基于线性与非线性模型的水轮机调速器PID参数优化比较

分别推导出了基于线性模型和非线性模型的水轮机调节系统闭环比例积分微分(proportional-integral-derivative,PID)控制的微分方程。以水轮发电机组转速偏差相对值的时间乘误差绝对值积分指标作为粒子群优化算法的适应度函数,分别实现了采用这2种不同数学模型的水轮机调速器PID参数的优化设计。计算结果表明,PSO优化算法对于非线性系统控制参数的优化设计是一种有效的方法;采用不同数学模型的水轮机调节系统,其PID参数的优化结果是不同的;水轮机调节系统采用非线性模型时的优化结果相对较好。     

基于改进粒子群算法优化的水轮机组低频振荡PID控制研究

水轮机低频振荡是影响电网稳定运行的主要因素,对其进行有效的控制是非常重要的,将改进粒子群算法优化的PID控制技术应用于水轮机低频振荡控制之中.首先,分析了水轮机组的出力模型;其次,分析了PID控制器的基本原理;然后,讨论了改进粒子群算法的流程;最后,以某水轮机组为例进行了控制仿真研究,仿真结果表明改进粒子群算法优化的PID控制器具有较好的控制效率和控制精度,从而在水轮机组低频振荡控制中的应用是切实可行的.     

基于改进粒子群算法的水轮发电机组PID调速器参数优化

文中提出一种改进的PSO优化算法,并将该算法应用于水轮发电机组PID调速器参数的优化设计,以水轮发电机组转速偏差的ITAE指标作为改进PSO优化算法的适应度函数.以我国某水电站的真实数据对经过优化后的PID控制规律进行计算机仿真.仿真结果表明利用改进PSO优化算法优化的PID控制规律能有效改善孤网运行条件下水轮机调节系统过渡过程的动态性能.     

改进重置粒子群算法在MPC调速系统中的应用

提出一种改进重置粒子群优化算法,用于模型预测控制器多参数的整定优化。改进算法分为三个搜索阶段:"全局搜索"阶段采用Neumann邻域粒子群优化算法,实现全局搜索能力和收敛速度间的均衡;"局部搜索"阶段采用无导数拟牛顿BFGS算法,提高收敛速度和收敛精度;"动态重置"阶段对满足重置条件的子群进行重置,解决收敛早熟问题。利用标准测试函数对4种粒子群优化算法进行比较分析,结果表明改进重置粒子群优化算法在收敛效率、收敛精度与通用性方面占据优势。将改进重置粒子群优化算法应用于模型预测控制永磁同步电动机调速系统,仿真结果表明最优参数能够保证计算得到优化控制律,从而实现系统性能的改善。     

改进粒子群算法优化PID的冶金电气控制

冶金系统的电气机组受到外界环境干扰大,输出电压具有时变性和非线性,传统控制方法难以获得高准确度的控制效果,为此提出一种改进粒子群算法优化PID的冶金控制策略。首先分析当前冶金系统的电气机组PID控制参数存在的不足;然后采用粒子群算法对电气机组PID控制参数进行求解,并针对标准粒子群算法的不足进行相应改进;最后采用仿真对比实验测试改进粒子群算法优化PID的优越性。实验结果表明,改进粒子群算法优化PID冶金电气控制系统控制准确度高,抗干扰能力强,具有较快的响应速度。     

水轮机智能调速系统数学模型仿真及参数辨识

为建立与电网稳定计算有关的水轮机调速系统数学模型及模型参数测量辨识,提出一种基于自适应人工鱼群-神经网络技术并适用于水轮机调速系统控制的新技术,建立智能调速系统数学模型,使之符合实际调节及微机优化控制。分析了该模型组成部分的传递函数,提出采用自适应人工鱼群算法来弥补人工鱼群和神经网络算法的不足,阐述了自适应人工鱼群算法-神经网络优化器的算法。给出了自适应人工鱼群优化算法参数辨识算法设计和实现步骤。利用Matlab和自适应人工鱼群算法进行模型参数辨识,对一次调频和二次调节试验过程进行仿真并与实测对比。结果表明,仿真值与实测值相当接近,所研制的自适应人工鱼群-神经网络优化器,达到了优化PID调节器控制输出量的目标;所建立的调速系统数学模型真实地反映调速系统在机组并网工况下的调节特性,说明该方法原理正确,可用于优化控制。     

