基于模糊自适应的DFPSO算法的水轮机调速器参数优化方法

摘要

本发明请求保护一种基于模糊自适应的DFPSO算法的水轮机调速器参数优化方法，包括步骤：(1)建立水轮机调节系统数学模型；(2)确定模糊自适应和差分进化粒子群算法的适应度函数；(3)对该算法的速度惯性因子进行模糊设置，具体是将线性递减的惯性因子和粒子当前最优性能评价指标作为模糊输入；(4)计算粒子的适应度值，保留粒子的个体最优值和全局最优值，并更新粒子的速度和位置；(5)若满足交叉条件，则在粒子间进行基因交叉；(6)判断是否满足终止条件，满足则停止并输出最优值，不满足则返回步骤4-6。本发明能确保系统在频率扰动和负荷扰动工况下拥有良好的动态性能：较小的超调量、较短的稳定时间和调节时间等。

主权项

一种基于模糊自适应的DFPSO算法的水轮机调速器参数优化方法，其特征在于，包括以下步骤：101、建立水轮机调节系统的数学模型，具体包括：建立水轮机PID调速器数学模型和建立水轮发电机组数学模型，并设置水轮机调节系统的系统参数，包括接力器响应时间常数、压力引水系统水流惯性时间常数、机组惯性时间常数及被控系统各传递系数；102、步骤101建立了水轮机调节系统的数学模型后，设定模糊自适应和差分进化粒子群DFPSO算法的适应度函数，将适应度函数值J设置为水轮机调节系统偏差_e(t)的绝对值与时间t之积的积分，即t_s为仿真时间；103、对模糊自适应和差分进化粒子群DFPSO算法的速度惯性因子w_c进行模糊设置，即将线性递减的惯性因子w和粒子当前最优性能评价指标值NCBPE作为模糊输入，w_c作为模糊输出；104、进行步骤103的模糊设置后，计算差分进化粒子群DFPSO算法中粒子的适应度值，保留粒子的个体最优值p_best和全局最优值g_best，并更新粒子的速度和位置，产生新种群，更新个体极值和全局极值；105、在粒子的速度和位置的更新过程中，若满足交叉条件，即当在(0,1)间产生的随机数小于预先设置的交叉概率时，则在粒子间进行基因交叉；106、判断是否满足终止条件，即是否找到全局最优值或达到迭代最大次数(，若满足则停止并输出全局最优值g_best，若不满足，则返回重复执行步骤104‑步骤106。