一种基于人工蜂群算法的自励磁发电机稳态性能评估方法与流程

本发明属于发电机性能评估设计领域，具体涉及一种基于人工蜂群算法的自励磁发电机稳态性能评估方法。

背景技术：

随着石油燃料资源的消耗殆尽，风能、核能、太阳能等新型能源逐渐地走入了人们的视野。同时，由于感应电机具有维修简单、无刷异步控制、成本低、等特点，可以广泛应用于风能转化系统。感应电机的励磁单元无需外接直流电源，只需励磁电流就可以为励磁系统和外电路供电。当感应发电机接入电力系统时，它从电网获得无功功率，但是对于独立运行的发电机而言，它是通过在励磁电抗上并联电容维持自己的自励磁模式。当部分偏远地区电力供应不足时，可以采用感应发电机供电，这相比于从电网供电，用感应发电机发电提供电力供应则更加经济实惠。但是，感应发电机发电同样存在一些不足，主要是无法控制节点电压、频率和无功消耗等。

为了评估自励磁感应发电机的相关性能，国内外学者们已经开展了针对发电机稳态性建模的各项研究。已经有的研究就是先建立了计及导纳的单相等效电路模型，计算过载情况下的频率和励磁电抗。建立了导纳实部和虚部两个非线性等式，导纳的实部由f的高阶多项式构成，该多项式不包括Xm。导纳的虚部则包括了Xm和f。通过实部方程可以计算得到f的结果，然后将其结果带入虚部方程，就可以计算得到Xm，通过Xm和f就可以绘制感应发电机的磁化曲线，进而评估感应发电机的稳态特性。遗传算法是一种可以全局搜索的优化算法，遗传算法研究同步发电机的稳态性，但是因为全局搜索范围过大的问题，优化结果并不是十分精确。在早些年的研究中，将导纳函数的实部和虚部进行分离一直是研究的难点，迭代的最初解对于算法的收敛性和解集的合理性十分重要，如果最初解选择的不合适，则会造成结果不收敛或者优化结果不是最优等问题本发明利用人工蜂群算法对自励磁感应电机的稳态特性进行研究，避免了数值计算方法中对初始解的特殊要求，不需要将导纳实部和虚部分开，简化了计算流程，使计算结果更为精确合理。

技术实现要素：

有鉴于此，本发明的目的是提供一种基于人工蜂群算法的自励磁发电机稳态性能评估方法，通过建立自励磁发电机单相等值电路，通过人工蜂群优化算法计算相关参数，对发电机稳态特性进行分析，解决其他计算方法中对初始解有特殊要求以及要将导纳实部和虚部分开的问题，简化计算流程，使计算结果更为精确合理。。

本发明采用以下方法实现：一种基于人工蜂群算法的自励磁发电机稳态性能评估方法，具体包括以下步骤：

步骤S1：建立自励磁发电机单相等值电路模型；

步骤S2：利用人工蜂群算法对自励磁发电机阻抗和励磁阻抗、转速进行优化控制；

步骤S3：计算定子电流，端电压、负载电流和有功功率，用于分析自励磁感应发电机的稳态模型。

上述的一种基于人工蜂群算法的自励磁发电机稳态性能评估方法中，所述步骤S1中的自励磁发电机单相等值电路模型的建立基于以下四点假设：(1)忽略线路铁损；(2)忽略滑差对于转子电抗的影响；(3)漏抗等于转子电抗；(4)无谐波分量。

上述的一种基于人工蜂群算法的自励磁发电机稳态性能评估方法中，还包括以下步骤：

步骤S4：利用数值计算方法求得励磁电抗、频率和电压；并将利用数值计算方法得到的结果与利用人工蜂群算法的优化结果进行对比，验证人工蜂群算法的有效性。

上述的一种基于人工蜂群算法的自励磁发电机稳态性能评估方法中，所述步骤S1具体包括以下步骤：

对于自励磁发电机单相等值电路某点应用基尔霍夫定律，让该点导纳为零，实现自励磁；

Y＝0 (1)

Y＝YLCs+Ym+Yr (2)

其中，f：频率；RL：单相负载电阻；Rs：单相定子电阻；Rr：单相转子电阻；b：单位速度；Xs：单相定子电抗；Xr：单相转子电抗；XC：单相电容支路电抗；Xm：额定频率下的励磁电抗；XL：单相负载电抗；Y：总导纳；|Y|：总导纳的模值；Ys：定子导纳；Yr：转子导纳；YL：负载导纳；Ym：励磁导纳；YLCs：定子及负载的总导纳；Yc：电容支路导纳。

