收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于混合智能优化方法的同步发电机励磁控制策略研究

贺徽  
【摘要】:同步发电机励磁控制系统是电力系统中一种重要的控制系统,对电力系统安全、可靠、稳定运行起着至关重要的作用。随着我国经济建设的持续发展,电力系统不断扩大,大型同步发电机励磁控制研究成为了一个研究热点,而快速励磁方式的广泛使用促进了对励磁控制系统的进一步研究。由于励磁控制系统是一个具有时变性、多时滞环节且高度非线性的复杂控制系统,当系统的工况改变时,系统的动态特性会随之显著改变。此时,采用单纯PID控制策略的线性控制器往往不能满足系统稳定性的要求,只能通过切机、制动等故障处理方式避免系统进一步失稳。励磁控制器参数优化方法是解决上述问题最直接有效的手段,传统的控制器参数调整大多采用时域或频域下的人工静态整定,缺乏对突发扰动信号的制约,控制参数不具备自适应性,难以实现不同工况下发电机安全、稳定运行。因此,如何设计出结构简单,且能有效提高复杂非线性励磁控制系统调节品质的励磁控制器并研究其参数优化方法成为本文所关注的重点。 本文针对同步发电机励磁控制系统所具有的复杂非线性,在全面分析同步发电机特性基础上,结合模糊理论及先进智能优化方法,对水力发电机组励磁控制系统建模、参数优化方法及控制策略进行了系统深入的研究,进一步开展了基于非线性励磁控制系统的理论研究,提出了基于模糊理论与混合智能优化方法的励磁控制策略体系。论文的主要研究工作及创新成果归纳如下: (1)针对大型同步发电机特性及励磁系统研究需求,建立了同步发电机励磁控制系统各环节数学模型,重点研究了同步发电机电压、电流、力矩等能量关系,分析了励磁系统的基本控制规律及其静、动态特性。根据研究与工程的需求,对理论模型进行相应简化得到本文仿真用的实用励磁控制系统模型,为后面章节研究提供理论支持。 (2)针对励磁控制系统的复杂非线性,结合模糊理论与经典PID控制规律,提出一种非线性系统参数优化策略,对比分析两种模糊模型的基础上,设计出一种基于Mamdani模糊模型的模糊PID励磁控制器,在不考虑系统精确建模的情况下,实现多工况下励磁系统的稳定控制。最后经过对比实验,验证了该方法的有效性。 (3)粒子群优化是近年来智能优化方法中的研究热点。在深入分析粒子群算法机理基础上,提出了一种基于碰壁反弹策略的自适应粒子群优化算法。通过实例仿真,比较了该算法与另外两种常见粒子群算法在励磁系统控制中的计算精度和收敛速度。 (4)针对智能进化算法在励磁系统控制参数优化中的早熟问题,引入混沌搜索概念,研究采用Tent混沌映射,产生更均匀的搜索空间,并在此基础上提出了两级混沌搜索算法,同时研究用混沌搜索改进粒子群优化算法及差分进化算法的局部寻优能力,提出了混沌粒子群优化和混沌自适应差分进化算法。通过仿真结果和对比研究发现:与基本的粒子群优化、差分进化算法相比,混沌智能优化方法的效果更好;而混沌粒子群优化和混沌自适应差分进化算法的比较结果表明,后者能够提供更加可靠、稳定的参数寻优效果。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 苏国韶;张克实;吕海波;;位移反分析的粒子群优化-高斯过程协同优化方法[J];岩土力学;2011年02期
2 冯林,张名举,贺明峰,戚正君;用改进的粒子群算法实现多模态刚性医学图像的配准[J];计算机辅助设计与图形学学报;2004年09期
3 刘宏达;李殿璞;马忠丽;;一种新型的智能船舶自动舵设计[J];仪器仪表学报;2006年S1期
4 刘淳安,何广平,雍龙泉;解多目标优化问题的新粒子群存档算法[J];陕西理工学院学报(自然科学版);2005年03期
5 陈建桥;葛锐;魏俊红;;基于PSO算法的复合材料层合板可靠性优化设计[J];华中科技大学学报(自然科学版);2006年04期
6 姜凡;;贴面式永磁同步电机无传感器控制技术[J];电工技术;2006年03期
7 孔力;程晶晶;宋胜利;苏日建;;基于改进粒子群优化技术的拜耳法物料平衡计算[J];华中科技大学学报(自然科学版);2008年01期
8 薛贵生;丁维明;程力;;基于支持向量机的煤灰结渣特性判别[J];能源研究与利用;2008年06期
9 成伟明;唐振民;赵春霞;陈得宝;;利用改进粒子群求解TSP问题的一种新方法[J];中国工程科学;2008年07期
10 吕福祥;黄磊;;基于粒子群优化的支持向量机在地表沉降预测中的应用[J];测绘信息与工程;2010年02期
11 陈莉;贾育秦;毕有明;陈宏军;;基于BP神经网络数控机床热误差建模的研究[J];机电工程技术;2011年01期
12 岳小斌;练刚;;基于粒子群优化神经网络的高压断路器故障诊断[J];电力学报;2011年01期
