粒子群算法优化PID控制参数研究

采用常规的PID整定方式,往往费时而且难以满足控制要求．通过对粒子群算法的研究,在确定了适应度函数设计等控制参数后,采用粒子群算法对PID控制器参数进行优化,取得了很好的效果。     

基于神经网络学习算法和粒子群算法的改进PID控制在高压静止无功补偿器中的应用

以高压静止无功补偿器(static var compensator,SVC)为研究对象,针对传统比例-积分-微分(proportional integral differential,PID)控制器难以对设定值进行有变化的跟踪和对扰动进行抑制的缺陷,提出在传统PID控制器的基础上加入一个2阶微分控制环节以实现公共连接点的电压稳定控制,并采用改进的神经网络粒子群优化算法对控制器的参数进行优化,使得系统瞬态响应性能和控制性能达到最佳。仿真和实验结果验证了所提出的控制方法能够保证快速、无超调的跟踪电压设定值,具有较强的鲁棒性、适应性,提高了SVC系统的补偿精度。     

基于粒子群算法和卡尔曼滤波器的PID控制

针对PID控制系统中存在参数的整定和控制干扰信号和测量噪声信号问题,提出基于粒子群算法和卡尔曼滤波算法的PID控制方法。利用粒子算法优化PID参数,通过卡尔曼滤波器抑制控制干扰信号和测量噪声信号。仿真结果表明具有响应速度快、抗干扰能力强等特点,且达到了全局最优PID参数整定,有效地剔除系统的控制干扰和测量噪声信号,具有比传统PID控制方法更好的动态和静态控制性能,控制品质有较大的改善和提高。为PID控制系统的研究提供了一种新方法。     

基于改进粒子群算法优化的水轮机组低频振荡PID控制研究

水轮机低频振荡是影响电网稳定运行的主要因素,对其进行有效的控制是非常重要的,将改进粒子群算法优化的PID控制技术应用于水轮机低频振荡控制之中.首先,分析了水轮机组的出力模型;其次,分析了PID控制器的基本原理;然后,讨论了改进粒子群算法的流程;最后,以某水轮机组为例进行了控制仿真研究,仿真结果表明改进粒子群算法优化的PID控制器具有较好的控制效率和控制精度,从而在水轮机组低频振荡控制中的应用是切实可行的.     

基于自适应粒子群优化的静止变频电源控制研究

为了提高静止变频电源输出的电压波形质量,增强控制系统的鲁棒性,提出了基于自适应粒子群优化算法(APSO)优化模糊神经PID控制策略。利用改进的自适应粒子群优化算法优化模糊神经网络的前件、后件参数和单神经元优化PID参数,实现了控制器参数的自动调整。在MATLAB/SIMULINK环境下,对该策略控制下的静止变频电源控制电路进行了仿真。结果表明,与普通的模糊神经网络PID控制对比,引入改进的粒子群优化算法可以实现参数的全局快速寻优。优化后的模糊神经PID控制器具有良好的控制性能和自适应能力,很好地满足了系统的鲁棒性、快速性的要求。     

基于改进型粒子群算法的无刷直流电机速度控制研究

无刷直流电机的控制方便,效率突出等特点,依赖于较高的调速性能.传统调速系统所采用的PID调速,日益无法满足工业应用对精度、抗干扰,自适应等调控品质的要求.本文针对以上不足,采用基于改进型粒子群算法的PID调速系统来对电机转速进行调控.鉴于粒子群算法寻优速度不匹配,且易过早陷入局部最优等问题,采用自适应惯性权重法来进行优...     

粒子群优化模糊PID的电动负载模拟器研究

为了解决多余力矩对电动负载模拟器强干扰，影响加载指令跟踪精度的问题，将基于粒子群优化的模糊PID控制方法用于加载电机控制器的设计。首先在分析加载电机结构以及工作原理的基础上建立了电动加载系统的数学模型，并利用结构不变性原理进行前馈补偿推导；其次针对常规PID控制器无法通过变参数来应对复杂的非线性环境，以及模糊PID量化因子、比例因子难以依靠经验调整问题，提出了一种基于模糊PID和粒子群优化算法的复合控制策略；最后通过仿真验证了该控制策略在对多余力矩消除上要优于常规的模糊PID控制。     

基于改进粒子群算法的水轮发电机组PID调速器参数优化

文中提出一种改进的PSO优化算法,并将该算法应用于水轮发电机组PID调速器参数的优化设计,以水轮发电机组转速偏差的ITAE指标作为改进PSO优化算法的适应度函数.以我国某水电站的真实数据对经过优化后的PID控制规律进行计算机仿真.仿真结果表明利用改进PSO优化算法优化的PID控制规律能有效改善孤网运行条件下水轮机调节系统过渡过程的动态性能.     

基于粒子群优化的串级模糊PID无人机飞行控制系统

为了解决无人机飞行控制系统存在的平稳控制响应慢、自适应能力差,抗干扰能力弱的问题,本文分析了无人机飞行控制系统的原理,建立了无人机飞行控制模型,在串级模糊PID控制的条件下,利用粒子群优化算法的迭代寻优能力,实时确定模糊控制中的量化因子、比例因子以及初始PID参数,通过模糊控制在线调整PID参数,使平稳控制中的参数时刻保持最优化,设计了一种基于粒子群优化的串级模糊PID的飞行控制系统。实验结果表明：当量化因子e、ec的值分别为3、0.75,比例因子k1、k2、k3的值分别为0.5、2、0.5时,系统稳定性达到最优。相比于串级PID控制与串级模糊PID控制,通过粒子群优化后的控制系统具有更优的控制精度和稳定性,能较好地提高系统的性能指标,满足快速高效调平的飞行要求。     

基于全局粒子群算法的无功优化

针对粒子群(PSO)算法的局限性,提出了全局粒子群(GPSO)算法,并将其应用于电力系统无功优化.建立基于全局粒子群算法的无功优化数学模型,给出全局粒子群算法的具体步骤.通过对IEEE30节点算例的测试,得到全局粒子群算法在无功优化问题上的收敛速度和优化效果.     