上述的一种基于人工蜂群算法的自励磁发电机稳态性能评估方法中，所述步骤S2的人工蜂群算法具体包括：

步骤S21：蜂群分为雇佣蜂、非雇佣蜂两类，雇佣蜂与非雇佣蜂各占群体总量的一半；非雇佣蜂又分为侦查蜂和跟随蜂两类，其中侦查蜂的平均数目是蜂群的5％-20％；每个雇佣蜂都属于一个食物源，因此，食物源的数量等于雇佣蜂数量；

步骤S22：蜜蜂以侦察蜂的身份搜索；其搜索由系统提供的先验知识决定或者完全随机；

侦查蜂通过公式(10)的方式寻找新的食物源：

其中，是第i个食物源解向量中的第j个元素；是所有食物源解向量中第j个元素的最小值；是所有食物源解向量中第j个元素的最大值；rand[0,1]是生成一个[0,1]区间的随机数。

步骤S23：经过一轮侦查后，若蜜蜂找到食物源，蜜蜂利用它本身的存储能力记录位置信息并开始采蜜，变成雇佣蜂；

步骤S24：雇佣蜂在食物源采蜜后回到蜂巢卸下蜂蜜然后将有如下选择：

(1)放弃食物源而成为非雇佣蜂；

(2)跳摇摆舞为所对应的食物源招募更多的蜜蜂，然后回到食物源采蜜；

(3)继续在同一个食物源采蜜而不进行招募；

新的食物源替代旧的食物源表达如公式(11)所示：

其中，k，j是随机序号索引，k∈{1,2,……,Nf},j∈{1,2,……,D}，k≠i，φij是[-1,1]的一个随机数，Nf是食物源数量，D是食物源解向量xi的维数，是第i个食物源新的解向量中的第j个元素；是第i个食物源旧的解向量中的第j个元素；是第k个食物源旧的解向量中的第j个元素。

因为雇佣蜂也会修改和检查食物源的花蜜数量，如果新食物源的花蜜数量更多，那么他们就会记忆新食物源的相关信息，否则他们则仍保持对旧食物源的记忆；

步骤S25：对于非雇佣蜂有如下选择：

(1)转变成为侦察蜂并搜索蜂巢附近的食物源；其搜索由先验知识决定或者完全随机；

(2)在观察完摇摆舞后被雇用成为跟随蜂，开始搜索对应食物源邻域并采蜜。

非雇佣蜂选择食物源的概率值计算公式如公式(12)所示：

其中，fiti是第i种解的适应度值，即第i个位置的食物源的花蜜数量，Nf是食物源数量，pi是第i种解的适应度值。

上述的一种基于人工蜂群算法的自励磁发电机稳态性能评估方法中，所述步骤S3具体包括：

利用下述公式计算出不同励磁电容值、转子转速和负载阻抗所对应的稳态特性；

定子电流公式如(13)所示：

端电压计算公式如(14)所示：

负载电流计算公式如(15)所示：

有功功率计算公式如(16)所示：

P＝3RL|IL|² (16)

其中，f：频率；Is：定子单相电流；Vg：气隙电压值；VL：端电压；IL：负载电流；P：有功功率；Yr：转子导纳；YL：负载导纳；Ym：励磁导纳；YC：电容支路导纳。

上述的一种基于人工蜂群算法的自励磁发电机稳态性能评估方法中，所述步骤S4进一步包括：

步骤S41：利用数值计算方法求解发电机稳态特性模型，基于S1的计算基础，分别列出导纳的实部和虚部，让实部等于零，得到f的7阶多项式，如公式(17)所示：

P7F⁷+P6F⁶+P5F⁵+P4F⁴+P3F³+P2F²+P1F+P0＝0 (17)

让虚部等于0，就可以得到励磁电抗Xm，如公式(19)所示：

其中，P7,P6,P5,P4,P3,P2,P1,P0是已知的多项式系数；RL：单相负载阻抗；Xs：单相定子电抗；XL：单相负载电抗；Rs：单相定子电阻；Rr：单相转子电阻；Xs：单相定子电抗；Xr：单相转子电抗；b：单位速度；

