CN110554599A - 一种基于自适应和声搜索算法的pi参数优化方法 - Google Patents
一种基于自适应和声搜索算法的pi参数优化方法 Download PDFInfo
- Publication number
- CN110554599A CN110554599A CN201910147429.6A CN201910147429A CN110554599A CN 110554599 A CN110554599 A CN 110554599A CN 201910147429 A CN201910147429 A CN 201910147429A CN 110554599 A CN110554599 A CN 110554599A
- Authority
- CN
- China
- Prior art keywords
- value
- variable
- hms
- matrix
- column
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000010845 search algorithm Methods 0.000 title claims abstract description 13
- 238000005457 optimization Methods 0.000 title claims abstract description 12
- 230000003044 adaptive effect Effects 0.000 title description 4
- 230000001052 transient effect Effects 0.000 claims abstract description 22
- 239000011159 matrix material Substances 0.000 claims abstract description 20
- 238000004088 simulation Methods 0.000 claims abstract description 7
- 230000005540 biological transmission Effects 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 18
- 101100177269 Arabidopsis thaliana HCAR gene Proteins 0.000 claims description 8
- 230000010354 integration Effects 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 101100499229 Mus musculus Dhrsx gene Proteins 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种基于自适应和声搜索算法的PI参数优化方法,设HMS为和声库大小;HM代表和声记忆库;HMCR代表记忆库取值概率;包含以下步骤:(1)确立变量X1和X2与目标函数JITAE,其中,X1代表定电流控制器的比例系数Kp,X2代表积分时间常数Ki;(2)在变量X1和X2的可行域内,随机生成HMS组X1和X2,分别放入矩阵HM中的第一列和第二列;(3)把每一组X1和X2分别代入PI控制器进行仿真,记录系统故障后到恢复额定状态所需时间ts以及送端母线暂态电压的最大值U1max,送端母线暂态电压的最大值U1max与稳态测量值U1的差即为e(t);执行自适应和声搜索算法;输出X1和X2的值。
Description
技术领域
本发明属于高压直流输电的控制与保护领域,涉及一种基于自适应和声搜索算法的PI 参数优化方法。
背景技术
近年来,我国新能源发电迅速发展,其中风力发电是规模最大的一种新能源发电方式。但是我国风能资源多集中在西部和北部地区,距离负荷中心较远,这时就需要高压直流输电技术把电能输送到远端的负荷中心,这种输电方式不仅能满足大规模风电集中外送的要求,又能提高输送功率的稳定性,在我国已有哈郑、酒湖、天中等多条含风电场的特高压直流输电系统投入运行。
已有研究表明,换相失败是高压直流输电系统中常见的故障之一。在由受端交流系统故障引发的直流换相失败以及故障清除后的恢复过程中,换流站的无功平衡被打破,导致送端交流母线出现暂态过电压。由于风电机组耐高压能力较差,在实际的电网运行过程中大量风电机组的过压保护定值设置为1.1pu,无延时脱网,在部分风电机组脱网后将会导致母线电压进一步升高,从而导致更多的风电机组相继脱网,破坏电力系统的稳定运行。因此,研究抑制送端母线暂态过电压的方法对交直流混联系统的安全稳定运行具有重要意义。
对于逆变侧三相金属性接地故障,加入调相机后可以使整流侧交流母线暂态过电压幅值减小,但是其暂态过电压的最大峰值大于1.1pu,此时仍有风机脱网的风险。
