CN117518785B - 一种基于改进单神经元pid算法的小水电机组频率调节方法 - Google Patents
一种基于改进单神经元pid算法的小水电机组频率调节方法 Download PDFInfo
- Publication number
- CN117518785B CN117518785B CN202410008794.XA CN202410008794A CN117518785B CN 117518785 B CN117518785 B CN 117518785B CN 202410008794 A CN202410008794 A CN 202410008794A CN 117518785 B CN117518785 B CN 117518785B
- Authority
- CN
- China
- Prior art keywords
- neuron
- frequency
- connection weight
- weight value
- output
- 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.)
- Active
Links
- 210000002569 neuron Anatomy 0.000 title claims abstract description 116
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 16
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims description 32
- 238000013528 artificial neural network Methods 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims description 42
- 238000012937 correction Methods 0.000 claims description 7
- 230000001133 acceleration Effects 0.000 claims description 6
- 125000004122 cyclic group Chemical group 0.000 claims description 6
- 239000000725 suspension Substances 0.000 claims description 6
- 230000001052 transient effect Effects 0.000 claims description 6
- 230000004069 differentiation Effects 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 3
- 230000001537 neural effect Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 230000001276 controlling effect Effects 0.000 description 9
- 238000013461 design Methods 0.000 description 6
- 230000001105 regulatory effect Effects 0.000 description 6
- 238000011217 control strategy Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012360 testing method 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)
- Control Of Eletrric Generators (AREA)
- Control Of Water Turbines (AREA)
Abstract
本发明属于水电机组调控技术领域，具体公开了一种基于改进单神经元PID算法的小水电机组频率调节方法，通过将当前频率、参考频率以及神经元乘积系数导入PID神经元网络中进行计算，得到调节控制量，然后根据调节控制量生成控制器控制律给到水电机组调控设备执行，得到调节后的频率，以此循环，直至调节后的频率与参考频率一致为止，可以实现小水电机组的高效、稳定调节。本发明通过在传统PID参数控制的基础上，引入相应的神经元网络，可以细化调频策略与调节量，同时，通过增加神经元网络的动量项，根据系统调节后频率与参考频率的误差动态更新调节参数，可以适应不同的工况，稳定小水电微网系统的频率稳定性。
Description
技术领域
本发明属于水电机组调控技术领域，具体涉及一种基于改进单神经元PID算法的小水电机组频率调节方法。
背景技术
