CN110778447A - 一种混流式水轮发电机调速器空载pid参数优化方法 - Google Patents
一种混流式水轮发电机调速器空载pid参数优化方法 Download PDFInfo
- Publication number
- CN110778447A CN110778447A CN201911065094.XA CN201911065094A CN110778447A CN 110778447 A CN110778447 A CN 110778447A CN 201911065094 A CN201911065094 A CN 201911065094A CN 110778447 A CN110778447 A CN 110778447A
- Authority
- CN
- China
- Prior art keywords
- learning
- pid
- student
- mathematical model
- load
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000005457 optimization Methods 0.000 title claims abstract description 35
- 238000013178 mathematical model Methods 0.000 claims abstract description 40
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 29
- 238000011156 evaluation Methods 0.000 claims abstract description 24
- 230000001105 regulatory effect Effects 0.000 claims description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 238000004088 simulation Methods 0.000 claims description 8
- 230000010354 integration Effects 0.000 claims description 7
- 230000003321 amplification Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 230000004069 differentiation Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000007786 learning performance Effects 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03B—MACHINES OR ENGINES FOR LIQUIDS
- F03B15/00—Controlling
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03B—MACHINES OR ENGINES FOR LIQUIDS
- F03B11/00—Parts or details not provided for in, or of interest apart from, the preceding groups, e.g. wear-protection couplings, between turbine and generator
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03B—MACHINES OR ENGINES FOR LIQUIDS
- F03B11/00—Parts or details not provided for in, or of interest apart from, the preceding groups, e.g. wear-protection couplings, between turbine and generator
- F03B11/008—Measuring or testing arrangements
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03B—MACHINES OR ENGINES FOR LIQUIDS
- F03B13/00—Adaptations of machines or engines for special use; Combinations of machines or engines with driving or driven apparatus; Power stations or aggregates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/20—Hydro energy
