本發(fā)明屬于電力系統(tǒng)水力發(fā)電機組的精細化建模與控制優(yōu)化領(lǐng)域,更具體地,涉及一種抽水蓄能機組調(diào)速系統(tǒng)模糊分數(shù)階PID控制方法。
背景技術(shù):
:隨著我國經(jīng)濟和社會的快速發(fā)展,電力負荷迅速增長,峰谷差不斷加大,調(diào)峰能力不足將成為制約電力系統(tǒng)發(fā)展的突出問題。抽水蓄能電站以其調(diào)峰填谷的獨特運行特性,發(fā)揮著調(diào)節(jié)負荷和維護電網(wǎng)安全穩(wěn)定運行的功能,逐步成為我國電力系統(tǒng)有效的、不可或缺的調(diào)節(jié)手段。然而,水泵水輪機全特性存在著水輪機反“S”區(qū)和水泵駝峰區(qū)兩個運行不穩(wěn)定的區(qū)域,導(dǎo)致低水頭水輪機起動并網(wǎng)困難、低水頭調(diào)相轉(zhuǎn)發(fā)電不穩(wěn)定、機組空載振蕩、水泵啟動過程中的水壓振蕩等控制問題突出。傳統(tǒng)的控制策略和控制規(guī)律無法滿足抽水蓄能機組控制品質(zhì)的需求,無法從根本上解決抽水蓄能機組控制對象強烈非線性、時變性與線性控制規(guī)律之間的適配問題。因此,研究更先進的控制規(guī)律和策略成為抽水蓄能科學(xué)技術(shù)發(fā)展的驅(qū)動力。在抽水蓄能機組調(diào)速系統(tǒng)控制研究時,水泵水輪機反“S”特性是影響模型精度與控制性能的主要因素。傳統(tǒng)的抽水蓄能機組建模方法僅考慮水泵水輪機在水輪機工況穩(wěn)定區(qū)域時的動態(tài)特性,將水泵水輪機簡化為IEEE六參數(shù)模型,不能準(zhǔn)確反映抽水蓄能機組的動態(tài)特性;同時傳統(tǒng)的PID控制策略不能有效的調(diào)節(jié)控制抽水蓄能機組的強非線性,尤其是低水頭機組運行在“S”區(qū)域時,PID控制不能很好的解決低水頭水輪機起動并網(wǎng)困難、低水頭調(diào)相轉(zhuǎn)發(fā)電不穩(wěn)定、機組空載振蕩等問題。技術(shù)實現(xiàn)要素:針對現(xiàn)有技術(shù)的以上缺陷或改進需求,本發(fā)明提供一種抽水蓄能機組調(diào)速系統(tǒng)模糊分數(shù)階PID控制方法,準(zhǔn)確反映水力系統(tǒng)與電力系統(tǒng)動態(tài)響應(yīng)過程,明顯的改進低水頭空載運行時機組頻率和導(dǎo)葉開度的過渡過程,提高抽水蓄能機組調(diào)節(jié)系統(tǒng)的速動性與穩(wěn)定性。本發(fā)明采用以下技術(shù)方案實現(xiàn)上述目的。抽水蓄能機組調(diào)速系統(tǒng)模糊分數(shù)階PID控制方法,其特征在于,包括以下步驟:步驟1:根據(jù)分數(shù)階微積分和模糊控制理論,建立針對抽水蓄能機組的模糊分數(shù)階PID控制器模型,所述控制器模型的模糊推理環(huán)節(jié)的隸屬度函數(shù)選用三角形型函數(shù),設(shè)計控制器參數(shù)誤差與誤差分數(shù)階積分的模糊規(guī)則;步驟2:建立抽水蓄能機組調(diào)速系統(tǒng)精細化模型;所述調(diào)速系統(tǒng)精細化模型包括模糊分數(shù)階PID控制器模型、引水系統(tǒng)近似彈性水擊模型、基于全特性曲線水泵水輪機模型以及一階發(fā)電機模型;步驟3:建立抽水蓄能機組調(diào)速系統(tǒng)控制器參數(shù)優(yōu)化的目標(biāo)函數(shù),以尋求一組調(diào)節(jié)參數(shù)使得機組調(diào)速系統(tǒng)在工況轉(zhuǎn)換過渡過程中上升時間快、超調(diào)量小、調(diào)節(jié)時間短;步驟4:設(shè)置所述調(diào)速系統(tǒng)的模型參數(shù)、引力搜索算法參數(shù)與控制參數(shù)的解空間,通過并行引力搜索算法迭代調(diào)整控制器參數(shù),使得目標(biāo)函數(shù)值最小,進而得到機組調(diào)速系統(tǒng)的最優(yōu)控制參數(shù),包括以下子步驟:1)初始化所述調(diào)速系統(tǒng)模型參數(shù)、并行引力搜索算法參數(shù)與算法種群位置;2)通過分配子線程,將種群體劃分為多個子種群,并給所述多個子種群分配粒子個數(shù);3)依據(jù)建立的目標(biāo)函數(shù),計算每一子種群的適應(yīng)值;在子線程中依據(jù)粒子群的進化規(guī)則,更新所述多個子種群中粒子速度和位置,獲得子種群當(dāng)前最優(yōu)參數(shù)解;4)重復(fù)子步驟2)和子步驟3),直至達到最大迭代次數(shù)或預(yù)設(shè)精度,則停止參數(shù)優(yōu)化搜索,得到的最優(yōu)解即為提出的抽水蓄能機組調(diào)速系統(tǒng)控制器的最優(yōu)控制參數(shù)。進一步,所述模糊分數(shù)階PID控制器模型包括模糊分數(shù)階PID控制模型和接力器執(zhí)行機構(gòu)模型,其中所述模糊分數(shù)階PID控制模型的傳遞函數(shù)如下:uFLC_FOPID(t)=uFLC_FOPI(t)+uFLC_FOPD(t)=KPI·d-λ(uKPI(t)+(y-yc))dt-λ+KPD·uKPD(t);]]>uKPI(t)=f1(Ke·e+Kd·Dμe);]]>uKPD(t)=f2(Ke·e+Kd·Dμe);]]>式中:e表示機組轉(zhuǎn)速誤差;Dμe表示e的分數(shù)階微分;uFLC表示模糊控制輸出;y為機組導(dǎo)葉開度;yc為機組導(dǎo)葉開度設(shè)定值;uFLC_FOPI表示分數(shù)階積分環(huán)節(jié)輸出;uFLC_FOPD表示比例環(huán)節(jié)輸出;uFLC_FOPID表示接力器執(zhí)行機構(gòu)輸入;Ke、Kd、KPI、KPD分別表示模糊控制誤差輸入比例系數(shù)、誤差輸入分數(shù)階微分系數(shù)、輸出分數(shù)階積分系數(shù)、輸出分數(shù)階微分系數(shù);f1(·)、f2(·)分別為KPI、KPD的模糊推理函數(shù);所述接力器執(zhí)行機構(gòu)的輸出y,其計算公式如下:y(s)ycon(s)=k0TyBTys2+Tys+k0;]]>其中:Ty表示主接力器響應(yīng)時間常數(shù);TyB表示輔助接力器響應(yīng)時間常數(shù);k0表示放大系數(shù);ycon表示控制環(huán)節(jié)輸出。進一步,所述系數(shù)KPI與KPD應(yīng)用的模糊規(guī)則,分別如以下表:表1系數(shù)KPI的模糊規(guī)則表2系數(shù)KPD的模糊規(guī)則進一步,所述步驟1中模糊推理環(huán)節(jié)采用Mamdani法作為模糊推理方法。