CN105068423B - 一键式实现汽轮机及其调速系统参数智能辨识的方法 - Google Patents

Abstract

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，自动预处理实测数据，查找出阶跃点、阶跃前的起始值、阶跃后的稳定值等参数。利用多种传统辨识算法(遗传算法、粒子群算法)及新辨识算法(改进型引力搜索算法VGSA)，完成汽轮机及调速系统的关键参数地辨识，具有辨识速度快、精度高、适应性强、人为干预少、自动化能力强的特点。

Description

一键式实现汽轮机及其调速系统参数智能辨识的方法

1、发明创造的名称

一键式实现汽轮机及其调速系统参数智能辨识的方法

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采用不同辨识策略完成其重要参数辨识的方法，属于自动控制技术应用领域。

3、背景技术

①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。同时，依靠人力从大量的实测数据中挖掘出有效的数据信息实为一项繁杂的工作。为此，工程中急需一种速度快、精度高、适应性强、人为干预少、自动化能力强的高效辨识手段。

②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，而算法的“探索能力”及“开拓能力”是衡量算法寻优性能优劣的关键。许多辨识算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。引力搜索算法(GSA)考虑全局信息，具有较好的探索能力，但其寻优收敛速度不够迅速，将导致辨识周期长。

③由于汽轮机及调速系统中涉及的待辨识参数较多，而不同机组表现出的动态特性也有所不同，因此，采用不同的辨识策略，改变参数辨识的先后顺序均可能会影响辨识结果的准确性。因此，应提供多种辨识算法、多种辨识策略以适应不同工况下的汽轮机及调速系统的参数辨识。

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，自动预处理实测数据，查找出阶跃点、阶跃前的起始值、阶跃后的稳定值等参数。利用多种传统辨识算法(遗传算法、粒子群算法)及新辨识算法(改进型引力搜索算法VGSA)，完成汽轮机及调速系统的关键参数地辨识，具有辨识速度快、 精度高、适应性强、人为干预少、自动化能力强的特点。

1 辨识方法的步骤

引力搜索算法(GSA)及其改进(VGSA)方法。

引力搜索算法是一种通过模拟空间粒子受力运动机理而进行优化的新型启发式算法,基本原理为空间中大质量粒子对其他粒子的引力大、自身运动慢，而小质量粒子受到引力小、运动快。在优化过程中，通过粒子将朝向质量最大的粒子靠近的基本过程完成全局最优化。

在空间中，假设有N个粒子，定义粒子i的空间位置为X_i：

式中，

是粒子i在d维空间中的位置，dimension是粒子空间的最大维度。

粒子i在第t次迭代时的质量分数M_i(t)为：

式中，m_i(t)为计算粒子i在第t次迭代时的质量，fit_i(t)为粒子i在第t次迭代时的环境适应度值，best(t)和worst(t)分别为在第t次迭代时全体粒子的最优适应度值和最差适应度值。

由万有引力公式可知，在第t次迭代时，粒子i受到粒子j在第d维空间上的引力

为：

式中，e是很小的常数，防止分母为零。R_ij(t)为粒子i、j之间的欧式距离：

引力系数G(t)为：

其中，β，G₀均为常数，max_t为最大迭代次数。

其他粒子对粒子i在第d维空间上施加的合力F_i ^d(t)为：

式中，rand_j为[0,1]区间的随机数。

粒子i受到的加速度

粒子的速度和位置可按照以下两式进行更新：

式中，rand_i为[0,1]区间的随机数。

第t次迭代时粒子i的适应度函数fit_i(t)定义：

式中，y_out,i和Y_out,i分别是第i个粒子对应的模型输出值与实测值。

由于引力系数G是独立于粒子质量与位置之外决定粒子运动快慢的另一个因素，直接决定粒子运动的速度快慢。在多次迭代计算之后，粒子速度会变小，但距离最优粒子可能较远，所以粒子此时需要较大的运动速度向全局最优粒子靠近。本发明提出VGSA算法，通过动态改变引力系数G值，使粒子受力增大，运动速度变大，能够突破粒子陷入局部最优的境况。为了检测粒子当前位置距最优粒子位置的距离，可与全局粒子的平均适应度进行比较判断：当粒子适应度fit_i(i)优于全局粒子的平均适应度average_fit时，粒子的引力系数G按照原式计算得到；当粒子适应度fit_i(i)劣于全局粒子的平均适应度average_fit时，引力系数G则按照初始值G₀进行计算，计算公式如下：

平均适应度定义为：

式中，G₀是引力常数初始值；fit_i(t)是在第t次迭代过程中粒子i的适应度值；average_fit是在第t次迭代过程中种群的平均适应度值，N为种群数目。

同时，VGSA算法在迭代过程中逐步缩小参数的取值范围，以便更高效地寻找最优粒子，并定义参数收缩变化式：

式中，

是第t+1次迭代过程中的粒子位置最小值，

是第t+1次迭代过程中的粒子位置最大值；

是第t次的全局最优值；γ₁是略小于1 的常数，γ₂是略大于1的常数，保证优化过程顺利进行；rand₁和rand₂为[0,1]区间的随机数。

最后，粒子速度、位置更新公式改变为：

式中，rand₁、rand₂和rand₃为[0，1]区间内的随机值，c1，c2为学习因子，

为当前最佳位置，

为全局最佳位置。

本发明为汽轮机及调速系统参数智能辨识集成了多种辨识算法、多种辨识策略以及基于实测数据预处理部分的功能，实现了一键式自动化完成辨识的目的，提供了具有速度快、精度高、适应性强、人为干预少、自动化能力强的高效辨识手段。

