含抽水蓄能电站的互联电网负荷频率自抗扰优化控制研究

针对发电能源结构的多元化发展给互联电网负荷频率的稳定性控制带来较大的挑战,建立含抽水蓄能电站的两区域互联电网多元混合发电的负荷频率控制模型,提出一种基于粒子群优化算法的负荷频率线性自抗扰控制器参数整定优化策略,通过粒子群算法的迭代寻优计算获得最优的线性自抗扰控制器参数。考虑互联电网各区域发生不同的负荷扰动,在抽水蓄能电站的抽水和发电2种工况下,对所提出的控制方法进行系统仿真。仿真结果表明,通过粒子群算法优化的负荷频率线性自抗扰控制器,与传统PI控制器对比,前者具有更强的抗扰动能力和适应性,系统动态稳定性更好。     

新能源互联电力系统双积分反馈PID负荷频率控制

针对光伏新能源电力系统的调频困难问题,提出一种基于改进天牛须搜索算法的粒子群优化算法,实现对光、火、储两区域互联电力系统的负荷频率控制。首先,将储能电池引入混合电力系统中,建立光伏、火电及储能电池的两区域互联电力系统的负荷频率控制模型,并设计出含滤波系数的双积分反馈PID控制器;然后,引入方向改变因子改进天牛须搜索算法,提出一种基于改进天牛须搜索算法的粒子群优化算法,用于优化含滤波系数的双积分反馈PID控制器参数。最后,通过数值仿真,仿真结果表明,本文所提的控制策略在对于频率偏差、区域控制偏差和联络线功率偏差等方面的控制效果、抗扰动能力,优于粒子群优化算法、天牛须搜索算法和含滤波系数的双积分PID控制器。     

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。     

基于改进粒子群算法的主汽温控制系统PID参数优化

介绍了一种基于改进的粒子群优化(PSO)算法的PID控制器参数优化方法。通过将PSO基本算法中的惯性权重进行线性递减,很好地协调了PSO的全局与局部寻优能力。将改进的粒子群PID控制器参数优化方法应用于多扰动、大惯性的电厂主汽温控制系统,仿真结果表明,该方法在保证控制系统稳定性的基础上极大地提高控制系统的精度和快速性。     

飞轮储能系统多PI控制器参数优化

对飞轮储能系统(FESS)的有功和无功PI控制器参数优化进行了研究,提出了应用加入模拟退火思想的改进粒子群优化(AIPSO)算法优化FESS有功和无功多PI控制器参数.该算法在混沌初始化、迭代中加入混沌扰动和自适应调整惯性权重系数的改进粒子群优化算法基础上,引入模拟退火思想,既能限制位置更新,又能跳出局部最优解,具有更...     

一种改进粒子群优化算法在多目标无功优化中的应用

针对粒子群优化算法容易陷入局部最优等问题,提出了一种新的模糊自适应-模拟退火粒子群优化算法。该算法首先是基于模糊推理的思想,将规范化的当前最好性能评价和粒子群算法的惯性权重、学习因子作为模糊控制器的输入,以算法参数变化量的百分数作为模糊控制器的输出,并根据参数设置经验建立了相应的模糊控制规则,使其能够自适应地调节粒子群优化算法的参数;对调节后粒子新位置的优劣,则通过采用模拟退火算法调节粒子的适应度来加以评价。最后,采用改进后的粒子群优化算法对多目标无功优化模型进行了求解。IEEE30节点和IEEE118节点的标准电力系统算例验证了本文所提出的模糊自适应-模拟退火粒子群优化算法的有效性和可行性。     

基于粒子群算法的燃水比控制器参数优化研究

提出了一种采用粒子群算法优化多模型控制器参数的直流炉燃水比解耦控制方法。在种群初始化、惯性权值和变异率引入方面对基本粒子群算法进行了改进,以提高算法的收敛精度和速度。对解耦后的系统,分别用改进粒子群算法、基本粒子群算法和工程整定法得到了控制器参数,完成了燃水比控制的仿真试验。结果表明,使用基于改进粒子群算法的控制策略的系统较传统控制策略下的系统动、静态特性更好,更能适应深度调峰的需要。     

改进人工蜂群算法在飞轮电机控制中的应用

飞轮储能系统中,电机采用转速-电流双闭环控制系统。针对系统中转速环PID控制器参数难以整定的问题,引入自适应系数的改进人工蜂群算法应用于PID控制器参数整定,在不牺牲算法的全局寻优能力的同时,提高其收敛速度与精度,协调了算法的全局搜索能力与特定区域寻优能力。仿真结果表明,相比其他算法,改进人工蜂群算法优化的PID控制器具有更好的全局寻优能力以及更快的收敛速度。     

