算法計算新能源混合系統(tǒng)的優(yōu)化目標(biāo)函數(shù)，優(yōu)選出最 優(yōu)PID控制參數(shù)。
[0061] St印1 :設(shè)置新型啟發(fā)式優(yōu)化算法參數(shù)：總迭代數(shù)T = 50,群體規(guī)模N = 20,算 法其它參數(shù)設(shè)置如下：個體隨機搜索數(shù)&= 3,淘汰幅度系數(shù)〇 = 0.01，跳躍閾值p = 300 ;確定PID控制參數(shù)范圍，
確定優(yōu)化變量邊界
[0. 001，0. 001，0. 001]，Bu= [3, 3, 3]，Κ Ρ,_，ΚΡ,_分別為比例控制系數(shù)的最小值和最大值， 分別為積分控制系數(shù)的最小值和最大值，K D，_，KD，_分別為微分控制系數(shù)的最小 值和最大值，在此區(qū)間初始化群體中所有個體的位置向量，個體位置向量&= [K P，L KD]，i =1，. . .，N，代表一組控制參數(shù)；令當(dāng)前迭代次數(shù)t = 0 ;
[0062] Step 2 :計算各個個體的目標(biāo)函數(shù)值Fit= f (X ; (t))，i = 1，…，N。過程如下：從 個體i位置向量Xjt)解碼得到控制參數(shù)，其中KpKjP 1^分別為位置向量中的第一、第二 和第三個元素，將控制參數(shù)代入步驟（1)中新能源混合系統(tǒng)仿真平臺，仿真得到系統(tǒng)狀態(tài) 變量隨時間的變化過程。得到系統(tǒng)頻率偏差A(yù) f和控制器輸出u，按照步驟（2)中目標(biāo)函數(shù) 得到個體i的目標(biāo)函數(shù)值FA進一步，計算群體目標(biāo)函數(shù)最小值，具有最小目標(biāo)函數(shù)值的 個體確定為當(dāng)前最優(yōu)個體XB(t);
[0063] Step 3:對所有個體Xi, i = 1，. . .，N進行個體隨機搜索，計算慣性向量
[0064] Step 3. 1 :令個體搜索次數(shù)1 = 0 ;
[0065] St印3. 2 :觀望一個位置:
[0067] rand 為（0,1)之間隨機數(shù)，ε plav為觀望步長，ε play= 〇· 1 · | |Β υ_Β」| ;
[0068] step3·3:計算下一個當(dāng)前位置;0)
[0070] rand 為（0,1)之間隨機數(shù)，ε _為慣性步長，ε step= 〇· 2 · | |Β υ_Β」| ;
[0071] Step 3· 4 :1 = 1+1，如果 1 < K，轉(zhuǎn)至 Step 3· 2 ;否貝丨J，轉(zhuǎn)至 Step 4 ;
[0072] Step 4:計算每個個體受當(dāng)前最優(yōu)個體召喚向量
[0074] δ ;為中第i個個體與當(dāng)前最優(yōu)個體的距離向量，隨機數(shù)c 2 · rand，c 2 = (2 · rand-1) (l-t/Τ)為（0，1)之間隨機數(shù)；由此可知^為（0,2)之間的隨機數(shù)，表示當(dāng)前 最優(yōu)個體的號召力，當(dāng)Cl> 1時，表示當(dāng)前最優(yōu)個體的影響力增強，反之減弱；(：2為動態(tài)隨 機數(shù)，所以c2的隨機范圍由1也線性遞減到〇 ;
[0075] Step 5:按照個體位置更新公式更新個體位置：
[0077] Step 6:判斷個體是否需要被淘汰并重新初始化：
[0078] Step 6. 1 :如果第i個個體滿足公式則該個體被淘汰并重新初始化：
[0080] 其中，是t代種群所有個體目標(biāo)函數(shù)值的平均值，是最小的目標(biāo)函數(shù)值， ω是一個隨迭代次數(shù)而線性遞增的參數(shù)
，取值范圍為[_ σ，0 ];
[0081] St印6· 2 :被淘汰的個體初始化：
[0082] X;= rand(l,D) X (B U-BL)+BL
[0083] 其中，D為位置向量維數(shù)，D = 3 ;
[0084] Step 7:判斷是否連續(xù)p代當(dāng)前最優(yōu)個體位置未發(fā)生移動，如果是，則認為種群滅 亡，按照下式反演重構(gòu)新的種群：
[0086] 其中R為反演半徑，R = 0· 1 · I I ;rand為（0，1)之間隨機數(shù)；
[0087] Step 8:t = t+1，如果t>T，算法結(jié)束，輸出當(dāng)前最優(yōu)個體位置作為終解；否則，轉(zhuǎn) 入Step 2。當(dāng)前最優(yōu)個體位置即為最優(yōu)控制參數(shù)向量。
[0088] 優(yōu)化求解得最終到PID控制參數(shù)為KP= 1. 823、K 0. 797、K D= 0. 945。參數(shù)優(yōu) 化后，新能源混合系統(tǒng)的PID控制器輸出信號u如圖5所示。