其中，P7,P6,P5,P4,P3,P2,P1,P0是已知量；先根据公式(17)计算f，再根据公式(18)计算Xm。

步骤S42：将数值计算方法求解结果与人工蜂群算法结果进行对比分析，验证人工蜂群算法的有效性。

本发明的有益效果是：本发明利用人工蜂群算法对自励磁感应电机的稳态特性进行研究，避免了数值计算方法中对初始解的特殊要求，不需要将导纳实部和虚部分开，简化了计算流程，使计算结果更为精确合理。

附图说明

图1为本发明技术方案的实施流程图；

图2为自励磁感应发电机等效电路图；

图3为人工蜂群算法流程图；

图4为不同电抗的励磁电抗-阻抗关系图；

图5为不同电抗的频率-阻抗关系图；

图6为不同转子速度的励磁电抗-阻抗关系图；

图7为不同转子速度的频率-阻抗关系图；

图8为不同阻抗的励磁电抗-电容关系图；

图9为不同阻抗的频率-电容关系图；

图10不同电容下电压-频率关系图。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

本发明提供一种基于人工蜂群算法的自励磁发电机稳态性能评估方法，如图1所示,具体包括以下步骤：

步骤S1：建立自励磁发电机单相等值电路模型；

步骤S2：利用人工蜂群算法对自励磁发电机阻抗和励磁阻抗、转速进行优化控制；

步骤S3：计算定子电流，端电压、负载电流和有功功率，用于分析自励磁感应发电机的稳态模型。

步骤S1中的自励磁发电机单相等值电路模型的建立基于以下四点假设：(1)忽略线路铁损；(2)忽略滑差对于转子电抗的影响；(3)漏抗等于转子电抗；(4)无谐波分量。

步骤S4：利用数值计算方法求得励磁电抗、频率和电压；并将利用数值计算方法得到的结果与利用人工蜂群算法的优化结果进行对比，验证人工蜂群算法的有效性。

所述步骤S1具体包括以下步骤：

建立自励磁感应发电机的单相等值电路模型，如图2所示，对a点应用基尔霍夫定律进行分析，让该点导纳为零，实现自励磁；

Y＝0 (1)

Y＝YLCs+Ym+Yr (2)

其中，f：频率；RL：单相负载电阻；Rs：单相定子电阻；Rr：单相转子电阻；b：单位速度；Xs：单相定子电抗；Xr：单相转子电抗；XC：单相电容支路电抗；Xm：额定频率下的励磁电抗；XL：单相负载电抗；Y：总导纳；|Y|：总导纳的模值；Ys：定子导纳；Yr：转子导纳；YL：负载导纳；Ym：励磁导纳；YLCs：定子及负载的总导纳；Yc：电容支路导纳。

所述步骤S2的人工蜂群算法具体包括：

步骤S21：蜂群分为雇佣蜂、非雇佣蜂两类，雇佣蜂与非雇佣蜂各占群体总量的一半；非雇佣蜂又分为侦查蜂和跟随蜂两类，其中侦查蜂的平均数目是蜂群的5％-20％；每个雇佣蜂都属于一个食物源，因此，食物源的数量等于雇佣蜂数量；

步骤S22：蜜蜂以侦察蜂的身份搜索；其搜索由系统提供的先验知识决定或者完全随机；

侦查蜂通过公式(10)的方式寻找新的食物源：

其中，是第i个食物源解向量中的第j个元素；是所有食物源解向量中第j个元素的最小值；是所有食物源解向量中第j个元素的最大值；rand[0,1]是生成一个[0,1]区间的随机数。

步骤S23：经过一轮侦查后，若蜜蜂找到食物源，蜜蜂利用它本身的存储能力记录位置信息并开始采蜜，变成雇佣蜂；

步骤S24：雇佣蜂在食物源采蜜后回到蜂巢卸下蜂蜜然后将有如下选择：

(1)放弃食物源而成为非雇佣蜂；

(2)跳摇摆舞为所对应的食物源招募更多的蜜蜂，然后回到食物源采蜜；

(3)继续在同一个食物源采蜜而不进行招募；

新的食物源替代旧的食物源表达如公式(11)所示：

其中，k，j是随机序号索引，k∈{1,2,……,Nf},j∈{1,2,……,D}，k≠i，φij是[-1,1]的一个随机数，Nf是食物源数量，D是食物源解向量xi的维数，是第i个食物源新的解向量中的第j个元素；是第i个食物源旧的解向量中的第j个元素；是第k个食物源旧的解向量中的第j个元素。