辨识算法中：既包含传统的智能辨识算法(遗传算法(GA)、粒子群算法(PSO))，也包含新兴的辨识算法(引力搜索算法(GSA))以及改进的辨识算法(VGSA)。引力搜索算法因其较好的全局搜索能力及较为详尽的优化机理，应用于参数辨识过程中，相较遗传算法、粒子群算法，具有明显优势。而改进型引力搜索算法VGSA在保留IGSA算法的“记忆特性”的基础上，对影响粒子速度变化的引力系数进行动态调整，使粒子更加快速地靠近全局最优粒子；同时，在辨识过程中，参数搜索范围不断缩小，搜索效率提高，进一步提高了其快速性和精确性，使其在辨识应用中有巨大潜力。

辨识策略中：当实测数据比较规则，采用寻优性能好的辨识算法一次性多参数并行辨识能够快速识别出所有关键参数，减少了辨识过程的冗杂性；多参数串行计算方法、智能寻优算法、自动寻找扰动特性参数的一键式分环节、分步骤的智能参数辨识方法能大大降低人的劳动强度，避免了人为误差的引入，使辨识结果具有高度的可重复性。在多参数串行辨识的基础上，采用串并结合的策略进行辨识，既保证了模型中间环节参数的真实有效性，也保证了整体模型的协调合理性。

综上，多种辨识算法、多种辨识策略的思想，既给与用户足够的可选择性，也降低了辨识过程的复杂性，同时也保证了系统关键参数的真实有效性，该发明具有较高的工程应用价值。

5、附图说明

图1辨识原理

图2汽轮机及调速系统功控方式整体模型

图3汽轮机及调速系统CCS方式整体模型

图4引力搜索算法的求解过程

1—转速测量及频差放大环节；

2—控制环节：PID—控制环节P、I、D系数，K—前馈系数；

3—执行机构环节：To/Tc—油动机开启/关闭时间常数；

4—汽轮机本体：TCH—高压容积时间常数，TRH—再热容积时间常数，TCH—

低压连接管道容积时间常数。

6、具体实施方式

汽轮机及其调速系统如附图2、3所示，分为2种控制模式：功率控制模式和机炉协调控制模式(CCS)，所需辨识的关键参数有9个：包括执行机构环节开启To/关闭Tc时间常数、汽轮机本体环节的高压容积时间常数TCH、再热容积时间常数TRH、低压连接管道容积时间常数TCO、控制环节P、I、D系数及前馈系数K，模型中其他参数可根据机组相关资料查阅或计算得到。

为完成整个辨识过程，需分以下几个步骤：

①实测数据预处理。实测数据与理论数据常常存在较大的差异，难以直接从众多数据中寻找实测数据的阶跃点、阶跃前的起始值、阶跃后的稳定值、数据总数等参数。以实测数据的前N个点的平均值作为起始值x1，以实测数据的后M个点的平均值作为稳定值x2，阶跃量h：

h＝|x₁-x₂| (1)

假定x₀为阶跃点，取：

x₀＝x₁±ε×h (2)

其中，当阶跃扰动向下时，式(2)中符号取“-”；当阶跃扰动向上时，式(2)中符号取“+”；ε为经验值，一般取0.3％～1％，该发明中将设定一个缺省值，而用户可以自行修改。

②辨识算法选择。常用于汽轮机及其调速系统参数辨识的传统算法有遗传算法(GA)、粒子群算法(PSO)、引力搜索算法(GSA)及改进型引力搜索算法(VGSA)。其中，改进型引力搜索算法(VGSA)在保留粒子群算法“记忆”特性的基础上，根据粒子的适应度，对算法中的引力系数进行动态调整，使得粒子搜索空间随迭代过程而逐步缩小，从而大大提高了粒子的寻优效率，具有良好的辨识效果。

③辨识策略的选择。基于PSD—BPA模型提供了多种辨识策略：包括一次性多参数并行辨识、多参数串行辨识、多参数串并结合辨识。

首先，基于各调节阀开度变化数据调用执行机构模型选择辨识算法，完成执行机构的开启/关闭时间常数的辨识。分别取各阀门开启/关闭时间常数平均值作为整体模型的开启/关闭时间常数。

