FA和PSO算法比较研究及其在协调优化中的应用

摘要

超临界机组因其具有节能、高效等优点，现已成为我国电网的主力机组，其最主要的任务是满足电网负荷需求，接受自动发电控制（AGC）参与电网的调峰和调频。因为超临界机组为多输入多输出的非线性、强耦合的被控对象，传统的PID控制，已经无法达到机组深度调峰的要求，使机组在大幅度变工况运行时的控制效果变差，因此引入先进的智能控制策略来提高机组的控制品质十分必要。本文主要对新型的萤火虫算法（FA）进行研究和改进，并与成熟的粒子群算法性能进行比较，并将FA算法与神经网络建模结合应用于超临界机组的协调预测优化控制，选题具有理论和应用两个方面的重要意义。
　　本文针对某600MW超临界机组，详细分析了其协调系统的各种特性以及控制方式和控制逻辑。在研究神经网络的原理以及非线性系统建模方法、对FA算法及PSO算法性能比较研究的基础上，提出了一种基于BP神经网络建模和基于混沌序列萤火虫算法（CSFA）的模型预测优化控制（MPOC）方法，并应用于超临界机组协调控制。本文采用MATLAB软件平台建立了协调预测优化控制算法，通过与超临界机组全范围仿真系统进行双向实时通讯，对600MW超临界机组进行实时优化控制，开展详细的协调优化控制仿真试验。结果表明：本文提出的方法能够有效地提高机组对负荷指令的响应速度和调节精度，大大减小了主蒸汽压力的控制偏差，使其能够在控制要求内，保证机组的运行安全和经济效益，具有较好的工程实用性。

目录

声明

第1章 绪论

1.1 选题背景及意义

1.2 萤火虫算法的研究现状

1.3 粒子群算法的研究现状

1.4 单元机组协调控制的研究现状

1.5 本文的主要工作

第2章 萤火虫优化算法及改进

2.1 标准萤火虫算法

2.2 改进的萤火虫算法

2.3 标准函数测试

2.4 粒子群算法介绍

2.5 CSFA和sPSO算法比较

2.6 本章小结

第 3 章 神经网络基本原理

3.1 生物神经元与人工神经元

3.2 人工神经网络

3.3 BP神经网络

3.4 BP神经网络的MATLAB实现

3.5 本章小结

第4章 超临界机组特性的神经网络建模

4.1 超临界直流机组的基本介绍

4.2 神经网络模型确立

4.3 神经网络建模

4.4 本章小结

第5章 预测优化控制方案设计与仿真研究

5.1 协调控制系统概述

5.2 超临界机组协调控制方式

5.3 模型预测优化控制方案设计

5.4 MPOC仿真研究与实验

5.5 本章小结

第6章 总结

参考文献

攻读硕士学位期间发表的学术论文及其它成果

致谢