基于改進(jìn)原子分解參數(shù)辨識(shí)的svc控制器設(shè)計(jì)方法
【專利摘要】本發(fā)明公開了一種基于改進(jìn)原子分解參數(shù)辨識(shí)的SVC控制器設(shè)計(jì)方法，本發(fā)明基于過完備阻尼正弦原子庫，通過引入余弦遷移模型、混合遷移算子以及變異策略改進(jìn)生物地理學(xué)優(yōu)化法，采用改進(jìn)的生物地理優(yōu)化法優(yōu)化原子分解法，采用改進(jìn)的原子分解法分解次同步振蕩信號(hào)并辨識(shí)次同步振蕩模態(tài)參數(shù)；基于辨識(shí)的次同步振蕩模態(tài)參數(shù)設(shè)計(jì)SVC次同步阻尼控制器，采用粒子群算法優(yōu)化SVC次同步阻尼控制器。本發(fā)明能快速、準(zhǔn)確地辨識(shí)出次同步振蕩模態(tài)參數(shù)，且設(shè)計(jì)的SVC次同步阻尼控制器具有良好的次同步振蕩抑制效果。
【專利說明】基于改進(jìn)原子分解參數(shù)辨識(shí)的SVC控制器設(shè)計(jì)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及電力系統(tǒng)安全穩(wěn)定運(yùn)行，更具體地涉及一種基于改進(jìn)原子分解參數(shù)辨識(shí)的SVC控制器設(shè)計(jì)方法。
【背景技術(shù)】
[0002]隨著我國電力系統(tǒng)規(guī)模的擴(kuò)大和結(jié)構(gòu)的進(jìn)一步復(fù)雜，電力系統(tǒng)中的次同步振蕩問題亟待解決。當(dāng)發(fā)生次同步振蕩時(shí)，機(jī)械系統(tǒng)的軸系和電氣系統(tǒng)會(huì)產(chǎn)生增幅的扭振，嚴(yán)重時(shí)會(huì)導(dǎo)致發(fā)電機(jī)轉(zhuǎn)子軸系斷裂，從而造成重大事故?？焖贉?zhǔn)確地辨識(shí)次同步振蕩模態(tài)參數(shù)，對(duì)于次同步振蕩監(jiān)測(cè)、預(yù)警以及控制措施的制定都起著至關(guān)重要的作用。隨著廣域測(cè)量系統(tǒng)的快速發(fā)展，基于實(shí)測(cè)數(shù)據(jù)提取次同步振蕩模態(tài)參數(shù)的方法因其無需詳細(xì)的系統(tǒng)模型和大規(guī)模特征值計(jì)算，且能適應(yīng)系統(tǒng)運(yùn)行方式和參數(shù)的變化，而逐漸得到廣泛應(yīng)用。
[0003]目前基于實(shí)測(cè)數(shù)據(jù)的次同步振蕩模態(tài)辨識(shí)的典型方法有=Prony分析法、FFT(快速傅氏變換)算法、小波分析法、希爾伯特-黃變換法(HHT)等。但傳統(tǒng)的Prony算法抗噪能力差；FFT算法無法提取振蕩的瞬時(shí)頻率和衰減因子；小波分析法較難區(qū)分信號(hào)中的相近頻率，不利于扭振模態(tài)參數(shù)的提??；HHT方法則對(duì)信號(hào)的采樣率要求較高。因此，現(xiàn)有的方法難以有效地辨識(shí)次同步振蕩模態(tài)。
