CN108599221A - 一种基于改进tlbo算法的柔性高压直流输电系统pi控制器参数优化方法 - Google Patents
一种基于改进tlbo算法的柔性高压直流输电系统pi控制器参数优化方法 Download PDFInfo
- Publication number
- CN108599221A CN108599221A CN201810360638.4A CN201810360638A CN108599221A CN 108599221 A CN108599221 A CN 108599221A CN 201810360638 A CN201810360638 A CN 201810360638A CN 108599221 A CN108599221 A CN 108599221A
- Authority
- CN
- China
- Prior art keywords
- teacher
- class
- student
- solution
- high pressure
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 35
- 238000005457 optimization Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 title claims abstract description 14
- 230000006872 improvement Effects 0.000 title claims abstract description 12
- 230000002452 interceptive effect Effects 0.000 claims abstract description 20
- 230000006870 function Effects 0.000 claims description 14
- 230000003993 interaction Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- 230000007246 mechanism Effects 0.000 claims description 6
- 230000003068 static effect Effects 0.000 claims description 6
- 241000023813 Isia Species 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 244000144992 flock Species 0.000 claims description 3
- 230000000977 initiatory effect Effects 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 abstract 1
- 230000005611 electricity Effects 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/36—Arrangements for transfer of electric power between ac networks via a high-tension dc link
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/60—Arrangements for transfer of electric power between AC networks or generators via a high voltage DC link [HVCD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Inverter Devices (AREA)
Abstract
本发明涉及一种基于改进TLBO算法的柔性高压直流输电系统PI控制器参数优化方法，属于电力系统控制技术领域。实现步骤包括：（1）建立VSC‑HVDC系统仿真模型；（2）针对基本TLBO算法做出改进；（3）将改进的TLBO算法用于VSC‑HVDC系统PI控制器参数优化，建立优化模型，并得到优化结果。本发明在基本的TLBO算法的基础上，引入了多个班级来扩大最优解搜索范围，之后在不同班级的教师或学生之间建立小世界网络，通过深度交互学习实现精确搜索，有效避免算法陷入局部最优。将VSC‑HVDC系统的被控量带入优化模型，利用改进TLBO算法求解PI控制器最优参数，实施例表明，改进TLBO算法能合理权衡VSC‑HVDC系统中PI控制器最优参数的搜索范围和搜索精度，并且避免算法陷入局部最优。
