[发明专利]一种水轮机调节系统二型模糊控制参数的优化方法

权利要求书

1.一种水轮机调节系统二型模糊控制参数的优化方法，其特征在于，所述优化方法包括以下步骤：

步骤1：在matlab/simulink中建立水轮机调节系统多工况的非线性模型，搭建改进粒子群算法与二型模糊控制协同优化PID参数的仿真平台；

步骤2：在matlab中搭建一型模糊控制器，确定输出变量与输入变量的论域与隶属度函数，按照一定的模糊规则搭建好模糊控制器；确定MF的不确定度占用空间(FOU)，随机配置每个MF的比例因子，将一型模糊控制器按照相应带宽转换为二型模糊控制器；

步骤3：生成原种群并初始化模糊粒子群算法参数；将原种群的每个候选解代入仿真平台进行仿真，根据目标信号与响应信号的误差计算CostFunction指标目标函数值，记录原种群局部和全局历史的最优解，所述CostFunction指标目标函数值的计算公式如下：

式中，t为仿真时间，e(t)为目标信号与响应信号的误差；

步骤4：通过模糊粒子群算法对原种群的每一个粒子进行迭代计算，得到原种群中所有粒子下一时刻的速度和位置，将下一时刻的种群作为新种群，其中，迭代计算的公式如下：

式中：v_i^j(t+1)表示在t+1次迭代中第i个粒子的第j维变量所对应的速度，v_i^j(t)和x_i^j(t)分别代表在t次迭代中第i个粒子的第j维变量所对应的速度和位置，w为惯性权重，c₁和c₂为学习因子，rand是0至1之间的随机数，t是迭代次数，p_i^j和g_j分别是个体历史最优位置和群体历史最优位置；

式中：x_i^j(t+1)表示在t+1次迭代中第i个粒子的第j维变量所对应的位置，v_i^j(t)和x_i^j(t)分别代表在t次迭代中第i个粒子的第j维变量所对应的速度和位置；

步骤5：计算新种群的CostFunction指标目标函数值，若新种群的CostFunction指标目标函数值小于原种群的个体历史CostFunction指标目标函数最优值，则将其更新为种群的个体历史CostFunction指标目标函数最优值，若新种群的个体历史CostFunction指标目标函数值小于原种群的群体历史CostFunction指标目标函数最优值，则将其更新为种群的群体历史CostFunction指标目标函数最优值，记录种群个体最优位置和全局历史的最优解；判断当前种群的迭代次数是否达到最大迭代次数，若达到最大迭代次数，则终止迭代计算并输出种群个体最优位置和全局历史的最优解；否则继续对当前种群进行迭代计算。

2.根据权利要求1所述的一种水轮机调节系统二型模糊控制参数的优化方法，其特征在于：在所述步骤4中，所述最优解为当求得的CostFunction指标目标函数值最小时对应的模糊粒子群算法参数；

其中，自适应调整算法惯性权重w：

式中：w_min为最小惯性权重，w_max为最大惯性权重，C_min为CostFunction指标最小值，C_avg为CostFunction指标平均值；

学习因子c₁，c₂同步变化：

式中：c_S，c_L分别为学习因子的最小值与最大值，一般地，c_S，c_L根据具体问题进行预设；t为当前迭代次数，T为最大迭代次数。

3.根据权利要求1所述的一种水轮机调节系统二型模糊控制参数的优化方法，其特征在于：在所述步骤2中，水轮机调节系统分为调速器和调节对象两部分，所述调速器采用二型模糊PID控制律，所述调节对象采用高阶发电机模型和电网简化模型。

4.根据权利要求1所述的一种水轮机调节系统二型模糊控制参数的优化方法，其特征在于：在所述步骤1中，所述仿真平台包含控制器、随动系统、水轮机及引水系统、发电机及负载、励磁系统和电力系统稳定器。