本發(fā)明首先對抽水蓄能機組調(diào)速系統(tǒng)進行建模,包括:模糊分數(shù)階PID控制器模型、接力器執(zhí)行機構(gòu)模型、水泵水輪機模型、引水系統(tǒng)模型、發(fā)電機/電動機模型,進而通過并行引力搜索算法優(yōu)化提出的控制器的參數(shù)。模糊推理、分數(shù)階PID和并行引力搜索計算技術(shù)的引入,創(chuàng)造性的將模糊邏輯、分數(shù)階微積分與智能算法用于抽水蓄能機組的調(diào)節(jié)控制,有效提高了抽水蓄能機組的動態(tài)響應(yīng)品質(zhì)與控制參數(shù)優(yōu)化效率。本發(fā)明獲得的調(diào)速系統(tǒng)精細化模型可以深入地反映水力系統(tǒng)與電力系統(tǒng)的動態(tài)過程以及其相互之間的耦合作用,更大程度地滿足了水電能源系統(tǒng)仿真、電力系統(tǒng)分析和控制優(yōu)化的精細化建模要求??傮w而言,通過本發(fā)明所構(gòu)思的以上技術(shù)方案與現(xiàn)有技術(shù)相比,具有以下有益效果:建立的調(diào)速系統(tǒng)模型仿真精度高,能真實反映水力系統(tǒng)與電力系統(tǒng)動態(tài)響應(yīng)過程及其耦合作用?;趥鹘y(tǒng)PID控制理論創(chuàng)造性的將模糊邏輯、分數(shù)階微積分用于抽水蓄能機組的調(diào)節(jié)控制,有效提高了抽水蓄能機組的動態(tài)響應(yīng)品質(zhì)。提出并行引力搜索優(yōu)化算法,解決了傳統(tǒng)引力搜索優(yōu)化方法耗時長的問題。提出的多線程并行引力搜索算法平均優(yōu)化時間僅約為單線程串行引力搜索算法的1/2。附圖說明圖1為本發(fā)明抽水蓄能機組調(diào)速系統(tǒng)模糊分數(shù)階PID控制方法的流程圖;圖2為本發(fā)明模糊分數(shù)階PID控制器模型結(jié)構(gòu)圖;圖3為本發(fā)明控制參數(shù)KPI與KPD的三角形隸屬度關(guān)系圖;圖4為本發(fā)明模糊分數(shù)階PID調(diào)速器模型框圖;圖5為本發(fā)明引水系統(tǒng)近似彈性水擊模型框圖;圖6(a)為本發(fā)明機組單位流量與單位轉(zhuǎn)速關(guān)系曲線圖;圖6(b)為本發(fā)明機組單位力矩與單位轉(zhuǎn)速關(guān)系曲線圖;圖7(a)為本發(fā)明三次B樣條插值后的機組單位流量與單位轉(zhuǎn)速關(guān)系曲線圖;圖7(b)為本發(fā)明三次B樣條插值后的機組單位力矩與單位轉(zhuǎn)速關(guān)系曲線圖;圖8(a)為本發(fā)明對數(shù)曲線投影變換的機組單位流量特性曲線圖;圖8(b)為本發(fā)明對數(shù)曲線投影變換的機組單位力矩特性曲線圖;圖9為本發(fā)明發(fā)電機及負荷模型框圖;圖10為本發(fā)明基于并行引力搜索算法的控制器參數(shù)優(yōu)化流程圖;圖11為本發(fā)明實施例的抽水蓄能機組調(diào)速系統(tǒng)結(jié)構(gòu)圖;圖12為本發(fā)明實施例包含模糊分數(shù)階PID控制器的調(diào)速系統(tǒng)模型結(jié)構(gòu)圖;圖13為本發(fā)明實施例調(diào)速系統(tǒng)空載開機工況機組頻率響應(yīng)曲線圖;圖14為本發(fā)明實施例調(diào)速系統(tǒng)空載頻率擾動工況機組頻率響應(yīng)曲線圖。具體實施方式以下結(jié)合附圖及實施例對本發(fā)明進行進一步詳細說明。