自适应差分进化算法在燃气轮机转速控制中的应用

为改善燃气轮机转速控制系统的调节品质,提出一种自适应差分进化算法,通过其控制参数的自适应调整,提高差分进化算法的快速收敛和全局寻优能力。应用该算法重新设计燃气轮机转速控制回路,其比例积分微分控制器(PID)参数通过自适应差分进化算法进行优化。仿真试验表明:经过自适应差分算法优化PID参数的转速控制系统,无论在正常升速过程还是甩负荷等突变工况,转速控制的动态特性和静态特性均明显优于标准差分进化算法优化PID参数的控制系统。     

基于DESAPSO混合算法的MMC-HVDC系统控制参数优化

针对传统外环控制器比例积分(PI)参数的选择需要经过长时间的调试且在大扰动下难以实时调节控制可能导致系统持续振荡的问题,提出了一种基于差分进化模拟退火粒子群优化混合算法(DESAPSO)的MMC-HVDC系统控制参数优化方法。基于MMC-HVDC系统的数学模型,在Matlab/Simulink平台上搭建MMC-HVDC系统仿真模型,采用时间绝对误差积分(ITAE)指标构建PI参数优化的目标函数,利用DESAPSO混合算法对PI参数进行优化。通过对比原参数、基于差分进化算法、模拟退火粒子群优化算法与差分进化模拟退火粒子群优化混合算法的优化结果,验证了该方法在MMC-HVDC控制系统参数优化中的有效性与优越性。     

基于改进AWNN的风电功率超短期多步预测

为提高风电功率超短期多步预测精度,针对梯度修正学习算法采用随机初始化网络参数训练自适应小波神经网络(AWNN)易陷入局部最优的缺点,将粒子群(PSO)算法和差分进化(DE)算法相结合,提出利用IPSO-DE算法优化AWNN的初始化网络参数,得到改进AWNN模型(IAWNN)并将其用于风电功率超短期多步预测。仿真结果表明:IPSO-DE算法优化AWNN初始化网络参数的性能优于IPSO算法、DE算法和梯度修正学习算法,所提改进模型的多步预测性能优于AWNN模型、持续法(PM)模型和BP神经网络(BPNN)模型。     

基于自抗扰控制器的柴油机调速算法

利用跟踪微分器对常规比例-积分-微分(proportion-integral-derivative,PID)控制器进行改进,对常规PID、改进PID和自抗扰控制算法分别进行验证,选择D6114型柴油发电机组作为被控对象,利用Simulink搭建数学模型,仿真结果与真实试验数据吻合。分别搭建3种不同控制算法下的控制器模型,检验算法的可行性并完成调速控制试验,其中在起动、稳定运行和加减载动态调速阶段分别完成3种算法的试验验证。结果表明:改进PID控制器的稳态和瞬态调速效果均有明显提升,自抗扰控制器控制效果更好。     

基于改进DE算法的PID参数整定及其应用

将PID经验整定公式和自适应算子引入到微分进化(DE)算法中,在此基础上提出了改进的微分进化(IDE)算法,即采用PID经验整定公式指导DE算法中初始种群的产生,减少了DE算法寻优的随机性,加快了收敛速度且不依赖调试人员的经验,实现完全自适应获得PID参数.对具有严重参数不确定性、多扰动及大迟延的循环流化床(CFB)锅炉汽温控制系统进行仿真研究,并将IDE算法应用到某300 MW CFB锅炉主汽温控制系统中.结果表明:IDE算法寻优速度快、计算量小,对参数优化非常有效;与遗传算法(GA)整定PID参数的效果相比,IDE算法具有较好的调节品质和较强的鲁棒性,汽温控制效果得到明显改善.     

自适应文化差分进化算法在洪灾聚类评价中的应用

针对模糊聚类迭代(FCI)模型参数难以优化的问题,提出了一种自适应文化差分进化(ACDE)算法,该算法将差分进化(DE)算法纳入文化算法的框架,通过两个种群的独立演化及信息交流来提升算法的全局寻优能力,克服了DE算法存在的早熟收敛问题,进而利用ACDE算法来优化FCI模型的聚类中心矩阵,有效改善了FCI模型的聚类效果。对河南省洪灾聚类评价分析结果表明,该模型具有合理性及有效性。     

基于差分粒子群优化算法的多机PSS参数优化

提出了一种新的进化计算方法--差分进化粒子群优化算法(DEPSO)进行多机电力系统稳定嚣(PSS)的参数优化.该方法以系统正常运行方式下的最小机电振荡模式阻尼比为目标函数,将PSS的参数优化问题等效为非线性、非解析、非突性的连续实域空问的函数优化问题.基于传统的差分进化策略,引入种群中的最优个体信息和方向信息,提出了一种全新的差分进化策略.仿真结果表明,该算法搜索空间广,收敛速度快,优化效果好.     