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本实施例提供一种混流式水轮发电机调速器空载PID参数优化方法,涉及智能优化控制技术领域。该方法包括:随机产生初始化种群,并确定初始温度T0以及最终温度T1,初始化种群包括多组PID参数;使用改进的教与学算法对种群进行迭代优化;以及,从迭代优化后的种群中选取一组评价指标最小的PID参数,作为最优PID参数。本实施提供的混流式水轮发电机调速器空载PID参数优化方法,提出了混流式水轮发电机调速***空载PID扰动数学模型和ITLBO优化方法,使PID参数优化过程的表达更加清晰,优化结果更加可信,有利于保证水轮发电机机组在使用优化后的PID参数运行过程中的稳定性。
Description
技术领域
本申请涉及智能优化控制技术领域,尤其涉及一种混流式水轮发电机调速器空载PID参数优化方法。
背景技术
对于混流式水轮发电机,其水轮发电机调速器的空载PID(ProportionIntegration Differentiation,比例积分微分)参数主要用于在水轮发电机机组空载运行下,对水轮发电机导叶的调节,从而使得机组频率能够稳定在一定范围内,而调速器的空载PID参数(包括KP、KI、KD及bp等)的选择直接关系到PID调节品质的优劣。
目前,混流式水轮发电机调速器空载PID参数,通常是由电力测试人员通过现场调速***空载频率扰动和空载频率摆动试验整定并优化的。具体地,电力测试人员在优化PID参数的过程中,需要不断的调整PID参数进行测试,从而根据经验人工确定一个最优PID参数。由此可见,该方法不仅使得现场工作量较大,而且电力测试人员无法准确判断选定的PID参数的优劣,从而无法保证根据该PID参数调节后的水轮发电机机组在运行过程中的稳定性。
发明内容
本申请提供了一种混流式水轮发电机调速器空载PID参数优化方法,以解决现有PID参数调节方法工作量大,无法保证水轮发电机机组在运行过程中的稳定性的问题。
一种混流式水轮发电机调速器空载PID参数优化方法,包括:
随机产生初始化种群,并确定初始温度T0以及最终温度T1,所述初始化种群包括多组PID参数;
使用改进的教与学算法对种群进行迭代优化,在所述算法中,一个种群为一个班级,PID参数为学员,PID参数的评价指标为学员的学习成绩,评价指标根据混流式水轮发电机调速器的空载扰动数学模型和评价指标公式计算;所述改进的教与学算法包括步骤S1-S5:
S1计算当前班级中每个学员的学习成绩,将学习成绩最好的学员确定为Xteacher;
S2根据Xteacher和教学公式,教当前班级中的每一个学员;
S3根据替代公式,使用每个学员学习后的成绩替代学习前的成绩;
S4对每一个学员Xi,(i=1,…,NP),从班级中随机选取一个学习对象Xj,(j=1,…,NP),并利用学习公式对Xj进行学习,获得优化后的班级,其中,NP为班级中的学员个数;
S5重复执行上述步骤S1-S4,直至T(gen+1)<T1,其中,T(gen+1)=γ*T(gen),γ∈(0,1),T(gen)为当前迭代次数下的温度;
从迭代优化后的种群中选取一组评价指标最小的PID参数,作为最优PID参数。
可选的,每一组所述PID参数包括KP、KI、KD和bp,其中,KP、KI、KD和bp均为实数,KP为比例增益,KI为积分增益,KD为微分增益,bp为永态转差系数,KP∈[0,10]、KI∈[0,10]、KD∈[0,5]、bp∈[0,1%]。
可选的,所述种群的规模popsize=n*10,其中n为种群中PID参数的个数。
可选的,教学公式为difference=ri*(Xteacher-TFi*mean)和其中,和分别表示第i个学员学***均值,TFi=round[1+rand(0,1)]为教学因子,ri=rand(0,1)为第i个学员的学习因子,NP为班级中的学员个数。
可选的,所述替代公式包括:
其中,T为当前迭代次数下的温度值,Pchoose(gen)表示当前迭代次数gen下的选择概率,表示当前迭代次数gen下,学员i学习后的成绩,表示当前迭代次数gen下,学员i学习后的成绩r为取值rand(0,1)的随机数。
可选的,所述学习公式为
其中,ri=U(0,1)表示学员i的学习因子,f(Xi)为学员Xi的学习成绩,f(Xj)为学员Xj的学习成绩。
可选的,混流式水轮发电机调速器的空载扰动数学模型,对信号F(s)-F1(s)依次使用调速***PID控制数学模型、调速***执行机构数学模型、引水***数学模型及发电机及负荷数学模型进行运算,使得e(s)逐渐减小;其中,F1(s)为机组频率扰动;F(s)为机组仿真频率;e(s)为扰动频率与仿真频率偏差;
所述调速***PID控制数学模型为其中,FC为机组给定频率,FG为机组实际频率,T1v为微分时间常数,YPID为PID控制信号输出,s为拉氏算子;
所述调速***执行机构数学模型的执行流程为:对输入信号YPID依次进行KP1放大、死区约束、积分、限速、限位运算后转变为YG信号;
所述发电机及负荷数学模型为其中,F(s)为机组频率,Ta为机组惯性时间常数,en为机组静态频率自调节特性系数。
本申请提供的技术方案包括以下有益技术效果:
本实施提供的混流式水轮发电机调速器空载PID参数优化方法,提出了混流式水轮发电机调速***空载PID扰动模型和ITLBO优化方法,使优化过程的表达更加清晰,优化结果更加可信,有利于保证水轮发电机机组使用优化后的PID参数运行过程中的稳定性。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的混流式水轮发电机调速器的空载扰动数学模型的运算示意框图;
图2为本申请实施例提供的混流式水轮发电机调速***PID控制数学模型的运算示意框图;
