B.
莫汉蒂峰
HOTA/
电气系统和信息技术杂志
5
(
2018
)
229
各种智能技术优化控制器,如遗传算法,粒子群优化(PSO),DE等文献。进化算法、群体智能和细菌
觅食都是基于种群的仿生算法。这些算法的共同缺点是计算复杂为了实现更快的收敛速度和更好的成功
率,世界各地的研究人员正在开发新的优化算法。Lam和Li(2010)开发了一种新的元启发式优化技术,
称为化学反应优化(CRO)。它为优化问题的求解提供了一种新的途径,吸引了众多的研究者来解决各种
优化问题。然而,在寻找解搜索方程以生成用于分解和合成操作的候选解方面存在一些困难(Bevrani,
2009)。 另一方面,粒子群优化算法是一种全局优化算法,旨在探索搜索空间,并给出具有一定优势和弱点
的最优/近优解。这种算法往往很快收敛到局部极小值,错过了更好的机会。针对这两种算法各自的优缺
点,提出了一种将粒子群优化算法和CRO算法相结合的新为了加快收敛速度,找到更好的结果,本文采用
了一种混合技术相结合的PSO的探索能力和开发能力的CRO。在传统的CRO中,解决方案更有可能聚集在
一起,在类似的群体,而在混合CRO和PSO(HCRO-PSO),解决方案没有任何集群的趋势,因为在
HCRO-PSO中实现的PSO的更新操作。
鉴于此,本文尝试将CRO-PSO混合优化技术应用于AGC系统PI控制器参数整定 为了显示所提出的方法的
优越性,从这种方法得到的结果已分别与CRO,PSO和模糊逻辑控制器(Aanad和Ebenezer,2009)进行了
比较。
针对上述问题,本文做了以下几点工作
i
研究了考虑GDB、GRC和锅炉动态等非线性的两区域互联水热系统
ii
分别采用所开发的混合
iii
为了显示所提出的方法的优越性,将系统的动态性能与模糊逻辑控制器(FLC)(Aanad和Ebenezer,
2009)进行了比较。
iv
敏感性分析也进行了参数变化和GRC从他们的名义值。此外,investi- gation进行的参数,如利率和惯性
权重的变化。
2.
系统共查处
具有非线性和锅炉动态特性的两区域互联水火系统的框图模型如图1所示。热力部分包括GDB、GRC和
锅炉动力学。水电区由广东发展银行和广州市集控中心组成。 相关参数见附录A。调速器死区定义为持续
速度变化的总幅度,在此范围内,阀位置不会发生变化。齿隙非线性倾向于产生自然周期约为2s的连续正弦
振荡。调速器死区对负载频率调节机构的动态性能有重要影响。对于这项分析,在这项研究中,回差非线
性约0.05%的热系统和死区非线性约0.02%的液压系统被认为是。
锅炉是在压力下产生蒸汽的装置 在本研究中,还考虑了蒸汽区锅炉在动力系统中的作用,详细配置如图
所示。 2(Aanad和Ebenezer,2009年)。 这包括燃料和蒸汽流量对锅炉汽包压力的长期动态影响。还包括
燃烧控制的表示该模型基本上考虑了一个鼓型锅炉,其中使用的燃料是油/气。该模型可用于研究燃煤机组
与不良调谐(振荡)燃烧控制,燃煤机组与良好调谐控制和良好调谐的石油或天然气的机组的响应。
发电功率的变化率存在最小和最大极限,称为GRC。考虑使用集热式集热器的主要原因是,功率的迅速
增加会从锅炉系统中抽出过量的蒸汽,导致蒸汽因绝热膨胀而冷凝。通常,当电力系统中考虑GRC时,与
没 有 GRC 相 比 , 系 统 具 有 更 大 的 超 调 和 更 大 的 建 立 时 间 考 虑 了 以 下 GRC : 热 力 系 统 中 的 GRC
a1
=
0.0017MW/s,水力系统中的GRC
a2
= 4.5%/s以提高发电量,以及6%/s