Description
技术领域
本发明涉及一种基于改进TLBO算法的柔性高压直流输电系统PI控制器参数优化方法，属于电力系统控制技术领域。
背景技术
近年来，全球对电网安全和环境保护问题的关注日益增长，使得高压直流输电技术在世界范围内获得了广泛的关注和研究。由于大规模风电并网、交流系统的快速功率潮流调节、远距离输电、弱阻尼系统联网，多馈入或弱馈入区域供电的需求与日俱增，柔性高压直流输电系统（简称为VSC-HVDC）受到了越来越多的关注，合理地设计控制系统对VSC-HVDC的优化运行至关重要。换流器的动态特性使得VSC-HVDC系统具有高度非线性，同时，电网的精确模型难以获得以及随机风电的接入催生了各类先进控制策略来获得最优的控制性能。目前PI控制控制环的矢量控制由于其结构简单、易于实现而广泛应用电力系统控制技术领域中，该控制将非线性系统在某一运行点处进行线性化后设计PI控制参数，当系统运行条件改变时，其控制效果可能大幅降低。因此，遗传算法、粒子群优化算法、群搜索优化、差分进化算法等优化算法被应用于调节最优PI控制参数中。
这些启发式算法的主要局限在于合理的算法参数设置难以确定，尤其对于变量数目很大的情形。当算法参数改变时，原本求解到的全局最优解可能会退化为局部最优解。近年来，根据学校教学过程中教师对学生的指导关系，提出了一种教-学优化算法（TLBO）。
该算法可有效求解连续非线性函数的全局最优问题，具有计算速度快、求解质量高等突出优点，但是容易陷入局部收敛。
发明内容
本发明要解决的技术问题是提供一种基于改进TLBO算法的柔性高压直流输电系统PI控制器参数优化方法，改进TLBO算法引入多个班级以扩大搜索范围，并且引入小世界网络机制来实现不同班级间各教师或学生的相互学习，用于求解PI控制器的最优参数，其能合理权衡搜索范围和搜索精度，并且避免算法陷入局部最优，是一种良好的参数优化策略。
本发明的技术方案是：一种基于改进TLBO算法的柔性高压直流输电系统PI控制器参数优化方法：
（1）建立柔性高压直流输电系统控制器模型；
（2）针对基本TLBO算法做出改进；
（3）将改进的TLBO 算法用于柔性高压直流输电系统PI控制器参数优化，建立优化模型，并得到优化结果。
所述步骤（1）中，柔性高压直流输电系统控制器由两部分组成，即整流器控制和逆变器控制器，建立柔性高压直流输电系统控制器模型方法如下：
（1）建立柔性高压直流输电系统基本动态模型
在柔性高压直流输电系统中，整流器调节直流电流电压和无功功率，而逆变器调节有功功率和无功功率，在只考虑三相电路参数相同，电压和电流幅值相等，三相之间相角差分别为情况下，角频率下的整流器动态方程表示如公式（1）：
（1）
式（1）中，整流器通过等值电阻和电感与交流电网相连，为整流器直流侧电容，并有和；
同理，逆变器动态方程表示如公式（2）：
（2）
式（2）中，整流器通过等值电阻和电感与交流电网相连，为整流器直流侧电容，并有和；
整流器和逆变器之间通过直流电缆相连，关系满足如公式（3）：
（3）
式（3）中，表示直流电缆等值电阻，首先通过Clark变换将电网三相电压从静止abc坐标系变换到两相正交的静止坐标系；随后通过Park变换将其进一步变换到旋转的两相正交同步dq坐标系，在同步dq坐标系下，，，，为交流电网电压的dq轴分量，，，，为相应的线电流，，，，为换流器输入电压，，，，为输送到VSC的有功功率和无功功率，，为直流电压，为直流电缆电流；
（2）建立整流器控制模型
在整流器侧，外环控制调节直流电压和无功功率以获得dq轴电流参考值和，而内环控制负责调节上述电流，随后经过补偿项和获得整流器的最终控制输入和；
（3）建立逆变器控制模型
在逆变器侧，外环控制调节有功功率和无功功率以获得dq轴电流参考值和，而内环控制负责调节上述电流，随后经过补偿项和获得逆变器的最终控制输入和。
所述步骤（2）中，对基本TLBO算法改进如下：
（1）扩大最优解搜索范围
改进TLBO算法在上述基础上入了多个班级来扩大最优解搜索范围，其中每个班级都包含一名教师和一群学生，如下所述：
教师：班级中寻得最优解的个体，其主要目标为引导班级中的学生搜索更好的解，并通过与其他教师的交互更新自身知识；
学生：班级中剩余的适应度函数较大的个体，可在班级中向教师进行学习，也可与其他所有学生相互学习，从而获取自身更好的解；
角色互换：在某次迭代中，若有学生寻得的解比教师的解更好，则在下一次迭代中该学生与教师角色互换，即该学生升级为教师，而该教师降级为学生；
（2）采用小世界网络
采用小世界网络机制来模拟班级社群网络中相互作用的特性，可从环网演化而得，其中每个个体与其他个体进行随机交互的概率为，第i个个体和第j个个体之间的交互概率可由公式（4）计算：