[0004]靜止無功補(bǔ)償器(static var compensators, SVC)等FACTS (柔性交流輸電系統(tǒng))裝置在電壓控制和阻尼控制方面已有一定的應(yīng)用。張帆等在期刊《高電壓技術(shù)》(2007，33(3):26-31)發(fā)表的《采用SVC抑制發(fā)電機(jī)次同步諧振的理論與實(shí)踐》全面介紹了抑制次同步諧振(Subsynchronous resonance, SSR)的SVC,并分析了 SVC抑制SSR的原理，提出了各種控制方式和SVC容量的估算方法，并以托克托工程為例，利用時(shí)域仿真分析了SVC抑制SSR的效果，驗(yàn)證了 SVC在抑制SSR方面的有效性。謝小榮等在期刊《電力系統(tǒng)自動(dòng)化》(2009，33 (19):11-14)發(fā)表的《采用遺傳-模擬退火算法優(yōu)化設(shè)計(jì)SVC次同步阻尼控制器》建立適應(yīng)SSR分析與控制設(shè)計(jì)、包含SVC的多機(jī)系統(tǒng)線性化模型后，提出了基于獨(dú)立模態(tài)控制思路的控制器結(jié)構(gòu)，然后將控制參數(shù)設(shè)計(jì)問題規(guī)范為一個(gè)約束型非線性規(guī)劃問題，進(jìn)而采用遺傳-模擬退火(GASA)算法求解得到控制參數(shù)，采用特征值分析和時(shí)域仿真驗(yàn)證了控制系統(tǒng)的有效性。針對(duì)次同步振蕩而設(shè)計(jì)的SVC次同步阻尼器(SSDC)能夠有效地抑制次同步振蕩，但目前常見的控制器設(shè)計(jì)方法往往不能很好地適應(yīng)電力系統(tǒng)時(shí)變非線性的特點(diǎn)，使得設(shè)計(jì)出來的控制器無法得到較好的抑制效果。

【發(fā)明內(nèi)容】

[0005]針對(duì)現(xiàn)有技術(shù)存在的不足，本發(fā)明提供了一種能快速準(zhǔn)確地辨識(shí)出次同步振蕩模態(tài)參數(shù)的、基于改進(jìn)原子分解法的次同步振蕩模態(tài)參數(shù)辨識(shí)方法，并同時(shí)提出了一種基于改進(jìn)原子分解參數(shù)辨識(shí)的SVC控制器設(shè)計(jì)方法，所設(shè)計(jì)SVC控制器對(duì)次同步振蕩具有良好抑制效果。
[0006]為解決上述技術(shù)問題，本發(fā)明采用如下的技術(shù)方案:[0007]—、基于改進(jìn)原子分解法的次同步振蕩模態(tài)參數(shù)辨識(shí)方法，該方法采用生物地理學(xué)優(yōu)化算法優(yōu)化的原子分解法辨識(shí)次同步振蕩模態(tài)參數(shù)，包括步驟:
[0008]步驟一，以次同步振蕩信號(hào)的模態(tài)參數(shù)為原子索引構(gòu)建待辨識(shí)的次同步振蕩信號(hào)原子庫，基于次同步振蕩信號(hào)原子庫隨機(jī)生成初始化種群；
[0009]步驟二，對(duì)次同步振蕩信號(hào)進(jìn)行原子分解，以次同步振蕩信號(hào)或當(dāng)前信號(hào)殘差與原子內(nèi)積為棲息地適宜度指數(shù)，采用生物地理學(xué)優(yōu)化算法搜索種群獲得個(gè)體最優(yōu)解，將個(gè)體最優(yōu)解對(duì)應(yīng)的原子參變量轉(zhuǎn)換為次同步振蕩信號(hào)模態(tài)參數(shù)。
[0010]步驟二中所述的采用生物地理學(xué)優(yōu)化算法搜索種群獲得個(gè)體最優(yōu)解，具體為:
[0011](I)搜索當(dāng)前種群獲得當(dāng)前個(gè)體最優(yōu)解，判斷當(dāng)前個(gè)體最優(yōu)解的棲息地適宜度指數(shù)值是否小于設(shè)定的誤差限，若小于設(shè)定的誤差限，則該當(dāng)前個(gè)體最優(yōu)解即為搜索獲得的個(gè)體最優(yōu)解，將個(gè)體最優(yōu)解對(duì)應(yīng)的原子參變量轉(zhuǎn)換為次同步振蕩信號(hào)模態(tài)參數(shù)，完成次同步振蕩模態(tài)參數(shù)的辨識(shí)；否則，繼續(xù)步驟(2)；