发明内容
本发明为避免逆变侧交流系统发生三相金属性接地故障后,与整流侧交流母线相连的风电场因高压穿越大面积脱网的问题,提供一种基于自适应和声搜索算法的PI参数优化方法。技术方案如下:
一种基于自适应和声搜索算法的PI参数优化方法,设HMS为和声库大小;HM代表和声记忆库,是一个HMS*3的矩阵;HMCR代表记忆库取值概率;PAR代表微调概率;BW 代表微调带宽,Tmax代表最大迭代次数。包含以下步骤:
(1)确立变量X1和X2与目标函数JITAE,其中,X1代表定电流控制器的比例系数Kp, X2代表积分时间常数Ki;
(2)在变量X1和X2的可行域内,随机生成HMS组X1和X2,分别放入矩阵HM中的第一列和第二列;
(3)把每一组X1和X2分别代入PI控制器进行仿真,记录系统故障后到恢复额定状态所需时间ts以及送端母线暂态电压的最大值U1max,送端母线暂态电压的最大值U1max与稳态测量值U1的差即为e(t);
(4)计算每一组X1和X2的目标函数值JITAE,并将目标函数值放入矩阵HM中的第三列中;
(5)X1’和X2’,随机生成一个0-1之间的随机数r,若r小于记忆库取值概率HMCR,则从已经生成的HMS组变量中选择一组新的变量X1’和X2’,否则,随机生成一组新的变量 X1’和X2’;当新的变量X1’和X2’从HMS组变量中选择时,进行下一步的判断:新生成另一个 0-1之间的随机数r1,若随机数r1小于微调概率PAR,则对新的变量X1’和X2’进行微调操作,即,x1′=x1′+r1*BW,x2′=x2′+r1*BW;
(6)把新生成的变量X1’和X2’代入PI控制器进行仿真,记录系统故障后到恢复额定状态所需时间ts’以及送端母线暂态电压的最大值U1max’,送端母线暂态电压的最大值U1max’与稳态测量值U1的差即为e(t);
(7)计算新变量X1’和X2’所对应的目标函数值JITAE’,并与矩阵HM中的JITAEi进行比较,若JITAE’小于JITAEi,则将第i组变量X1和X2替换成新的变量X1’和X2’;
(8)检查当前迭代次数gn是否达到最大迭代次数Tmax,若gn<Tmax,重复步骤(5)—(8);
(9)当gn等于最大迭代次数Tmax时,令X1为当前矩阵HM第一列变量的平均值,X2为当前矩阵HM第二列变量的平均值,输出X1和X2的值。
本发明提出了一种基于自适应和声搜索算法的PI参数优化方法,与现有技术相比,该方法产生的积极效果是:首先,本发明使整流侧交流母线暂态过电压最大幅值小于1.1pu,从而避免了风电场因高压脱网的风险,保证了交直流混联系统的安全稳定运行;其次,本发明实现简单,只需要对定电流控制器的参数进行修改即可;最后,本发明在对PI参数进行调整的过程中兼顾了直流系统的动态性能。
附图说明
图1整流侧含风电场的高压直流输电系统模型图。
图2逆变侧三相金属性接地故障时送端母线电压波形图。
图3逆变侧三相金属性接地故障时送端母线电压波形图。
具体实施方式
下面首先结合自适应和声搜索算法本身,说明一下本发明的技术方案。
基于自适应和声搜索算法的PI参数优化方法,包含以下步骤:
(1)确立变量与目标函数。由于误差积分性能指标(ITAE)具有良好的工程实用性和选择性,所以本方法选择JITAE作为目标函数,其表达式如式(1-1)所示:
其中X是由决策变量xi(i=1,2)构成的解向量,每一个决策的值域为Xi,对于连续型变量Xi有:
(2)初始化和声库HM。随机产生HMS个和声X1,X2放入和声库,则HM可表示为:
和声库表示一个矩阵,用来存储和声向量和相应的目标函数值。
(3)生成一个新的和声。经过随机选择音调、学习HM、音调微调的过程生成新的和声xi′=(x1′,x2′)。
现详细说明生成新和声的方法:新和声xi′从和声库选出的概率为HMCR,否则将从和声库外的可行域中选出,其数学表达式为:
其中r表示[0,1]上的均匀分布的随机数。
若新解xi′从HM中选出,则对xi′进行微调操作,其数学表达式为:
其中,r1表示[0,1]上均匀分布的随机数,Ei表示的是第i代和声记忆库中解向量的目标函数最大值与最小值的差,设E0=1。gn表示当前代数,xu和xl分别代表xi的上下边界, HM(i,max)和HM(i,min)分别表示HM中xi的最大和最小值,d1和d2是两个常数。
(4)更新和声库。计算新的和声对应的目标函数值,若比HM中最差的一个更好,则将新的和声替换到和声记忆库中,此过程可表示为:
(5)检查是否达到算法终止条件。重复(3)和(4),直到迭代次数达到Tmax为止。最终得到一组最优解,即定电流控制器的比例系数Kp和积分时间常数Ki的值。
下面结合实施例对本发明进行说明。
在PSCAD中建立的整流侧含风电场的高压直流输电系统模型如图1所示。
