一种基于改进遗传算法的超超临界机组主汽温PID控制方法

摘要

本发明提供了一种基于改进遗传算法的火力发电厂锅炉发电超超临界机组主汽温PID控制方法，方法中包括有改进遗传算法。本发明的改进遗传算法对简单遗传算法进行了改进，引入排序保优选择、非均匀线性交叉和高斯变异算子，采用均匀设计方法构造初始种群，通过Sigmoid函数适应性调整交叉和变异概率；采用面向DCS系统的PID控制器，该控制器在分负荷段下的参数集通过改进的遗传算法寻优得到。本发明提高了遗传算法的寻优速度和精度，可以代替工程复杂且准确性不高的工程整定方法，降低了现场调试人员的工作量，达到主汽温智能控制的目的，实现了智能优化技术在DCS系统下的应用，满足超超临界机组主汽温在深度调峰时的稳定控制需求。

主权项

一种基于改进遗传算法的超超临界机组主汽温PID控制方法，其特征是：所述的方法中包括改进遗传算法，所述的改进遗传算法包括以下步骤：Step1: 建立PID参数整定问题数学模型，包括目标函数和约束条件；Step2: 设置遗传参数，包括种群大小、进化代数、选择压力、交叉概率范围、变异概率范围；Step3: 采用实数编码方式编码PID参数，并设置参数上、下限；Step4: 建立均匀设计表，并根据均匀表对种群初始化，产生初始种群；Step5: 判断适应度是否收敛，收敛则终止程序，不收敛则进入下一步骤；Step6: 计算每一代种群中个体的适应度；Step7: 采用线序排序算子和精英选择策略选择优秀个体；Step8: 采用Sigmoid函数公式计算交叉概率：概率调整曲线采用Sigmoid函数，其计算公式为式中，P_c1为初始交叉概率，P_c2为终止交叉概率，为形状因子，设定为20；Ns为分界点，设定为0.25；Step9: 采用非均匀线性交叉算子产生新的基因；Step10:采用Sigmoid函数公式计算变异概率：概率调整曲线采用Sigmoid函数，其计算公式为式中，P_m1为初始变异概率；P_m2为终止变异概率；为形状因子，设定为20；Ns为分界点，设定为0.25；Step11: 采用高斯变异算子产生新的基因；Step12: 记录最个体、最佳适应度和子代种群信息；Step13: 判断是否达到最大进化代数，若否则返回Step6，重复以上运算过程直到达到最大进化代数；Step14: 获得最优解，终止遗传算法优化程序；所述的步骤Step4包括以下子步骤：Step4‑1：给定均匀设计表的水平数，当为奇数时，生成一组由正整数向量，其中比小，且它们的最大公因素为1；当为偶数时，先构造均匀设计表和向量；Step4‑2：构造均匀设计表中第列，其个体计算公式为，其中表示同余运算，，，同余运算可以保证个体落在区间，从而得到了均匀设计表的矩阵，当为偶数时，产生矩阵；Step4‑3：采用L₂‑偏差函数来测试其均匀性，选出均匀性做最好的列构成均匀设计表，其函数方程为Step4‑4：通过均匀设计表产生遗传算法初始种群，其中为参数个数，需要根据参数搜索问题进行设定，种群大小为，可构造一个因素水平的均匀设计表，使初始种群中的个体均匀分布在维空间。