目前小水电在山区配网中渗透率较高，且多以最大功率模式发电，由于大电网的支撑，山区配网电压与频率较为稳定。而当主供线路因故障断开时，小水电机组多运行于切机状态，浪费水资源的同时也无法保障本地居民的供电可靠性。小水电微网的应用有助于提高本地负荷与主电网脱离后的供电可靠性。
小水电微网主要由小水电机组、本地负荷与水电机组调控设备组成，水电机组调控设备主要负责维持微网系统的频率稳定，当微网系统内本地负荷变化时，系统频率也会变化，此时调控设备调节水电机组的发电量，保持微网内源荷平衡，维持微网系统的频率稳定。
由于投资与控制策略等问题，目前比较常见的有2种小水电机组控制模式，一种为手动模式，多数小水电站没有配置相关的调频控制器，单一采用高频减水，低频加水的手动控制策略；一种为自动调节模式，电站内安装自动调节设备，且普遍采用传统PID调节模式。
而小水电机组多数连接于线路末端，当主供线路因故障断开时，无调频控制器的小水电站采用直接解列小水电机组的方式，浪费水资源的同时也无法保障本地居民的供电可靠性；具备调频控制器的小水电站当采用高频减水，低频加水的控制策略时，常出现调速器调节量不当、调节频繁且频率波动较大的问题；当采用传统PID调节模式时，由于水电机组的非线性特性，固定的PID参数无法满足机组不同工况的控制需求，常出现一个工况点合适，工作点变化时不能稳、准、快地调节微网系统的频率。
发明内容
本发明的目的是提供一种基于改进单神经元PID算法的小水电机组频率调节方法，用以解决现有技术中存在的上述问题。
为了实现上述目的，本发明采用以下技术方案：
第一方面，提供一种基于改进单神经元PID算法的小水电机组频率调节方法，包括：
A.获取小水电机组的初始化参数、参考频率以及当前频率；
B.根据小水电机组的初始化参数计算神经元乘积系数；
C.将小水电机组的当前频率、参考频率以及神经元乘积系数导入预置的PID神经元网络中进行计算，得到调节控制量，所述PID神经元网络包含输入层、隐含层和输出层，所述输入层用于输入当前频率和参考频率，并将当前频率和参考频率输出至隐含层，所述隐含层用于根据神经元乘积系数、当前频率、参考频率以及设定的第一连接权重值计算比例输出值、积分输出值和微分输出值，并将比例输出值、积分输出值和微分输出值传输至输出层，所述输出层用于根据比例输出值、积分输出值、微分输出值以及设定的第二连接权重值计算调节控制量；
D.根据调节控制量生成控制器控制律，并将控制器控制律传输至水电机组调控设备，以使水电机组调控设备根据控制器控制律对小水电机组进行频率调节，得到调节后的频率；
F.获取小水电机组调节后的频率，并将调节后的频率作为小水电机组的当前频率，循环执行步骤C至步骤D，直至调节后的频率与参考频率一致。
在一个可能的设计中，所述初始化参数包括水流惯性时间常数TW和机组惯性时间常数Ta，且水流惯性时间常数TW≤4s，机组惯性时间常数Ta≥4s，所述根据小水电机组的初始化参数计算神经元乘积系数，包括：
根据水流惯性时间常数TW和机组惯性时间常数Ta确定暂态差值系数bt、暂缓时间常数Td和加速时间常数Tn，其中，
；
根据暂态差值系数bt、暂缓时间常数Td和加速时间常数Tn计算神经元乘积系数，所述神经元乘积系数包括第一神经元乘积系数kp、第二神经元乘积系数ki和第三神经元乘积系数kp，其中，
。
在一个可能的设计中，所述隐含层包含比例神经元、积分神经元和微分神经元，所述比例神经元、积分神经元和微分神经元的输入相同，均为
其中，r（k）为比例神经元、积分神经元和微分神经元的输入，ω1（k）为第一连接权重值，xs（k）为当前频率，xc为参考频率，k表征PID神经元网络的循环计算轮次；
所述比例神经元的输出为
其中，u1（k）为比例神经元的输出，即比例输出值，kp为第一神经元乘积系数；
所述积分神经元的输出为
其中，u2（k）为积分神经元的输出，即积分输出值，ki为第二神经元乘积系数，U2（k）和U2（k-1）为基于PID神经元网络的循环计算轮次k的过渡函数，当k=1时，U2（k-1）=0；
所述微分神经元的输出为
其中，u3（k）为微分神经元的输出，即微分输出值，kd为第三神经元乘积系数，当k=1时，r（k-1）=0。
在一个可能的设计中，所述输出层用于根据比例输出值、积分输出值、微分输出值以及设定的第二连接权重值计算调节控制量，包括：
将比例输出值、积分输出值和微分输出值输入预置的输出层计算式中进行计算，得到调节控制量，所述输出层计算式为
其中，y（k）为调节控制量，ω2（k）为第二连接权重值。
在一个可能的设计中，在将调节后的频率作为小水电机组的当前频率，循环执行步骤C至步骤D时，所述方法还包括：
根据调节后的频率和参考频率计算控制误差；
根据控制误差对前一循环计算轮次的第一连接权重值和第二连接权重值进行权值修正，得到修正后的第一连接权重值和第二连接权重值，并将修正后的第一连接权重值和第二连接权重值作为当前循环计算轮次的第一连接权重值和第二连接权重值更新到PID神经元网络中进行计算。
在一个可能的设计中，所述根据调节后的频率和参考频率计算控制误差，包括：
