本文關(guān)鍵詞： 水輪機調(diào)速器 建模 參數(shù)測試 滿意度函數(shù) 參數(shù)辨識 混沌粒子群算法　出處：《長江科學(xué)院院報》2016年08期 　論文類型：期刊論文

【摘要】：針對粒子群算法存在的后期收斂速度慢和易陷入局部最優(yōu)等缺點,引入收縮因子和混沌優(yōu)化思想對其改進,并將其應(yīng)用于調(diào)速系統(tǒng)被控對象有關(guān)參數(shù)辨識問題上。提出一種水輪機調(diào)速系統(tǒng)參數(shù)辨識滿意度函數(shù)設(shè)計的新方法,該方法直接計算系統(tǒng)響應(yīng)的上升時間、調(diào)節(jié)時間、反調(diào)峰值功率、反調(diào)峰值時間等品質(zhì)參數(shù),并以系統(tǒng)總體滿意度作為滿意度函數(shù)。對某混流式水輪機調(diào)速器控制參數(shù)進行實測并對機組引水道參數(shù)進行辨識,試驗結(jié)果表明:仿真數(shù)據(jù)能夠準(zhǔn)確模擬機組負(fù)荷的頻率階躍擾動響應(yīng),可以滿足電網(wǎng)穩(wěn)定性計算要求;在系統(tǒng)受到較大干擾時,該算法仍具有精確的參數(shù)辨識能力和很高的收斂效率。
[Abstract]:Aiming at the shortcomings of particle swarm optimization (PSO), such as slow convergence rate and easy to fall into local optimization, the shrinkage factor and chaos optimization are introduced to improve PSO. A new method for designing parameter identification satisfaction function of hydraulic turbine speed regulating system is presented, which can directly calculate the rising time and adjusting time of system response. The control parameters of a Francis turbine governor are measured and identified by taking the overall satisfaction of the system as the satisfaction function, and the parameters of the pilot channel are identified by measuring the control parameters of the Francis turbine governor, such as the inverse peak power, the time of the reverse peak, and the total satisfaction degree of the system as the satisfaction function. The experimental results show that the simulation data can accurately simulate the frequency step disturbance response of unit load and can meet the requirements of power network stability calculation. This algorithm still has the accurate parameter identification ability and the very high convergence efficiency.
【作者單位】： 國家電網(wǎng)遼寧省電力有限公司電力科學(xué)研究院;東北電網(wǎng)有限公司;
【分類號】：TV734.4

【相似文獻】

相關(guān)期刊論文 前10條

1 陳秀銅;李璐;;基于改進粒子群算法的土石方調(diào)配優(yōu)化研究[J];水力發(fā)電學(xué)報;2010年02期

2 劉方;紀(jì)昌明;向騰飛;周茜;;基于鯰魚效應(yīng)多目標(biāo)粒子群算法的水庫水沙聯(lián)合優(yōu)化調(diào)度[J];中國農(nóng)村水利水電;2012年11期

3 唐如洋;凌江;;基于粒子群算法的水利類試算問題求解[J];黑龍江水利科技;2013年10期

4 王仁超;劉金飛;李仕奇;張宗亮;;基于螞蟻和粒子群算法的土石方調(diào)運優(yōu)化方法研究[J];水利學(xué)報;2006年11期

5 程春田;唐子田;李剛;楊斌斌;;動態(tài)規(guī)劃和粒子群算法在水電站廠內(nèi)經(jīng)濟運行中的應(yīng)用比較研究[J];水力發(fā)電學(xué)報;2008年06期

6 孫曉嬌;侯旭東;劉長良;;基于改進粒子群算法的水輪機調(diào)速器參數(shù)優(yōu)化[J];自動化與儀表;2010年05期

7 徐寶松;苗艷東;李波;雷霆;徐華俊;;基于粒子群算法的大壩力學(xué)參數(shù)反演[J];水力發(fā)電;2009年03期

8 龔曉雯;顧沖時;;基于改進粒子群算法的水口重力壩壩體參數(shù)反演[J];水電能源科學(xué);2010年02期

9 周佳佳;楊侃;鄧麗麗;;基于粒子群算法的水電站廠內(nèi)經(jīng)濟運行新算法[J];中國農(nóng)村水利水電;2014年06期

10 何偉;王德利;楊開云;白新理;;融合粒子群算法的混凝土裂縫預(yù)測模型研究[J];水力發(fā)電;2006年05期

相關(guān)會議論文 前2條

1 方衛(wèi)華;徐蘭玉;陳允平;;改進粒子群算法在大壩力學(xué)參數(shù)分區(qū)反演中的應(yīng)用[A];2012年中國水力發(fā)電工程學(xué)會大壩安全監(jiān)測專委會年會暨學(xué)術(shù)交流會論文集[C];2012年

2 李慧峗;王本德;張永強;曹明亮;;MATLAB粒子群算法工具箱在水文模型參數(shù)優(yōu)化中的應(yīng)用[A];變化環(huán)境下的水資源響應(yīng)與可持續(xù)利用——中國水利學(xué)會水資源專業(yè)委員會2009學(xué)術(shù)年會論文集[C];2009年

相關(guān)碩士學(xué)位論文 前3條

1 周逸之;基于粒子群算法的水電站廠內(nèi)經(jīng)濟運行分析[D];南昌大學(xué);2013年

2 余明明;基于混沌粒子群算法的大型水電站自動電壓控制優(yōu)化研究[D];華中科技大學(xué);2013年

3 唐子田;水電站廠內(nèi)經(jīng)濟運行新型算法的研究[D];大連理工大學(xué);2007年

，

本文編號：1501126