水轮机调速系统源网协调问题研究

水轮机调速系统厂家众多,逻辑、型式及模式命名规则多样,不利于技术交流、运行控制及管理。研究了当前主流水轮机调速系统的控制逻辑及模式命名规则,并提出了标准化建议;分析了一次调频与自动发电控制系统主流协调策略的优缺点,提出了"同向叠加,反向闭锁"优化控制逻辑,并结合实例进行了验证测试;分析了一次调频关键参数对水轮机调速系统性能的影响,并针对实际案例给出了参数优化方法;研究了水轮机调速系统建模方法,基于分环节辨识,对调节器控制系统、随动系统、水轮机三大环节建立了精确数学模型,并对整体模型进行了校核验证。水轮机调速系统控制逻辑制定、一次调频参数优化、调速系统仿真建模三者须有机结合,共同保证其性能满足相关标准及源网协调各项技术要求。     

考虑节能效益的企业分布式电源优化配置

针对企业供配电系统分布式电源规划问题,以企业节能效益最大化为目标,建立企业分布式电源优化配置模型。采用改进粒子群算法进行求解,将参数自适应调节、粒子交叉、模拟退火算法融入粒子群算法,有效提高了粒子群算法的寻优效率。采用IEEE33节点配电系统进行了算例仿真分析,仿真结果表明,利用此模型对分布式电源进行优化配置后,配电网损耗降低、电压质量显著提高、企业节能经济效益得到最大化提升。算例有效验证了优化配置模型与改进粒子群算法的可行性。     

基于改进粒子群算法的压电结构电气转换装置气路优化研究

为了能够提高压电结构电气转换装置的性能,利用改进粒子群算法对其气路进行优化设计。分析了压电结构电气转换装置的基本原理,研究了改进的粒子群算法,提出了相应的算法流程,并进行了仿真分析,获得了压电结构电气转换装置气路的最优化尺寸参数,结果表明算法具有较好的稳定性。     

大型水轮发电机组水门开度控制零动态设计方法

针对一类非线性非最小相位系统,利用微分几何控制理论,首先通过引入动态反馈对其扩维以获得稳定的零动态,然后采用标准的线性系统方法设计非线性控制器;进一步利用哈密顿 — 雅可比 — 贝尔曼方程和中心流形理论分别证明所设计控制律的最优性以及闭环系统的稳定性。结合水轮机调速系统模型,求得大型水轮发电机组水门开度非线性最优控制律。对川渝—华中电网的仿真结果表明,与常规控制器相比,所设计的调速系统控制律能够显著提高电力系统的暂态稳定性。     

基于免疫粒子群算法的电力系统无功优化

为提高粒子群优化(particle swarm optimization,PSO)算法的收敛性能,将免疫算法(immunity algorithms,IA)的免疫信息处理机制引入到标准粒子群算法,形成一种新的优化算法,即免疫粒子群算法。该算法将免疫算法的免疫记忆和自我调节机制引入PSO,并采用基于粒子浓度机制的多样性保持策略;同时,用免疫算法的"接种疫苗"和"免疫选择"来指导搜索过程。改进后的算法可以很好的保持优化过程中粒子群的多样性,抑制优化过程中出现的退化现象,保证算法的收敛精度和收敛速度。IEEE 30节点系统算例仿真表明,IA-PSO算法与标准PSO算法相比,能够及时跳出局部最优得到全局最优解,且收敛速度快、精度高。     

基于混沌免疫接种粒子群算法的电力系统多目标无功优化

针对基本粒子群优化算法的收敛性能受初始粒子分布影响较大的问题,应用混沌优化理论具有遍历性的突出优点和人工免疫系统中接种疫苗的方法,即混沌免疫接种粒子群优化算法,将该方法应用于电力系统多目标无功优化模型求解.混沌免疫接种粒子群算法是采用混沌优化生成初始粒子即无功优化控制变量值,并选择其中较优的粒子作为初始粒子群,改善了随...     

智能优化算法在水轮机参数辨识中的应用

大力开发水电资源是解决我国能源供应紧张问题的重要途径。水轮机辨识多采用基于线性系统辨识理论的算法,由于缺乏对水轮机非线性因素的考虑,很难满足电力系统实际运行状况分析的需要。智能优化算法是水轮机辨识的最优斱法,本文将差分进化算法和粒子群算法成功应用于水轮机辨识中,幵针对智能优化算法存在的原理误差,提出将两种算法辨识得到的平均值作为辨识结果。仿真结果显示该策略辨识出的系统参数精确度高,误差小。     

基于改进粒子群算法的微电网多目标优化调度

微电网优化调度作为智能电网优化的重要组成部分,对降低能耗、环境污染具有重要意义。微电网的发展目标既要满足电力供应的基本需求,又要提高经济效益和环境保护。对此,提出了一种综合考虑微电网系统运行成本和环境保护成本的并网模式下微电网多目标优化调度模型。同时采用改进的粒子群算法对优化模型进行求解。仿真结果表明,该模型可以有效降低用户的用电成本和环境污染,促进微电网的优化运行,并验证了改进的粒子群算法的优越性能。     