将调节后的频率和参考频率代入预置的控制误差计算式中进行计算，得到控制误差，所述控制误差计算式为
其中，J为控制误差，X（k）为调节后的频率，k表征PID神经元网络的循环计算轮次，xc为参考频率。
在一个可能的设计中，所述根据控制误差对前一循环计算轮次的第一连接权重值和第二连接权重值进行权值修正，得到修正后的第一连接权重值和第二连接权重值，包括：
将控制误差以及前一循环计算轮次的第一连接权重值和第二连接权重值代入预置的权值学习公式中进行计算，得到修正后的第一连接权重值和第二连接权重值，所述权值学习公式为
其中，ω1（k+1）为修正后的第一连接权重值；ω2（k+1）修正后的第二连接权重值；ω1（k）为前一循环计算轮次的第一连接权重值；ω2（k）为前一循环计算轮次的第二连接权重值；当k=1时，ω1（k-1）=0，ω2（k-1）=0；η1和η2分别为设定的第一学习速率和第二学习速率。
第二方面，提供一种基于改进单神经元PID算法的小水电机组频率调节系统，包括获取单元、确定单元、计算单元和执行单元，其中：
获取单元，用于获取小水电机组的初始化参数、参考频率以及当前频率；
确定单元，用于根据小水电机组的初始化参数计算神经元乘积系数；
计算单元，用于将小水电机组的当前频率、参考频率以及神经元乘积系数导入预置的PID神经元网络中进行计算，得到调节控制量，所述PID神经元网络包含输入层、隐含层和输出层，所述输入层用于输入当前频率和参考频率，并将当前频率和参考频率输出至隐含层，所述隐含层用于根据神经元乘积系数、当前频率、参考频率以及设定的第一连接权重值计算比例输出值、积分输出值和微分输出值，并将比例输出值、积分输出值和微分输出值传输至输出层，所述输出层用于根据比例输出值、积分输出值、微分输出值以及设定的第二连接权重值计算调节控制量；
执行单元，用于根据调节控制量生成控制器控制律，并将控制器控制律传输至水电机组调控设备，以使水电机组调控设备根据控制器控制律对小水电机组进行频率调节，得到调节后的频率。
第三方面，提供一种基于改进单神经元PID算法的小水电机组频率调节设备，包括：
存储器，用于存储指令；
处理器，用于读取所述存储器中存储的指令，并根据指令执行上述第一方面中任意一种所述的方法。
第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，使得所述计算机执行第一方面中任意一种所述的方法。同时，还提供一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行第一方面中任意一种所述的方法。
有益效果：本发明通过将当前频率、参考频率以及神经元乘积系数导入PID神经元网络中进行计算，得到调节控制量，然后根据调节控制量生成控制器控制律给到水电机组调控设备执行，得到调节后的频率，以此循环，直至调节后的频率与参考频率一致为止，可以实现小水电机组的高效、稳定调节。本发明通过在传统PID参数控制的基础上，引入相应的神经元网络，可以细化调频策略与调节量，同时，通过增加神经元网络的动量项，根据系统调节后频率与参考频率的误差动态更新调节参数，可以适应不同的工况，稳定小水电微网系统的频率稳定性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例1中方法的步骤示意图；
图2为本发明实施例2中系统的构成示意图；
图3为本发明实施例3中设备的构成示意图。
具体实施方式
在此需要说明的是，对于这些实施例方式的说明用于帮助理解本发明，但并不构成对本发明的限定。本文公开的特定结构和功能细节仅用于描述本发明的示例实施例。然而，可用很多备选的形式来体现本发明，并且不应当理解为本发明限制在本文阐述的实施例中。
应当理解，除非另有明确的规定和限定，术语“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在实施例中的具体含义。
在下面的描述中提供了特定的细节，以便于对示例实施例的完全理解。然而，本领域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。例如可以在框图中示出系统，以避免用不必要的细节来使得示例不清楚。在其他实施例中，可以不以非必要的细节来示出众所周知的过程、结构和技术，以避免使得实施例不清楚。
实施例1：
本实施例提供一种基于改进单神经元PID算法的小水电机组频率调节方法，可应用于小水电微网系统的调控终端，如图1所示，方法包括以下步骤：
S1.获取小水电机组的初始化参数、参考频率以及当前频率。
具体实施时，调控终端先获取小水电微网系统中小水电机组的初始化参数和当前频率，所述初始化参数即小水电机组的出厂测试参数，包括水流惯性时间常数TW和机组惯性时间常数Ta，且满足水流惯性时间常数TW≤4s，机组惯性时间常数Ta≥4s，当前频率即小水电机组当前时刻的频率。同时，调控终端还获取小水电机组的参考频率，参考频率即给定的目标频率。
S2.根据小水电机组的初始化参数计算神经元乘积系数.