下面所描述的本發(fā)明各個實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。圖1所示為本發(fā)明中抽水蓄能機組調(diào)速系統(tǒng)模糊分數(shù)階PID控制方法的流程圖,具體包括以下步驟:步驟1:根據(jù)分數(shù)階微積分和模糊控制理論1,建立模糊分數(shù)階PID控制器2模型;圖2所示為本發(fā)明建立的模糊分數(shù)階PID控制器模型結(jié)構(gòu)圖,控制器的傳遞函數(shù)如公式(1)-(3)所示。uFLC_FOPID(t)=uFLC_FOPI(t)+uFLC_FOPD(t)=KPI·d-λ(uKPI(t)+Δy)dt-λ+KPD·uKPD(t)---(1)]]>uKPI(t)=f1(Ke·e+Kd·Dμe)---(2)]]>uKPD(t)=f2(Ke·e+Kd·Dμe)---(3)]]>其中:x為機組轉(zhuǎn)速;xc為機組轉(zhuǎn)速設(shè)定值;e表示機組轉(zhuǎn)速誤差;Dμe表示e的分數(shù)階微分;uFLC表示模糊控制輸出;y為機組導(dǎo)葉開度;yc為機組導(dǎo)葉開度設(shè)定值;Δy表示導(dǎo)葉開度誤差;uFLC_FOPI表示分數(shù)階積分環(huán)節(jié)輸出;uFLC_FOPD表示比例環(huán)節(jié)輸出;uFLC_FOPID表示接力器執(zhí)行機構(gòu)輸入;Ke、Kd、KPI、KPD分別表示模糊控制誤差輸入比例系數(shù)、誤差輸入分數(shù)階微分系數(shù)、輸出分數(shù)階積分系數(shù)、輸出分數(shù)階微分系數(shù);f1(·)、f2(·)分別為KPI、KPD的模糊推理函數(shù)。選擇在模糊數(shù)學(xué)中被高度證明和認可的Mamdani法作為模糊推理方法,依據(jù)工程實際應(yīng)用與經(jīng)驗,系數(shù)KPI與KPD應(yīng)用的模糊規(guī)則如表1和表2所示。表1和表2中,NL、NM、NS、ZO、PS、PM、PL分別表示負大、負中、負小、零、正小、正中、正大。在模糊隸屬度函數(shù)的選取上,本發(fā)明充分考慮工程實際,采用硬件實現(xiàn)方便和計算效率高的三角形隸屬度函數(shù)。圖3所示為系數(shù)KPI與KPD所用到的三角形隸屬度函數(shù)。表1系數(shù)KPI的模糊規(guī)則表2系數(shù)KPD的模糊規(guī)則步驟2:建立抽水蓄能機組調(diào)速系統(tǒng)模型4,具體包括以下子步驟:1)建立模糊分數(shù)階PID調(diào)速器模型:圖4所示為模糊分數(shù)階PID調(diào)速器模型,包括模糊分數(shù)階PID控制器301和接力器執(zhí)行機構(gòu)202模型??刂破髂P腿绮襟E1所述,接力器執(zhí)行機構(gòu)301輸出如下公式(4)所示:y(s)ycon(s)=k0TyBTys2+Tys+k0---(4)]]>其中:Ty表示主接力器響應(yīng)時間常數(shù);TyB表示輔助接力器響應(yīng)時間常數(shù);k0表示放大系數(shù);ycon表示控制環(huán)節(jié)輸出;y表示接力器執(zhí)行機構(gòu)輸出。2)引水系統(tǒng)彈性水擊模型:圖5所示為本發(fā)明引水系統(tǒng)近似彈性水擊模型框圖。