一次性多参数并行辨识是以汽轮机功率变化实测数据为输出信号，转速扰动为输入信号，一次性完成7个参数的辨识。

多参数串行辨识是一键式自动实现分环节、分步骤的智能辨识方法：在同一段程序中多次调用模型，实现多参数的自动化辨识，同时把并行计算变为串行计算，在得到前一参数的条件下再进行下一个参数的辨识，充分考虑了中间状态量的真实性和有效性。具体说明：以总阀位指令为输入，把求得的调门开启/关闭时间常数代入模型，依次以调节级压力、再热压力、中排压力为输出，调用执行机构与汽轮机本体部分模型，自动寻找实测数据的阶跃扰动特性参数值，求得高压容积时间常数、再热容积时间常数、低压连通管容积时间常数；最后以转速变化为输入，以功率变化为输出，把求得的调门开启/关闭时间常数以及汽轮机本体部分的三个时间常数代入模型，调用整个系统模型并自动寻找实测数据的阶跃扰动特性参数值，得到控制环节的各相关参数。

多参数串并结合辨识类似于多参数串行辨识，不同的是以前一环节输出信号为后一环节输入信号，基于实测输入输出信号分环节、分步骤进行智能辨识。具体说明：以总阀位指令为输入信号，把求得的调门开启/关闭时间常数代入模型，以调节级压力为输出信号辨识得到高压容积时间常数TCH；以调节级压力为输入信号，以再热压力为输出信号辨识得到再热容积时间常数TRH；以再热压力为输入信号，以中排压力为输出信号辨识得到低压连接管道容积时间常数TCO；最后以转速变化为输入，以功率变化为输出，把求得的调门开启/关闭时间常数以及汽轮机本体部分的三个时间常数代入模型，调用整个系统模型并自动寻找实测数据的阶跃扰动特性参数值，得到控制环节的各相关参数。

Claims (3)

1.一种一键式实现汽轮机及其调速系统参数智能辨识的方法，其特征在于：

辨识方法步骤如下：

在空间中，假设有N个粒子，定义粒子i的空间位置为X_i：

式中，

是粒子i在d维空间中的位置，dimension是粒子空间的最大维度；

粒子i在第t次迭代时的质量分数M_i(t)为：

式中，m_i(t)为计算粒子i在第t次迭代时的质量，fit_i(t)为粒子i在第t次迭代时的环境适应度值，best(t)和worst(t)分别为在第t次迭代时全体粒子的最优适应度值和最差适应度值；

由万有引力公式可知，在第t次迭代时，粒子i受到粒子j在第d维空间上的引力

为：

式中，e是很小的常数，防止分母为零，R_ij(t)为粒子i、j之间的欧式距离：

引力系数G(t)为：

其中，β，G₀均为常数，max_t为最大迭代次数；

其他粒子对粒子i在第d维空间上施加的合力F_i ^d(t)为：

式中，rand_j为[0,1]区间的随机数；

粒子i受到的加速度

粒子的速度和位置可按照以下两式进行更新：

式中，rand_i为[0,1]区间的随机数；

第t次迭代时粒子i的适应度函数fit_i(t)定义：

式中，y_out,i和Y_out,i分别是第i个粒子对应的模型输出值与实测值；

提出VGSA算法通过动态改变引力系数G值，使粒子受力增大，运动速度变大，能够突破粒子陷入局部最优的境况，为了检测粒子当前位置距最优粒子位置的距离，可与全局粒子的平均适应度进行比较判断：当粒子适应度fit_i(i)优于全局粒子的平均适应度average_fit时，粒子的引力系数G按照原式计算得到；当粒子适应度fit_i(i)劣于全局粒子的平均适应度average_fit时，引力系数G则按照初始值G₀进行计算，计算公式如下：

平均适应度定义为：

式中，G₀是引力常数初始值；fit_i(t)是在第t次迭代过程中粒子i的适应度值；average_fit是在第t次迭代过程中种群的平均适应度值，N为种群数目；

同时，VGSA算法在迭代过程中逐步缩小参数的取值范围，以便更高效地寻找最优粒子，并定义参数收缩变化式：

式中，

是第t+1次迭代过程中的粒子位置最小值，

是第t+1次迭代过程中的粒子位置最大值；

是第t次的全局最优值；γ₁是略小于1的常数，γ₂是略大于1的常数，保证优化过程顺利进行；rand₁和rand₂为[0,1]区间的随机数；

最后，粒子速度、位置更新公式改变为：

式中，rand₁、rand₂和rand₃为[0，1]区间内的随机值，c1，c2为学习因子，

为当前最佳位置，

为全局最佳位置；

辨识策略选择基于PSD—BPA模型提供了多种辨识策略：包括一次性多参数并行辨识、多参数串行辨识、多参数串并结合辨识。

2.根据权利要求1所述的一种一键式实现汽轮机及其调速系统参数智能辨识的方法，其特征在于：控制模式为功率控制模式和机炉协调控制模式(CCS)。

3.根据权利要求1或2所述的一种一键式实现汽轮机及其调速系统参数智能辨识的方法，其特征在于：所需辨识的关键参数有9个：包括执行机构环节开启To/关闭Tc时间常数、汽轮机本体环节的高压容积时间常数TCH、再热容积时间常数TRH、低压连接管道容积时间常数TCO、控制环节P、I、D系数及前馈系数K。

Images