图3为本申请实施例提供的混流式水轮发电机调速***执行机构数学模型的运算示意框图;
图4为本申请实施例提供的混流式水轮发电机引水***数学模型的运算示意框图;
图5为本申请实施例提供的混流式水轮发电机的发电机及负荷数学模型的运算示意框图;
图6为本申请实施例提供的混流式水轮发电机调速器空载PID参数优化方法的流程图;
图7为本申请实施例提供的基于改进的教与学优化算法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本申请实施例提供一种混流式水轮发电机调速器空载PID参数优化方法,用于对混流式水轮发电机调速器的PID参数进行优化,以提高水轮发电机机组运行的稳定性。其中,PID参数包括KP、KI、KD和bp,KP为比例增益,KI为积分增益,KD为微分增益,bp为永态转差系数。由于对该优化方法的执行依赖于混流式水轮发电机调速器的空载扰动数学模型和一个PID参数的评价指标,因此,本实施例首先对该空载扰动数学模型和该评价指标的计算方法进行说明。
本实施例提供的空载扰动数学模型如图1所示,用于对信号F(s)-F1(s)依次使用调速***PID控制数学模型、调速***执行机构数学模型、引水***数学模型及发电机及负荷数学模型进行运算,使得e(s)逐渐减小。在该空载扰动数学模型中,F1(s)为机组频率扰动;F(s)为机组仿真频率;e(s)为扰动频率与仿真频率偏差。
本实施例采用的调速***PID控制数学模型为:
其中,FC为机组给定频率,FG为机组实际频率,T1v为微分时间常数,YPID为PID控制信号输出,s为拉氏算子。
本实施例采用的调速***执行机构数学模型如图3所示,其运行流程为:对输入信号YPID依次进行KP1放大、死区约束、积分、限速、限位运算后转变为YG信号。
本实施例采用的引水***数学模型如图4所示,其对应的公式为:
其中,Ky为水流修正系数,Tw为水流惯性时间常数,P(s)为机组机械功率。
本实施例采用的发电机及负荷数学模型如图5所示,其对应的公式为:
其中,F(s)为机组频率,Ta为机组惯性时间常数,en为机组静态频率自调节特性系数。
本实施例采用的机组稳定性评价指标为ITAE(integrated time and absoluteerror,积分时间和绝对误差)指标,其表达式为:
其中,t为时间单位,ts为时间积分上限。
对于上述空载扰动数学模型,当该模型的输入F1(S)一定时,不同的PID参数会影响模型的输出F(S),并且输出的F(S)在0-ts中,先有较大幅度的波动变化,随后趋于稳定。当F(S)的波动越小时,|F(s)-F1(s)|的值也就越小,评价指标f也就越小,发电机机组的运行过程也就越稳定。也就是说,评价指标f越小,PID参数越优。
基于上述内容,请参阅图6,本实施例提供的一种混流式水轮发电机调速器空载PID参数优化方法,包括如下步骤S601-S603。
步骤S601,随机产生初始化种群,并确定初始温度T0以及最终温度T1,初始化种群包括多组PID参数。
在一个示例中,种群的规模popsize=n*10,其中n为种群中PID参数的个数,当然也可以为其他数值,本实施对此不进行限制。
本实施例提供的初始化种群采用实数编码的方式确定,即种群中的每一组PID参数均为实数。具体地,每一组PID参数包括KP、KI、KD和bp,其中,KP、KI、KD和bp均为实数,KP为比例增益,KI为积分增益,KD为微分增益,bp为永态转差系数,KP∈[0,10]、KI∈[0,10]、KD∈[0,5]、bp∈[0,1%]。
此外,初始温度T0大于最终温度T1。需要说明的是,本实施例提供的改进的教与学算法中的温度,如初始温度、最终温度,是一个随时间的延长而递减的参数,而不是运行该算法的设备的实际物理温度。
步骤S602,使用改进的教与学算法对种群进行迭代优化。
在改进的教与学算法(ITLBA)中,一个种群为一个班级,PID参数为学员,PID参数的评价指标为学员的学习成绩,评价指标根据上述混流式水轮发电机调速器的空载扰动数学模型和评价指标公式计算。
本实施例提供的改进的教与学算法包括如下步骤S1-S5,其具体过程可参阅图7示出的流程图。
步骤S1,计算当前班级中每个学员的学习成绩,将学习成绩最好的学员确定为Xteacher。
在本实施例中,空载扰动数学模型输出的F(s)越稳定,评价指标就越小。因此,评价指标越小,学员的学习成绩越好。
步骤S2,根据Xteacher和教学公式,教当前班级中的每一个学员。
本实施例提供的教学公式包括:
difference=ri*(Xteacher-TFi*mean)
步骤S3,根据替代公式,使用每个学员学习后的成绩替代学习前的成绩。
本实施例提供的替代公式包括:
其中,T为当前迭代次数下的温度值,Pchoose(gen)表示当前迭代次数gen下的选择概率,表示当前迭代次数gen下,学员i学习后的成绩,表示当前迭代次数gen下,学员i学习后的成绩r为取值rand(0,1)的随机数。
S4对每一个学员Xi,(i=1,…,NP),从班级中随机选取一个学习对象Xj,(j=1,…,NP),并利用学习公式对Xj进行学习,获得优化后的班级。
本实施例提供的学习公式为:
其中,ri=U(0,1)表示学员i的学习因子,f(Xi)为学员Xi的学习成绩,f(Xj)为学员Xj的学习成绩,NP为班级中的学员个数。
S5重复执行上述步骤S1-S4,直至T(gen+1)<T1,其中,T(gen+1)=γ*T(gen),γ∈(0,1),T(gen)为当前迭代次数下的温度。