因为雇佣蜂也会修改和检查食物源的花蜜数量，如果新食物源的花蜜数量更多，那么他们就会记忆新食物源的相关信息，否则他们则仍保持对旧食物源的记忆；

步骤S25：对于非雇佣蜂有如下选择：

(1)转变成为侦察蜂并搜索蜂巢附近的食物源；其搜索由先验知识决定或者完全随机；

(2)在观察完摇摆舞后被雇用成为跟随蜂，开始搜索对应食物源邻域并采蜜。

非雇佣蜂选择食物源的概率值计算公式如公式(12)所示：

其中，fiti是第i种解的适应度值，即第i个位置的食物源的花蜜数量，Nf是食物源数量，pi是第i种解的适应度值。

应用人工蜂群算法研究自励磁感应发电机稳态特性流程图如图3所示。

所述步骤S3具体包括：

步骤S31：假设转子速度标幺值为1不变，根据电容大小的不同建立三种场景，研究励磁电抗和阻抗之间的关系，如图4所示，励磁电抗随着阻抗的增加而减少，在低阻抗时，励磁电抗超过了饱和值X0，导致自励磁失败。当阻抗一定时，励磁电抗随着电容的增加而减少。如图5所示，频率几乎不受阻抗的影响。

步骤S32：假设励磁电容不变，通过改变转子速度的大小建立了三种场景，研究励磁电抗和频率受负荷的影响。如图6所示，随着阻抗的增加，励磁电抗呈现下降趋势，相同阻抗情况下，励磁电抗随着转速的增加而减少。如图7所示，当转速一定时，频率随着阻抗的增加而增加，但是增加速度逐渐减慢。当阻抗一定是，频率随着转速的增加而增加。

步骤S33：假设转子速度的标幺值为1，通过改变阻抗的大小建立了三种场景，研究励磁电抗和频率与电容的关系，由图8可知，当电容在一定范围变化时，励磁电抗处于非饱和的励磁电抗值，因此感应发电机处于自励磁状态。当超过这个范围，感应发电机失去自励磁。Xm随着负荷的增加而增加。由图9可知，频率变化几乎不受电容的影响。由图10可知，不管在何种电容下，随着频率的增加，终端电压的值均随之减小。

步骤S34：

利用下述公式计算出不同励磁电容值、转子转速和负载阻抗所对应的稳态特性；

定子电流公式如(13)所示：

端电压计算公式如(14)所示：

负载电流计算公式如(15)所示：

有功功率计算公式如(16)所示：

P＝3RL|IL|² (16)

其中，f：频率；Is：定子单相电流；Vg：气隙电压值；VL：端电压；IL：负载电流；P：有功功率；Yr：转子导纳；YL：负载导纳；Ym：励磁导纳；YC：电容支路导纳。

所述步骤S4具体包括：

步骤S41：利用数值计算方法求解发电机稳态特性模型，基于S1的计算基础，分别列出导纳的实部和虚部，让实部等于零，得到f的7阶多项式，如公式(17)所示：

P7F⁷+P6F⁶+P5F⁵+P4F⁴+P3F³+P2F²+P1F+P0＝0 (17)

让虚部等于0，就可以得到励磁电抗Xm，如公式(19)所示：

其中，P7,P6,P5,P4,P3,P2,P1,P0是已知的多项式系数；RL：单相负载阻抗；Xs：单相定子电抗；XL：单相负载电抗；Rs：单相定子电阻；Rr：单相转子电阻；Xs：单相定子电抗；Xr：单相转子电抗；b：单位速度；

其中，P7,P6,P5,P4,P3,P2,P1,P0是已知量；先根据公式(17)计算f，再根据公式(18)计算Xm。

步骤S42：将数值计算方法求解结果与人工蜂群算法结果进行对比分析，验证人工蜂群算法的有效性。

将人工蜂群优化算法的计算结果与数值计算结果进行对比分析，数值计算方法在解决优化问题中显得更加复杂。而且，人工蜂群算法无需将分开实部和虚部，计算精度也更高。在图4-图10中，圆点表示的是数值计算算法得到的结果，通过点与曲线的位置关系可以看出两种方法结果大致吻合，但是在部分情况下数值计算结果偏差较大。从表1和表2中不难看出，人工蜂群算法优势更加明显。表格1给出了励磁阻抗的误差，表格2给出了频率误差，表格3是端电压的计算值，误差大多在0.001以内。由此可见，通过采用人工蜂群优化算法，可以有效简化优化问题的计算过程，提高计算精度，从而保证了自励磁感应电机运行特性的改善。

表1.励磁电抗的比较

表2频率的比较

表3.终端电压的比较