（4）
式（1）中，表示迭代次数，为最大迭代次数，为概率系数，；
（3）引入教师与学生之间的教学
教师会努力提高整个班级的总体成绩，从而使所有学生都能通过不断减小全班平均成绩与教师的最好成绩之间的差距来提高自身成绩，其中每个学生的解的迭代公式如（5）（6）（7）（8）所示：
（5）
（6）
（7）
（8）
式（5）、（6）、（7）、（8）中，上标i和m分别表示第i个班级和第m个学生，表示第i个班级中的第m个学生在第k次迭代中寻得的解，为第i个班级中的教师在第k次迭代中寻得的解，为第m个学生从教师处习得的解，为第i个班级在第k次迭代中的平均成绩，f为适应度函数，r为[0, 1]的随机数，启发步长表示改进平均成绩的教学系数，其值以等概率随机地在1或2中选取，为每个班级的总人数；
（4）增加教师与学生之间的交互
每个个体都有其自身与其他人的社交网络，若某个体在交互中发现其他个体的知识更优，则其将会根据对方的解来更新自身的解，如公式（9）（10）（11）所示：
（9）
（10）
（11）
式（9）、（10）、（11）中，为第i个班级中的第m个个体从其交互对象处习得的解，为第k次迭代中从交互对象处习得的最优解，为第i个班级中第m个个体在第k次迭代中的交互对象集合。
所述步骤（3）中，将改进TLBO 算法用于柔性高压直流输电系统PI控制器参数优化的步骤如下：
第一步：初始化参数与解；
第二步：基于随机选取的各班级学生和教师初始值计算所有个体的适应度函数；
第三步：根据适应度函数确定各班级教师；
第四步：基于小世界网络更新各班级个体交互情况；
第五步：基于各个教师之间的交互学习更新各教师的解；
第六步：基于教师更新学生的解；
第七步：基于各个学生之间的交互学习更新各学生的解；
第八步：算法是否达到终止要求，如果满足则输出柔性高压直流输电最优PI参数值，不满足则从第二步重复，直到满足条件为止。
本发明的有益效果是：通过在常规TLBO中引入多班级机制扩大搜索范围，并采用小世界网络构建教师与学生之间的深度交互学习机制，显著提高了搜索精度，有效避免了算法陷入较低质量的局部最优解。
附图说明
图1是本发明步骤流程图；
图2是本发明VSC-HVDC系统基本结构图；
图3是本发明基于改进TLBO算法的整流器控制模型图；
图4是本发明基于改进TLBO算法的逆变器器控制模型图；
图5是本发明基基于VSC-HVDC系统的改进TLBO算法的整体设计流程图；
图6是本发明改进TLBO算法和基本TLBO算法在有功功率和无功功率追踪中的系统响应图；
图7是本发明改进TLBO算法和基本TLBO算法在风电并网时的系统响应图。
具体实施方式
下面结合附图和具体实施方式，对本发明作进一步说明。
一种基于改进TLBO算法的柔性高压直流输电系统PI控制器参数优化方法：
（1）建立柔性高压直流输电系统控制器模型；
（2）针对基本TLBO算法做出改进；
（3）将改进的TLBO 算法用于柔性高压直流输电系统PI控制器参数优化，建立优化模型，并得到优化结果。
所述步骤（1）中，柔性高压直流输电系统控制器由两部分组成，即整流器控制和逆变器控制器，建立柔性高压直流输电系统控制器模型方法如下：
（1）建立柔性高压直流输电系统基本动态模型
在柔性高压直流输电系统中，整流器调节直流电流电压和无功功率，而逆变器调节有功功率和无功功率，在只考虑三相电路参数相同，电压和电流幅值相等，三相之间相角差分别为情况下，角频率下的整流器动态方程表示如公式（1）：
（1）
式（1）中，整流器通过等值电阻和电感与交流电网相连，为整流器直流侧电容，并有和；
同理，逆变器动态方程表示如公式（2）：
（2）
式（2）中，整流器通过等值电阻和电感与交流电网相连，为整流器直流侧电容，并有和；
整流器和逆变器之间通过直流电缆相连，关系满足如公式（3）：
（3）
式（3）中，表示直流电缆等值电阻，首先通过Clark变换将电网三相电压从静止abc坐标系变换到两相正交的静止坐标系；随后通过Park变换将其进一步变换到旋转的两相正交同步dq坐标系，在同步dq坐标系下，，，，为交流电网电压的dq轴分量，，，，为相应的线电流，，，，为换流器输入电压，，，，为输送到VSC的有功功率和无功功率，，为直流电压，为直流电缆电流；
（2）建立整流器控制模型
在整流器侧，外环控制调节直流电压和无功功率以获得dq轴电流参考值和，而内环控制负责调节上述电流，随后经过补偿项和获得整流器的最终控制输入和；
（3）建立逆变器控制模型
在逆变器侧，外环控制调节有功功率和无功功率以获得dq轴电流参考值和，而内环控制负责调节上述电流，随后经过补偿项和获得逆变器的最终控制输入和。
所述步骤（2）中，对基本TLBO算法改进如下：
（1）扩大最优解搜索范围