步骤S603,从迭代优化后的种群中选取一组评价指标最小的PID参数,作为最优PID参数。
为了验证本发明所提的改进TLBO算法的有效性和鲁棒性,将ITLBO与标准TLBO进行对比。
在一个示例中,将ITLBO(改进的教与学算法)和TLBO(教与学算法)的参数设置如下:在Matlab 2018a进行编程,硬件环境均在Intel core i7 2.80GHz、内存为16G的PC机上进行实验。将仿真参数设置如下:调速***PID控制环节的PID参数Kp、KI、KD和bp的取值范围分别为Kp∈[0,10]、KI∈[0,10]、KD∈[0,5]、bp∈[0,1%],设置参数辨识T1v=0.2s,Tw=1.6s,Ta=8.2s,en=1.0,Ky=0.5。仿真时间取100s,扰动频率为2%的额定转速,即2Hz。与TLBO算法不同的是,ITLBO算法参数设置还包括:N=20,T0=1000,T1=100,γ=0.89。
基于上述参数设置,分别采用ITLBO和TLBO算法进行混流式水轮发电机调速器空载PID参数优化,获得的优化种群中PID参数的评价指标的最大值、平均值、最小值以及标准差如表1所示。从表1可知,ITLBO算法的最大值、平均值、最小值以及标准差均优于TLBO,这表明了ITLBO算法的有效性,也证明了ITLBO算法是优化混流式水轮发电机调速器空载PID参数的一种有效算法。
表1基于评价指标的ITLBO、TLBO比较
本实施提供的混流式水轮发电机调速器空载PID参数优化方法,提出了混流式水轮发电机调速***空载PID扰动模型和ITLBO优化方法,使PID参数的优化过程的表达更加清晰,优化结果更加可信,有利于保证水轮发电机机组使用优化后的PID参数运行过程中的稳定性。
此外,本实施例提供的PID参数优化方法,采用依据算法步骤得到的当前种群的“最优个体”更新下一代个体,能够更好的引导算法进行全局搜索;在种群的更新过程中采用算法中的“教”阶段和“学”阶段的思想不断更新个体和种群,不仅能够使得优势个体的历史信息得到充分利用,还可以保证算法的全局搜索具有一定的宽度;同时,在算法的“教”阶段采用概率机制对个体进行更新使得算法的搜索领域更为广泛从而让解的质量得到明显改善。
需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
应当理解的是,本申请并不局限于上面已经描述的内容,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (8)
1.一种混流式水轮发电机调速器空载PID参数优化方法,其特征在于,包括:
随机产生初始化种群,并确定初始温度T0以及最终温度T1,所述初始化种群包括多组PID参数;
使用改进的教与学算法对种群进行迭代优化,在所述算法中,一个种群为一个班级,PID参数为学员,PID参数的评价指标为学员的学习成绩,所述评价指标根据混流式水轮发电机调速器的空载扰动数学模型和评价指标公式计算;所述改进的教与学算法包括如下步骤S1-S5:
S1计算当前班级中每个学员的学习成绩,将学习成绩最好的学员确定为Xteacher;
S2根据Xteacher和教学公式,教当前班级中的每一个学员;
S3根据替代公式,使用每个学员学习后的成绩替代学习前的成绩;
S4对每一个学员Xi,(i=1,…,NP),从班级中随机选取一个学习对象Xj,(j=1,…,NP),并利用学习公式对Xj进行学习,获得优化后的班级,其中,NP为班级中的学员个数;
S5重复执行上述步骤S1-S4,直至T(gen+1)<T1,其中,T(gen+1)=γ*T(gen),γ∈(0,1),T(gen)为当前迭代次数下的温度;
从迭代优化后的种群中选取一组评价指标最小的PID参数,作为最优PID参数。
2.根据权利要求1所述的方法,其特征在于,每一组所述PID参数包括KP、KI、KD和bp,其中,KP、KI、KD和bp均为实数,KP为比例增益,KI为积分增益,KD为微分增益,bp为永态转差系数,KP∈[0,10]、KI∈[0,10]、KD∈[0,5]、bp∈[0,1%]。
3.根据权利要求1或2所述的方法,其特征在于,所述种群的规模popsize=n*10,其中n为种群中PID参数的个数。
7.根据权利要求2所述的方法,其特征在于,混流式水轮发电机调速器的空载扰动数学模型,对信号F(s)-F1(s)依次使用调速***PID控制数学模型、调速***执行机构数学模型、引水***数学模型及发电机及负荷数学模型进行运算,使得e(s)逐渐减小;其中,F1(s)为机组频率扰动;F(s)为机组仿真频率;e(s)为扰动频率与仿真频率偏差;
所述调速***执行机构数学模型的执行流程为:对输入信号YPID依次进行KP1放大、死区约束、积分、限速、限位运算后转变为YG信号;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911065094.XA CN110778447A (zh) | 2019-11-04 | 2019-11-04 | 一种混流式水轮发电机调速器空载pid参数优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911065094.XA CN110778447A (zh) | 2019-11-04 | 2019-11-04 | 一种混流式水轮发电机调速器空载pid参数优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110778447A true CN110778447A (zh) | 2020-02-11 |
