[發明專利]基于優化算法改進的微型燃氣輪機模糊PID控制方法

在審

• 申請號: 202110472653.X
• 申請日: 2021-04-29
• 公開（公告）號: CN113341689A
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 楊睿;劉永葆;賀星;李洪松
• 申請（專利權）人: 中國人民解放軍海軍工程大學
• 主分類號: G05B11/42
• 分類號: G05B11/42
• 代理公司: 武漢宇晨專利事務所(普通合伙) 42001
• 代理人: 狄宗祿

本發明公開了一種基于優化算法改進的微型燃氣輪機模糊PID控制方法。它包括如下步驟，步驟一：模糊PID控制器設計；步驟二：線性遞減粒子種群規模；步驟三：線性遞減慣性權重；步驟四：采用布谷鳥算法的局部隨機游走策略提高粒子的多樣性。本發明克服了現有控制器動態性能差，傳統優化算法無法平衡收斂速度和收斂精度之間的矛盾的問題；具有提高微型燃氣輪機全工況范圍內的控制性能，提高算法收斂速度和收斂精度的優點。

技術領域

本發明涉及微型燃氣輪機控制領域，具體涉及一種基于優化算法改進的微型燃氣輪機模糊PID控制方法，更具體地說它是基于混合改進粒子群-布谷鳥算法的微型燃氣輪機模糊PID控制方法。

背景技術

微型燃氣輪機憑借功率密度高、燃料來源廣、排放低等優勢，成為分布式能源系統的主要動力設備。為了保證輸出電能的頻率穩定，需要一個有效的控制器將微型燃氣輪機的輸出轉速穩定在與電網頻率匹配的轉速。

微型燃氣輪機發電系統由壓氣機、燃燒室、渦輪，控制單元和附屬設備組成。空氣在壓氣機中被壓縮后進入燃燒室與燃料混合燃燒產生高溫高壓的燃氣。高溫燃氣推動燃氣渦輪做工，并帶動壓氣機旋轉。燃氣輪機的轉速和渦輪排氣溫度信號分別傳遞給控制單元的轉速、溫度控制環節。控制環節產生的燃料需求信號、經過低值選擇器后得到燃料供給系統的輸入信號，以便保持燃氣輪機的安全穩定運行。控制系統是燃氣輪機的重要組成部分，它直接影響發動機的性能，進而影響整個電力系統的整體性能，需要精確設計。一個合格的控制系統不僅要保證燃氣輪機準確快速的完成控制指令，還要保證燃氣輪機機組能夠安全穩定運行。微型燃氣輪機的控制系統包含轉速控制環節和溫度限制保護環節。經典的轉速控制器采用PID控制邏輯。燃氣輪機的實際轉速與額定轉速的偏差值作為控制器的輸入信號，通過比例-積分-微分環節得出對應的燃油流量信號。

PID控制器[(比例-積分-微分控制器)，由比例單元(P)、積分單元(I)和微分單元(D)組成]由于結構簡單、可靠性高等優點，在微型燃氣輪機控制系統中得到廣泛應用。然而微型燃氣輪機具有非線性、大時滯和時變性的特點，微型燃氣輪機在負荷變化，存在外界干擾和模型特性發生變化時所表現出的強非線性使傳統PID控制器的控制效果大打折扣，即傳統PID控制器無法處理燃氣輪機的非線性及控制系統存在的耦合問題。且優化算法的綜合性能是影響控制器效果的重要因素。傳統優化算法無法平衡收斂速度和收斂精度之間的矛盾。

模糊邏輯控制器(Fuzzy Logic Controller)由于具有良好的魯棒性，被廣泛應用于控制模型不確定以及非線性的系統。將模糊邏輯控制器與PID控制器結合，利用模糊邏輯調整PID控制器參數增益可以改善控制器的性能，為大量非線性系統的控制器設計提供參考。但目前模糊PID(FPID)控制器在燃氣輪機領域的應用研究尚不夠深入，多數研究仍然依靠經驗規則設計模糊邏輯參數(模糊規則、隸屬函數、比例系數等)，這種設計方式的難度較高且多數情況下并不能得到最優參數。

群體智能算法是近年來廣受關注的優化方法之一，例如粒子群算法、蟻群算法、灰狼算法、人工蜂群算法等，其主要思想是利用仿生學模擬社會性動物的群體行為，通過個體之間信息交互與共享解決優化問題。粒子群(PSO)算法是一種經典的群體智能算法，與其他進化算法相比，粒子群算法結構更加簡單且更加高效，目前已被廣泛應用于各類優化問題。但在解決復雜問題時，PSO算法也暴露出易陷入局部最優的不足。布谷鳥搜索(CS)算法是一種元啟發式算法，該算法依賴于布谷鳥繁殖行為中的巢寄生性，通過局部隨機游走和Levy飛行策略增強了算法的搜索能力，但該算法收斂速度偏慢。

因此，開發一種提高控制器的控制效果、且提高算法收斂速度和收斂精度的微型燃氣輪機控制方法很有必要。

發明內容

本發明的目的是提供一種提高控制器的控制效果、且提高算法收斂速度和收斂精度的基于優化算法改進的微型燃氣輪機模糊PID控制方法(即基于混合改進粒子群-布谷鳥算法的微型燃氣輪機模糊PID控制方法)，提高微型燃氣輪機全工況范圍內的控制性能，并解決傳統優化算法無法平衡收斂速度和收斂精度之間的矛盾的問題。