具体实施时，调控终端根据水流惯性时间常数TW和机组惯性时间常数Ta确定暂态差值系数bt、暂缓时间常数Td和加速时间常数Tn，其中，
；
然后根据暂态差值系数bt、暂缓时间常数Td和加速时间常数Tn计算神经元乘积系数，所述神经元乘积系数包括第一神经元乘积系数kp、第二神经元乘积系数ki和第三神经元乘积系数kp，其中：
。
S3.将小水电机组的当前频率、参考频率以及神经元乘积系数导入预置的PID神经元网络中进行计算，得到调节控制量，所述PID神经元网络包含输入层、隐含层和输出层，所述输入层用于输入当前频率和参考频率，并将当前频率和参考频率输出至隐含层，所述隐含层用于根据神经元乘积系数、当前频率、参考频率以及设定的第一连接权重值计算比例输出值、积分输出值和微分输出值，并将比例输出值、积分输出值和微分输出值传输至输出层，所述输出层用于根据比例输出值、积分输出值、微分输出值以及设定的第二连接权重值计算调节控制量。
具体实施时，调控终端预先构建好PID神经元网络（Proportional-Integral-Derivative Neural Network，PIDNN），PID神经元网络包含输入层、隐含层和输出层，所述输入层有两个输入量，分别为当前频率和参考频率，所述隐含层包含比例神经元、积分神经元和微分神经元，输入层将两个输入量同时传输给比例神经元、积分神经元和微分神经元，即比例神经元、积分神经元和微分神经元的输入相同，均为
其中，r（k）为比例神经元、积分神经元和微分神经元的输入，ω1（k）为第一连接权重值，xs（k）为当前频率，xc为参考频率，k表征PID神经元网络的循环计算轮次；
所述比例神经元的输出为
其中，u1（k）为比例神经元的输出，即比例输出值，kp为第一神经元乘积系数；
所述积分神经元的输出为
其中，u2（k）为积分神经元的输出，即积分输出值，ki为第二神经元乘积系数，U2（k）和U2（k-1）为基于PID神经元网络的循环计算轮次k的过渡函数，当k=1时，U2（k-1）=0；
所述微分神经元的输出为
其中，u3（k）为微分神经元的输出，即微分输出值，kd为第三神经元乘积系数，当k=1时，r（k-1）=0。
所述输出层用于根据比例输出值、积分输出值、微分输出值以及设定的第二连接权重值计算调节控制量，包括：
将比例输出值、积分输出值和微分输出值输入预置的输出层计算式中进行计算，得到调节控制量，所述输出层计算式为
其中，y（k）为调节控制量，ω2（k）为第二连接权重值。
S4.根据调节控制量生成控制器控制律，并将控制器控制律传输至水电机组调控设备，以使水电机组调控设备根据控制器控制律对小水电机组进行频率调节，得到调节后的频率。
具体实施时，调控终端可根据调节控制量生成对应的控制器控制律，然后将控制器控制律传输至小水电微网系统中的水电机组调控设备，以使水电机组调控设备根据控制器控制律对小水电机组进行频率调节，得到调节后的频率，调控终端再采集获取小水电机组调节后的频率。
S5.获取小水电机组调节后的频率，并将调节后的频率作为小水电机组的当前频率，循环执行步骤S3至步骤S4，直至调节后的频率与参考频率一致。
具体实施时，调控终端在采集获取小水电机组调节后的频率后，将调节后的频率作为小水电机组的当前频率，循环执行步骤S3至步骤S4，并在循环过程中根据控制量误差按照增加动量扰动项的梯度修正法修正权值，通过增加动量项的方法提高PID神经元网络的学习效率，使得控制量不断接近控制目标频率，即参考频率。
对应权值修正的过程具体包括：
根据调节后的频率和参考频率计算控制误差。将调节后的频率和参考频率代入预置的控制误差计算式中进行计算，得到控制误差，所述控制误差计算式为
其中，J为控制误差，X（k）为调节后的频率，k表征PID神经元网络的循环计算轮次，xc为参考频率。
根据控制误差对前一循环计算轮次的第一连接权重值和第二连接权重值进行权值修正，得到修正后的第一连接权重值和第二连接权重值，并将修正后的第一连接权重值和第二连接权重值作为当前循环计算轮次的第一连接权重值和第二连接权重值更新到PID神经元网络中进行计算。即将控制误差以及前一循环计算轮次的第一连接权重值和第二连接权重值代入预置的权值学习公式中进行计算，得到修正后的第一连接权重值和第二连接权重值，所述权值学习公式为
其中，ω1（k+1）为修正后的第一连接权重值；ω2（k+1）修正后的第二连接权重值；ω1（k）为前一循环计算轮次的第一连接权重值；ω2（k）为前一循环计算轮次的第二连接权重值；当k=1时，ω1（k-1）=0，ω2（k-1）=0；η1和η2分别为设定的第一学习速率和第二学习速率。
本实施例方法通过在传统PID参数控制的基础上，引入相应的神经元网络，可以细化调频策略与调节量，同时，通过增加神经元网络的动量项，根据系统调节后频率与参考频率的误差动态更新调节参数，可以适应不同的工况，稳定小水电微网系统的频率稳定性。
实施例2：
基于实施例1中的调节方法，本实施例提供一种基于改进单神经元PID算法的小水电机组频率调节系统，可用于实现实施例1中的调节方法，如图2所示，系统包括获取单元、确定单元、计算单元和执行单元，其中：
获取单元，用于获取小水电机组的初始化参数、参考频率以及当前频率；
确定单元，用于根据小水电机组的初始化参数计算神经元乘积系数；