基于粒子群-差异进化混合算法的电力系统无功优化

针对传统粒子群算法中收敛速度快但易于陷入局部最优等特点,将差异进化算法与粒子群算法相结合,提出了一种粒子群-差异进化混合算法。该算法在粒子寻优过程中除跟踪个体极值和全局极值外,还跟踪粒子差异进化产生的第三个值;同时,当粒子在某一维上的速度小于给定值时,将重新初始化该维度粒子速度。建立了无功优化数学模型,并将合算法应用到无功优化中。通过MATLAB编程对IEEE-30节点系统进行优化计算,并与遗传算法和粒子群算法比较,结果表明本文提出的算法应用于无功优化拥有较快的收敛速度和全局寻优能力,具有广阔的发展前景。     

Voltage and reactive power control by particle swarm optimization considering control process

This paper presents a new approach to optimal voltage and reactive power control based on a particle swarm optimization (PSO). According to the proposed method, one controller is selected by PSO and the number of control actions to the convergence of the objective function is taken into account. Thus, this method can be used to design a control process. So far, no methods using PSO algorithms for a control process have been proposed. The effectiveness of the proposed method is demonstrated by application to 15‐bus and 118‐bus systems. © 2005 Wiley Periodicals, Inc. Electr Eng Jpn, 151(1): 9–18, 2005; Published online in Wiley InterScience ( www.interscience.wiley.com ). DOI 10.1002/eej.20055     

基于改进粒子群算法的风机频率控制研究

高风电占比系统中,风电机组参与系统频率调节时,同时使用虚拟惯量控制与下垂控制会出现风机调频功率相互竞争的问题。为提高风机出力,优化系统的调频效果,对风电机组虚拟惯量控制和下垂控制进行协调优化。首先构建了风机参与调频的优化控制策略求解模型,对粒子群优化(PSO)算法进行了适应性改造:根据搜索代数对惯性权重ω、自我学习因子c1和社会学习因子c2进行动态调整,加入变异操作。基于改进的PSO算法优化控制参数,得到风机参与调频的协调控制策略,且对风速和故障程度等因素具有较好的适应性。最后以某省级电网为算例,仿真验证了控制策略以及改进算法的有效性。     

基于改进粒子群算法的配电网无功优化

无功优化是保证系统可靠运行的重要措施,针对配电网无功优化的特点,提出一种基于局部电压稳定指标分区与改进粒子群算法相结合的配电网无功优化方法。首先计算系统负荷节点的局部电压稳定指标,根据电压稳定指标大小将负荷节点进行排序,选取排序在后的一部分负荷节点作为候选补偿点集合,结合电气距离将其分区;然后借助改进粒子群算法获得系统最佳补偿点位置与无功补偿量;最后在MATLAB中用IEEE33节点系统进行仿真验证,仿真结果表明,由局部电压稳定指标与电气距离相结合的方法可以缩小寻优范围,得到的候选补偿区合理有效,改进粒子群算法初始化粒子多样性更好,具有更快的收敛速度。     

改进粒子群优化算法在电力系统多目标无功优化中应用

采用自适应聚焦粒子群优化(AFPSO)算法对电力系统进行无功优化.以最优控制原理为基础,引入静态电压稳定性指标,建立了综合考虑系统有功网损最小、电压水平最好以及静态电压稳定裕度最大的多目标无功优化模型,并采用模糊集理论将此多目标优化问题转化为单目标优化问题.通过最小化各目标的隶属度最大值(指标差的隶属度值大),从而只提升差的指标,使系统整体性能提高.同时,采用罚函数的形式处理负荷节点电压和无功发电功率2个状态变量不等式约束.在IEEE 57节点系统上进行测试,通过仿真测试及不同算法优化结果的对比,表明AFPSO算法在实现系统经济运行的同时也增强了电网的电压稳定,同时证明了AFPSO算法的有效性和优越性.     

基于粒子群优化算法的VSC-HVDC系统的控制参数优化策略

建立了双端基于电压源型换流器的高压直流输电(VSC-HVDC)系统的小信号模型;利用特征根分析法,基于线性化状态空间模型,将与系统特征根直接相关的振荡模式和衰减模式的罚函数作为目标函数;提出了基于粒子群优化算法的VSC-HVDC系统的控制参数优化策略,对整个系统的控制参数同时进行整体优化。仿真结果验证了小信号模型的正确性;优化后的系统在小扰动、大扰动、潮流反转及故障情况下均具有较高的控制精度,整个系统的稳态与暂态特性均得到较大改善。     

基于粒子群优化BP神经网络的速度观测器

利用BP神经网络可以逼近任意的非线性关系的特点,构建一个神经网络速度观测器.由于BP神经网络的初始权值和阈值的选择存在随机性,对网络的性能影响很大,但又无法准确获得,提出将PSO算法与BP算法结合的方法,通过粒子群算法优化BP神经网络,得到最佳初始权值和阈值,提高了速度观测器的精度.通过实验采集的数据来训练这个神经网络,实验结果证明了该方法的有效性.