双有源桥DC-DC变换器H∞混合灵敏度控制及优化

以双有源桥DC-DC变换器（DAB）为研究对象,针对交直流微网中因可再生能源的波动性和随机性、测量误差、运行工况变化等原因所导致的参数摄动问题,提出基于差分进化算法（DE）优化的H_∞混合灵敏度鲁棒控制（H_∞-MSC）策略。通过选取合适的加权函数对系统不同频段特性进行规划,得到理想的动态性能及鲁棒性能,并针对加权函数难以选取的缺点,采用DE算法对选择过程进行优化,通过迭代寻优匹配最佳控制器参数,改进H_∞-MSC算法。最后,通过半实物实验对比例积分（PI）单移相控制算法和DE-H_∞-MSC算法进行对比分析。研究结果表明,DE-H_∞-MSC算法能有效增强DAB系统的动态性能和鲁棒性能,可提高微电网系统运行的稳定性。     

基于差分进化算法的太阳自动跟踪控制方法

为在浮空器平台上实现对太阳的准确跟踪,分析目前太阳能光伏发电系统中常用的跟踪方法和浮空器上太阳跟踪装置的特点,阐述被动式太阳跟踪方法和差分进化算法的原理。由于浮空器平台的不稳定性,在ZieglerNichols(Z-N)法整定PID参数的基础上,运用差分进化算法对PID参数做进一步优化,可实现太阳能的充分利用,减少动态跟踪时驱动电机的能量损耗。仿真结果表明:该控制方法可改善系统的动态特性,使系统的鲁棒性更强,为工程应用提供可靠的理论依据。     

基于差分进化的光伏MPPT算法改进

基于差分进化(DE)算法提出一种改进的最大功率追踪(MPPT)算法。针对DE算法MPPT时收敛较慢且追踪过程中会产生较大的尖峰电压和振铃的问题,该文采用新的差分策略并增加种群个体排序,提出一种差分进化和扰动观察法(PO)相结合的OMDE-PO算法。首先通过OMDE算法快速达到最大功率对应的电压附近,然后通过PO算法快速稳定到最大功率点。通过Matlab仿真及硬件实验,验证该算法的可行性。     

基于模糊的自校正PID控制在水电机组上的应用

针对水电机组具有非线性、时变、非最小相位且结构参数变化范围较大的特点，基于模糊集理论设计了一种自校正PID控制器．该控制器基于对控制误差、误差的变化和误差变化的变化的识别，通过模糊推理来实现其参数的实时优化．从而达到对水电机组不同工况下的自适应控制，算法实现简单．实时性强。在水电机组的调节系统仿真实验中．与采用常规PID控制相比，能更有效改善系统的动态性能．增强系统的鲁棒性。图7参7     

分数阶PID混合算法的水轮机调速系统优化控制与建模分析

为深入研究水轮机调速系统的非线性动态特征,分析水轮机在负荷波动时调速系统对水轮机转速、出力及输出电压电流波形的控制情况,提出一种采用混合算法(BP-FOA)的分数阶PID(FOPID)双目标函数控制系统;并利用Matlab平台建立了能够反映动态负荷变化及发电机情况的水轮机模型,使其更具实际适应性。仿真及实例分析表明,经混合算法优化后的水轮机调速器在调节性能与鲁棒性上均有一定的提升,同时亦为水轮机动态模型建模提供了借鉴。     

基于GSA的水轮机调速系统非线性PID控制参数优化方法研究

水轮机调速系统是水电机组的核心控制系统,调速器控制参数优化与机组的安全稳定高效运行直接相关。针对现有研究的不足,建立了非线性调速系统模型,采用综合特性曲线描述水轮机模型,采用弹性水击模型描述压力引水系统特性;在此基础上,结合引力搜索算法(GSA)的优点,提出了基于GSA的非线性PID控制参数优化方法,并以我国某实际水电机组数据建立仿真模型,比较了不同优化方法和不同PID控制规律的组合控制效果。结果表明,基于GSA的水轮机调速系统非线性PID控制参数优化方法,能有效提高孤网运行条件下机组的动态品质。     

