[發明專利]一種水電機組模型智能辨識方法

有效

• 申請號: 202010129510.4
• 申請日: 2020-02-28
• 公開（公告）號: CN111523749B
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 田田;甄文喜;劉昌玉;趙煒;馬喜平;趙霖
• 申請（專利權）人: 華中科技大學;國網甘肅省電力公司電力科學研究院
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06;G06N3/00
• 代理公司: 武漢東喻專利代理事務所(普通合伙) 42224
• 代理人: 李佑宏

1.一種水電機組模型智能辨識方法，其特征在于，包括：

獲取水輪機調速系統在給定輸入信號的激勵下輸出的實際響應信號，以及根據所述水輪機調速系統創建的辨識模型在所述給定輸入信號的激勵下輸出的模擬響應信號；

將所述實際響應信號和模擬響應信號之間的差值定義為目標函數，采用鯨魚優化算法對水輪機調速系統的待辨識參數進行迭代尋優以使所述目標函數最小化，得到水電機組的最優辨識參數；在迭代尋優過程中，通過平衡隨機搜索和最優搜索來增大全局搜索概率：

若當前迭代次數與最大迭代次數之間的比值大于預設值時，通過隨機選擇鯨魚位置來搜尋獵物的方式更新鯨魚種群的位置；

若當前迭代次數與最大迭代次數之間的比值不大于預設值時，采用螺旋氣泡網移動方式更新鯨魚種群的位置；其中，采用鯨魚優化算法對水輪機調速系統的待辨識參數進行迭代尋優的過程具體包括：

(1)隨機初始化第一代鯨魚種群，設置待辨識參數并開始迭代；

(2)計算種群中每一個鯨魚粒子的目標函數值并找到所述目標函數值最小的鯨魚粒子，記錄當前迭代次數下的最優搜索代理及其位置；更新待辨識參數，執行下一次迭代；

(3)在迭代過程中，若滿足p0.5且|E|≥1，或者滿足p≥0.5且a1，則采用隨機搜索獵物的方式來更新鯨魚的位置；

若p≥0.5且a≥1，則采用螺旋氣泡網移動的方式來更新鯨魚的位置；

若滿足p0.5且|E|1，則采用包圍獵物的方式更新鯨魚的位置；

其中，E＝2ar-a，a＝2(1-t/T)；

p表示隨機概率；E表示隨機變量；a表示收斂因子；r是介于0和1之間的隨機數；t為當前迭代次數；T為最大迭代次數；

(4)當滿足終止條件時，停止迭代并輸出最優辨識參數。

2.如權利要求1所述的水電機組模型智能辨識方法，其特征在于，還包括以下步驟：

在迭代尋優過程中對鯨魚種群進行免疫算子變異操作，采用適應度和集中度指標作為評估條件來更新種群中每一個鯨魚粒子的適應度函數值和種群中的最優搜索代理，具體為：

(1)每次迭代過程中，獲取鯨魚種群中各個鯨魚粒子的適應度函數值并求和，得到種群的適應度總和；

(2)遍歷鯨魚種群中的每一個鯨魚粒子，計算第i個鯨魚粒子的適應度函數值與任一個鯨魚粒子的適應度函數的差值，當該差值的絕對值小于預設的最小距離時，計數器加1；統計第i個鯨魚粒子的計數器值；其中，i＝1～N_m，N_m表示種群中鯨魚粒子的總數；

(3)根據第i個鯨魚粒子的適應度函數值、種群的適應度總和計算該鯨魚粒子的適應度指標，P_f＝P_i/P_sum；根據第i個鯨魚粒子的計數器值、鯨魚粒子的總數計算集中度指標，P_d＝N_c/N_m；

其中，P_f、P_d分別表示適應度指標、集中度指標；P_i代表第i個鯨魚粒子的適應度函數值；

P_sum表示種群的適應度總和；

N_c表示鯨魚種群的計數器值；

(4)根據所述適應度指標、集中度指標計算第i個鯨魚粒子的選擇概率P_r，P_r＝α*P_f+(1-α)*P_d；α為比例系數；

(5)當第i個鯨魚粒子的選擇概率大于預設的替換概率時，根據預設的期望范圍計算最新搜索代理的位置；

(6)若最新搜索代理的適應度函數值大于第i個鯨魚粒子的適應度函數值，則將第i個鯨魚粒子的位置更新為該最新搜索代理的位置；

(7)若最新搜索代理的適應度函數值大于當前迭代次數下的最優搜索代理的適應度函數值，則將當前迭代次數下的最優搜索代理的位置更新為該最新搜索代理的位置。

3.如權利要求1或2所述的水電機組模型智能辨識方法，其特征在于，還包括對待辨識參數范圍進行自適應修正的步驟：

若當前迭代次數下產生的最優搜索代理的位置在期望范圍內，則根據預設的縮放因子縮小所述期望范圍；

若當前迭代次數下產生的最優搜索代理的位置在所述期望范圍的邊界，則根據所述縮放因子擴大所述期望范圍。