为了实现逆变侧三相金属性接地故障后,整流侧交流母线暂态过电压最大幅值小于 1.1pu,本发明的基于自适应和声搜索算法的PI参数优化方法,其中,HMS代表和声库大小, HM代表和声记忆库,是一个HMS*3的矩阵;HMCR代表记忆库取值概率,r为一0-1之间的随机数,若r小于HMCR的值,则新的变量从和声记忆库中取出,否则,新的变量随机生成;PAR代表微调概率,r1为一0-1之间的随机数,若r1小于PAR的值,则对变量进行微调操作,否则,变量不进行微调操作;BW代表微调带宽,Tmax代表最大迭代次数,具体包含以下步骤:
(1)确立变量X1和X2与目标函数JITAE。其中,X1代表定电流控制器的比例系数Kp, X2代表积分时间常数Ki。
(2)在变量X1和X2的可行域内,随机生成HMS组X1和X2,分别放入矩阵HM中的第一列和第二列。
(3)把每一组X1和X2分别代入PI控制器进行仿真,记录系统故障后到恢复额定状态所需时间ts以及送端母线暂态电压的最大值U1max,送端母线暂态电压的最大值U1max与稳态测量值U1的差即为e(t)。
(4)计算每一组X1和X2的目标函数值JITAE,并将目标函数值放入矩阵HM中的第三列中。
(5)生成一组新的变量X1’和X2’。如果随机数r小于记忆库取值概率HMCR,则新的变量从已经生成的HMS组变量中选择,否则,新的变量随机生成。当新的变量从HMS组变量中选择时,进行下一步的判断,若随机数r1小于微调概率PAR,则对变量进行微调操作,即,x1′=x1′+r1*BW,x2′=x2′+r1*BW;否则,x1′=x1′,x2′=x2′。
(6)把新生成的变量X1’和X2’代入PI控制器进行仿真,记录系统故障后到恢复额定状态所需时间ts’以及送端母线暂态电压的最大值U1max’,送端母线暂态电压的最大值U1max’与稳态测量值U1的差即为e(t)。
(7)计算新变量X1’和X2’所对应的目标函数值JITAE’,并与矩阵HM中的JITAEi进行比较,若JITAE’小于JITAEi,则将第i组变量X1和X2替换成新的变量X1’和X2’。
(8)检查当前迭代次数gn是否达到最大迭代次数Tmax,若gn<Tmax,重复步骤(5)—(8)。
(9)当gn等于最大迭代次数Tmax时,令X1为当前矩阵HM第一列变量的平均值,X2为当前矩阵HM第二列变量的平均值,输出X1和X2的值。
最终得到一组最优解X1=0.63,X2=0.009,当定电流控制器的比例系数Kp取为0.63和积分时间常数Ki取为0.009时,逆变侧三相金属性接地故障时送端母线电压在加入调相机补偿前、加入调相机补偿后以及参数优化后的波形图如图2所示。由图2可知,在3.241s时的暂态过电压的幅值由1.119pu下降到1.086pu,经过优化后整流侧交流母线电压在逆变侧三相金属性接地故障后出现的暂态过电压幅值小于1.1pu,从而避免了风机因过电压而脱网的风险。
Claims (1)
1.一种基于自适应和声搜索算法的PI参数优化方法,设HMS为和声库大小;HM代表和声记忆库,是一个HMS*3的矩阵;HMCR代表记忆库取值概率;PAR代表微调概率;BW代表微调带宽,Tmax代表最大迭代次数。包含以下步骤:
(1)确立变量X1和X2与目标函数JITAE,其中,X1代表定电流控制器的比例系数Kp,X2代表积分时间常数Ki;
(2)在变量X1和X2的可行域内,随机生成HMS组X1和X2,分别放入矩阵HM中的第一列和第二列;
(3)把每一组X1和X2分别代入PI控制器进行仿真,记录系统故障后到恢复额定状态所需时间ts以及送端母线暂态电压的最大值U1max,送端母线暂态电压的最大值U1max与稳态测量值U1的差即为e(t);
(4)计算每一组X1和X2的目标函数值JITAE,并将目标函数值放入矩阵HM中的第三列中;
(5)X1’和X2’,随机生成一个0-1之间的随机数r,若r小于记忆库取值概率HMCR,则从已经生成的HMS组变量中选择一组新的变量X1’和X2’,否则,随机生成一组新的变量X1’和X2’;当新的变量X1’和X2’从HMS组变量中选择时,进行下一步的判断:新生成另一个0-1之间的随机数r1,若随机数r1小于微调概率PAR,则对新的变量X1’和X2’进行微调操作,即,x1′=x1′+r1*BW,x2′=x2′+r1*BW;
(6)把新生成的变量X1’和X2’代入PI控制器进行仿真,记录系统故障后到恢复额定状态所需时间ts’以及送端母线暂态电压的最大值U1max’,送端母线暂态电压的最大值U1max’与稳态测量值U1的差即为e(t);
(7)计算新变量X1’和X2’所对应的目标函数值JITAE’,并与矩阵HM中的JITAEi进行比较,若JITAE’小于JITAEi,则将第i组变量X1和X2替换成新的变量X1’和X2’;
(8)检查当前迭代次数gn是否达到最大迭代次数Tmax,若gn<Tmax,重复步骤(5)—(8);