依據(jù)彈性水擊理論,考慮水與引水管道管壁均具有彈性的實際情況,在本發(fā)明實施例中采用的引水系統(tǒng)模型為近似彈性水擊模型,其傳遞函數(shù)為如下公式(5)所示:h(s)q(s)=-Tws0.125Tr2s2+fTrs+1---(5)]]>其中:h表示引水管道水壓;q表示水輪機流量;Tw表示水擊慣性時間常數(shù);Tr表示水擊相長;f表示水頭損失系數(shù);s表示拉普拉斯算子。3)水泵水輪機模型:相較于常規(guī)水輪機,水泵水輪機具有復(fù)雜的非線性,本發(fā)明水泵水輪機模型采用基于全特性曲線的非線性插值模型,如下公式(6)所示:Mt=Mt(α,n,H)Q=Q(α,n,H)---(6)]]>其中:Mt表示水泵水輪機力矩;Q表示水泵水輪機流量;α表示導(dǎo)葉開度;n表示水泵水輪機轉(zhuǎn)速;H表示水泵水輪機工作水頭。圖6(a)、(b)所示為某抽水蓄能機組全特性曲線,圖6(a)為流量-轉(zhuǎn)速關(guān)系曲線,圖6(b)為力矩-轉(zhuǎn)速關(guān)系曲線。由圖6(a)、(b)可知,由于原始全特性曲線數(shù)據(jù)點較少且其“S”區(qū)域在插值建模時存在多值的問題,基于全特性曲線水泵水輪機建模時采用三次B樣條與對數(shù)曲線投影法對全特性曲線進行預(yù)處理。水泵水輪機全特性開度線的三次B樣條曲線的標(biāo)量函數(shù)表達式如公式(7)所示,圖7(a)與圖7(b)為經(jīng)三次B樣條法擬合插值處理后的全特性曲線。n1*(v)=Σj=03ndi-1+jNj,4(v)q1*(v)=Σj=03qdi-1+jNj,4(v)m1*(v)=Σj=03mdi-1+jNj,4(v)---(7)]]>其中:分別為轉(zhuǎn)速、流量、力矩的控制頂點;每條開度線有n+1個控制頂點;i=1,2…,n-1;j=1,2…,4;進而將經(jīng)三次B樣條處理后的全特性數(shù)據(jù)采用對數(shù)曲線投影法進行數(shù)值變換。首先將全特性曲線進行標(biāo)幺化,如公式(8)-(10)所示;其次保留原始曲線縱坐標(biāo),將橫坐標(biāo)用對數(shù)曲線投影公式進行表達,如公式(11)所示。圖8(a)和圖8(b)為擬合插值和對數(shù)曲線投影變換后的全特性曲線,由圖8(a)、(b)可知,變換后的曲線很好的解決了數(shù)據(jù)點少和“S”區(qū)域多值的問題。α1=x11/x11r(8)v1=Q11/Q11r(9)m1=M11/M11r(10)其中:x11為單位轉(zhuǎn)速;Q11為單位流量;M11為單位力矩;下標(biāo)r為對應(yīng)的額定值;α1、v1、m1分別為轉(zhuǎn)速、流量、力矩的相對值;X對數(shù)曲線投影變換后的橫坐標(biāo)值。4)發(fā)電機及負荷模型:由于僅考慮抽水蓄能機組單機孤網(wǎng)運行時轉(zhuǎn)速的變化情況。因此,本發(fā)明采用了一階簡化發(fā)電機及負荷模型,圖9所示為本發(fā)明發(fā)電機及負荷模型框圖,傳遞函數(shù)如公式(12)所示:G(s)=x(s)mt(s)=1Tas+eg---(12)]]>其中:x為機組轉(zhuǎn)速;mt為機組力矩;Ta為機組和負載慣性時間常數(shù);eg為發(fā)電機組自調(diào)節(jié)系數(shù);s為拉普拉斯算子。步驟3:建立目標(biāo)函數(shù):為尋求一組調(diào)節(jié)系數(shù)使得機組調(diào)速系統(tǒng)在工況轉(zhuǎn)換過渡過程中上升時間快、超調(diào)量小、調(diào)節(jié)時間短,本發(fā)明采用時間乘以誤差平方與超調(diào)量加權(quán)之和作為系數(shù)選擇的最小目標(biāo)函數(shù)。