基于改进灰狼算法的风力机模糊PID变桨距控制器优化方法技术

基于改进灰狼算法的风力机模糊PID变桨距控制器优化方法，是针对模糊规则作为风力机模糊PID控制器的变桨系统的核心，通常采用经验法设计，可能存在模糊规则与风力机变桨控制系统不相适应，从而降低风力机运行稳定性的问题，所提出的基于改进灰狼算法优化模糊PID控制器的风力机变桨距控制方法。本发明专利技术首先根据风力机模糊PID变桨控制构建一种关于超调量、调节时间和ITAE的高灵敏度适应度函数，然后针对优化模糊特性将传统灰狼算法中的线性收敛因子改进为非线性收敛因子，最后以适应度函数为目标用改进灰狼算法优化得到与风力机变桨控制相适应的模糊规则，从而使风力机的输出功率更为稳定。率更为稳定。率更为稳定。

【技术实现步骤摘要】
基于改进灰狼算法的风力机模糊PID变桨距控制器优化方法


[0001]本专利技术属于风电系统、风力机变桨距控制和优化算法
，具体涉及基于改进灰狼算法的风力机模糊PID变桨距控制器优化方法。

技术介绍

[0002]变桨控制作为风电系统机侧控制系统的重要环节，具有最大风能跟踪和实现风机恒功率输出的作用。大型变桨距风力发电系统一般选用模糊PID控制器作为变桨控制器以克服系统非线性、多干扰的特点，模糊规则作为模糊控制器的核心，通常采用经验法设计，但这可能存在模糊规则与风力机变桨控制系统不相适应的问题，模糊规则与系统的不匹配，会降低控制器的性能，进而降低风力机的运行稳定性。因此，需要针对模糊规则提出一种改进的优化方法，用于提高模糊PID控制器的性能，使风力机输出功率更为稳定。