Multi-objective design optimization of a large-scale directdrive permanent magnet generator for wind energy conversion systems

This paper presents a simultaneous multiobjective optimization of a direct-drive permanent magnet synchronous generator and a three-blade horizontal-axis wind turbine for a large scale wind energy conversion system. Analytical models of the generator and the turbine are used along with the cost model for optimization. Three important characteristics of the system i.e., the total cost of the generator and blades, the annual energy output and the total mass of generator and blades are chosen as objective functions for a multi-objective optimization. Genetic algorithm (GA) is then employed to optimize the value of eight design parameters including seven generator parameters and a turbine parameter resulting in a set of Pareto optimal solutions. Four optimal solutions are then selected by applying some practical restrictions on the Pareto front. One of these optimal designs is chosen for finite element verification. A circuit-fed coupled time stepping finite element method is then performed to evaluate the no-load and the full load performance analysis of the system including the generator, a rectifier and a resistive load. The results obtained by the finite element analysis (FEA) verify the accuracy of the analytical model and the proposed method.     

变顶高尾水洞水电站水轮机调节系统的Hopf分岔及其动态仿真

基于刚性水击、非线性水轮机、三阶发电机、PID调速器等模型,建立了变顶高尾水洞水电站的水轮机调节系统的非线性模型,运用Hopf分岔理论分析了动力系统的分岔现象,以PID调节参数作为动力系统的分岔参数分析了接力器时间常数、尾水洞坡度和甩负荷对系统稳定域的影响,并采用RKF方法对系统进行了负荷变化的动态仿真。结果表明,系统的Hopf分岔为亚临界,接力器时间常数增大时系统稳定域减小,尾水洞坡度应取较小值,机组甩负荷时系统稳定域增大;在稳定域内系统是渐进稳定的,所建立的模型可用于大波动和小波动的动态仿真。     

水轮机水门的分数阶PID控制策略研究

针对水轮机调速系统的强非线性及易受各种内外部干扰影响,基于分数阶PID控制策略提出了一种新型的水门非线性控制器。通过对水轮机水门开度模型进行反馈线性化,结合分数阶PID控制理论约束自定义的控制变量,且利用遗传算法在线调节控制器的参数。仿真结果证明,与常规PID控制方式相比,所设计的水门分数阶PID控制器能有效地阻尼系统振荡,调速系统的鲁棒性得到较好的改善。     

风力机变桨系统单神经元自适应PID控制

在分析风力发电系统能量转换理论的基础上,将单神经元自适应算法与常规PID算法结合,通过单神经元自学习,对PID控制器的系数进行在线调整,提出一种单神经元自适应PID调节变桨角度的控制方法,建立了风力机桨距角控制数学模型.风速超过额定值后,利用单神经元自适应PID控制器进行变桨控制,将控制结果与采用常规PID控制器的控制性能进行了对比.结果表明:单神经元自适应PID控制器可以将输出功率恒定在额定值,能够对变桨系统进行有效控制,达到预期的目标.     

BP神经网络在水轮机调节过程中的应用

由于水轮机调节系统的大惯性、"水锤"效应等特点及其结构复杂等问题,采用传统的常规PID控制已很难满足控制要求,控制品质也难以改善,控制过程中易发生超调量大、震荡频次多、收敛时间过长等问题。对此,在常规PID控制基础上设计了基于BP神经网络自适应PID控制,并在Matlab软件中完成相关程序的编写及仿真试验。仿真结果表明,基于BP神经网络自适应PID控制是一种有效的水轮机调速器参数整定方法,相较于常规PID控制能获得更好的动态性能。     

汽轮发电机组多变量PID控制器的优化设计

提出了一种用遗传算法进行多变量PID控制器参数优化的方法。该方法利用遗传算法提供的通用框架,对PID控制器参数进行全局优化。方法仅要求目标函数可数值计算,不限制被控对象模型的具体形式,也无需目标函数和控制参数间的解析关系,因而具有良好的通用性。对汽轮发电机组控制系统的仿真研究表明:该方法整定的多变量PID控制的解耦效果虽稍逊于高阶的正规矩阵参数优化方法,但比多回路PID在解耦特性上有明显改善,且具有一定的抗干扰能力和鲁棒性,显示了方法的可行性和良好的动态性能。图5参9