同時,為了防止控制能量過大,在目標(biāo)函數(shù)中加入控制器輸出量的平方項,建立的目標(biāo)函數(shù)如公式(13)所示。J=∫0t(ω1te2(t))+ω2σ+ω3u2(t)---(13)]]>其中:e(t)為控制誤差(機組轉(zhuǎn)速誤差);u(t)為控制器輸出;σ為超調(diào)量;ω1,ω2,ω3為權(quán)重系數(shù)。步驟4:使用并行引力搜索算法3進行控制參數(shù)優(yōu)化5:本發(fā)明提出一種并行引力搜索算法3,通過算法迭代優(yōu)化獲得一組最優(yōu)的控制參數(shù)。如圖10所示,本發(fā)明基于并行引力搜索算法3的控制器參數(shù)優(yōu)化流程圖,具體包括以下子步驟:1)初始化所述調(diào)速系統(tǒng)模型參數(shù)、并行引力搜索算法3參數(shù)與算法種群位置100、101;2)通過分配子線程,傳輸數(shù)據(jù)102,將種群體劃分為多個子種群,并給所述多個子種群分配粒子個數(shù),使子線程產(chǎn)生初始化種群103;3)依據(jù)建立的目標(biāo)函數(shù)計算每一子種群的適應(yīng)值,子種群計算適應(yīng)值,向主線程傳遞最優(yōu)個體104,在子線程中依據(jù)粒子群的進化規(guī)則,比較各子種群的最優(yōu)個體的目標(biāo)函數(shù)值105,通過并行算法是否到達預(yù)設(shè)代數(shù)106,如果未達到,則計算粒子移動速度,進化粒子107,進而調(diào)整粒子位置108,確定是否達到預(yù)設(shè)精度109,如果否,則返回進行子種群計算適應(yīng)值,向線程傳遞最優(yōu)個體104,重復(fù)所述子步驟3);4)重復(fù)所述子步驟3),判斷并行算法是否達到預(yù)設(shè)代數(shù)106或者是否達到預(yù)設(shè)精度,如果是,則各線程停止工作,主線程得到最優(yōu)解110,得到的最優(yōu)解即為提出的抽水蓄能機組調(diào)速系統(tǒng)控制器的最優(yōu)控制參數(shù),結(jié)束控制器參數(shù)優(yōu)化流程111,至此完成了抽蓄機組控制優(yōu)化6。圖11所示為本發(fā)明一個實施例的抽水蓄能機組調(diào)速系統(tǒng)結(jié)構(gòu)圖,以機組轉(zhuǎn)速設(shè)定值xc與發(fā)電機模型204的輸出機組轉(zhuǎn)速x之間的偏差值作為控制器模型201的輸入,接力器執(zhí)行機構(gòu)202的輸出即為機組導(dǎo)葉開度y,其中控制器模型201與接力器執(zhí)行機構(gòu)202連接并組成控制器模型200,此外機組導(dǎo)葉開度y與引水系統(tǒng)近似彈性水擊模型205作為輸入端與水泵水輪機插值模型203連接,同時水泵水輪機插值模型203的輸出端作為輸入與發(fā)電機模型204相連,至此構(gòu)成了如圖11所示的閉環(huán)系統(tǒng)。