技术实现思路

[0003]本专利技术针对现有技术中的不足，提供一种基于改进灰狼算法的风力机模糊PID变桨距控制器优化方法。
[0004]为实现上述目的，本专利技术采用以下技术方案：
[0005]基于改进灰狼算法的风力机模糊PID变桨距控制器优化方法，其特征在于，包括：
[0006]建立风电系统模型，在所述风电系统模型中，采用模糊PID控制器进行变桨控制，并构建模糊PID控制器的模糊集、输入输出量、论域和隶属度函数；
[0007]将模糊规则作为优化目标，构建关于超调量、调节时间和ITAE的适应度函数作为目标函数，通过采用了非线性收敛因子的灰狼算法优化模糊规则并输出最优模糊规则，将最优模糊规则赋予模糊PID控制器进行变桨控制。
[0008]为优化上述技术方案，采取的具体措施还包括：
[0009]进一步地，所述风电系统模型包括风力机模型、传动链模型、发电机模型及变桨距机构模型。
[0010]进一步地，所述模糊PID控制器的模糊集为{负大、负中、负小、零、正小、正中、正大}，输入量包括功率/转速误差e和误差变化率ec，输出量为PID参数的调整量Δk
p
、Δk
i
和Δk
d
，分别为比例调节系数、积分调节系数和微分调节系数的调整量，输入量和输出量的隶属度函数在负大和正大处采用高斯型隶属度函数，在其余处采用三角型隶属度函数。
[0011]进一步地，所述适应度函数fitness(σ，t
s
)的公式如下：
[0012][0013]式中，σ、t
s
、分别表示超调量、调节时间、绝对误差时间积分，μ
σ
、μ
s
、μ
ITAE
表示三种指标权重系数。
[0014]进一步地，所述非线性收敛因子a
nl
的表达式如下：
[0015][0016]式中，a
i
和a
f
分别为收敛因子的初值和终值，n为当前迭代次数，N为最大迭代次数，ε为收敛系数，为搜索系数。
[0017]进一步地，所述通过采用了非线性收敛因子的灰狼算法优化模糊规则并输出最优模糊规则，具体包括如下步骤：
[0018]S1：根据模糊PID控制器中模糊规则的特性初始化种群参数；
[0019]S2：初始化灰狼算法的参数，包括非线性收敛因子和根据非线性收敛因子计算的算法固有参数；
[0020]S3：将构建的适应度函数作为目标函数，计算每一种模糊规则的适应度，得出适应度最小的三个最优个体α、β、δ，其位置分别为X
α
、X
β
、X
δ
；
[0021]S4：运用非线性收敛因子更新灰狼算法的参数；
[0022]S5：根据个体α、β、δ及其位置X
α
、X
β
、X
δ
更新其余灰狼个体位置；
[0023]S6：判断是否达到最大迭代次数，若否，则转至步骤S3，若是，则转至步骤S7；
[0024]S7：输出最优模糊规则，将最优模糊规则赋予模糊PID控制器。
[0025]本专利技术还提出了一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序使计算机执行如上所述的基于改进灰狼算法的风力机模糊PID变桨距控制器优化方法。
[0026]本专利技术还提出了一种电子设备，其特征在于，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行计算机程序时，实现如上所述的基于改进灰狼算法的风力机模糊PID变桨距控制器优化方法。
[0027]本专利技术的有益效果是：本专利技术采用改进灰狼算法优化模糊PID控制器中的模糊规则，可以使风力机的输出功率和转速更稳定；本专利技术构建了关于超调量、调节时间和ITAE的适应度函数作为评价指标，可以较好的反应输出结果的各项指标，从而使算法优化出满意的结果；本专利技术用非线性收敛因子替代常规的线性收敛因子，可以使算法在迭代初期拥有较好的搜索能力，在中后期有较快的收敛速度。
附图说明
[0028]图1是永磁直驱风电系统的示意图。
[0029]图2是基于改进灰狼算法优化模糊PID的风力机变桨控制策略示意图。
[0030]图3是传统算法和改进算法的收敛因子对比曲线图。
[0031]图4是改进算法后不同调节系数的非线性收敛因子对比曲线图。
具体实施方式
[0032]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0033]如图1所示的永磁直驱风电系统模型图，由风机结构和主控系统组成，具体包括永
磁同步发电机、机侧变流器控制、MPPT(最大功率追踪控制系统)控制及变桨控制，变桨控制的主要作用是当风力机运行在额定风速以下时，配合MPPT控制实现最大风能跟踪，以及当风力机运行在额定风速以上时实现恒功率控制。
[0034]图1中，β是风力机桨距角，V
s
和i
s
分别是风力发电机定子侧电压和电流，V
DC
是风力机机侧变流器输出直流电压。
[0035]在一实施例中，本专利技术提出了如图2所示的基于改进灰狼算法的风力机模糊PID变桨距控制器优化方法。首先建立风电系统模型，确立模糊PID控制器控制对象，构建模糊控制器的模糊集、输入输出量、论域和隶属度函数，将模糊规则作为优化目标。然后构建一种关于超调量、调节时间和ITAE的适应度函数，运用改进的灰狼算法优化模糊规则，提高模糊PID控制器的性能，使风力机能够稳定运行。最后将优化结果应用于变桨控制系统中，使全直流海上风电系统机侧控制系统得到优化。
[0036]图2中，ω
ref
是风力机转速给定值，ω是风力机转速输出值，s为拉普拉斯算子，表示PID控制中的微分控制，β
r<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于改进灰狼算法的风力机模糊PID变桨距控制器优化方法，其特征在于，包括：建立风电系统模型，在所述风电系统模型中，采用模糊PID控制器进行变桨控制，并构建模糊PID控制器的模糊集、输入输出量、论域和隶属度函数；将模糊规则作为优化目标，构建关于超调量、调节时间和ITAE的适应度函数作为目标函数，通过采用了非线性收敛因子的灰狼算法优化模糊规则并输出最优模糊规则，将最优模糊规则赋予模糊PID控制器进行变桨控制。2.如权利要求1所述的基于改进灰狼算法的风力机模糊PID变桨距控制器优化方法，其特征在于：所述风电系统模型包括风力机模型、传动链模型、发电机模型及变桨距机构模型。3.如权利要求1所述的基于改进灰狼算法的风力机模糊PID变桨距控制器优化方法，其特征在于：所述模糊PID控制器的模糊集为{负大、负中、负小、零、正小、正中、正大}，输入量包括功率/转速误差e和误差变化率ec，输出量为PID参数的调整量Δk
p
、Δk
i
和Δk
d
，分别为比例调节系数、积分调节系数和微分调节系数的调整量，输入量和输出量的隶属度函数在负大和正大处采用高斯型隶属度函数，在其余处采用三角型隶属度函数。4.如权利要求1所述的基于改进灰狼算法的风力机模糊PID变桨距控制器优化方法，其特征在于：所述适应度函数fitness(σ，t
s
)的公式如下：式中，σ、t
s
、分别表示超调量、调节时间、绝对误差时间积分，μ
σ
、μ
is
、μ
ITAE
表示三种指标权重系数。5.如权利要求1所述的基于改进灰狼算法的风力机模糊PID变桨距控制器优化方法，其特征在于：所述非线性收敛...

【专利技术属性】
技术研发人员：张亮，黄俊杰，李荣，水恒华，管益涛，李强，任必兴，过亮，侯凯，杨波，陶以彬，
申请(专利权)人：南京工程学院，
类型：发明
国别省市：