改进TLBO算法在上述基础上入了多个班级来扩大最优解搜索范围，其中每个班级都包含一名教师和一群学生，如下所述：
教师：班级中寻得最优解的个体，其主要目标为引导班级中的学生搜索更好的解，并通过与其他教师的交互更新自身知识；
学生：班级中剩余的适应度函数较大的个体，可在班级中向教师进行学习，也可与其他所有学生相互学习，从而获取自身更好的解；
角色互换：在某次迭代中，若有学生寻得的解比教师的解更好，则在下一次迭代中该学生与教师角色互换，即该学生升级为教师，而该教师降级为学生；
（2）采用小世界网络
采用小世界网络机制来模拟班级社群网络中相互作用的特性，可从环网演化而得，其中每个个体与其他个体进行随机交互的概率为，第i个个体和第j个个体之间的交互概率可由公式（4）计算：
（4）
式（1）中，表示迭代次数，为最大迭代次数，为概率系数，；
（3）引入教师与学生之间的教学
教师会努力提高整个班级的总体成绩，从而使所有学生都能通过不断减小全班平均成绩与教师的最好成绩之间的差距来提高自身成绩，其中每个学生的解的迭代公式如（5）（6）（7）（8）所示：
（5）
（6）
（7）
（8）
式（5）、（6）、（7）、（8）中，上标i和m分别表示第i个班级和第m个学生，表示第i个班级中的第m个学生在第k次迭代中寻得的解，为第i个班级中的教师在第k次迭代中寻得的解，为第m个学生从教师处习得的解，为第i个班级在第k次迭代中的平均成绩，f为适应度函数，r为[0, 1]的随机数，启发步长表示改进平均成绩的教学系数，其值以等概率随机地在1或2中选取，为每个班级的总人数；
（4）增加教师与学生之间的交互
每个个体都有其自身与其他人的社交网络，若某个体在交互中发现其他个体的知识更优，则其将会根据对方的解来更新自身的解，如公式（9）（10）（11）所示：
（9）
（10）
（11）
式（9）、（10）、（11）中，为第i个班级中的第m个个体从其交互对象处习得的解，为第k次迭代中从交互对象处习得的最优解，为第i个班级中第m个个体在第k次迭代中的交互对象集合。
所述步骤（3）中，将改进TLBO 算法用于柔性高压直流输电系统PI控制器参数优化的步骤如下：
第一步：初始化参数与解；
第二步：基于随机选取的各班级学生和教师初始值计算所有个体的适应度函数；
第三步：根据适应度函数确定各班级教师；
第四步：基于小世界网络更新各班级个体交互情况；
第五步：基于各个教师之间的交互学习更新各教师的解；
第六步：基于教师更新学生的解；
第七步：基于各个学生之间的交互学习更新各学生的解；
第八步：算法是否达到终止要求，如果满足则输出柔性高压直流输电最优PI参数值，不满足则从第二步重复，直到满足条件为止。
VSC-HVDC系统控制器由两部分组成，即整流器控制器和逆变器控制器，共有八个PI控制器，如图3和图4所示。
本发明针对改进TLBO算法和基本TLBO算法的控制效果进行对比，改进TLBO算法用于求解整流器控制器和逆变器控制器中八个PI控制器的最优参数，在每次迭代中，将VSC-HVDC系统的被控变量代入优化模型，即适应度函数和对应解中，每个解都改进TLBO算法中的一名教师或学生，所有教师和学生的解会逐步改善并最终寻得全局最优解。
具体实施中均采用正弦波脉宽调制对控制输入进行调节，整流器和逆变器的开关频率均设为1620 Hz，交流电网频率设为50 Hz，VSC-HVDC系统参数：交流系统基准电压=132kV，直流电缆基准电压=150kV，基准视在功率=100MVA，交流系统电阻(25km)，交流系统电感(25km)，直流电缆电阻(50km)，直流侧电容。
在VSC-HVDC系统有功功率和无功功率分别发生六次阶跃变化场景下获得的仿真结果如图6所示。可看到改进TLBO算法有功功率和无功功率的超调量最小，功率跟踪效果快速且平滑，同时直流电压波动最小，收敛速度最快。
将一个正弦交流的电压波动施加于系统模型，以模拟风电并网的情况。其系统响应如图7所示。可看到改进TLBO算法可使直流电压和无功功率的振荡最小，从而有效抑制风电并网后的功率振荡。
上面结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (4)
1.一种基于改进TLBO算法的柔性高压直流输电系统PI控制器参数优化方法，其特征在于：
（1）建立柔性高压直流输电系统控制器模型；
（2）针对基本TLBO算法做出改进；
（3）将改进的TLBO 算法用于柔性高压直流输电系统PI控制器参数优化，建立优化模型，并得到优化结果。
2.根据权利要求1所述的基于改进TLBO算法的柔性高压直流输电系统PI控制器参数优化方法，其特征在于：
所述步骤（1）中，柔性高压直流输电系统控制器由两部分组成，即整流器控制和逆变器控制器，建立柔性高压直流输电系统控制器模型方法如下：
（1）建立柔性高压直流输电系统基本动态模型