计算单元，用于将小水电机组的当前频率、参考频率以及神经元乘积系数导入预置的PID神经元网络中进行计算，得到调节控制量，所述PID神经元网络包含输入层、隐含层和输出层，所述输入层用于输入当前频率和参考频率，并将当前频率和参考频率输出至隐含层，所述隐含层用于根据神经元乘积系数、当前频率、参考频率以及设定的第一连接权重值计算比例输出值、积分输出值和微分输出值，并将比例输出值、积分输出值和微分输出值传输至输出层，所述输出层用于根据比例输出值、积分输出值、微分输出值以及设定的第二连接权重值计算调节控制量；
执行单元，用于根据调节控制量生成控制器控制律，并将控制器控制律传输至水电机组调控设备，以使水电机组调控设备根据控制器控制律对小水电机组进行频率调节，得到调节后的频率。
实施例3：
本实施例提供一种基于改进单神经元PID算法的小水电机组频率调节设备，如图3所示，在硬件层面，包括：
数据接口，用于建立处理器与小水电微网系统的数据对接；
存储器，用于存储指令；
处理器，用于读取所述存储器中存储的指令，并根据指令执行实施例1中的小水电机组频率调节方法。
可选地，该设备还包括内部总线。处理器与存储器和数据接口可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构）总线、PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(Extended Industry Standard Architecture，扩展工业标准结构）总线等。所述总线可以分为地址总线、数据总线、控制总线等。
所述存储器可以但不限于包括随机存取存储器（Random Access Memory，RAM）、只读存储器（Read Only Memory，ROM）、闪存（Flash Memory）、先进先出存储器（First InputFirst Output，FIFO）和/或先进后出存储器（First In Last Out，FILO）等。所述处理器可以是通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（NetworkProcessor，NP）等；还可以是数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field－Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
实施例4：
本实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，使得所述计算机执行实施例1中的小水电机组频率调节方法。其中，所述计算机可读存储介质是指存储数据的载体，可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒（Memory Stick）等，所述计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程系统。
本实施例还提供一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行实施例1中的小水电机组频率调节方法。其中，所述计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程系统。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于改进单神经元PID算法的小水电机组频率调节方法，其特征在于，包括：
A.获取小水电机组的初始化参数、参考频率以及当前频率；
B.根据小水电机组的初始化参数计算神经元乘积系数；
C.将小水电机组的当前频率、参考频率以及神经元乘积系数导入预置的PID神经元网络中进行计算，得到调节控制量，所述PID神经元网络包含输入层、隐含层和输出层，所述输入层用于输入当前频率和参考频率，并将当前频率和参考频率输出至隐含层，所述隐含层用于根据神经元乘积系数、当前频率、参考频率以及设定的第一连接权重值计算比例输出值、积分输出值和微分输出值，并将比例输出值、积分输出值和微分输出值传输至输出层，所述输出层用于根据比例输出值、积分输出值、微分输出值以及设定的第二连接权重值计算调节控制量；
D.根据调节控制量生成控制器控制律，并将控制器控制律传输至水电机组调控设备，以使水电机组调控设备根据控制器控制律对小水电机组进行频率调节，得到调节后的频率；
F.获取小水电机组调节后的频率，并将调节后的频率作为小水电机组的当前频率，循环执行步骤C至步骤D，直至调节后的频率与参考频率一致；
所述初始化参数包括水流惯性时间常数TW和机组惯性时间常数Ta，且水流惯性时间常数TW≤4s，机组惯性时间常数Ta≥4s，所述根据小水电机组的初始化参数计算神经元乘积系数，包括：
根据水流惯性时间常数TW和机组惯性时间常数Ta确定暂态差值系数bt、暂缓时间常数Td和加速时间常数Tn，其中，
；
根据暂态差值系数bt、暂缓时间常数Td和加速时间常数Tn计算神经元乘积系数，所述神经元乘积系数包括第一神经元乘积系数kp、第二神经元乘积系数ki和第三神经元乘积系数kd，其中，
；
所述隐含层包含比例神经元、积分神经元和微分神经元，所述比例神经元、积分神经元和微分神经元的输入相同，均为
其中，r（k）为比例神经元、积分神经元和微分神经元的输入，ω1（k）为第一连接权重值，xs（k）为当前频率，xc为参考频率，k表征PID神经元网络的循环计算轮次；
所述比例神经元的输出为
其中，u1（k）为比例神经元的输出，即比例输出值，kp为第一神经元乘积系数；
所述积分神经元的输出为