基于多策略分区勘探粒子群算法的主蒸汽温度优化控制

为满足火电机组快速深度变负荷工况下主蒸汽温度控制器参数整定需求,将选择算子、自适应学习因子、自适应惯性权重系数引入标准粒子群算法中,提出多策略分区勘探粒子群算法。该方法根据适应度评价指标,将种群划分为标准粒子群操作区、选择算子操作区、自适应学习因子操作区、自适应惯性权重系数操作区4个分区,以充分发挥各寻优策略的优势,保证算法具有较高收敛精度,同时具有较快的收敛速度。与其他5种改进粒子群算法进行对比实验,结果表明:本文所提算法寻优精度高,收敛时间短。将本文算法与衰减曲线法、3种改进粒子群算法分别应用于主蒸汽温度串级PID控制器参数优化,仿真实验结果验证了本文算法的有效性。     

融合改进粒子群算法的模糊控制策略在汽包锅炉的应用

针对机炉协调控制中锅炉具有非线性、大延迟、大惯性等特点,设计了一种融合改进粒子群(PSO)算法的模糊优化控制器.引入惯性权重递减策略和模拟退火算法(SA),改善粒子群易陷入局部最优等缺点,对模糊控制器输入输出的量化因子寻优.将该控制策略应用到某电厂300 M W汽包炉协调控制过程,控制燃料量输出,消除外界负荷需求变化造...     

基于改进鲸鱼算法的混合直流输电系统控制参数优化方法

混合直流输电系统结合了传统电网换相换流器和电压源换流器的优点，具有广泛的应用前景。为解决混合直流输电系统控制参数优化问题，引入一种新型的元启发式算法--鲸鱼算法。针对算法全局搜索能力较差的问题，引入混合优化理论，利用模拟退火和联赛选择机制对其进行了改进，改进算法有效平衡了全局搜索与局部开发能力，降低了对参数选择的依赖性。以双极型两端混合直流输电测试系统为研究对象，采用改进鲸鱼算法优化整流侧定电流控制中的比例积分（proportional integra，PI）参数和逆变侧dq轴双环控制器的PI参数，并通过MATLAB和PSCAD软件联合仿真实现该算法。算例结果表明，相比于原始鲸鱼算法和粒子群算法，所提算法具有更高收敛精度，有效优化了控制系统的参数，提升了混合直流输电系统的指令跟踪能力。     

Optimizations of PID gains by particle swarm optimizations in fuzzy based automatic generation control

In this paper, various novel heuristic stochastic search techniques have been proposed for optimization of proportional–integral–derivative gains used in Sugeno fuzzy logic based automatic generation control of multi-area thermal generating plants. The techniques are classical particle swarm optimization, hybrid particle swarm optimizations and hybrid genetic algorithm simulated annealing. Numerical results show that all optimization techniques are more or less equally very effective in yielding optimal transient responses of area frequency and tie-line power flow deviations. The gains obtained by particle swarm optimization are more optimal than those obtained by GA/hybrid GA-simulated annealing. Particle swarm optimizations take the least time to achieve the same optimal gains. These gains are for nominal system parameters. For varying off-nominal on-line system parameters, fast acting Sugeno fuzzy logic manipulates the nominal gains adaptively to determine transient responses.     

基于模拟退火粒子群算法的波浪发电系统最大功率跟踪控制

波浪发电系统最大功率点跟踪控制中,传统粒子群算法存在早熟收敛和局部搜索能力不足问题,为此提出基于模拟退火算法的粒子群优化方案。该算法每次更新粒子的速度和位置时,通过比较当前温度下各个粒子的适配值与随机数的大小,从所有粒子中确定全局最优解的替代值,从而使粒子群算法在发生早熟收敛时能够跳出局部最优并快速找到全局最优解。仿真结果表明,与传统粒子群优化算法相比,模拟退火粒子群算法可有效避免波浪发电系统陷入局部最大功率点,并快速实现全局最大功率跟踪,提高了波浪能捕获率。     