(9)当gn等于最大迭代次数Tmax时,令X1为当前矩阵HM第一列变量的平均值,X2为当前矩阵HM第二列变量的平均值,输出X1和X2的值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910147429.6A CN110554599A (zh) | 2019-02-27 | 2019-02-27 | 一种基于自适应和声搜索算法的pi参数优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910147429.6A CN110554599A (zh) | 2019-02-27 | 2019-02-27 | 一种基于自适应和声搜索算法的pi参数优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110554599A true CN110554599A (zh) | 2019-12-10 |
Family
ID=68736338
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910147429.6A Pending CN110554599A (zh) | 2019-02-27 | 2019-02-27 | 一种基于自适应和声搜索算法的pi参数优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110554599A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113344487A (zh) * | 2021-05-21 | 2021-09-03 | 同济大学 | 一种基于线边集成超市的装配线物料配送方法和系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102789493A (zh) * | 2012-07-06 | 2012-11-21 | 葛彦强 | 自适应双子和声优化方法 |
CN103294928A (zh) * | 2013-06-28 | 2013-09-11 | 华北电力大学(保定) | 一种碳排放组合预测方法 |
CN103631758A (zh) * | 2013-11-21 | 2014-03-12 | 陕西理工学院 | 一种改进和声搜索算法求解非线性规划及绝对值方程的方法 |
CN105243429A (zh) * | 2015-09-06 | 2016-01-13 | 东南大学 | 一种基于pmu估算配电网负载模型的和声搜索算法 |
US20160125097A1 (en) * | 2014-11-05 | 2016-05-05 | Nec Laboratories America, Inc. | Optimizing power flows using harmony search with machine learning |
CN107729431A (zh) * | 2017-09-29 | 2018-02-23 | 集美大学 | 一种改进的和声搜索优化方法 |
CN108363302A (zh) * | 2018-02-13 | 2018-08-03 | 集美大学 | 一种基于和声搜索的船舶动力定位底层推进器控制方法 |
-
2019
- 2019-02-27 CN CN201910147429.6A patent/CN110554599A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102789493A (zh) * | 2012-07-06 | 2012-11-21 | 葛彦强 | 自适应双子和声优化方法 |
CN103294928A (zh) * | 2013-06-28 | 2013-09-11 | 华北电力大学(保定) | 一种碳排放组合预测方法 |
CN103631758A (zh) * | 2013-11-21 | 2014-03-12 | 陕西理工学院 | 一种改进和声搜索算法求解非线性规划及绝对值方程的方法 |
US20160125097A1 (en) * | 2014-11-05 | 2016-05-05 | Nec Laboratories America, Inc. | Optimizing power flows using harmony search with machine learning |
CN105243429A (zh) * | 2015-09-06 | 2016-01-13 | 东南大学 | 一种基于pmu估算配电网负载模型的和声搜索算法 |
CN107729431A (zh) * | 2017-09-29 | 2018-02-23 | 集美大学 | 一种改进的和声搜索优化方法 |
CN108363302A (zh) * | 2018-02-13 | 2018-08-03 | 集美大学 | 一种基于和声搜索的船舶动力定位底层推进器控制方法 |