13 张勇德,黄莎白;基于粒子群算法的浮筒配置优化问题的研究[J];海洋技术;2004年02期
14 邵震宇,黄成军,肖燕,赵亚奎,江秀臣;用PSO算法训练神经网络抑制发电机局放随机脉冲干扰[J];电力系统自动化;2005年11期
15 梁本亮,李大毛;基于演化算法的桩基极限承载力预测模型研究[J];重庆建筑;2005年09期
16 王兴伟;王军伟;黄敏;;面向下一代互联网的智能QoS单播路由算法[J];华中科技大学学报(自然科学版);2005年S1期
17 邹彤;孙明;孙德宝;;舰艇武器布置问题的一种协同优化算法[J];海军工程大学学报;2006年03期
18 武美先;张学良;杨明亮;常争艳;;带活力因子的粒子群优化算法[J];现代制造工程;2007年08期
19 鲁春燕;李炜;刘微容;;基于PSO的氧化铝粉流量LS-SVM预测模型[J];兰州理工大学学报;2009年03期
20 张煜东;吴乐南;韦耿;;基于粒子群神经网络的细胞图像分割方法[J];电子测量与仪器学报;2009年07期
中国重要会议论文全文数据库 前10条
1 崔雪兵;王雷震;王大志;;基于改进PSO的同步发电机励磁控制仿真[A];第十二届中国青年信息与管理学者大会论文集[C];2010年
2 赵建玉;贾磊;陈月辉;张勇;;基于粒子群优化的信号交叉口交通流预测模型[A];第二十六届中国控制会议论文集[C];2007年
3 王晓燕;王东风;韩璞;;一种分数阶系统的粒子群优化辨识方法[A];全国第三届信号和智能信息处理与应用学术交流会专刊[C];2009年
4 范业坤;梁新荣;;基于粒子群优化的高速公路匝道PI控制器[A];第二十七届中国控制会议论文集[C];2008年
5 薛艳红;胡立坤;;基于粒子群优化的配电网静止同步补偿器PI控制器整定[A];中南六省(区)自动化学会第二十九届学术年会论文集[C];2011年
6 冯祎;李霞;;一种K最近邻分类的改进算法及应用[A];2011年全国通信安全学术会议论文集[C];2011年
7 徐俊杰;忻展红;;粒子群优化在0/1背包问题中的应用[A];中国运筹学会第七届学术交流会论文集(上卷)[C];2004年
8 赵秋玲;周雅莉;张奇志;;基于粒子群优化的结构振动分布式反馈控制[A];2005年中国智能自动化会议论文集[C];2005年
9 薛云灿;郑东亮;岳兴汉;杨启文;;混沌粒子群优化算法及其在水库优化调度中的应用[A];PCC2009—第20届中国过程控制会议论文集[C];2009年
10 徐俊杰;忻展红;;基于增强型参考位置的粒子群优化模型[A];’2004系统仿真技术及其应用学术交流会论文集[C];2004年
中国博士学位论文全文数据库 前10条
1 贺徽;基于混合智能优化方法的同步发电机励磁控制策略研究[D];华中科技大学;2011年
2 窦全胜;求解优化问题的演化计算方法研究[D];吉林大学;2005年
3 刘丽;人工免疫网络研究及应用[D];江南大学;2008年
4 李磊;六自由度并联平台位置正解及控制方法研究[D];哈尔滨工程大学;2008年
5 马瑞新;基于粒子群的网络社区动态角色挖掘研究[D];大连理工大学;2012年
6 陈虹;分离流动的电磁力主动控制[D];华中科技大学;2011年
7 林川;粒子群优化与差分进化算法研究及其应用[D];西南交通大学;2009年
8 韩晓霞;混沌与支持向量机结合的多相催化建模与优化研究[D];太原理工大学;2010年
9 柯晶;强跟踪状态估计与群集辨识[D];浙江大学;2003年
10 时小虎;Elman神经网络与进化算法的若干理论研究及应用[D];吉林大学;2006年
中国硕士学位论文全文数据库 前10条
1 雷烨;基于粒子群最小二乘支持向量机的故障诊断算法研究[D];兰州交通大学;2010年
2 马培培;基于粒子群的图像阈值化分割的研究及应用[D];合肥工业大学;2010年
3 姚杰;基于PSO混沌神经网络电力系统负荷预测[D];大庆石油学院;2009年
4 刘杨;粒子群优化算法在电力系统无功优化中的应用[D];天津大学;2005年
5 任晓娜;DNA计算中的编码设计优化算法[D];湖南大学;2010年
6 王琳;基于粒子群优化的数据流挖掘的聚类算法分析[D];长沙理工大学;2010年
7 李涛;基于SVM和PSO的非线性模型预测控制及应用研究[D];上海交通大学;2008年
8 孙巍;供热管网的建模分析及水力平衡调节[D];北京化工大学;2008年
9 李峰;大规模场景绘制中的纹理合成技术研究[D];哈尔滨理工大学;2008年
10 陈亚洲;基于粒子群优化的协同优化方法研究[D];华中科技大学;2007年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978