在柔性高压直流输电系统中，整流器调节直流电流电压和无功功率，而逆变器调节有功功率和无功功率，在只考虑三相电路参数相同，电压和电流幅值相等，三相之间相角差分别为情况下，角频率下的整流器动态方程表示如公式（1）：
（1）
式（1）中，整流器通过等值电阻和电感与交流电网相连，为整流器直流侧电容，并有和；
同理，逆变器动态方程表示如公式（2）：
（2）
式（2）中，整流器通过等值电阻和电感与交流电网相连，为整流器直流侧电容，并有和；
整流器和逆变器之间通过直流电缆相连，关系满足如公式（3）：
（3）
式（3）中，表示直流电缆等值电阻，首先通过Clark变换将电网三相电压从静止abc坐标系变换到两相正交的静止坐标系；随后通过Park变换将其进一步变换到旋转的两相正交同步dq坐标系，在同步dq坐标系下，，，，为交流电网电压的dq轴分量，，，，为相应的线电流，，，，为换流器输入电压，，，，为输送到VSC的有功功率和无功功率，，为直流电压，为直流电缆电流；
（2）建立整流器控制模型
在整流器侧，外环控制调节直流电压和无功功率以获得dq轴电流参考值和，而内环控制负责调节上述电流，随后经过补偿项和获得整流器的最终控制输入和；
（3）建立逆变器控制模型
在逆变器侧，外环控制调节有功功率和无功功率以获得dq轴电流参考值和，而内环控制负责调节上述电流，随后经过补偿项和获得逆变器的最终控制输入和。
3.根据权利要求1所述的基于改进TLBO算法的柔性高压直流输电系统PI控制器参数优化方法，其特征在于：
所述步骤（2）中，对基本TLBO算法改进如下：
（1）扩大最优解搜索范围
改进TLBO算法在上述基础上入了多个班级来扩大最优解搜索范围，其中每个班级都包含一名教师和一群学生，如下所述：
教师：班级中寻得最优解的个体，其主要目标为引导班级中的学生搜索更好的解，并通过与其他教师的交互更新自身知识；
学生：班级中剩余的适应度函数较大的个体，可在班级中向教师进行学习，也可与其他所有学生相互学习，从而获取自身更好的解；
角色互换：在某次迭代中，若有学生寻得的解比教师的解更好，则在下一次迭代中该学生与教师角色互换，即该学生升级为教师，而该教师降级为学生；
（2）采用小世界网络
采用小世界网络机制来模拟班级社群网络中相互作用的特性，可从环网演化而得，其中每个个体与其他个体进行随机交互的概率为，第i个个体和第j个个体之间的交互概率可由公式（4）计算：
（4）
式（1）中，表示迭代次数，为最大迭代次数，为概率系数，；
（3）引入教师与学生之间的教学
教师会努力提高整个班级的总体成绩，从而使所有学生都能通过不断减小全班平均成绩与教师的最好成绩之间的差距来提高自身成绩，其中每个学生的解的迭代公式如（5）（6） （7） （8）所示：
（5）
（6）
（7）
（8）
式（5）、（6）、（7）、（8）中，上标i和m分别表示第i个班级和第m个学生，表示第i个班级中的第m个学生在第k次迭代中寻得的解，为第i个班级中的教师在第k次迭代中寻得的解，为第m个学生从教师处习得的解，为第i个班级在第k次迭代中的平均成绩，f为适应度函数，r为[0, 1]的随机数，启发步长表示改进平均成绩的教学系数，其值以等概率随机地在1或2中选取，为每个班级的总人数；
（4）增加教师与学生之间的交互
每个个体都有其自身与其他人的社交网络，若某个体在交互中发现其他个体的知识更优，则其将会根据对方的解来更新自身的解，如公式（9）（10）（11）所示：
（9）
（10）
（11）
式（9）、（10）、（11）中，为第i个班级中的第m个个体从其交互对象处习得的解，为第k次迭代中从交互对象处习得的最优解，为第i个班级中第m个个体在第k次迭代中的交互对象集合。
4.根据权利要求1所述的基于改进TLBO算法的柔性高压直流输电系统PI控制器参数优化方法，其特征在于：
所述步骤（3）中，将改进TLBO 算法用于柔性高压直流输电系统PI控制器参数优化的步骤如下：
第一步：初始化参数与解；
第二步：基于随机选取的各班级学生和教师初始值计算所有个体的适应度函数；
第三步：根据适应度函数确定各班级教师；
第四步：基于小世界网络更新各班级个体交互情况；
第五步：基于各个教师之间的交互学习更新各教师的解；
第六步：基于教师更新学生的解；
第七步：基于各个学生之间的交互学习更新各学生的解；
