基于多Agent的遗传算法在PID调速器中的优化.pdfVIP

第32卷第9期 电力自动化设备 V01．32No．9 ElectricAutomation @2012年9月 Power Equipment Sept．2012 基于多Agent的遗传算法在PID调速器中的优化 孟安波．殷豪 (广东工业大学自动化学院，广东广州510006) 件建立了实施MAGA的分布式移动计算平台。在此平台上，对机组不同运行工况下自适应PID调速器进行了 优化。仿真结果表明，MAGA能够获得遗传算法的寻优效果且优化时间显著缩短。 关键词：多Agent；遗传算法；自适应变参数PID调速器；JADE；优化 761 文献标识码：A 中图分类号：TK730：TK 复杂性及难度增加．提高遗传算法的运行速度便显得 0 引言 尤为重要。作为人工智能的一个分支，多Agent系 统由于具有自治性、开放性、社会性等特点，特别适 自适应PID调速器参数优化主要是针对机组过渡 合解决大规模分布式复杂问题[6-引。针对上述问题， 过程寻找最优控制参数的过程。一般中小机组主要接 受调度命令进行各种工况的调整，如增减负荷、停机 Genetic 等．负荷变化相对较慢。但对在系统中担任主调峰调频 (Multi．Agent 进行了仿真验证。 的机组．如三峡机组而言。由于工作水头和机组出力变 化大且快．导致其运行工况经常变化。若对整个水电机 1水电机组调节系统数学仿真模型 组控制域应用传统固定PID参数．往往很难获取全工 建立水电机组调节系统数学仿真模型是PID参数 作域的最优调节。为此。三峡机组选择适应式变参数 优化的前提。水电机组调节系统是一个水、机、电过程 PID控制策略[1-33，其主要思想为：随着工况(水头和出 力)的改变，自动在线地改变调速器控制参数，使机组 相互影响、相互制约的复杂系统．针对三峡机组。本文 性能在全工域的各种工况下都达到最优。为满足实时 性要求．还必须对各工况点对应的PID参数进行离线优 仿真模型，见图1。该模型主要包括调速器模块、液压随 化整定。因而．建立符合实际的机组模型并选择一种 动系统模块和水轮发电机模块。为提高模型精度．在 合适的优化算法是实现上述控制策略的关键所在。 (S 、 S．functionMt) 遗传算法是一种模拟自然选择和遗传机制的全局 Qnoitcnuf_轮水映反个2了立建别分 概率寻优算法．由于遗传算法对优化对象的数学模型、 机动态特性的非线性数学模型：p=“口，h，戈)和坛= 初始参数、变量数量等都没有特殊限制，因而得到了广 f(a，h，髫)，其中，Q和尬分别反映了流量、力矩和水轮 泛的应用[4-5]。但是，对于复杂的优化模型，遗传算法机开度o、水头h、转速戈的非线性关系。p、Mt及其导 适应度的计算往往占有绝大部分时间资源[7]。例如在 数在整个区域内连续，保证了迭代过程的收敛：同时建 MATLAB中仿真运行三峡机组调节系统模型，每次需