步驟1:建立模糊分數(shù)階PID控制器2模型,其結(jié)構(gòu)如圖2所示;機組轉(zhuǎn)速設(shè)定值xc與機組轉(zhuǎn)速x之間的偏差值e與偏差值e的分數(shù)階微分Dμe分別與模糊控制誤差輸入比例系數(shù)Ke、誤差輸入分數(shù)階微分系數(shù)Kd相連,并作為模糊邏輯推理模塊300的輸入,模糊邏輯推理模塊300的一輸出與輸出分數(shù)階微分系數(shù)KPD相連得到比例環(huán)節(jié)輸出uFLC_FOPD,模糊邏輯推理模塊300的另一輸出與導(dǎo)葉開度誤差Δy的和與分數(shù)階積分算子輸出分數(shù)階積分系數(shù)KPI相連得到分數(shù)階積分環(huán)節(jié)輸出uFLC_FOPI,比例環(huán)節(jié)輸出uFLC_FOPD與分數(shù)階積分環(huán)節(jié)輸出uFLC_FOPI之和作為接力器執(zhí)行機構(gòu)202的輸入uFLC_FOPID。步驟2:建立抽水蓄能機組調(diào)速系統(tǒng)模型4,圖12所示為包含模糊分數(shù)階PID控制器的調(diào)速系統(tǒng)模型結(jié)構(gòu)圖,以機組轉(zhuǎn)速設(shè)定值xc與發(fā)電機模型304的輸出機組轉(zhuǎn)速x之間的偏差值e作為模糊分數(shù)階PID控制器301的輸入,模糊分數(shù)階PID控制器301的輸出與接力器執(zhí)行機構(gòu)202的輸出反饋(即機組導(dǎo)葉開度y)的偏差為接力器執(zhí)行機構(gòu)202的輸入,此外機組導(dǎo)葉開度y為水泵水輪機系統(tǒng)模型302的輸入,水泵水輪機系統(tǒng)模型302的輸出機組力矩mt與阻力矩mg的差值為發(fā)電機模型304的輸入,至此構(gòu)成了如圖12所示的閉環(huán)調(diào)速系統(tǒng)模型。步驟3:建立控制參數(shù)優(yōu)化的目標(biāo)函數(shù)。步驟4:根據(jù)流程圖10進行抽水蓄能機組調(diào)速系統(tǒng)模糊分數(shù)階PID控制器參數(shù)優(yōu)化。初始化的某抽水蓄能電站的調(diào)速系統(tǒng)模型參數(shù)如表3所示。表3中,Hmax、Hr、Hmin分別為電站的最大水頭、額定水頭、最小水頭。為驗證本發(fā)明提出的控制方法對抽水蓄能機組低水頭時動態(tài)過程的效果,本仿真實例選擇的工作水頭為535米。表3某抽水蓄能電站的調(diào)速系統(tǒng)模型參數(shù)引力搜索算法參數(shù)設(shè)置:最大迭代次數(shù)為100次,粒子個數(shù)為20。計算器配置:CPUIntelCorei5-2410M,CPU主頻為2.3GHz,雙核四線程,內(nèi)存為8G。待優(yōu)化參數(shù):主要對提出的模糊分數(shù)階PID控制器中的參數(shù)Ke、Kd、KPI、KPD、λ、μ進行參數(shù)優(yōu)化;參數(shù)的優(yōu)化范圍設(shè)定為{Ke,Kd,KPD,KPI}∈[0,15],{λ,μ}∈[0,2]。仿真實驗工況設(shè)置:空載開機工況、空載頻率擾動工況。傳統(tǒng)PID控制方法與抽水蓄能機組調(diào)速系統(tǒng)模糊分數(shù)階PID控制方法在上述兩種工況仿真的參數(shù)優(yōu)化結(jié)果分別如下表4和表5所示,表中Jmin為目標(biāo)函數(shù)的最小值,調(diào)速系統(tǒng)在上述兩種工況下動態(tài)響應(yīng)結(jié)果對比見圖13和圖14。表4空載開機工況優(yōu)化控制參數(shù)結(jié)果對比表5空載頻率擾動工況優(yōu)化控制參數(shù)結(jié)果對比從圖13至圖14可以看出,與傳統(tǒng)PID控制相比,在空載開機過程中本發(fā)明提出的控制方法可以有效地降低機組運行在“S”特性區(qū)域時頻率的波動范圍,機組頻率能夠快速穩(wěn)定在電網(wǎng)額定頻率,超調(diào)量和穩(wěn)態(tài)誤差小為機組順利并入電網(wǎng)創(chuàng)造了良好的條件;在空載頻率擾動時,本發(fā)明提出的控制方法可以快速消除頻率擾動對機組造成的沖擊,使得機組頻率快速、精確穩(wěn)定在給定值。