其中，u2（k）为积分神经元的输出，即积分输出值，ki为第二神经元乘积系数，U2（k）和U2（k-1）为基于PID神经元网络的循环计算轮次k的过渡函数，当k=1时，U2（k-1）=0；
所述微分神经元的输出为
其中，u3（k）为微分神经元的输出，即微分输出值，kd为第三神经元乘积系数，当k=1时，r（k-1）=0。
2.根据权利要求1所述的一种基于改进单神经元PID算法的小水电机组频率调节方法，其特征在于，所述输出层用于根据比例输出值、积分输出值、微分输出值以及设定的第二连接权重值计算调节控制量，包括：
将比例输出值、积分输出值和微分输出值输入预置的输出层计算式中进行计算，得到调节控制量，所述输出层计算式为
其中，y（k）为调节控制量，ω2（k）为第二连接权重值。
3.根据权利要求1所述的一种基于改进单神经元PID算法的小水电机组频率调节方法，其特征在于，在将调节后的频率作为小水电机组的当前频率，循环执行步骤C至步骤D时，所述方法还包括：
根据调节后的频率和参考频率计算控制误差；
根据控制误差对前一循环计算轮次的第一连接权重值和第二连接权重值进行权值修正，得到修正后的第一连接权重值和第二连接权重值，并将修正后的第一连接权重值和第二连接权重值作为当前循环计算轮次的第一连接权重值和第二连接权重值更新到PID神经元网络中进行计算。
4.根据权利要求3所述的一种基于改进单神经元PID算法的小水电机组频率调节方法，其特征在于，所述根据调节后的频率和参考频率计算控制误差，包括：
将调节后的频率和参考频率代入预置的控制误差计算式中进行计算，得到控制误差，所述控制误差计算式为
其中，J为控制误差，X（k）为调节后的频率，k表征PID神经元网络的循环计算轮次，xc为参考频率。
5.根据权利要求4所述的一种基于改进单神经元PID算法的小水电机组频率调节方法，其特征在于，所述根据控制误差对前一循环计算轮次的第一连接权重值和第二连接权重值进行权值修正，得到修正后的第一连接权重值和第二连接权重值，包括：
将控制误差以及前一循环计算轮次的第一连接权重值和第二连接权重值代入预置的权值学习公式中进行计算，得到修正后的第一连接权重值和第二连接权重值，所述权值学习公式为
其中，ω1（k+1）为修正后的第一连接权重值；ω2（k+1）修正后的第二连接权重值；ω1（k）为前一循环计算轮次的第一连接权重值；ω2（k）为前一循环计算轮次的第二连接权重值；当k=1时，ω1（k-1）=0，ω2（k-1）=0；η1和η2分别为设定的第一学习速率和第二学习速率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410008794.XA CN117518785B (zh) | 2024-01-04 | 2024-01-04 | 一种基于改进单神经元pid算法的小水电机组频率调节方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410008794.XA CN117518785B (zh) | 2024-01-04 | 2024-01-04 | 一种基于改进单神经元pid算法的小水电机组频率调节方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117518785A CN117518785A (zh) | 2024-02-06 |
| CN117518785B true CN117518785B (zh) | 2024-03-29 |
Family
ID=89766855
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410008794.XA Active CN117518785B (zh) | 2024-01-04 | 2024-01-04 | 一种基于改进单神经元pid算法的小水电机组频率调节方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117518785B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105811405A (zh) * | 2016-03-25 | 2016-07-27 | 贵州电网有限责任公司 | 一种风光水气发电联合运行广域系统优化控制方法 |
| CN111258211A (zh) * | 2019-10-29 | 2020-06-09 | 万克能源科技有限公司 | 一种基于模糊神经元pid的微电网频率控制系统及方法 |
| CN113848954A (zh) * | 2021-10-27 | 2021-12-28 | 盐城工学院 | 一种改进型多神经元神经网络pid算法的无人车伺服控制系统 |
| CN114204874A (zh) * | 2021-12-16 | 2022-03-18 | 河北工业大学 | 一种剑杆织机主轴用磁阻电机的控制系统及控制方法 |
| CN114995106A (zh) * | 2022-06-01 | 2022-09-02 | 中国人民解放军国防科技大学 | 基于改进小波神经网络的pid自整定方法、装置和设备 |
-
2024
