预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115933391A(43)申请公布日2023.04.07(21)申请号202211502808.0(22)申请日2022.11.28(71)申请人南京师范大学地址210024江苏省南京市鼓楼区宁海路122号(72)发明人唐文来印禹(74)专利代理机构南京苏高专利商标事务所(普通合伙)32204专利代理师沈丹(51)Int.Cl.G05B13/04(2006.01)权利要求书2页说明书7页附图3页(54)发明名称一种SVC功率振荡阻尼控制器的优化方法(57)摘要本发明公开了一种SVC功率振荡阻尼控制器的优化方法,具体包括:构建含有SVC附加功率震荡阻尼控制的单机无穷大系统模型;发电机电磁功率与设定机械功率作为扰动信号输入模型;采用基于自适应权重和模拟退火的鲸鱼优化算法,初始化算法参数和种群;计算种群适应度和模拟退火算法初始温度,找到最优个体位置;迭代阶段计算种群适应度平均值并更新参数;模拟退火阶段计算新种群适应度,退温操作,输出控制参数;误差信号处理后与振荡信号相加得到控制信号,解决SVC参数协调优化问题。本方法改善了粒子群算法易陷入局部最优的问题,引入的自适应权重解决鲸鱼优化算法收敛速度慢的问题,提高计算收敛速度,快速解决SVC参数协调优化问题。CN115933391ACN115933391A权利要求书1/2页1.一种SVC功率振荡阻尼控制器的优化方法,其特征在于,包括以下步骤:S1:将基于SVC的功率振荡阻尼控制器模型加入单机无穷大电力系统线性化Phillips‑Heffron模型,构建含有SVC附加功率震荡阻尼控制的单机无穷大系统模型;S2:将发电机的电磁功率与设定的机械功率作为扰动信号输入单机无穷大系统模型;S3:采用基于自适应权重和模拟退火的鲸鱼优化算法,算法初始参数设定为控制模块中控制参数的常规值,初始化算法参数和种群,将控制器传递函数的自变量作为鲸鱼个体的位置信息X=[X1,…,Xn],对种群位置随机初始化,同时初始化参数;S4:计算种群的适应度,计算模拟退火算法初始温度t0,找到并记录种群中的最优个体位置X*;S5:进入迭代阶段,若迭代次数未达到最大迭代次数,则更新位置更新数学表达式中的参数;对当前种群个体适应度进行排序,计算种群适应度的平均值,得到此时的自适应权重ω,随后进行随机数判定并更新参数;S6:进入模拟退火阶段,定义一个新的鲸群,随机化鲸鱼个体位置,计算新种群的适应度以及更新后的原种群适应度,进行适应度比较,随后进行退温操作,输出控制器优化参数;S7:返回优化后的参数到POD控制器,将发电机的电磁功率与设定的机械功率之差作为误差信号,对误差信号处理后,与振荡信号进行相加得到控制信号,从而解决SVC参数协调优化问题。2.根据权利要求1所述的SVC功率振荡阻尼控制器的优化方法,其特征在于,步骤S3中,所述传递函数G(S)的表达式为:式中,KPOD表示POD控制器的增益倍数;TW表示隔直环节的时间常数;T1、T2、T3、T4表示超前滞后时间常数,s表示微分算子。3.根据权利要求1所述的SVC功率振荡阻尼控制器的优化方法,其特征在于,步骤S5中,所述随机数判定具体包括以下:设定p为0到1之间的随机数,当p<0.5时,若系数变量A<1,通过位置更新的数学表达式重新确定鲸鱼位置;若A≥1,在当前群体范围内随机确定鲸鱼个体位置Xrand,通过随机搜索策略更新当前鲸鱼位置;当p≥0.5时,通过带权重的螺旋式位置更新数学表达式重新确定鲸鱼个体位置。4.根据权利要求3所述的SVC功率振荡阻尼控制器的优化方法,其特征在于,所述位置更新的数学表达式为:X(j+1)=ω*X*(j)‑A·DD=|C·X*(j)‑X(j)|式中,X(j+1)表示第j+1次迭代后鲸鱼种群的位置;A和C表示系数变量;X*(j)表示当前最佳鲸鱼位置;X(j)表示当前鲸鱼位置;j表示迭代次数;ω表示自适应权重因子,取值范围为[0.3,1.6]之间的随机数;D表示以X*(j),X(j)为自变量,C为系数变量的计算公式;其中,系数变量A和C的表达式为:A=2a×r‑a2CN115933391A权利要求书2/2页C=2r式中,a作为一个变量,取值范围在0到2之间,并呈递减形式,以更新,其中,M表示最大迭代次数,r表示[0,1]上的随机数。5.根据权利要求3所述的SVC功率振荡阻尼控制器的优化方法,其特征在于,所述随机搜索策略,具体为:D=|C·Xrand‑X(j)|X(j+1)=Xrand‑A·D式中,X(j+1)表示第j+1次迭代后鲸鱼种群的位置;A和C表示系数变量;Xrand表示当前种群中随机的一个鲸鱼个体所在的位置;X(j)表示当前鲸鱼位置;D表示以X*(j),X(j)为自变量,C为系数变量