此外,為驗證本發(fā)明通過提出并行優(yōu)化技術(shù)對參數(shù)優(yōu)化效率的提升,同時采用傳統(tǒng)串行引力搜索算法按照上述步驟進行等值發(fā)電機參數(shù)辨識,對比兩種法方法的耗時。本發(fā)明提出的基于并行引力搜索算法3的參數(shù)優(yōu)化過程耗時為3626.680s,采用傳統(tǒng)串行引力搜索算法的參數(shù)優(yōu)化過程耗時為7035.760s,本發(fā)明提出的并行參數(shù)優(yōu)化算法可縮短約1/2的時間。本發(fā)明所構(gòu)思的技術(shù)方案與現(xiàn)有技術(shù)相比,具有以下有益效果和特征:1、為了克服抽水蓄能機組調(diào)速系統(tǒng)模型簡單、傳統(tǒng)PID對運行在低水頭空載工況“S”區(qū)域控制效果差等問題,本發(fā)明首先建立了仿真精度高的抽水蓄能機組調(diào)速系統(tǒng)精細化模型;其次,提出了一種抽水蓄能機組調(diào)速系統(tǒng)模糊分數(shù)階PID控制方法;最后引入并行引力搜索優(yōu)化算法對提出的控制方法的控制參數(shù)進行優(yōu)化。傳統(tǒng)的抽水蓄能機組建模方法僅考慮水泵水輪機在水輪機工況穩(wěn)定區(qū)域時的動態(tài)特性,將水泵水輪機簡化為IEEE六參數(shù)模型,不能準(zhǔn)確反映抽水蓄能機組的動態(tài)特性。本發(fā)明基于實測的機組全特性曲線數(shù)據(jù)建立了水泵水輪機模型;同時為了解決全特性曲線實測數(shù)據(jù)點少和“S”區(qū)域插值出現(xiàn)多值的問題,本發(fā)明采用三次B樣條與對數(shù)曲線投影變換的相結(jié)合的方法對原始全特性數(shù)據(jù)進行預(yù)處理。本發(fā)明建立的調(diào)速系統(tǒng)模型仿真精度高,能真實反映水力系統(tǒng)與電力系統(tǒng)動態(tài)響應(yīng)過程及其耦合作用;2、傳統(tǒng)的PID控制策略不能有效的調(diào)節(jié)控制抽水蓄能機組的強非線性,尤其是低水頭機組運行在“S”區(qū)域時,PID控制不能很好的解決低水頭水輪機起動并網(wǎng)困難、低水頭調(diào)相轉(zhuǎn)發(fā)電不穩(wěn)定、機組空載振蕩等問題。本發(fā)明基于傳統(tǒng)PID控制理論創(chuàng)造性的將模糊邏輯、分數(shù)階微積分用于抽水蓄能機組的調(diào)節(jié)控制,有效提高了抽水蓄能機組的動態(tài)響應(yīng)品質(zhì)。3、本發(fā)明在控制參數(shù)優(yōu)化階段,通過構(gòu)建以機組響應(yīng)過程上升時間快、超調(diào)量小、調(diào)節(jié)時間短為目標(biāo)的目標(biāo)函數(shù),提出并行引力搜索優(yōu)化算法,解決了傳統(tǒng)引力搜索優(yōu)化方法耗時長的問題。在普通個人計算機(Intel(R)Core(TM)i5-2410MCPU@2.3GHZ)上多次運行,本發(fā)明提出的多線程并行引力搜索算法3平均優(yōu)化時間僅約為單線程串行引力搜索算法的1/2。當(dāng)前第1頁1 2 3