基于ASAPSO的火炮随动系统模糊控制策略

针对传统PID控制器因参数无法随负载变化而实时改变,导致火炮随动系统控制效果不佳的问题,设计了以空间矢量控制为理论基础的三闭环随动控制系统。该随动控制系统采用永磁同步电机(PMSM)作为执行电机,并在系统位置环上加入了经自适应模拟退火粒子群优化算法(ASAPSO)优化参数后的模糊控制器。通过搭建系统仿真模型,将这2种控制器分别运用在该随动控制系统的位置环上,对比了2种控制器的位置响应、抗转矩扰动能力和目标跟踪能力。结果发现,模糊控制器的参数经ASAPSO优化后,系统的静态特性和动态特性比传统PID控制器更好,能够有效克服转矩扰动等非线性因素的影响,系统具有较好的目标跟踪性能。     

电力系统经济负荷分配的量子粒子群算法

本文首次将量子粒子群算法用于电力系统经济负荷分配中。该算法是以粒子群中粒子的收敛特性为基础,依据量子物理理论提出的,改变了传统粒子群算法的搜索策略,可使粒子在整个可行解空间中搜索寻求全局最优解。同时该算法的进化方程中不需要速度向量,而且进化方程的形式更简单,参数较少且容易控制。对两个算例进行仿真测试,证实该算法可有效解决经济负荷分配问题;性能对比显示,该算法求得的解优于已有的改进粒子群算法及其它优化算法所求得的解。本文为量子粒子群算法用于经济负荷分配的实用化研究奠定了必要的理论基础。     

考虑节能效益的企业分布式电源优化配置

针对企业供配电系统分布式电源规划问题,以企业节能效益最大化为目标,建立企业分布式电源优化配置模型。采用改进粒子群算法进行求解,将参数自适应调节、粒子交叉、模拟退火算法融入粒子群算法,有效提高了粒子群算法的寻优效率。采用IEEE33节点配电系统进行了算例仿真分析,仿真结果表明,利用此模型对分布式电源进行优化配置后,配电网损耗降低、电压质量显著提高、企业节能经济效益得到最大化提升。算例有效验证了优化配置模型与改进粒子群算法的可行性。     

基于改进粒子群优化模糊控制的MPPT算法研究

在光照强度和温度变化时,常规的最大功率点跟踪(MPPT)算法难以快速准确地跟踪光伏系统最大功率点。针对此问题,设计了一种改进粒子群优化算法(PSO)的模糊控制器。首先,依据常规MPPT特性,设计了一种带调整因子的模糊控制算法以快速收敛到最大功率点;然后,采用参数自适应PSO对设计的模糊控制器调整因子进行动态优化。仿真结果表明:所设计的参数自适应PSO优化模糊控制器能快速准确地跟踪最大功率点,保证了MPPT的动态响应速度和稳态精度,提高了光伏系统的工作效率。     

UPFC抑制电力系统低频振荡的参数优化研究

为研究统一潮流控制器(UPFC)用于抑制电力系统低频振荡的效果,采用PID控制策略设计了UPFC,并利用遗传算法(GA)和粒子群算法(PSO)分别对UPFC参数进行了优化。对含UPFC的单机无穷大系统进行仿真,仿真结果显示,UPFC对阻尼电力系统低频振荡起到一定的作用,经过参数优化后系统的暂态变短,相关量的波动降低,且粒子群优化算法用于抑制阻尼电力系统低频振荡的效果优于遗传算法。     

基于多目标粒子群算法的过热汽温自抗扰控制

针对火电机组过热汽温存在大惯性、大时滞和非线性的动态特性,以及扰动因素作用下参数不易整定的问题,提出自抗扰控制-线性自抗扰控制（ADRC-LADRC）串级控制策略,即外回路应用非线性自抗扰减小超调量,内回路应用线性自抗扰对扰动快速响应并加以抑制,同时采用多目标粒子群算法对自抗扰串级回路中的参数进行整定。测试与工程应用表明：基于多目标粒子群算法整定参数的ADRC-LADRC控制策略具有较好的控制性能和抗干扰能力,能够快速响应扰动并跟踪设定值,维持过热汽温的稳定。     

微粒群优化负荷频率控制

针对两区域电力系统运用微粒群优化算法进行负荷频率控制,将模糊控制和微粒群优化算法相结合,利用微粒群算法优化模糊控制规则和PI控制器参数,以实现对控制规则的自调整,并在负荷频率控制中引入模糊决策控制,以减弱由时延引起的系统振荡。对两区域的负荷频率控制系统用MATLAB软件进行仿真,并将其与传统的积分控制和模糊自调整PI控制进行比较,仿真结果表明该方法的有效性,对复杂的非线性电力系统能取得良好的控制效果。