[0012](2)對(duì)當(dāng)前種群內(nèi)物種進(jìn)行遷移操作形成新種群，將新種群中各棲息地適宜度指數(shù)最大的物種作為當(dāng)前個(gè)體最優(yōu)解，然后，執(zhí)行步驟(3);
[0013](3)對(duì)新種群進(jìn)行變異操作以優(yōu)化當(dāng)前個(gè)體最優(yōu)解，然后，執(zhí)行步驟(4)；
[0014](4)判斷生物地理學(xué)優(yōu)化算法的迭代次數(shù)是否達(dá)到預(yù)設(shè)的最大迭代次數(shù)，若達(dá)到，則保存當(dāng)前個(gè)體最優(yōu)解及其棲息地適宜度指數(shù)，然后，執(zhí)行步驟(5);否則，重新執(zhí)行步驟
(2)進(jìn)行生物地理學(xué)優(yōu)化算法的下一次迭代；
[0015](5)判斷次同步振蕩信號(hào)的分解次數(shù)是否達(dá)到預(yù)設(shè)的最大分解次數(shù)M，若達(dá)到，則該當(dāng)前個(gè)體最優(yōu)解即為搜索獲得的個(gè)體最優(yōu)解，將個(gè)體最優(yōu)解對(duì)應(yīng)的原子參變量轉(zhuǎn)換為次同步振蕩信號(hào)模態(tài)參數(shù)，完成次同步振蕩模態(tài)參數(shù)的辨識(shí)；否則，重新執(zhí)行步驟2中的子步驟2.1和2.2進(jìn)行下一次信號(hào)分解。
[0016]上述步驟(2)中所述的對(duì)當(dāng)前種群內(nèi)物種進(jìn)行遷移操作形成新種群具體為:
[0017](2_a)采用余弦遷移模型獲取當(dāng)前種群內(nèi)物種的遷入率及遷出率，并根據(jù)遷入率和遷出率獲取物種數(shù)量；
[0018](2-b)根據(jù)物種遷入率、遷出率及數(shù)量對(duì)種群內(nèi)物種進(jìn)行遷移操作。
[0019]上述步驟(2)中所述的遷移操作采用混合遷移算子進(jìn)行，即將臨近棲息地Xj中的適宜度向量與自身?xiàng)⒌豖i的適宜度向量按權(quán)重結(jié)合，取代自身?xiàng)⒌豖i的適宜度向量。
[0020]上述步驟(3)中所述的變異操作為基于變尺度混沌局部?jī)?yōu)化的變異操作。
[0021]上述步驟(3)中所述的對(duì)新種群進(jìn)行變異操作以優(yōu)化當(dāng)前個(gè)體最優(yōu)解，具體為:
[0022]對(duì)新種群進(jìn)行變異操作以獲得變異操作后的個(gè)體最優(yōu)解，若變異操作后的個(gè)體最優(yōu)解的息地適宜度指數(shù)由于當(dāng)前個(gè)體最優(yōu)解，則將變異操作后的個(gè)體最優(yōu)解作為當(dāng)前個(gè)體最優(yōu)解；否則，當(dāng)前個(gè)體最優(yōu)解保持不變。
[0023]二、基于改進(jìn)原子分解參數(shù)辨識(shí)的SVC控制器設(shè)計(jì)方法，包括步驟:
[0024]步驟1，初始化粒子群算法的最大迭代次數(shù)K、粒子數(shù)目N、粒子的位置和速度，粒子的位置由SVC次同步阻尼控制器的控制參數(shù)構(gòu)成；
[0025]步驟2，采用生物地理學(xué)優(yōu)化算法優(yōu)化的原子分解法辨識(shí)次同步振蕩模態(tài)參數(shù)，該步驟進(jìn)一步包括子步驟:
