[发明专利]一种应用于汽轮机及其调速系统参数辨识的智能优化方法

说明书

1、发明创造的名称

一种应用于汽轮机及其调速系统参数辨识的智能优化方法

2、所属的技术领域：

本发明涉及电力系统中汽轮机及调速系统关键参数的辨识方法，尤其涉及基于智能优化算法完成其重要参数的辨识，属于优化控制领域。

3、背景技术

由于汽轮机及其调速系统的复杂性以及设备在安装调试过程中特性的变化，纯粹的理论建模方法难以获得反映系统动态特性的完整、精确的数学模型，因此采用参数辨识方法识别系统动态模型的关键参数具有重要意义。

尽管传统辨识方法如最小二乘法(LS)、遗传算法(GA)、BP神经网络算法和粒子群算法(PSO)等已在工程中得到了应用。但是这些方法的适应能力不强，在实用过程中大多需要较多的人为干预。此外，相对于研究过程中规则的理论激励信号，现场实测数据由于受各种因素影响常常表现出较强的不规则性，无法直接应用于辨识过程。

启发式智能算法因其良好辨识性能及较强鲁棒性的特点在工程上得到了广泛应用，而方法的“探索能力”和“开拓能力”是衡量算法寻优性能优劣的关键。许多辨识方法因其探索能力及开拓能力不能有效的权衡调整，容易陷入“局部最优”而失去准确识别出真实参数的能力。为此，工程中急需一种速度快、精度高、适应性强的高效辨识方法。

4、发明内容：

本发明的目的在于解决传统汽轮机及调速系统参数辨识方法周期长、适应性差和人工参与度过高等问题。基于PSD-BPA提供的汽轮机及调速系统模型，采用一种辨识速度快、精度高、人为干预少的高效智能寻优算法，完成汽轮机及调速系统的关键参数的辨识。本发明提供一种应用于汽轮机及其调速系统参数辨识的智能优化方法：

辨识方法如下：

①将所需辨识的参数整理为解向量形式：在各维度上随机初始化解向量：

xij(t)=xlowj(t)+rand·(xhighj(t)-xlowj(t))]]>

其中，N表示共有N组解向量，X_i表示第i组解向量，n表示n个所需要辨识的参数，t当前迭代次数，为第j维度变化空间的下限，为第j维度变化空间的上限，rand是[0,1]的随机数。

②分别将N组解向量代入模型，得到对应模型输出响应y_out,i，并与实测响应Y_out,i作均方差。以该偏差作为各组解向量的适应度值，偏差越小，适应度越好。