具有遗传算法优化BP神经网络调节的HVDC PID控制器设计.pdfVIP

过程控制 化工自动化及仪表,,: ~具有遗传算法优化 神经网络调节的 控制器设计 王纪亮。焦晓红 燕山大学电气工程学院,河北秦皇岛摘要: 高压直流输电定电流控制是直流输电系统的控制方式之一,为了使控制器具有 较好的自适应性,实现控制器参数自动调整,提出一种具有遗传算法优化 神经网络调节的 控制器。 该控制器首先利用遗传算法对 神经网络的初始权值进行优化,再利用 神经网络对 三个参数进行在线 调整。仿真研究表明:具有遗传算法优化 神经网络调节的 控制器可以保证系统动态响应具有较好的快 速性和对系统扰动的自适应性,是可行的。 关键词: 高压直流输电;遗传算法; 神经网络; ;优化;参数调整 中图分类号: 文献标识码: 文章编号: ? 引 言 高压直流输电 , 是解决高电压、大容量、远距离 图 整流侧 控制系统结构图 输电和电力并网互联的重要手段。 将交流电 注: 、, 、,??直流电流的参考值、测量值和实际输出值; ? ? 通过变流器转换成直流电,然后通过直流输电线路 整流器的触发角; ??整流侧理想空载电压 传输并通过逆变器变成交流电,最终并人电网 。 整流器环节的传递函数。 传统的比例一积分一微分 控制器具有结构 整流器可表示成一阶惯性环节 : 简单、鲁棒性强、易于工程实现等特点在国内外得到了广泛应用。但在实际工程中,通常用试凑法来调 节 参数,因此调节时需要有一定的经验和技巧, 式中: :卢。 ; 。?? 整流器的时间常 这使 控制器参数的调节优化成为 控制器 数; 。??整流器稳定运行时的触发角; ??整 设计中的~个技术难点。 流器交流侧线电压的有效值。 鉴于以上分析,为了使控制器具有更好的自适检测环节传递函数。 应性,实现控制器参数自动调整。本文提出一种具 检测环节用一阶惯性环节来模拟,其传递函数 有遗传算法优化 神经网络调 为: 节 参数的控制算法。利用遗传算法对神经网络 :㈤的初始权值进行优化,然后利用 神经网络进行参数在线调整。文中利用进行仿真分 式中:增益 将实际输出值转变为标幺值,惯性环 析,通过仿真结果表明所设计的控制器能够很好地 节时间常数 为检测设备的响应时间速度。 直流输电线路的传递函数。 实现电流跟踪,所提出的设计方法是有效的、可行 上 ,。、 的。高压直流输电数学模型 式中: , ??直流线路中点到换流器出口之间线 高压直流输电定电流控制 是直流输电系统的 路包含平波电抗器 的电阻值和电感值; ??直 控制方式之一,正常运行时,由某种原因引起输电线 流线路的并联电容值。直流线路用 型网络表示, 路上直流电流的偏移,控制系统将快速地将电流调 整到正常值。传统的定电流 闭环控制结构如图 收稿日期:. 修改稿 基金项目:国家自然科学基金资助项目所示? 化 工 自 动 化 及 仪 表 第 卷 制串作为染色体编码,每 个染色体代表一个系数 其等值电路如图 所示。 值,而 的取值范围根据权系数的范围和精度确定。 使用遗传算法优化神经网络权值,必须有一个 △/一用于评价染色体的适应度函数,可用实际输出与期 望输出误差的平方和来衡量: 图 直流线路的等效电路图/ ,∑∑ 一 ‘控制器环节的传递函数。 式中:, ,?,Ⅳ??染色体数;??第 个学 习样本第 个输出节点的期望输出;??第 个 学习样本第 个输出节点的实际输出。 式中: , 。和 。?? 控制环节的比例、积分和 .神经网络 参数整定 微分系数。 . . 经典增量式数字 控制算法 因此可得 整流侧定电流控制系统闭环 经典增量式数字 控制算法为: 传递函数的表达式: “一 一一 。 ㈤㈥。 一 一一式中: ,。, ?? 比例、积分和微分系数; 遗传算法优化 神经网络??系统实际输出和期望值之间的误差; . 遗传算法对 网络初始权值寻优 ??控制器输出,即为控制律。 基于遗传算法的 神经网络算法就是在 . .神经网络整定 参数 神经网络的学习过程中,将权值和阈值描述为染色神经网络的输入变量个数取决于被控系统 体,并选取适宜的适应度函数,然后进行遗传迭代, 的复杂程度,输出节点对应的是 的三个可调参 直到某种意义上的收敛 。 数。由此,构造一个三层 网络的结构,则基于考虑一个三层 神经网络,输入层节点为 ,隐 神经网络控制器结构如图 所示 ’ 。 含层节点为,输出层节点为 , 神经网络训练的 结果将生成四个矩阵。 输入层到隐含层的权值矩阵为: 图神经网络的结构 隐含层的阈值矩阵:网络输入层的输入为: , ,?,, 式中: 个输入节点 , ,?, , 的个数取决于 : ● 系统的复杂程度。 。 网络隐含层的输入为: 隐含层到输出层的权值矩阵为: 删 ∑ //』 / 隐含层第 个神经元的