[0026]2.1以次同步振蕩信號(hào)的模態(tài)參數(shù)為原子索引構(gòu)建待辨識(shí)的次同步振蕩信號(hào)原子庫，基于次同步振蕩信號(hào)原子庫隨機(jī)生成初始化種群；
[0027]2.2對(duì)次同步振蕩信號(hào)進(jìn)行原子分解，以次同步振蕩信號(hào)或當(dāng)前信號(hào)殘差與原子內(nèi)積為棲息地適宜度指數(shù)，采用生物地理學(xué)優(yōu)化算法搜索種群獲得個(gè)體最優(yōu)解，將個(gè)體最優(yōu)解對(duì)應(yīng)的原子參變量轉(zhuǎn)換為次同步振蕩信號(hào)模態(tài)參數(shù)；
[0028]步驟3，基于辨識(shí)的次同步振蕩模態(tài)參數(shù)，采用粒子群算法優(yōu)化SVC次同步阻尼控制器，該步驟進(jìn)一步包括子步驟:
[0029]3.1利用次同步振蕩模態(tài)參數(shù)中的頻率指導(dǎo)SVC模態(tài)分離控制策略，設(shè)計(jì)SVC次同步阻尼控制器帶寬；
[0030]3.2利用次同步振蕩模態(tài)參數(shù)中的阻尼系數(shù)獲得衰減系數(shù)，并基于衰減系數(shù)構(gòu)建評(píng)價(jià)SVC次同步阻尼控制器性能的目標(biāo)函數(shù)，所述的目標(biāo)函數(shù)為在衰減系數(shù)均為負(fù)值的基礎(chǔ)上各模態(tài)衰減系數(shù)平均數(shù)絕對(duì)值最大；
[0031]3.3以目標(biāo)函數(shù)為適應(yīng)度函數(shù)，采用粒子群算法搜索獲得粒子的全局最優(yōu)位置，即完成SVC次同步阻尼控制器的設(shè)計(jì)；粒子群算法的每次迭代中，均采用步驟2所述的原子分解法辨識(shí)本次迭代的粒子全局最優(yōu)解位置對(duì)應(yīng)的衰減系數(shù)，并采用該辨識(shí)的衰減系數(shù)更新適應(yīng)度函數(shù)。
[0032]上述步驟3.3中所述的采用粒子群算法搜索獲得粒子的全局最優(yōu)位置，具體包括步驟:
[0033](I)以目標(biāo)函數(shù)為適應(yīng)度函數(shù)，采用粒子群算法搜索獲得粒子的當(dāng)前全局最優(yōu)位置，采用步驟2所述的原子分解法辨識(shí)粒子的當(dāng)前全局最優(yōu)解位置對(duì)應(yīng)的衰減系數(shù)，并采用該辨識(shí)的衰減系數(shù)更新適應(yīng)度函數(shù)；
[0034](2)判斷粒子群算法的迭代次數(shù)是否達(dá)到最大迭代次數(shù)K，若達(dá)到，則輸出適應(yīng)度函數(shù)的當(dāng)前最優(yōu)解及對(duì)應(yīng)的粒子全局最優(yōu)位置，即完成了 SVC次同步阻尼控制器的設(shè)計(jì)；否則，重新執(zhí)行步驟2，進(jìn)行粒子群算法的下一次迭代。
[0035]與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點(diǎn)和有益效果:
[0036](I)提出了一種基于改進(jìn)原子分解參數(shù)辨識(shí)的SVC控制器設(shè)計(jì)方法，采用生物地理學(xué)優(yōu)化算法優(yōu)化的原子分解法辨識(shí)次同步振蕩模態(tài)參數(shù)，具有良好的時(shí)頻特性；基于辨識(shí)的次同步振蕩模態(tài)參數(shù)設(shè)計(jì)SVC次同步阻尼控制器，采用粒子群算法優(yōu)化SVC次同步阻尼控制器，優(yōu)化后的SVC次同步阻尼控制器可有效抑制次同步振蕩，保證機(jī)組和電網(wǎng)的安全穩(wěn)定運(yùn)行。