[0089] 為比較本發(fā)明所述方法的性能，與傳統(tǒng)基于PS0算法的新能源混合系統(tǒng)控制參數(shù) 優(yōu)選方法進行對比。PS0算法的參數(shù)設(shè)定為：種群大小N = 20,迭代次數(shù)T = 50,最大慣性 因子W_= 0. 9,最小慣性因子W_= 0. 1，慣性權(quán)重W = 0.5,自身學(xué)習(xí)率F1= 2,社會學(xué)習(xí) 率Fg= 2,得到的PID參數(shù)為：KP= 2.04、!^= 0.64、KD= 0.61。將本發(fā)明優(yōu)選得到的PID 控制參數(shù)與PS0算法得到的PID控制參數(shù)在新能源混合系統(tǒng)仿真模型中對應(yīng)的系統(tǒng)響應(yīng)進 行對比，系統(tǒng)的頻率偏差對比結(jié)果如圖6所示。對比結(jié)果表明，采用本發(fā)明所述方法獲得的 PID控制參數(shù)對新能源混合系統(tǒng)進行控制時，系統(tǒng)調(diào)節(jié)時間更快，振蕩次數(shù)更少，整個曲線 也更加光滑。
[0090] 本領(lǐng)域的技術(shù)人員容易理解，以上所述僅為本發(fā)明的較佳實施例而已，并不用以 限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進等，均應(yīng)包含 在本發(fā)明的保護范圍之內(nèi)。
【主權(quán)項】
1. 一種新能源混合系統(tǒng)控制參數(shù)的優(yōu)選方法，其特征在于，所述方法包括如下步驟： 步驟（1):建立新能源混合系統(tǒng)的仿真模型，所述新能源混合系統(tǒng)包括風(fēng)能發(fā)電系統(tǒng)、 太陽能熱發(fā)電系統(tǒng)、水電解槽、燃料電池、飛輪儲能系統(tǒng)、電池儲能系統(tǒng)、超級電容、柴油發(fā) 電機和微型電力系統(tǒng)，其中風(fēng)能發(fā)電系統(tǒng)和太陽能熱發(fā)電系統(tǒng)整體出力的一部分通過驅(qū)動 水電解槽產(chǎn)生氫氣，再利用燃料電池將產(chǎn)生的氫氣進行發(fā)電產(chǎn)生相對穩(wěn)定的出力后注入微 型電力系統(tǒng)，剩下的風(fēng)能和太陽能出力直接注入微型電力系統(tǒng)；當(dāng)系統(tǒng)注入功率和負荷出 現(xiàn)偏差后，微型電力系統(tǒng)將產(chǎn)生頻率偏移量，PID控制器根據(jù)頻率偏移量產(chǎn)生調(diào)節(jié)控制信 號，控制飛輪儲能系統(tǒng)、電池儲能系統(tǒng)、超級電容和柴油發(fā)電機工作，消除微型電力系統(tǒng)功 率和負荷偏差； 步驟（2):建立上述新能源混合系統(tǒng)的控制參數(shù)優(yōu)化目標(biāo)函數(shù)，以頻率偏差A(yù)f和控制 器輸出的控制量u為狀態(tài)量，目標(biāo)函數(shù)為：其中，優(yōu)化變量X= [KP，I，KD]，KP、&和KD分別為比例、積分和微分增益，Δf是隨控 制參數(shù)變化的新能源混合系統(tǒng)頻率偏差，u是PID控制器輸出；^和w2是權(quán)重系數(shù)，T_為 仿真總時間，uss為穩(wěn)態(tài)控制信號； 步驟（3):運用啟發(fā)式優(yōu)化算法求解步驟（2)中的目標(biāo)函數(shù)，獲得最優(yōu)控制參數(shù)。2. 如權(quán)利要求1所述的方法，其特征在于，所述步驟（3)具體包括如下子步驟： Step1 :算法初始化：設(shè)置算法參數(shù)，包括群體規(guī)模N、總迭代數(shù)T、個體隨機搜索 總數(shù)K、淘汰幅度系數(shù)σ、跳躍閾值p;確定PID控制參數(shù)范圍，KPe[ΚΡι_，ΚΡι_]， Iε[KIimin,KIimax]，Kdg[KD,min，KD,max]，確走優(yōu)化變里邊界[Bl,Bj，Bl -[ΚPilllin,KImin,KDmin], B^= [KP，_，&_，&_]，KP，_，KP，_分別為比例控制系數(shù)的最小值和最大值， 分別為積分控制系數(shù)的最小值和最大值，&_，&_分別為微分控制系數(shù)的最小值和最大 值，在此區(qū)間隨機初始化群體中所有個體的位置向量，個體位置向量&= = 1，. . .