- 2024-01-04 CN CN202410008794.XA patent/CN117518785B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105811405A (zh) * | 2016-03-25 | 2016-07-27 | 贵州电网有限责任公司 | 一种风光水气发电联合运行广域系统优化控制方法 |
| CN111258211A (zh) * | 2019-10-29 | 2020-06-09 | 万克能源科技有限公司 | 一种基于模糊神经元pid的微电网频率控制系统及方法 |
| CN113848954A (zh) * | 2021-10-27 | 2021-12-28 | 盐城工学院 | 一种改进型多神经元神经网络pid算法的无人车伺服控制系统 |
| CN114204874A (zh) * | 2021-12-16 | 2022-03-18 | 河北工业大学 | 一种剑杆织机主轴用磁阻电机的控制系统及控制方法 |
| CN114995106A (zh) * | 2022-06-01 | 2022-09-02 | 中国人民解放军国防科技大学 | 基于改进小波神经网络的pid自整定方法、装置和设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117518785A (zh) | 2024-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109149620B (zh) | 一种自储能多端柔直系统控制方法及系统 | |
| CN110311375B (zh) | 一种含多虚拟同步机的微电网暂态稳定性控制方法 | |
| Nguyen et al. | Advanced control strategies for wind energy systems: An overview | |
| CN108471143A (zh) | 基于正负反馈粒子群算法的微电网多能源调度优化方法 | |
| CN115313524B (zh) | 一种基于构网型变流器的光伏发电并网控制方法及系统 | |
| CN109742756B (zh) | 超导储能辅助pss抑制低频振荡的参数调整方法 | |
| WO2018145498A1 (zh) | 基于强化学习算法的双馈感应风力发电机自校正控制方法 | |
| WO2022121446A1 (zh) | 控制系统、无功电压控制方法和装置、介质以及计算装置 | |
| CN108333933A (zh) | 一种一阶纯延迟系统闭环辨识方法 | |
| CN109787274B (zh) | 一种虚拟同步控制方法及转子侧变频器控制器 | |
| Chen et al. | Robust adaptive control of maximum power point tracking for wind power system | |
| CN113883008B (zh) | 一种可抑制多扰动因素的风机模糊自适应变桨距控制方法 | |
| Jagadeesh et al. | Particle swarm optimization based power system stabilizer for SMIB system | |
| CN117518785B (zh) | 一种基于改进单神经元pid算法的小水电机组频率调节方法 | |
| CN110034562B (zh) | 一种静止同步补偿器与发电机励磁鲁棒协调的控制方法 | |
| CN108199391A (zh) | 一种发电机uel与pss的协调控制方法 | |
| CN108400599B (zh) | 一种风力发电并网系统中upfc的协调控制方法 | |
| Setiawan et al. | Control Strategy Based on Associative Memory Networks for a Grid-Side Converter in On-Grid Renewable Generation Systems Under Generalized Unbalanced Grid Voltage Conditions | |
| CN114389330A (zh) | 一种级联式储能系统的soc均衡控制方法 | |
| CN108551164B (zh) | 一种直流微电网电压稳定控制方法和装置 | |
| Alzain et al. | Improved DFIG-WPGS efficiency via the tuned PI-resonant unit controller based on BAT algorithm | |
| Hasan et al. | Linear quadratic regulator design for power system stabilizer using biogeography based optimization method | |
| Tulpule et al. | Online learning neural network based PSS with adaptive training parameters | |
| CN110556873B (zh) | 一种基于罚函数的vsg自适应转动惯量控制方法 | |
| CN112421671A (zh) | 一种光伏电站功率控制方法和系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |