基于IOLBBO算法的水轮机非线性模型参数辨识

为提高考虑弹性水击模型的水轮机系统非线性模型参数辨识的精度、速度、稳定度,采用改进正交学习生物地理学算法(IOLBBO)对该模型进行参数辨识。IOLBBO利用佳点集方法的遍历性,初始化栖息地特征变量;引入精英保留策略,提高算法运行效率;融合正交学习(OL)策略,提高算法全局寻优能力。基于某水轮机动态试验数据的参数辨识计算及对比分析,表明IOLBBO算法可用于水轮机系统非线性模型参数实测辨识,与GA、PSO、QPSO、BBO算法相比,收敛速度更快、参数辨识精度更高、算法更稳定,为电力系统的参数辨识提供了一种新方法。

水轮机调速系统的非线性自适应控制

水门开度控制不仅对电力系统暂态稳定性的改善有极其重要的作用,而且对抑制电力系统低频振荡、改善动态品质也有不可低估的作用。国内外水轮机调速器的控制器设计通常是基于具有准确参数的理想水轮机模型。论文考虑了水轮发电机固有的非线性以及水轮机参数的不确定性,基于微分几何理论和自适应控制方法推导了水轮机调速的非线性自适应控制律(NAC)。数字仿真试验表明,所设计的调速器控制律具有较强的参数自适应能力,在改善系统动态特性和提高系统大干扰稳定性方面优于未考虑参数不确定的非线性控制律(CNGC)。