异步电机

2020-05-17 来源：钮旅网

第27卷第4期2008年10月

电工电能新技术

AdvancedTechnologyofElectricalEngineeringandEnergyVol.27,No.4Oct.2008

一种基于遗传算法优化模拟原动系统PI参数的新方法

谭立新

1,2

,刘觉民,陈明照,刘彦哲,宋小明

1111

(1.湖南大学电气工程学院,湖南长沙410082;2.湖南信息职业技术学院信息系,湖南长沙410200)

摘要:应用遗传算法优化模拟原动系统PI调节器参数的新方法,分别通过MATLAB仿真和现场实验,比较遗传算法和传统方法条件下PI调节器阶跃响应特性,检验模拟原动系统的动态特性。仿真与现场实验表明,遗传算法具有快速优化系统参数的特点、以此确定PI参数的模拟原动系统动态特性仿真满足电力系统动态模拟实验的要求。关键词:原动系统;PI调节;遗传算法;MATLAB仿真;动态特性中图分类号:TM31,TP15　　　文献标识码:A　　　

文章编号:100323076(2008)04200142041　引言

模拟原动系统是电力系统动态模拟的重要设备之一,其电流速度综合调节器实质上是一个PI调节[1,2]

(以下简称调节器,见图1虚线框内)。要使模器

拟原动系统具有良好动态性能和实现原动机自平衡特性的模拟法

[7]

[2]

,必须寻求一组合适的PI参数即比例

[2,3]

图1　模拟原动系统原理框图[2]

Fig.1　Principleofprimemoversimulationsystem图中:1—

(τLs+1)k9kscrCm1ΠR;3—;4—;5—Ki

ττs+1JnSRs+1

系数kα和积分时间常数τL。按照传统试凑

,比例系数Kα和时间常数τL最优值的选择须

τLs

;2—

依靠经验和现场反复试验获得;若模拟不同容量机组、改变原动机的额定输出功率和保持原有动态特性不变

[6]

(1+TiS),电流反馈;6—kn转速反馈系数;7—kn′=βΠ,转速反

馈系数.式中:kα—调节器比例系数;τL—积分时间常数;τr、

ksc—整流桥等效时间常数和电压放大倍数;τR—电枢回路R、

,还须重新调试PI参数。应用遗传算法和

计算机编程可获得最优PI参数并直接用于现场运行,此方法既适于调节器PI参数的离线计算,又可用于微机原动机仿真系统PI参数在线计算。

时间常数和等效电阻;Cm—转子系数;Jn—转动惯量;S—微分算子;β—电流反馈系数;Ti—电流反馈的滤波时间常数。

2　遗传算法优化PI参数的原理

遗传算法是一种模拟自然选择和进化过程的寻优算法,它应用于PI调节器参数整定的基本思想是:先对PI参数进行编码,按一定规模初始化一个种群,种群中的每一个体代表一个可能的解。然后根据适值函数,计算每一个体的适值并依此控制再生操作,之后按一定的概率对种群进行交叉、变异操作。这样种群不断进化,直至寻优结束。

(1)参数的编码。对所寻优的参数集进行编

收稿日期:2008205229

[5]

码,本控制问题的解为实数值,可视为遗传算法的表现型形式,故适于采用二进制编码。因是2个参数的组合优化问题,可把2个参数先进行二值编码后得到2个子串,再把这些子串连成一个完整的染色体,即个体。Kα满足:Kαα。LαL

2K-12τL-1

根据经验,设定Kα的参数范围为:(0,10);τL的参度分别为:δα=K

Kααmax-Kmin

,δτ=L

数范围为(0,1)。设定求解的Kα值精确到2位小

基金项目:湖南省自然科学基金资助项目(01JJY2106);湖南省科技攻关项目(05GK3507);湖南省教育厅资助科研项目

(07D067)

第4期谭立新,等:一种基于遗传算法优化模拟原动系统PI参数的新方法15　

数,由于Kα取值范围的区间长度为10-0=10,必须将区间(0,10)分为10×10等份,又因为2<10×10<2,所以Kα的编码的二进制串至少需要10位;同理设定求解的τL值精确到3位小数,可得τL编码的二进制串至少需要10位。

(2)选择控制参数[5]。选择控制参数要求既能保证搜索效率又能够找到最优解。一般地,控制参数群体规模M取20～100、交叉概率Pc取014～019和变异概率Pm取010001～011。本文取M=50,Pc=015,Pm=0101。

(3)生成初始种群。先按照经验确定出Kτα、L

③变异。采用基本位变异方法,以变异概率

Pm=0101对个体的每一基因座指定其为变异点,然后对每一指定变异点处的基因值做取反运算,从而产生出一个新的个体。

(6)生成新一代种群。对产生的新一代种群进行评价,并计算新一代种群的适应度值。

(7)判断进化终止条件是否满足。初始种群通过复制、交叉及变异得到了新一代种群,该代种群经解码后代入适应度函数,观察是否满足结束条件,若满足,则获取最优化解,寻优结束;若不满足,则返回步骤(5)重复以上操作直到满足为止。

两个参数的大概值,然后在此两个数值附近生成初始种群,此方法能使搜索空间缩小并迅速搜索到最优解。

(4)目标函数的确定和适应度值的计算[5]。PI参数优化是求目标函数的极小值问题,即使性能指标J最小,J采用了ITAE(时间乘以绝对偏差乘积积分)性能指标:J=

t|e(t)|∫

3　MATLAB仿真与现场实验采用MATLAB的m语言编制了相应的软件,其流程如图2所示:

∞

dt。遗传算法是寻

找适应度最高的解,因而要将目标函数进行改造,将极小值问题转换为极大值问题。本文定义适应度函

数f=1Πf。这样,当找到有最大适应度的解,也就找到最小目标函数值的解,寻优成功。f确定后,计算出群体M中各个个体n的适应度值fn,并计算出群体总适应度值

n=1M

fn。

图2　遗传算法流程图

Fig.2　Geneticalgorithmsflowchart

(5)遗传运算

①选择运算

[6]

。选择运算的核心是选择算子

的确定,采用适应度比例法进行选择,先计算出群体中所有个体的适应度的总和

n=1

3.1　MATLAB仿真试验

PI调节器的控制对象传递函数表达式为:

kscrβΠRa(τs+1)(τRs+1)(τ1s+1)

fn,其次计算出各

个个体被遗传到下一代群体中的概率,pn=

fnΠ

n=1

G(s)=

(1)试验参数

fn,n=1,2……,M;最后再使用0到1之间

①:直流电动机参数:PN1=3815KW,UN=220V,nN=1000rΠmin,最大电枢电流150%IN,额定

的随机数来确定各个个体被选中的次数。②交叉运算。采用单点交叉法进行运算,对种

群中的个体进行两两随机配对,则共有[MΠ2]=25对相互配对的个体;对每一对相互配对的个体,随机设置某一基因座之后的位置为交叉点,共有L-1=19个(L染色体码串长度)可能的交叉点位置;以设定的交叉概率Pc=015对每一对相互配对的个体在其交叉点处相互交换两个个体的部分染色体,从而产生出两个新的个体。

电流时,其反馈电压为1V。晶闸管整流桥电压放大系数K0=8215,整流桥等效时间常数τ=2ms,回路Ω。电总电感L=2mH,电枢回路总电阻Ra=01055流反馈滤波时间常数TI=1ms;

对应的调节器控制对象的传递函数:

28.50G1(s)=

0.0394s+1

　　②:PN2=22KW,其它参数同①;

14.99850.0394s+1

电工电能新技术第27卷

G2(S)=

010364s;③PN=22KW,Ka=0121,τL=010364s。对

　　通过MATLABΠSIMULINK仿真试验,在图1的

Ui处输入一阶跃信号,观察Uo处响应波形。

(2)试验内容

应阶跃响应波形分别如图42a、b、c;试验结果列于表1。

表1　阶跃响应仿真试验

Tab.1　Resultforstepleapresponsesimulation

试验Ⅰ:传统方法,比较不同负载水平(PN1=3815KW、PN2=22KW),相同PI参数(Ka=0110,τL=0102s)时,对应阶跃响应波形见图32a、b:

超调量

相同额定功传统方法遗传算法率

相同PI参PN1=3815KW数传统方法PN2=22KW相同PI参PN1=3815KW数遗传算法PN2=22KW不同PI参PN1=3815KW数遗传算法PN2=22KW815%011%815%716%011%819%011%011%

上升时间11041102

110411051102110711021103

波形图图42a图52a

动态性能差好

图42a差图42b较好图52a图52c图52a图52b

好差好好

312　现场试验

现场实验在15KVA模拟发电机组上进行,单机带额定负荷,机组惯性时间常数HJ不变,取模拟原

图3传统方法不同额定功率、相同PI参数时阶跃响应曲线

Fig.3　Stepresponsecurveofdifferentratedpowerand

samePIparameterswithtraditionalmethod

试验Ⅱ:遗传算法,①PN=3815KW,Ka=0121,τW,Ka′=01404,τ=L=010364s;②PN=22KL′

动系统4组不同组合参数,突然甩100%负荷并录

波,实验内容与结果见表2,录波图见图5。表中特征值根据转速波形取近似值,转速超调量和转速稳态变化率根据转速数字读数计算,震荡次数根据转速偏离稳定值情况确定。本实验中甩负荷后转速升高即趋于稳定,未出现低于稳态转速值,则震荡次数计为015次。

表2　不同模型参数时系统(转速)过程主要特征值

Tab.2　Majoreigenvalueofsystem(speed)processwith

differentmodelparameters

图号

fhegδ

417115216216TST0

012012012012014011013014过渡过程时间510Π410614超调量

210Π214310最大振幅时间117Π112115震荡稳定次数性

110Π015110同上震荡同上同上　　波形图与实验数据表明,调速系统模型参数(δ,TS,T0)影响动态特性,且各参数影响程度不同,此动态特性的规律与实际原动机系统相同

[2,4]