，Ν，代表一組控制參數(shù)；令當(dāng)前迭代次數(shù)t=Ο; Step2 :計算各個個體的目標(biāo)函數(shù)值Fit=f(X; (t))，i= 1，· · ·，Ν，并尋找群體目標(biāo)函 數(shù)最小值，具有最小目標(biāo)函數(shù)值的個體確定為當(dāng)前最優(yōu)個體XB (t); Step3:對所有個體Xi,i= 1，···，N,進行個體隨機搜索，計算慣性向量X，; Step4:計算每個個體當(dāng)前最優(yōu)個體召喚向量其中δ;為中第i個個體與當(dāng)前最優(yōu)個體的距離向量，隨機數(shù)c 2 ·rand，c2 = (2 ·rand-1) (l-t/Τ)為（0,1)之間隨機數(shù)； Step5:按照個體位置更新公式更新個體位置：Step6:判斷個體是否需要被淘汰并重新初始化： Step6. 1 :如果第i個個體滿足公式則該個體被淘汰并重新初始化：其中，是t代種群所有個體目標(biāo)函數(shù)值的平均值，^是最小的目標(biāo)函數(shù)值，ω是 一個隨迭代次數(shù)而線性遞增的參數(shù)，μ= 〇_·(2_ + -〗），取值范圍為[_σ，〇]; St印6· 2 :被淘汰的個體初始化： X,=rand(l,D)X(Bu-BL)+BL 其中，D為位置向量維數(shù)，D= 3; Step7:判斷是否連續(xù)p代當(dāng)前最優(yōu)個體位置未發(fā)生移動，如果是，則認為種群滅亡， 按照下式反演重構(gòu)新的種群：其中R為反演半徑，R= 〇. 1 ·I | ;rand為（0，1)之間隨機數(shù)，p為跳躍閾值； Step8:t=t+Ι，如果t>T，算法結(jié)束，輸出當(dāng)前最優(yōu)個體位置作為終解，當(dāng)前最優(yōu)個體 位置即為最優(yōu)控制參數(shù)向量；否則，轉(zhuǎn)入Step2。3. 如權(quán)利要求2所述的方法，其特征在于，所述步驟Step2中計算各個個體的目標(biāo)函 數(shù)值F^=fKt))具體為： 從個體i位置向量&⑴解碼得到控制參數(shù)，其中KP、&和KD分別為位置向量中的第 一、第二和第三個元素，將控制參數(shù)代入步驟（1)中新能源混合系統(tǒng)仿真平臺，仿真得到系 統(tǒng)狀態(tài)變量隨時間的變化過程，得到系統(tǒng)頻率偏差A(yù)f和控制器輸出u，按照步驟（2)中目 標(biāo)函數(shù)得到個體i的目標(biāo)函數(shù)值F，。4. 如權(quán)利要求2或3所述的方法，其特征在于，所述步驟Step3具體包括如下子步驟： St印3. 1 :令個體搜索次數(shù)1 = 0 ; St印3·2:觀望一個位置X廣.(，），計算X廣'（?)，f=l，·.:,，：N::rand為（0,1)之間隨機數(shù)，εplay為觀望步長； Step3. 3 :計算下一個當(dāng)前位置rand為（0,1)之|日」隨機數(shù)，εstep為慣性步長； Step3. 4 :1 = 1+1，如果 1 <K，轉(zhuǎn)至Step3. 2 ;否貝 1J，轉(zhuǎn)至Step4。5. 如權(quán)利要求1或2所述的方法，其特征在于，所述uss的表達式為uss = 0. 8H(t)+0. 17H(t-40)+l. 12H(t-80)，其中H(t)為赫維賽德階躍函數(shù)；具體表達式為：6. 如權(quán)利要求4所述的方法，其特征在于，在St印3· 2中εplay= 0· 1 ·IIBu-B」I。7.如權(quán)利要求4所述的方法，其特征在于，在St印3. 3中εstep=0· 2·I IB u-B」I。
【專利摘要】本發(fā)明公開了一種新能源混合系統(tǒng)控制參數(shù)的優(yōu)選方法，用于在新能源混合系統(tǒng)中對PID控制參數(shù)進行優(yōu)選。根據(jù)新能源混合系統(tǒng)建立模型，然后依據(jù)該仿真系統(tǒng)建立以PID控制器輸入和輸出參數(shù)為狀態(tài)量的目標(biāo)函數(shù)，運用本發(fā)明設(shè)計的優(yōu)選方法求解目標(biāo)函數(shù)得到最優(yōu)PID控制參數(shù)。本發(fā)明設(shè)計的新能源混合系統(tǒng)控制參數(shù)的優(yōu)選方法，采用一種新型啟發(fā)式優(yōu)化算法優(yōu)化目標(biāo)函數(shù)，能搜索到更優(yōu)的目標(biāo)函數(shù)值，得到的解代表更優(yōu)的PID控制參數(shù)。更優(yōu)的PID控制參數(shù)能使新能源混合系統(tǒng)頻率偏差更小，調(diào)節(jié)速度更快，系統(tǒng)響應(yīng)曲線更加光滑，系統(tǒng)調(diào)節(jié)品質(zhì)更高。
【IPC分類】H02J3/46
【公開號】CN105262145
【申請?zhí)枴緾N201510760557
【發(fā)明人】李超順, 汪贊斌, 董偉, 王文瀟, 魏巍, 毛翼豐
【申請人】華中科技大學(xué)
【公開日】2016年1月20日
【申請日】2015年11月10日