基于自適應(yīng)混沌和差分進(jìn)化粒子群算法的水輪機(jī)參數(shù)辨識(shí)方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種基于自適應(yīng)混沌和差分進(jìn)化粒子群算法的水輪機(jī)參數(shù)辨識(shí)方法，其特點(diǎn)包含以下步驟：(1)確定水輪機(jī)非線性模型；(2)獲取頻率階躍試驗(yàn)數(shù)據(jù)；(3)確定自適應(yīng)混沌和差分進(jìn)化粒子群算法適應(yīng)度函數(shù)；(4)設(shè)置辨識(shí)算法基本參數(shù)；(5)計(jì)算群體中粒子的適應(yīng)度函數(shù)值、粒子的個(gè)體極值和群體的全局極值，并更新粒子的速度和位置；(6)進(jìn)行早熟判斷，若判定其早熟，進(jìn)行差分變異、交差和選擇等操作，避免陷入局部最優(yōu)；(7)檢驗(yàn)算法是否滿足終止條件，若滿足，則輸出最優(yōu)解。若不滿足，慣性因子自適應(yīng)變化，重新執(zhí)行步驟5-7。本發(fā)明辨識(shí)水輪機(jī)的水錘時(shí)間常數(shù)，算法收斂速度快，收斂精度高，并且本發(fā)明能利用任意負(fù)荷水平的水輪機(jī)試驗(yàn)數(shù)據(jù)，有效降低試驗(yàn)成本。
【專(zhuān)利說(shuō)明】基于自適應(yīng)混沌和差分進(jìn)化粒子群算法的水輪機(jī)參數(shù)辨識(shí)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于自適應(yīng)混沌和差分進(jìn)化粒子群算法的水輪機(jī)參數(shù)辨識(shí)方法，屬于電力系統(tǒng)參數(shù)辨識(shí)領(lǐng)域。
【背景技術(shù)】
[0002]對(duì)水輪發(fā)電機(jī)組而言，水輪機(jī)及其調(diào)速系統(tǒng)作為發(fā)電機(jī)組重要構(gòu)成部分，不僅承擔(dān)著啟停機(jī)組、調(diào)節(jié)頻率、調(diào)節(jié)有功功率的重要任務(wù)，而且是一次調(diào)頻、二次調(diào)頻、自動(dòng)發(fā)電控制(AGC)的最終執(zhí)行機(jī)構(gòu)，其精確的數(shù)學(xué)模型不僅對(duì)于提高電源側(cè)發(fā)電廠的高效運(yùn)行有著重大價(jià)值，而且對(duì)新形勢(shì)下電力系統(tǒng)設(shè)計(jì)、規(guī)劃、穩(wěn)定性分析有著重大影響。
[0003]傳統(tǒng)的電力系統(tǒng)分析中，常采用理想情況下的水輪機(jī)模型，忽略了水輪機(jī)調(diào)節(jié)系統(tǒng)變工況、變參數(shù)、非線性等因素的影響，為了使結(jié)果更加準(zhǔn)確，電磁暫態(tài)仿真分析中通常采用非線性水輪機(jī)模型。建立精確的數(shù)學(xué)模型還有賴(lài)于模型參數(shù)的辨識(shí)，常用的參數(shù)辨識(shí)方法，如最小二乘法、矩陣束、TLS-ESPRIT算法等均只適用線性模型，對(duì)非線性系統(tǒng)參數(shù)辨識(shí)效果較差。智能算法如粒子群算法可以很好的辨識(shí)非線性水輪機(jī)模型，【黃青松，徐廣文.水輪機(jī)調(diào)速系統(tǒng)自定義建模與應(yīng)用[J].電力系統(tǒng)自動(dòng)化，2012，36 (16):115-117.1何常勝.水輪機(jī)調(diào)節(jié)系統(tǒng)仿真與參數(shù)辨識(shí)[D].西安理工大學(xué)，2009.】但其容易陷入局部最優(yōu)，導(dǎo)致結(jié)果誤差較大。近年來(lái)，粒子群算法的改進(jìn)成為一項(xiàng)研究熱點(diǎn)，提高收斂精度和速度，避免陷入局部最優(yōu)是各種改進(jìn)算法的共同目的。將改進(jìn)的粒子群算法用于非線性水輪機(jī)模型參數(shù)的辨識(shí)具有很好的實(shí)用價(jià)值。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的是針對(duì)現(xiàn)在辨識(shí)技術(shù)的不足而提供一種基于自適應(yīng)混沌和差分進(jìn)化粒子群算法的水輪機(jī)參數(shù)辨識(shí)方法，其特點(diǎn)是該方法能準(zhǔn)確辨識(shí)非線性水輪機(jī)模型參數(shù)，并且其收斂速度較快。
[0005]本發(fā)明的目的由以下技術(shù)措施實(shí)現(xiàn)
[0006]基于自適應(yīng)混沌和差分進(jìn)化粒子群算法的水輪機(jī)參數(shù)辨識(shí)方法包括以下步驟:
[0007]1)確定水輪機(jī)非線性模型及待辨識(shí)參數(shù)，水輪機(jī)數(shù)學(xué)模型為:
[0008]
【權(quán)利要求】
1.基于自適應(yīng)混沌和差分進(jìn)化粒子群算法的水輪機(jī)參數(shù)辨識(shí)方法，其特征在于該方法包括以下步驟: 1)確定水輪機(jī)非線性模型及待辨識(shí)參數(shù)，水輪機(jī)數(shù)學(xué)模型為:
【文檔編號(hào)】G06F17/50GK103853881SQ201410048930
【公開(kāi)日】2014年6月11日 申請(qǐng)日期:2014年2月12日 優(yōu)先權(quán)日:2014年2月12日
【發(fā)明者】李興源, 王曦, 劉俊敏, 黃睿, 苗淼, 丁理杰 申請(qǐng)人:四川大學(xué)