。

4　结论

(1)模拟原动机额定功率改变时,若不重新给

图4　遗传算法PI参数阶跃响应曲线

Fig.4　StepresponsecurveofgeneticalgorithmsPIparameters

出PI参数,调节器不能维持原有动态特性;遗传算法可快速优化PI参数、维持原动态特性,有效节省调试时间、简化调试过程;(2)应用遗传算法确定PI参数,调节器可获得良好的动态响应特性;(3)模拟

第4期谭立新,等:一种基于遗传算法优化模拟原动系统PI参数的新方法17　

图5　模拟原动系统动态过程录波图

Fig.5　Wave2recordchartofdynamicprocessof

rejecting100%load

图中波形从上至下依次为模拟原动机调速系统转速偏差η、油动机输出位移μ和速度n,δ2调差系数,

TS2油动机时间常数,T0-汽惯性时间常数

原动系统的动态特性规律与实际相符,满足电力系统动态模拟实验的要求。

目前,确定PI参数的实用遗传算法采用离线计算方法。实现微机控制模拟原动系统PI参数的在线修改和优化,有待进一步开展探讨与研究。参考文献(References):

[1]吴国瑜(WuGuoyu).电力系统仿真(Simulationofpower

system)[M].北京:水利电力出版社(Beijing:HydraulicandElec.PowerPress),1987.

[2]刘觉民(LiuJuemin).微机控制型原动机调速器的模型

与设计(Modelanddesignofgovernorofgeneratorcontrolledbymicrocomputer)[J].湖南大学学报(JHunanUniv.),1996,23(3):92297.

[3]IEEECommittee.Dynamicmodelforsteamandhydro

　　turbinesinpowerstudies[J].IEEETrans.1974,89(1):

190421915.

[4]张思才,张方晓(ZhangSicai,ZhangFangxiao).一种遗

传算法适应度函数的改进方法(Amodifiedmethodtofitnessfunctionofgeneticalgorithms)[J].计算机应用与软件(ComputerApplicationsandSoftware),2006,23(2):1082110.

[5]刘志刚,欧阳森,耿英三,等(LiuZhigang,OuyangSen,

GengYingsan,etal.).遗传算法在空心电抗器优化设计中的应用研究(Studyofgeneticalgorithmintheoptimumdesignofair2corereactor)[J].电工电能新技术(Adv.Tech.ofElec.Eng.&Energy),2003,22(3):8210.[6]DEGoldberg.Genericalgorithmsinsearch,optimizationand

machinelearning[M].MA:Addison2wesle,1989.

[7]LiuJuemin,DiaoXianqiang,FuZhenyu.Studyonincreasing

thereliabilityofspeedersysteminanalogueprimemovers[A].Proc.1stInternationalConferenceonReliabilityofElec.ProductsandElec.Contacts[C].Suzhou,China,2004.

[8]欧阳森(OuyangSen).改进遗传算法和神经网络在电

能质量扰动识别中的应用(Improvedgeneticalgorithmandneuralnetworksapplicationintherecognitionofpowerqualitydisturbances)[J].电工电能新技术(Adv.Tech.ofElec.Eng.&Energy),2005,24(3):45248.

[9]孙元章,黎雄,卢强(SunYuanzhang,LiXiong,Lu

Qiang).发电机调速系统的模糊逻辑控制器(Fuzzylogiccontrollerforgeneratorgovernor)[J].控制理论与应用(Controltheory&Applications),1996,13(5):6212625.

[10]刘觉民,付振宇,谭立新,等(LiuJuemin,FuZhenyu,Tan

Lixin,etal.).发电机原动系统仿真器程序设计(Programmingofprimesystememulatorofgenerators)[J].湖南大学学报(JHunanUniv.),2005,32(1):29232.[11]刘觉民(LiuJuemin).原动机调速系统仿真模型动态特

性研究(Studyondynamiccharacteristicofemulationmodelforgoverningsystemofprimemovers)[J].湖南大学学报(JHunanUniv.),1994,21(2):982104.

AnovelmethodtoseekquicklythesuperiorPIparameters

inprimemoversimulationsystem

1,2

TANLi2xin,LIUJue2min,CHENMing2zhao,LIUYan2zhe,SONGXiao2ming

1111

(1.CollegeofElectricalandInformationEngineering,HunanUniversity,Changsha410082,China;2.Dept.ofInformationEngineering,HunanCollegeofInformation,Changsha410200,China)

Abstract:ThispaperproposesamethodtousethegeneticalgorithmstooptimizethePIregulatorparameterintheprimemoversimulationsystem.Inthispaper,wecomparedthestepresponsecharacteristicsundertheconditionsofthegeneticalgorithmsandtraditionalmethodbyMATLABsimulationandbyfieldtest,andtestedthedynamiccharacteristicsoftheprimemoversimulationsystem.TheresultsprovedthatgeneticalgorithmscanoptimizePIparametersquickly.Withthismethodtheprimemoversimulationsystemcanmeettherequirementsofdynamicperformancesimulation.Keywords:primemoversystem;PIregulate;geneticalgorithms;MATLABsimulation;dynamiccharacteristic

因篇幅问题不能全部显示，请点此查看更多更全内容

查看全文

全部栏目

异步电机