[0037](2 )本發(fā)明的優(yōu)選方案中，通過引入余弦遷移模型、混合遷移算子以及變異策略改進(jìn)生物地理學(xué)優(yōu)化法，并采用改進(jìn)的生物地理學(xué)算法優(yōu)化原子分解法，從而可降低原子分解法搜索的時(shí)間復(fù)雜度。
[0038](3)通過仿真實(shí)驗(yàn)表明，本發(fā)明能快速、準(zhǔn)確地辨識(shí)出次同步振蕩的頻率及衰減因子等模態(tài)參數(shù)，且設(shè)計(jì)的SVC次同步阻尼控制器具有良好的抑制效果。
【專利附圖】

【附圖說明】
[0039]圖1為本發(fā)明的具體流程圖；
[0040]圖2為本發(fā)明中辨識(shí)次同步振蕩模態(tài)參數(shù)的具體流程圖；
[0041]圖3為本發(fā)明【具體實(shí)施方式】中采用的余弦遷移模型；[0042]圖4為SVC次同步阻尼控制器的結(jié)構(gòu)框圖；
[0043]圖5為IEEE第一標(biāo)準(zhǔn)模型；
[0044]圖6為實(shí)施例1中IEEE第一標(biāo)準(zhǔn)模型重構(gòu)信號(hào)與原始發(fā)電機(jī)轉(zhuǎn)速偏差信號(hào)的對(duì)比分析圖；
[0045]圖7為實(shí)施例1中IEEE第一標(biāo)準(zhǔn)模型發(fā)電機(jī)轉(zhuǎn)速偏差信號(hào)的阻尼正弦原子分解提取的原子；
[0046]圖8為實(shí)施例1中IEEE第一標(biāo)準(zhǔn)模型加入SSDC后重構(gòu)信號(hào)與原始發(fā)電機(jī)轉(zhuǎn)速偏差信號(hào)的對(duì)比分析圖； [0047]圖9為實(shí)施例1中IEEE第一標(biāo)準(zhǔn)模型加入SSDC后發(fā)電機(jī)轉(zhuǎn)速偏差信號(hào)的阻尼正弦原子分解提取的原子； [0048]圖10為實(shí)施例2錦界電廠串補(bǔ)輸電系統(tǒng)；
[0049]圖11為實(shí)施例2中錦界電廠重構(gòu)信號(hào)與原始發(fā)電機(jī)轉(zhuǎn)速偏差信號(hào)的對(duì)比分析圖；
[0050]圖12為實(shí)施例2中錦界電廠發(fā)電機(jī)轉(zhuǎn)速偏差信號(hào)的阻尼正弦原子分解提取的原子;
[0051]圖13為實(shí)施例2中加入SSDC后錦界電廠重構(gòu)信號(hào)與原始發(fā)電機(jī)轉(zhuǎn)速偏差信號(hào)的對(duì)比分析圖；
[0052]圖14為實(shí)施例2中加入SSDC后錦界電廠發(fā)電機(jī)轉(zhuǎn)速偏差信號(hào)的阻尼正弦原子分解提取的原子。
【具體實(shí)施方式】
[0053]本發(fā)明采用改進(jìn)原子分解算法辨識(shí)次同步振蕩模態(tài)參數(shù)，并結(jié)合改進(jìn)粒子群(IPSO)算法進(jìn)行SVC次同步阻尼控制器設(shè)計(jì)?；谶^完備阻尼正弦原子庫，采用改進(jìn)的生物地理優(yōu)化法(ΙΒΒ0)優(yōu)化后的匹配追蹤算法對(duì)次同步振蕩信號(hào)進(jìn)行阻尼正弦原子分解，搜索最佳阻尼正弦原子后將其參變量轉(zhuǎn)換為次同步振蕩信號(hào)模態(tài)參數(shù)，從而完成電力系統(tǒng)次同步振蕩模態(tài)的辨識(shí)；依據(jù)辨識(shí)的次同步振蕩信號(hào)模態(tài)參數(shù)，采用IPSO算法實(shí)現(xiàn)SVC次同步阻尼控制器的優(yōu)化。