基于改进粒子群算法的配电网无功优化

无功优化是保证系统可靠运行的重要措施,针对配电网无功优化的特点,提出一种基于局部电压稳定指标分区与改进粒子群算法相结合的配电网无功优化方法。首先计算系统负荷节点的局部电压稳定指标,根据电压稳定指标大小将负荷节点进行排序,选取排序在后的一部分负荷节点作为候选补偿点集合,结合电气距离将其分区;然后借助改进粒子群算法获得系统最佳补偿点位置与无功补偿量;最后在MATLAB中用IEEE33节点系统进行仿真验证,仿真结果表明,由局部电压稳定指标与电气距离相结合的方法可以缩小寻优范围,得到的候选补偿区合理有效,改进粒子群算法初始化粒子多样性更好,具有更快的收敛速度。     

基于MDPSO的永磁直驱风力发电机参数辨识

针对永磁直驱风力发电机的多参数辨识问题以及传统参数辨识方法的收敛精度差、收敛速度慢等问题,提出了引入平均最优位置变量的自适应空间搜索向量的改进粒子群算法(MDPSO),对永磁直驱风力发电机参数辨识。根据永磁直驱风力发电机定子电压电流模型,进行pade近似并降阶处理后进行离散化,建立直驱风力发电机辨识模型;引入自适应空间搜索向量和平均最优位置变量改进粒子群算法;应用提出的MDPSO辨识直驱风力发电机定子绕组的电阻、电感和磁链等参数。算例仿真结果表明,提出的辨识算法具有精度高、计算速度快、稳定性高等特点,从而验证了建立的直驱风力发电机辨识模型及辨识算法的有效性。     

基于模拟退火粒子群算法的波浪发电系统最大功率跟踪控制

波浪发电系统最大功率点跟踪控制中,传统粒子群算法存在早熟收敛和局部搜索能力不足问题,为此提出基于模拟退火算法的粒子群优化方案。该算法每次更新粒子的速度和位置时,通过比较当前温度下各个粒子的适配值与随机数的大小,从所有粒子中确定全局最优解的替代值,从而使粒子群算法在发生早熟收敛时能够跳出局部最优并快速找到全局最优解。仿真结果表明,与传统粒子群优化算法相比,模拟退火粒子群算法可有效避免波浪发电系统陷入局部最大功率点,并快速实现全局最大功率跟踪,提高了波浪能捕获率。     

基于SA-PSO的电力系统无功优化

粒子群优化算法是一种简便易行,收敛快速的演化计算方法。但该算法也存在收敛精度不高,易陷入局部极值的缺点。针对这些缺点,对原算法加以改进,引入了自适应的惯性系数和模拟退火算法的思想,提出了一种新的模拟退火粒子群优化(simulated annealing particle swarm optimization,SA-PSO)算法,并将其应用于电力系统无功优化。对IEEE14节点系统进行了仿真计算,并与PSO算法作了比较,结果表明SA-PSO算法全局收敛性能及收敛精度均较PSO算法有了较大提高。     

基于二进制粒子群的充电桩故障定位系统配置与定位方法

电动汽车充电桩网络作为泛在电力物联网的重要组成部分,其电能采集终端配置和故障定位问题已成为一项重要课题.文中提出了一种基于整数线性规划的充电桩网络电能采集终端优化配置模型和故障定位模型.所建立的配置模型以配置成本最低为目标函数,通过规划采集终端的接入位置保证系统各节点电压和各支路电流的可测性;故障定位模型能够针对系统故障时的扰动功率准确定位到故障发生支路.采用二进制粒子群算法对所建立的模型进行求解.仿真结果表明,所建立的模型能够在满足系统故障检测和定位的前提下提升经济性,二进制粒子群算法相比于基本粒子群算法,对所建立的模型求解性能更优.     

基于改进粒子群算法的电力系统有功调度

针对电力系统有功优化调度,提出了一种改进的粒子群算法,该算法考虑了火电厂的煤耗量,污染物排放量,以及线路损耗等,通过分别求解各个单目标优化问题和定义各单项目标的隶属度函数,把多目标优化问题转化为单目标优化问题,从整体上降低电力系统的发电成本。该算法以标准粒子群算法为基础,对其参数进行了改进,并对其搜索速度加以限制。将其应用于电力系统的3机组模型,算例仿真结果表明该算法节省了收敛时间,具有收敛速度快,计算精度高的优点。