文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 机械/仪表 > 水轮机智能调速系统数学模型仿真及参数辨识
侵权投诉

水轮机智能调速系统数学模型仿真及参数辨识

水轮机智能调速系统数学模型仿真及参数辨识

电力自动化设备

搜索能力强并能快速收敛;若视野范围较小,则人工鱼的局部搜索能力强。步长越大,收敛速度越快,但会出现振荡现象;步长越小,收敛速度越慢,但求解精度越高。拥挤度因子越大,人工鱼摆脱局部极值的能力越强,但是收敛速度减缓。

在算法运行前期,为了增强算法的全局搜索能力和收敛速度,采用较大的视野和步长,使人工鱼在更大范围内进行粗搜索;随着搜索的进行,视野和步长逐渐减小,算法逐步演化为局部搜索,定位在最优解附近区域并进行精细搜索,从而提高算法的局部搜索能力和寻优结果的精度。视野Visual、步长Step和拥挤度因子δ按式(6)调整。

k

Visual(k+1)=μ(k)Visual(k)kkkkS(6)(k+1)=α(k)Step(k)ktepkk

kδ(k+1)=β(k)δ(k)

其中,Visual(k+1)和Visual(k)分别为第k+1次和第k次视野域;Step(k+1)和Step(k)分别为第k+1次和第k次步长;δ(k+1)和δ(k)分别为第k+1次和第k次拥挤度因子;μ(k)为自适应视野域调整因子,α(k)为自适应步长调整因子,β(k)为自适应拥挤度调整因子。

μ(k)(k=1,2,…,j)用来调整第k+1次搜索视野域与第k次搜索视野域的关系,j称为人工鱼视野间隔数。确定两者关系的原则是:设一个最大视野域Visual,max和最小视野域Visual,min,若Visual(k)>Visual,max,则μ(k)把视野域变小;若Visual(k)<Visual,min,μ(k)把视野域变大;若Visual,min<Visual(k)<Visual,max视野域合适时,μ(k)把视野域在Visual(k)两边变大和变小。如此,人工鱼可搜索到足够的解空间。μ(k)计算式为

kkVisual(k)<Visual,minkkk

(7)μ(k)=kk/jVisual(k)≥Visual,maxk

kk

k1±k/jVisual,min<Visual(k)<Visual,max

步长Step对算法的优化性能有很大的影响,较大的步长Step有利于提高算法的收敛速度,而较小的步长Step则有利于提高算法的收敛精度。据此提出一种按式(8)对步长Step进行自适应调整的策略,即随着迭代的进行,逐步减少步长Step值。自适应步长调整因子α(k)计算式为

(8)α(k)=[2/(1+ek/k)]Step,max

其中,为正系数,通常0<<1,以调节α(k)的变化速度;kmax为迭代次数的上限;Step,max为最大步长;k为当前迭代次数。

第k代自适应拥挤度调整因子β(k)计算表达式为

β(k)=[Visual(k-1)-Visual,min]/(Visual,max-Visual,min)

(9)

β(k)=Visual(k-1)/(Visual,max+Visual,min)

其中,Visual(k-1)、Visual,max和Visual,min分别为k-1次迭代视野域以及最大和最小视野域值。2.1.4自适应人工鱼群算法数学描述

水轮机智能调速系统数学模型仿真及参数辨识

[14本质区别,体现在:自适应人工鱼群算法寻优迭代过

max

第30卷

程中随环境感知距离、移动步长和拥挤度因子是自适应调整的,而不是随机取步长和固定感知距离及拥挤度因子,即觅食行为可以自适应调整感知距离和移动步长,聚群行为和追尾行为可以自适应调整移动步长和拥挤度因子,而鱼群视野在聚群行为和追尾行为中仍然保持不变,仅在觅食行为中变换。2.2自适应人工鱼群-BP神经网络混合算法

从数学角度看,BP神经网络算法本质上是以误差平方和为目标函数,用梯度法求其最小值的算法,而自适应人工鱼群优化算法本质上属于全局寻优过程;因此,可考虑在对BP神经网络训练时,采用二者相结合的方法,应用自适应人工鱼群算法对BP神经网络参数(输入节点、隐含层节点、输入权值ωij、输出权值ωi0、阈值b等)优化,再用BP网络算法对所得网络参数组合进一步精确优化。这样建立的BP网络模型稳定、全局收敛速度快,同时有很强的记忆能力和推广能力。

AAFSA的人工鱼编码后,用AAFSA反复优化BP网络模型的参数组合(ωij、ωi0、输入节点阈值bki和输出节点阈值bko),直至解的适应度不再有意义地增加为止,即解群质量趋于稳定。此时解码得到的参数组合已较接近符合应用需要的最佳组合。在此基础上,解码后,再用BP网络对所得网络参数进一步精确优化,直至搜索到最优网络参数,此时即可得到精确的最优参数组合。由于AAFSA代替了BP网络的初始寻优,网络仅在已接近最优解的基础上进行参数寻优,从而有效提高了网络寻优速度和精度。

选取N个人工鱼构成人工鱼群,其中每个人工鱼都是D维向量。人工鱼的状态向量X代表BP神经网络的ωij、ωi0、bki和bko,人工鱼初始群体随机产生后,以后各代人工鱼的状态根据它的行为状态函数随觅食、聚群及追尾状态变化而变化。而BP神经网络的均方误差函数为

nmE=鄱鄱(di-tk)2nj=1k=1

(10)

≥

其中,di是BP神经网络的实际输出;tk是目标输出;m是输出节点数;n是训练集样本数。该函数是一个具有多个极小点的非线性函数,则对该BP神经网络的训练过程为调整BP神经网络ωij、ωi0、bki和bko,直至误差函数E达到最小。

在自适应人工鱼群全局寻优的基础上,进行局部细致搜索,达到要求的收敛精度。网络参数组合训练完成后,将这个最优的参数组合作为BP网络的参数组合进行检验。

2.3自适应人工鱼群-神经网络优化器的实现

步骤1———根据上述自适应人工鱼群-BP神经网模型原理和微机智能调速系统数学模型确定神经网络输入量、输出量、训练样本和检验样本。

BP神经网结构为3层网络,即输入层、隐含层函数为S型函数,输出层传递函数为对数S型函数。

上一页第3页

你可能喜欢

热门文档

相关文档

  • 【论文】基于非线性模型的水轮机调速系统智能辨识

    以现场试验数据为基础,分别用PLPF法和遗传算法进行了参数辨识,结果表明遗传算法能较准确地辨识出水轮机调速系统各个环节的数学模型,仿真曲线比其他两种方法更接近实际...

  • 发电机励磁与调速系统建模研究与可视化参数辨识软件包...

    采用智能辨识法对励磁及调速系统进行整体参数辨识 的...发电机环节处理问题以及辨识仿真过程当中的效率 问题...水轮机及其调速器系 统的数学模型进行归纳,并给出...

  • 水轮机调速系统dSPACE快速原型仿真建模

    水轮机调速系统dSPACE快速原型仿真建模_电力/水利_工程...8 2.6 水轮机调速系统的综合数学模型 ... 9 2...水轮机及其调速系统建模与参数辨识方法,水电能源科学 ...

  • 基于遗传算法的水轮发电机组调速系统参数辨识

    在此情况下, 需要建立符合 实际的水轮发电机组调速系统数学模型, 通过辨识 获得所需的各个参数, 进而将模型转化为仿真软件 中的标准模型, 便于运行调度人员进行系统...

  • 非线性减振器的数学模型和参数辨识

    暂无评价 3页 免费 水轮机智能调速系统数学... 6页 免费喜欢此文档的还喜欢 ...非线性减振器的数学模型和参数辨识黄 , 樊文欣 明 ( 华北工学院 , 山西 ...

  • 水轮机调速器仿真标准

    信 号的形式和电平应能与调速设备相匹配,与水轮机调速器构成调速系统。 4.1.3 实时仿真模型主要特性参数可人为整定和校验。 4.2 试验和检测功能 4.2.1 ...

  • 水轮机调节系统的数学模型

    水轮机调节系统建模、模型辨识及仿真研究 水轮机调节系统 建模、参数辨识及仿真...水轮机智能调速系统数学... 6页 免费 柴油机数学模型及最优调... 8页 免费...

  • 水轮机调速系统仿真、测试与故障诊断装置简介

    水轮机调速系统参数辨识与... 暂无评价 4页 2.00...“智能装置” )从功能上可以分 为调速系统动态仿真...调速器电气部分相同的数学模型, 选取相同的运行参数,...

  • 水轮机调节系统的MATLAB仿真模型

    制系统参数( 调节对象) 和水轮机控制系统( 调速器) 参数对水轮机调节系统动态...对水轮机调节系统建立包括非线性环节在内的 数学模型进行仿真, 可以经济、 方便...

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email