[0054]下面將結(jié)合附圖對(duì)本發(fā)明的【具體實(shí)施方式】進(jìn)行詳細(xì)說明。
[0055]本發(fā)明的具體流程圖見圖1，包括步驟:
[0056]步驟1、初始化IPSO算法的參數(shù)。
[0057]設(shè)定IPSO算法的最大迭代次數(shù)K、粒子數(shù)目N、各粒子的位置和速度。粒子位置由SVC次同步阻尼控制器的控制參數(shù)組成，所述的SVC次同步阻尼控制器的控制參數(shù)為增益Gi以及時(shí)間常數(shù)Ta1、Tbi。IPSO算法的最大迭代次數(shù)K為經(jīng)驗(yàn)值。
[0058]步驟2、采用IBBO優(yōu)化的原子分解算法辨識(shí)次同步振蕩模態(tài)參數(shù)。
[0059]次同步振蕩信號(hào)f e H，H表示希爾伯特(Hilbert)空間，定義過完備阻尼正弦原子庫D= (gY)YEM其中，是參數(shù)組Y的集合；I |gY| I = 1，即對(duì)原子庫中各原子進(jìn)行能量歸一化處理，11.11表示2-范數(shù)。參數(shù)組為原子索引。本具體實(shí)施中，原子索引為阻尼正弦量原子索引Y = (F，Φ，P，ts，te)，F(xiàn)為原子頻率，Φ為相位，P為原子阻尼系數(shù)，ts與te分別為阻尼正弦原子的開始與終止時(shí)刻。[0060]經(jīng)η次分解后的次同步振蕩信號(hào)f可表示為原子庫中原子的線性展開，如下式所示:
[0061]
【權(quán)利要求】
1.基于改進(jìn)原子分解法的次同步振蕩模態(tài)參數(shù)辨識(shí)方法，其特征在于: 采用生物地理學(xué)優(yōu)化算法優(yōu)化的原子分解法辨識(shí)次同步振蕩模態(tài)參數(shù)，包括步驟: 步驟一，以次同步振蕩信號(hào)的模態(tài)參數(shù)為原子索引構(gòu)建待辨識(shí)的次同步振蕩信號(hào)原子庫，基于次同步振蕩信號(hào)原子庫隨機(jī)生成初始化種群； 步驟二，對(duì)次同步振蕩信號(hào)進(jìn)行原子分解，以次同步振蕩信號(hào)或當(dāng)前信號(hào)殘差與原子內(nèi)積為棲息地適宜度指數(shù)，采用生物地理學(xué)優(yōu)化算法搜索種群獲得個(gè)體最優(yōu)解，將個(gè)體最優(yōu)解對(duì)應(yīng)的原子參變量轉(zhuǎn)換為次同步振蕩信號(hào)模態(tài)參數(shù)。
2.如權(quán)利要求1所述的基于改進(jìn)原子分解法的次同步振蕩模態(tài)參數(shù)辨識(shí)方法，其特征在于: 步驟二中所述的采用生物地理學(xué)優(yōu)化算法搜索種群獲得個(gè)體最優(yōu)解，具體為: (1)搜索當(dāng)前種群獲得當(dāng)前個(gè)體最優(yōu)解，判斷當(dāng)前個(gè)體最優(yōu)解的棲息地適宜度指數(shù)值是否小于設(shè)定的誤差限，若小于設(shè)定的誤差限，則該當(dāng)前個(gè)體最優(yōu)解即為搜索獲得的個(gè)體最優(yōu)解，將個(gè)體最優(yōu)解對(duì)應(yīng)的原子參變量轉(zhuǎn)換為次同步振蕩信號(hào)模態(tài)參數(shù)，完成次同步振蕩模態(tài)參數(shù)的辨識(shí)；否則，繼續(xù)步驟(2)；` (2)對(