第八步：算法是否达到终止要求，如果满足则输出柔性高压直流输电最优PI参数值，不满足则从第二步重复，直到满足条件为止。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810360638.4A CN108599221A (zh) | 2018-04-20 | 2018-04-20 | 一种基于改进tlbo算法的柔性高压直流输电系统pi控制器参数优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810360638.4A CN108599221A (zh) | 2018-04-20 | 2018-04-20 | 一种基于改进tlbo算法的柔性高压直流输电系统pi控制器参数优化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108599221A true CN108599221A (zh) | 2018-09-28 |
Family
ID=63614274
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810360638.4A Withdrawn CN108599221A (zh) | 2018-04-20 | 2018-04-20 | 一种基于改进tlbo算法的柔性高压直流输电系统pi控制器参数优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108599221A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110175351A (zh) * | 2019-04-15 | 2019-08-27 | 南方电网科学研究院有限责任公司 | 一种换流变压器建模方法 |
| CN111463791A (zh) * | 2020-02-27 | 2020-07-28 | 浙江工业大学 | 一种综合能源系统最优潮流优化方法 |
| CN113019594A (zh) * | 2021-03-01 | 2021-06-25 | 广东道氏技术股份有限公司 | 基于多智能体tlbo算法的球磨机制粉优化控制方法 |
| CN113239547A (zh) * | 2021-05-17 | 2021-08-10 | 国网山东省电力公司经济技术研究院 | 一种基于tlbo算法的核心骨干网架构建方法 |
| CN116702575A (zh) * | 2023-08-08 | 2023-09-05 | 石家庄铁道大学 | 一种柔性互联装置分数阶建模与优化控制方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106837678A (zh) * | 2017-03-15 | 2017-06-13 | 大连大学 | 基于改进tlbo算法的水轮发电机组pid调速器参数优化 |
| CN107908113A (zh) * | 2017-12-29 | 2018-04-13 | 安徽理工大学 | 基于改进tlbo算法的自抗扰控制器参数整定方法 |
-
2018
- 2018-04-20 CN CN201810360638.4A patent/CN108599221A/zh not_active Withdrawn
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106837678A (zh) * | 2017-03-15 | 2017-06-13 | 大连大学 | 基于改进tlbo算法的水轮发电机组pid调速器参数优化 |
| CN107908113A (zh) * | 2017-12-29 | 2018-04-13 | 安徽理工大学 | 基于改进tlbo算法的自抗扰控制器参数整定方法 |
Non-Patent Citations (1)
| Title |
|---|
| 杨博: "针对柔性高压直流输电系统的交互式教-学优化算法", 《控制与决策》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110175351A (zh) * | 2019-04-15 | 2019-08-27 | 南方电网科学研究院有限责任公司 | 一种换流变压器建模方法 |
| CN110175351B (zh) * | 2019-04-15 | 2023-02-28 | 南方电网科学研究院有限责任公司 | 一种换流变压器建模方法 |
| CN111463791A (zh) * | 2020-02-27 | 2020-07-28 | 浙江工业大学 | 一种综合能源系统最优潮流优化方法 |
| CN113019594A (zh) * | 2021-03-01 | 2021-06-25 | 广东道氏技术股份有限公司 | 基于多智能体tlbo算法的球磨机制粉优化控制方法 |
| CN113239547A (zh) * | 2021-05-17 | 2021-08-10 | 国网山东省电力公司经济技术研究院 | 一种基于tlbo算法的核心骨干网架构建方法 |