Non-Patent Citations (4)
Title |
---|
LI GUO MIN ET AL.]: "Tasks assigning and sequencing of multiple AGVs based on an improved harmony search algorithm", 《JOURNAL OF AMBIENT INTELLIGENCE AND HUMANIZED COMPUTING》 * |
沈绍辉等: "和声搜索算法优化支持向量机的柴油机故障诊断研究", 《组合机床与自动化加工技术》 * |
陈莹珍等: "混沌的自适应和声搜索算法", 《太原理工大学学报》 * |
高新平: "电渣炉控制系统设计与控制方法研究", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅰ辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113344487A (zh) * | 2021-05-21 | 2021-09-03 | 同济大学 | 一种基于线边集成超市的装配线物料配送方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109494746B (zh) | 基于改进自适应下垂控制的孤岛交直流混联微电网潮流计算方法 | |
US11791632B2 (en) | High-frequency uncontrolled rectifier-based DC transmission system for offshore wind farm | |
CN106655199B (zh) | 一种提高电压稳定性的vsc-hvdc功率控制方法 | |
CN111953013A (zh) | 真双极柔性直流输电系统故障下的自适应优化调控方法 | |
CN108847773B (zh) | 输入串联输出并联全桥直直变换器多模块功率平衡方法 | |
CN107681683B (zh) | 一种基于参数化戴维南等值的交直流受端电网换相失败故障预防方法 | |
CN110556871A (zh) | 基于结构保持方法的大规模光伏发电系统聚合等值方法 | |
CN108599227B (zh) | 基于mmc级联构成直流换流站的mmc直流电压平衡控制方法 | |
CN111600334B (zh) | 一种四端风电直流电网的交流故障诊断与穿越控制方法 | |
CN106229995B (zh) | 基于风电场抗台风运行模式下的备用电源并联电抗器参数优化方法 | |
CN111162556A (zh) | 一种交直流配用电系统的分散式自主控制决策方法 | |
CN114548597A (zh) | 一种交直流混合光储配电网优化方法 | |
CN110554599A (zh) | 一种基于自适应和声搜索算法的pi参数优化方法 | |
CN113178886A (zh) | 一种直流侧串联的海上风电直流输电系统及其控制方法 | |
CN107123991B (zh) | 基于模糊粒子群算法的动态电压恢复器控制方法及装置 | |
CN117318063A (zh) | 一种基于mogwo的换流器主动支撑型潮流优化控制方法 | |
CN113922372B (zh) | 一种双馈风电接入柔直系统高频振荡抑制方法及装置 | |
CN110880780B (zh) | 多端直流系统的最优紧急功率控制方法 | |
CN115133563A (zh) | 风电场-双极柔直系统送端mmc模型预测故障穿越方法 | |
CN111525517B (zh) | 一种换流阀子模块过电压的抑制方法和系统 | |
CN114297874A (zh) | 柔性低频输电用换频阀子模块电容容值确定方法及系统 | |
Dehghani et al. | Dynamic behavior control of induction motor with STATCOM | |
CN113139152B (zh) | 海洋采油平台直流配网瞬时负载的适应性评估方法及系统 | |
Peng et al. | Optimization Design of Voltage Level of Flexible DC Transmission with Offshore Wind Power Based on Genetic Algorithm | |
CN114880863B (zh) | 分布式可再生能源集群阻抗聚合模型自适应分频降阶方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191210 |
|
RJ01 | Rejection of invention patent application after publication |