duì)當(dāng)前種群內(nèi)物種進(jìn)行遷移操作形成新種群，將新種群中各棲息地適宜度指數(shù)最大的物種作為當(dāng)前個(gè)體最優(yōu)解，然后，執(zhí)行步驟(3)； (3)對(duì)新種群進(jìn)行變異操作以優(yōu)化當(dāng)前個(gè)體最優(yōu)解，然后，執(zhí)行步驟(4)； (4)判斷生物地理學(xué)優(yōu)化算法的迭代次數(shù)是否達(dá)到預(yù)設(shè)的最大迭代次數(shù)，若達(dá)到，則保存當(dāng)前個(gè)體最優(yōu)解及其棲息地適宜度指數(shù)，然后，執(zhí)行步驟(5);否則，重新執(zhí)行步驟(2)進(jìn)行生物地理學(xué)優(yōu)化算法的下一次迭代； (5)判斷次同步振蕩信號(hào)的分解次數(shù)是否達(dá)到預(yù)設(shè)的最大分解次數(shù)M，若達(dá)到，則該當(dāng)前個(gè)體最優(yōu)解即為搜索獲得的個(gè)體最優(yōu)解，將個(gè)體最優(yōu)解對(duì)應(yīng)的原子參變量轉(zhuǎn)換為次同步振蕩信號(hào)模態(tài)參數(shù)，完成次同步振蕩模態(tài)參數(shù)的辨識(shí)；否則，重新執(zhí)行步驟2中的子步驟2.1和2.2進(jìn)行下一次信號(hào)分解。
3.如權(quán)利要求2所述的基于改進(jìn)原子分解法的次同步振蕩模態(tài)參數(shù)辨識(shí)方法，其特征在于: 步驟(2)中所述的對(duì)當(dāng)前種群內(nèi)物種進(jìn)行遷移操作形成新種群具體為: (2-a)采用余弦遷移模型獲取當(dāng)前種群內(nèi)物種的遷入率及遷出率，并根據(jù)遷入率和遷出率獲取物種數(shù)量； (2-b )根據(jù)物種遷入率、遷出率及數(shù)量對(duì)種群內(nèi)物種進(jìn)行遷移操作。
4.如權(quán)利要求2所述的基于改進(jìn)原子分解法的次同步振蕩模態(tài)參數(shù)辨識(shí)方法，其特征在于: 所述的遷移操作采用混合遷移算子進(jìn)行，即將臨近棲息地Xj中的適宜度向量與自身?xiàng)⒌豖i的適宜度向量按權(quán)重結(jié)合，取代自身?xiàng)⒌豖i的適宜度向量。
5.如權(quán)利要求2所述的基于改進(jìn)原子分解法的次同步振蕩模態(tài)參數(shù)辨識(shí)方法，其特征在于: 所述的變異操作為基于變尺度混沌局部?jī)?yōu)化的變異操作。
6.如權(quán)利要求2所述的基于改進(jìn)原子分解法的次同步振蕩模態(tài)參數(shù)辨識(shí)方法，其特征在于:所述的對(duì)新種群進(jìn)行變異操作以優(yōu)化當(dāng)前個(gè)體最優(yōu)解，具體為: 對(duì)新種群進(jìn)行變異操作以獲得變異操作后的個(gè)體最優(yōu)解，若變異操作后的個(gè)體最優(yōu)解的息地適宜度指數(shù)由于當(dāng)前個(gè)體最優(yōu)解，則將變異操作后的個(gè)體最優(yōu)解作為當(dāng)前個(gè)體最優(yōu)解；否則，當(dāng)前個(gè)體最優(yōu)解保持不變。
