[發明專利]火力發電廠大型汽輪機功頻電液控制系統參數的優化方法

有效

• 申請號: 201310230548.0
• 申請日: 2013-06-09
• 公開（公告）號: CN103401256A
• 公開（公告）日: 2013-11-20
• 發明（設計）人: 翁洪杰;徐衍會;陳銳;朱良合;張毅超;吳曉宇;羅運松
• 申請（專利權）人: 廣東電網公司電力科學研究院
• 主分類號: H02J3/24
• 分類號: H02J3/24;G06F19/00
• 代理公司: 廣州知友專利商標代理有限公司 44104
• 代理人: 周克佑

1.一種火力發電廠大型汽輪機功頻電液控制系統參數的優化方法，其特征在于包括以下步驟：

S1建立汽輪機功頻電液控制系統模型

負責機械功率輸出的汽輪機模型：

將汽輪機簡化為一個只考慮高壓汽室容積常數的環節，簡化后傳遞函數為：

G(s)=FHPsTCH+1---(1);]]>

其中，T_CH為進汽室時間常數，F_HP為高壓缸功率系數；

對汽輪機進行轉速和功率控制的數字電液控制系統模型：

數字電液控制系統主要由放大器、PID控制器、電液轉換器、油動機和傳感器組成；因為電液轉換器調節速度很快，與油動機時間常數相比可以忽略；線性位移傳感器一般置為單位負反饋；忽略死區的影響；PID環節中的微分環節一般不予考慮，而只保留比例和積分環節，簡化后的汽輪機數字電液控制系統傳遞函數為：

G(s)=1sT1+1(KP+1TIs)---(2)]]>

式中，T₁為油動機時間常數，K_P、T_I分別為PID控制器的比例和積分時間常數；

將機械功率轉換為電磁功率的發電機模型：

sΔω=12H(ΔTm-KsΔδ-KDΔω)sΔδ=ω0Δω]]>

T_m為機械功率；K_s為同步轉矩系數；ω₀為同步轉速；對發電機進行調節的勵磁系統模型歸入系統阻尼特性K_D中予以考慮；

S2分析功頻電液系統一次調頻性能

采用系統響應曲線的上升時間評估一次調頻性能，對于二階系統，系統響應曲線的上升時間為：

tr=π-arctg(1-ζ2/ζ)ωn1-ζ2----(4);]]>

式中，ζ為阻尼比，ω_n為自然振蕩角頻率

當系統階數高于二階時，根據建立的汽輪機功頻電液控制系統模型，在電力系統電磁暫態計算軟件DC中搭建電力系統仿真平臺，對系統進行仿真，獲得系統響應曲線，觀測系統響應曲線獲得上升時間t_r；

S3定義參數穩定裕量指標

對于根據式（1）和（2）建立的汽輪機功頻電液控制系統模型，根據形成系統的狀態方程，得到系統狀態矩陣；特征根實部的絕對值即為特征根距離s平面上的虛軸的距離，定義該距離為系統的穩定裕量；

根據系統傳遞函數框圖，可得系統狀態方程：

Δω·Δδ·ΔP·mΔx·Δμ·T=-KD2H-Ks2H12H00ω0000000-1TCH0FHPTCH-KD+KδTI-KsTI000-KP(KD+Kδ)T1-KPKsT101T1-1T1ΔωΔδΔPmΔxΔμT=AΔωΔδΔPmΔxΔμT---(3)]]>

