程變化的相對(duì)值;c為機(jī)組轉(zhuǎn)速控制指令; Ty為導(dǎo)葉主接力器響應(yīng)時(shí)間常數(shù);T"為實(shí)際微分環(huán)節(jié)的時(shí)間常數(shù);s為拉氏算子;eqy為水 輪機(jī)流量對(duì)導(dǎo)葉主接力器行程的傳遞系數(shù);ey為水輪機(jī)力矩對(duì)導(dǎo)葉主接力器行程的傳遞系 數(shù);eqh為水輪機(jī)流量對(duì)水頭的傳遞系數(shù);eh為水輪機(jī)力矩對(duì)水頭的傳遞系數(shù);e"為水電機(jī) 組自調(diào)節(jié)系數(shù);!;為有壓引水系統(tǒng)水流慣性時(shí)間常數(shù);1\為機(jī)組慣性時(shí)間常數(shù);mgO為負(fù)荷 擾動(dòng)值;q、h分別為機(jī)組流量與有壓引水管道水壓偏差相對(duì)值。
[0049] 設(shè)置水輪機(jī)調(diào)節(jié)系統(tǒng)的各種參數(shù)如表1、表2所示。調(diào)節(jié)系統(tǒng)中取負(fù)荷擾動(dòng)mgO為 0. 02,采樣時(shí)間為0. 01s,仿真時(shí)間設(shè)置為25s;
[0050] 表1水輪機(jī)調(diào)節(jié)系統(tǒng)時(shí)間常數(shù)參數(shù)設(shè)定表
[0051]
[0052] 表2水輪機(jī)調(diào)節(jié)系統(tǒng)傳遞系數(shù)參數(shù)設(shè)定表
[0053]
[0054] 步驟(2):建立上述水輪機(jī)調(diào)節(jié)系統(tǒng)的控制參數(shù)優(yōu)化目標(biāo)函數(shù)。采用ITAE指標(biāo)作 為控制參數(shù)優(yōu)化的目標(biāo)函數(shù):
[0055]
[0056] 其中c(k)為頻率擾動(dòng)值,此處為0. 02;x為機(jī)組頻率響應(yīng);Ns為采樣點(diǎn)數(shù);T(k)為 時(shí)間序列,最大值設(shè)置為25s;
[0057] 步驟(3):運(yùn)用啟發(fā)式優(yōu)化算法求解步驟(2)中目標(biāo)函數(shù),優(yōu)選出最優(yōu)PID控制參 數(shù)。
[0058]Step1 :設(shè)置新型啟發(fā)式優(yōu)化算法參數(shù):總迭代數(shù)T= 100,群體規(guī)模N= 20,算 法其它參數(shù)設(shè)置如下:個(gè)體隨機(jī)搜索數(shù)&= 3,淘汰幅度系數(shù)〇 =