7.基于改進(jìn)原子分解參數(shù)辨識(shí)的SVC控制器設(shè)計(jì)方法，其特征在于，包括步驟: 步驟1，初始化粒子群算法的最大迭代次數(shù)K、粒子數(shù)目N、粒子的位置和速度，粒子的位置由SVC次同步阻尼控制器的控制參數(shù)構(gòu)成； 步驟2，采用生物地理學(xué)優(yōu)化算法優(yōu)化的原子分解法辨識(shí)次同步振蕩模態(tài)參數(shù)，該步驟進(jìn)一步包括子步驟: 2.1以次同步振蕩信號(hào)的模態(tài)參數(shù)為原子索引構(gòu)建待辨識(shí)的次同步振蕩信號(hào)原子庫，基于次同步振蕩信號(hào)原子庫隨機(jī)生成初始化種群； 2.2對(duì)次同步振蕩信號(hào)進(jìn)行原子分解，以次同步振蕩信號(hào)或當(dāng)前信號(hào)殘差與原子內(nèi)積為棲息地適宜度指數(shù)，采用生物地理學(xué)優(yōu)化算法搜索種群獲得個(gè)體最優(yōu)解，將個(gè)體最優(yōu)解對(duì)應(yīng)的原子參變量轉(zhuǎn)換為次同步振蕩信號(hào)模態(tài)參數(shù)； 步驟3，基于辨識(shí)的次同步振蕩模態(tài)參數(shù)，采用粒子群算法優(yōu)化SVC次同步阻尼控制器，該步驟進(jìn)一步包括子步驟: 3.1利用次同步振 蕩模態(tài)參數(shù)中的頻率指導(dǎo)SVC模態(tài)分離控制策略，設(shè)計(jì)SVC次同步阻尼控制器帶寬； 3.2利用次同步振蕩模態(tài)參數(shù)中的阻尼系數(shù)獲得衰減系數(shù)，并基于衰減系數(shù)構(gòu)建評(píng)價(jià)SVC次同步阻尼控制器性能的目標(biāo)函數(shù)，所述的目標(biāo)函數(shù)為在衰減系數(shù)均為負(fù)值的基礎(chǔ)上各模態(tài)衰減系數(shù)平均數(shù)絕對(duì)值最大； 3.3以目標(biāo)函數(shù)為適應(yīng)度函數(shù)，采用粒子群算法搜索獲得粒子的全局最優(yōu)位置，即完成SVC次同步阻尼控制器的設(shè)計(jì)；粒子群算法的每次迭代中，均采用步驟2所述的原子分解法辨識(shí)本次迭代的粒子全局最優(yōu)解位置對(duì)應(yīng)的衰減系數(shù)，并采用該辨識(shí)的衰減系數(shù)更新適應(yīng)度函數(shù)。
8.如權(quán)利要求7所述的基于改進(jìn)原子分解參數(shù)辨識(shí)的SVC控制器設(shè)計(jì)方法，其特征在于: 步驟3.3中所述的采用粒子群算法搜索獲得粒子的全局最優(yōu)位置，具體包括步驟: (1)以目標(biāo)函數(shù)為適應(yīng)度函數(shù)，采用粒子群算法搜索獲得粒子的當(dāng)前全局最優(yōu)位置，采用步驟2所述的原子分解法辨識(shí)粒子的當(dāng)前全局最優(yōu)解位置對(duì)應(yīng)的衰減系數(shù)，并采用該辨識(shí)的衰減系數(shù)更新適應(yīng)度函數(shù)； (2)判斷粒子群算法的迭代次數(shù)是否達(dá)到最大迭代次數(shù)K，若達(dá)到，則輸出適應(yīng)度函數(shù)的當(dāng)前最優(yōu)解及對(duì)應(yīng)的粒子全局最優(yōu)位置，即完成了 SVC次同步阻尼控制器的設(shè)計(jì)；否則，重新執(zhí)行步驟2，進(jìn)行粒子群算法的下一次迭代。
【文檔編號(hào)】G06N3/00GK103646146SQ201310710434
【公開日】2014年3月19日 申請(qǐng)日期:2013年12月20日 優(yōu)先權(quán)日:2013年12月20日
【發(fā)明者】劉滌塵, 董飛飛, 廖清芬, 吳軍, 岑炳成, 宋春麗, 朱振山, 冀星沛, 魏大千 申請(qǐng)人:武漢大學(xué)