Family
ID=69388790
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911065094.XA Pending CN110778447A (zh) | 2019-11-04 | 2019-11-04 | 一种混流式水轮发电机调速器空载pid参数优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110778447A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111488690A (zh) * | 2020-04-16 | 2020-08-04 | 云南电网有限责任公司电力科学研究院 | 一种冲击式水轮发电机调速器空载调节参数优化方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06149306A (ja) * | 1992-10-30 | 1994-05-27 | Fuji Electric Co Ltd | 水調運転制御装置 |
CN1672171A (zh) * | 2002-07-31 | 2005-09-21 | 雅马哈发动机株式会社 | 基于量子软计算的智能机电控制悬架*** |
CN102052233A (zh) * | 2010-12-23 | 2011-05-11 | 广东电网公司电力科学研究院 | 一种电力***稳定分析用水轮机调节***模组 |
CN103529698A (zh) * | 2013-10-17 | 2014-01-22 | 广东电网公司电力科学研究院 | 发电机调速***参数辨识方法 |
CN103590969A (zh) * | 2013-11-20 | 2014-02-19 | 华中科技大学 | 基于多工况时域响应的pid水轮机调速器参数优化方法 |
CN104533701A (zh) * | 2014-12-23 | 2015-04-22 | 华中科技大学 | 一种水轮机调速***控制参数的自动整定方法 |
CN104808705A (zh) * | 2015-04-27 | 2015-07-29 | 贵州电力试验研究院 | 一种基于特征参数的水电机组调速***控制参数整定方法 |
CN106837678A (zh) * | 2017-03-15 | 2017-06-13 | 大连大学 | 基于改进tlbo算法的水轮发电机组pid调速器参数优化 |
CN107476931A (zh) * | 2017-08-14 | 2017-12-15 | 国网四川省电力公司电力科学研究院 | 一种水轮机调速器pid参数优化方法及*** |
CN108241288A (zh) * | 2016-12-23 | 2018-07-03 | 重庆邮电大学 | 一种基于改进tlbo算法的pid控制器参数整定方法 |
CN108345218A (zh) * | 2018-02-27 | 2018-07-31 | 江苏大学 | 基于教学优化算法的汽车主动悬架pid控制器设计方法 |
CN109617140A (zh) * | 2018-12-12 | 2019-04-12 | 云南电网有限责任公司电力科学研究院 | 一种大型水电机组调速器参数优化方法 |
-
2019
- 2019-11-04 CN CN201911065094.XA patent/CN110778447A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06149306A (ja) * | 1992-10-30 | 1994-05-27 | Fuji Electric Co Ltd | 水調運転制御装置 |
CN1672171A (zh) * | 2002-07-31 | 2005-09-21 | 雅马哈发动机株式会社 | 基于量子软计算的智能机电控制悬架*** |
CN102052233A (zh) * | 2010-12-23 | 2011-05-11 | 广东电网公司电力科学研究院 | 一种电力***稳定分析用水轮机调节***模组 |
CN103529698A (zh) * | 2013-10-17 | 2014-01-22 | 广东电网公司电力科学研究院 | 发电机调速***参数辨识方法 |
CN103590969A (zh) * | 2013-11-20 | 2014-02-19 | 华中科技大学 | 基于多工况时域响应的pid水轮机调速器参数优化方法 |
CN104533701A (zh) * | 2014-12-23 | 2015-04-22 | 华中科技大学 | 一种水轮机调速***控制参数的自动整定方法 |
CN104808705A (zh) * | 2015-04-27 | 2015-07-29 | 贵州电力试验研究院 | 一种基于特征参数的水电机组调速***控制参数整定方法 |
CN108241288A (zh) * | 2016-12-23 | 2018-07-03 | 重庆邮电大学 | 一种基于改进tlbo算法的pid控制器参数整定方法 |