通過求解狀態矩陣A的特征方程，可求得系統的特征根；

要求系統穩定裕量不得小于額定值δ₀；

S4協調優化功頻電液控制系統參數值

S4-1目標函數的選取

設定以下的目標函數，通過求解其極大值，對系統進行優化：

F=w11tr+w2min(-δ-δ0)---(5)]]>

式中，δ為系統特征根中實部的最大值；δ₀為系統的穩定裕量；w₁和w₂為目標函數中相應的權重系數；

一般的，首先要求系統必須保持穩定，因此可以給w₂賦較大的值，然后要求系統有較快的調節速度，根據二者關系，選擇權重w₁的值；

S4-2基于膜計算系統的粒子群優化算法

粒子群算法（PSO）因收斂速度快和調節參數少得到了廣泛的應用，但該算法存在早熟問題，易陷入局部最優，為克服這一缺點，引入膜計算系統（P系統），形成了P-PSO算法；該算法將粒子放入5個膜中，膜3，4，5為輔助膜，在全局搜索最優解所在的區域，為避免系統早熟，需保持輔助膜的多樣性；膜2為主膜，負責在輔助膜搜索到的最優區域內精細尋優；膜1用于回收主膜丟棄的粒子；各膜根據功能不同，依據不同的方式進行迭代，并通過信息交互，尋找系統最優值；

膜3內的粒子執行PSO，按下式進行速度和位置更新；

算法每迭代一次進行排序，將適應度最好的前q個粒子輸送到主膜內；

vijd+1=wvijd+c1rand(pid-xijd)+c2rand(gid-xijd)---(6)]]>

xijd+1=xijd+vijd+1---(7)]]>

和分別為膜i中的第j個粒子d+1代的速度和位置值，w為慣性權重，取0.9～0.1間的常數；c₁和c₂分別是粒子跟蹤自己歷史最優值和群體最優值的權重系數，通常取2；rand是[0,1]內均勻分布的隨機數；

為了保證全局搜索能力，膜4內的粒子迭代過程中，引入種群多樣性算法；

diversity(s)=1MNΣj=1M|x4j-x4j‾|---(8)]]>

vijd+1=wvijd-c1rand(pid-xijd)-c2rand(gid-xijd)---(9)]]>

式中，M為膜內粒子數，N為粒子維數；

設定種群多樣性的取值范圍，種群每迭代一次，進行一次多樣性的測量；當多樣性滿足要求時，粒子的速度和位置按照公式6和7更新；當種群多樣性小于該值時，按公式9和7更新；

膜內算法每迭代一次，對粒子進行排序，排列完畢后前q個優勢粒子輸送到主膜內；

膜5內的粒子均按照公式6和7進行速度和位置的更新；

每迭代一次，按照適應度對粒子進行排序，先將適應度最差的s個粒子重新進行初始化操作，然后對所有粒子重新排序，最后將前q個優勢粒子輸送給主膜；

主膜中的粒子按照公式6和7進行速度和位置的更新；

迭代一次之后，等待輔助膜傳過來的粒子，一共3q個；此時，將主膜內的所有粒子進行排序；將適應度最差的3q個粒子拋棄，運輸到膜1內，在保證種群中優勢粒子的數量的情況下保持種群數量不變。

2.根據權利要求1所述的火力發電廠大型汽輪機功頻電液控制系統參數的優化方法，其特征在于：所述的步驟S4-2基于膜計算系統的粒子群優化算法具體如下：

1）確定K_P、T_I的取值范圍；

2）構建膜系統結構，對主膜和輔助膜內的粒子進行初始化操作；

3）將每個粒子代入模型進行仿真分析，得到系統調節的上升時間，通過對系統狀態矩陣計算系統特征根，求得特征根實部最大值；計算粒子的適應度值；

4）輔助膜內的粒子按照各自的算法同時分別進行位置和速度的更新；

5）輔助膜內粒子進行排序，將優勢粒子依據規則輸送到主膜中；

6）主膜接受到輔助膜的優勢粒子后，將會對膜內的所有粒子適應度進行重新排序，然后拋棄最差的3q個粒子；

7）主膜中的剩余粒子進行速度和位置的更新，進行精細化的搜索；

8）如果當前迭代次數達到預先設定的最大迭代次數，或最終結果小于預定收斂精度，則停止之迭代，輸出最優解；否則，回到4）。