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