CN106837678A (zh) * | 2017-03-15 | 2017-06-13 | 大连大学 | 基于改进tlbo算法的水轮发电机组pid调速器参数优化 |
CN107476931A (zh) * | 2017-08-14 | 2017-12-15 | 国网四川省电力公司电力科学研究院 | 一种水轮机调速器pid参数优化方法及*** |
CN108345218A (zh) * | 2018-02-27 | 2018-07-31 | 江苏大学 | 基于教学优化算法的汽车主动悬架pid控制器设计方法 |
CN109617140A (zh) * | 2018-12-12 | 2019-04-12 | 云南电网有限责任公司电力科学研究院 | 一种大型水电机组调速器参数优化方法 |
Non-Patent Citations (4)
Title |
---|
何学明 等: "《基于教与学优化算法的PID控制器参数寻优》", 《计算机工程》 * |
拓守恒 等: "《一种用于PID控制的教与学优化算法》", 《智能***学报》 * |
胡坤 等: "《基于改进TLBO算法的刮板输送机伸缩机尾》", 《中南大学学报》 * |
陈功贵 等: "《水轮机调速器模糊自适应PID参数整定方法》", 《实验室研究与探索》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111488690A (zh) * | 2020-04-16 | 2020-08-04 | 云南电网有限责任公司电力科学研究院 | 一种冲击式水轮发电机调速器空载调节参数优化方法 |
CN111488690B (zh) * | 2020-04-16 | 2023-09-19 | 云南电网有限责任公司电力科学研究院 | 一种冲击式水轮发电机调速器空载调节参数优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8155763B2 (en) | Operation control method, operation control device, and operation control system | |
CN106054594B (zh) | 基于控制输入饱和的无模型自适应控制方法 | |
CN101493677B (zh) | 一种神经网络的***控制器结构及***辨识结构 | |
CN102998973B (zh) | 一种非线性***的多模型自适应控制器及控制方法 | |
US20240077039A1 (en) | Optimization control method for aero-engine transient state based on reinforcement learning | |
CN109100935B (zh) | 大时滞***的阻尼智慧pi控制方法 | |
CN111459022B (zh) | 设备参数调整方法、设备控制装置和计算机可读存储介质 | |
CN105871356A (zh) | 基于最大混合互相关熵准则的自适应滤波方法 | |
CN108489015A (zh) | 基于极点配置和帕德近似的空调***温度控制方法 | |
JPH05127706A (ja) | ニユーラルネツト型シミユレータ | |
CN105279579B (zh) | 一种水轮发电机组励磁***pid控制参数的优选方法 | |
CN104778506A (zh) | 基于局部集成学习的短期风速预报方法 | |
CN110778447A (zh) | 一种混流式水轮发电机调速器空载pid参数优化方法 | |
KR20190130190A (ko) | 로봇의 인간 얼굴 표정 학습 및 표정 구현 방법 | |
US10628541B2 (en) | Method and apparatus for selecting integrated circuit device neural network modeling sample | |
US11320811B2 (en) | Plant operating condition setting support system, learning device, and operating condition setting support device | |
CN107168066A (zh) | 一种温室环境自适应控制方法 | |
CN115309052B (zh) | 一种工业实时数据时序预测结果的在线修正方法 | |
WO2020161935A1 (ja) | 学習装置、学習方法、及び、プログラム | |
JPH07210208A (ja) | 火力プラント制御におけるオートチューニング方法及びそれを利用した火力プラント制御装置 | |
JP4524683B2 (ja) | プラントモデルのパラメータ調整装置 | |
CN114357867A (zh) | 基于水轮机仿真智能求解的一次调频控制方法及装置 | |
CN112346342B (zh) | 一种非仿射动力学***的单网络自适应评价设计方法 | |
TWI719337B (zh) | 基於深度學習之數位控制器的控制方法 | |
CN113654143A (zh) | 一种基于神经网络的空调水***泵阀联动控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200211 |