| CN116702575A (zh) * | 2023-08-08 | 2023-09-05 | 石家庄铁道大学 | 一种柔性互联装置分数阶建模与优化控制方法 |
| CN116702575B (zh) * | 2023-08-08 | 2023-10-20 | 石家庄铁道大学 | 一种柔性互联装置分数阶建模与优化控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108599221A (zh) | 一种基于改进tlbo算法的柔性高压直流输电系统pi控制器参数优化方法 | |
| CN101895125B (zh) | 海上风电场轻型直流输电系统变流器的控制方法 | |
| CN108923460B (zh) | 微网虚拟同步机多机并联动态一致响应的参数配置方法 | |
| Wang et al. | Maximum power point tracking control for a doubly fed induction generator wind energy conversion system based on multivariable adaptive super-twisting approach | |
| Lai et al. | Distributed power control for DERs based on networked multiagent systems with communication delays | |
| CN110535121B (zh) | 一种交直流混联电网的两阶段多目标动态优化调度方法 | |
| CN109962495B (zh) | 一种超低频振荡扰动源定位及抑制方法 | |
| Rodrigues et al. | Simultaneous tuning of the AVR and PSS parameters using particle swarm optimization with oscillating exponential decay | |
| CN105119280A (zh) | 基于锥优化的交直流混合结构有源配电网运行优化方法 | |
| CN102931663B (zh) | 一种大规模交直流电力系统的动态无功优化方法 | |
| CN113113928B (zh) | 基于深度强化学习的柔直系统直流母线电压控制方法及装置 | |
| CN105719196A (zh) | 一种基于智能软开关的有源配电网电压无功控制方法 | |
| CN105629730B (zh) | 一种基于神经网络滑模控制的upfc控制方法 | |
| CN111654052B (zh) | 基于动态相量法的柔直换流器建模装置及方法 | |
| Hang et al. | Constant power control‐based strategy for Vienna‐type rectifiers to expand operating area under severe unbalanced grid | |
| CN113572199B (zh) | 一种基于模型预测算法的构网型换流器平滑切换方法 | |
| CN109617488A (zh) | 一种考虑励磁电路的虚拟同步机的建模方法 | |
| Gurugubelli et al. | Design and implementation of optimized virtual oscillatory controllers for grid-forming inverters | |
| CN106026200A (zh) | 风电场的电力系统无功优化方法 | |
| CN106953361A (zh) | 交流微电网运行控制方法及装置 | |
| CN110336317A (zh) | 一种光伏并网发电系统的控制方法 | |
| Hu et al. | A model-free distributed cooperative frequency control strategy for MT-HVDC systems using reinforcement learning method | |
| CN104467741A (zh) | 基于t-s模糊建模的有源滤波器智能电流跟踪控制方法 | |
| CN106505582A (zh) | 一种基于网络预测方式的动态无功功率‑电压协同控制方法 | |
| CN104578149B (zh) | 双馈风力发电系统网侧变换器预测占空比控制方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180928 |