基于粒子群優(yōu)化的電氣自動節(jié)能控制器設(shè)計

陳炎+王錫淮+肖健梅

摘 要： 針對目前電氣自動控制器自動進(jìn)行數(shù)據(jù)調(diào)試的能源消耗量大、待機(jī)狀態(tài)控制效果差等問題，提出基于粒子群優(yōu)化的電氣自動節(jié)能控制器。該設(shè)計選用SYU?213型號的節(jié)能控制器，硬件上對自動控制器進(jìn)行了優(yōu)化設(shè)計，保證各種狀態(tài)的有效切換。在軟件設(shè)計中引入粒子群優(yōu)化下的卡爾曼算法，能夠在不同狀態(tài)下進(jìn)行快速的能源降耗。實驗結(jié)果表明，所設(shè)計的基于粒子群優(yōu)化的電氣自動節(jié)能控制器可以有效降低電氣自動控制的能耗，且在待機(jī)狀態(tài)下仍可進(jìn)行節(jié)能控制。

關(guān)鍵詞： 粒子群優(yōu)化； 電氣自動控制； 節(jié)能控制器； 待機(jī)狀態(tài)； 卡爾曼算法； 狀態(tài)切換

中圖分類號： TN830.1?34； TP311 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2018）02?0068?03

Abstract： Aiming at the big energy consumption and poor standby state control effect of automatic data debugging for the current electric automatic controller， the electric automatic energy?saving controller based on particle swarm optimization is proposed. The SYU?213 energy?saving controller is selected in the design and the automatic controller is optimized in hardware design to ensure the effective switching of various states. The Kalman filter algorithm under particle swarm optimization is introduced in software design to carry out rapid energy saving under different conditions. The simulation results show that the designed electric automatic energy?saving controller based on particle swarm optimization can effectively reduce the energy consumption of electric automatic control， and carry out the energy?saving control even if it is in standby state.

Keywords： particle swarm optimization； electric automatic control； energy?saving controller； standby state； Kalman algorithm； state switching

0 引 言

電氣自動控制器是電力系維持正常運(yùn)行以及有效控制的關(guān)鍵所在[1]。通過電氣自動控制器的控制能夠有效地實現(xiàn)系統(tǒng)控制的同時還會帶來一定的能源消耗[2]。在進(jìn)行電力控制的過程中由于存在一定的控制預(yù)留以及待區(qū)遲緩的現(xiàn)象，會以反饋的形式進(jìn)行能源的消耗[3]。有時在待機(jī)狀態(tài)下，能源的消耗依然按照最大功率下的能源消耗，并且有內(nèi)能的產(chǎn)生。電氣自動節(jié)能控制器產(chǎn)生內(nèi)能對能源消耗的同時極易引起一定的安全隱患，在阻抗的作用下，電能通過以后會對阻抗元件進(jìn)行做功，這樣極大地消耗了電能[4]。對此，提出基于粒子群優(yōu)化的電氣自動節(jié)能控制器，并進(jìn)行實驗對比分析，驗證了本文設(shè)計的基于粒子群優(yōu)化的電氣自動節(jié)能控制器的有效性。

1 硬件設(shè)計

1.1 自動控制器設(shè)計方案

本文設(shè)計的基于粒子群優(yōu)化的電氣自動節(jié)能控制器，所使用的自動控制器首先能夠在不同溫度下進(jìn)行使用，并且能對中間繼電器與接觸器進(jìn)行一定有效控制，不同的調(diào)節(jié)能力下消耗的能量是不同的[5]。在待機(jī)狀態(tài)下，必須能停止控制調(diào)配裝置，方便電源能耗的減低，并且一直保持最低功率下使用狀態(tài)，一旦進(jìn)入控制狀態(tài)會立刻進(jìn)行系統(tǒng)的調(diào)配，減少緩沖能源的消耗，避免時間延續(xù)下能源消耗。在進(jìn)行高功率的工作狀態(tài)下，才能啟動制動冷卻裝置[6]，這樣既能降低能源消耗，又能減緩移動電路工作壓力。

本文設(shè)計自動控制器需要進(jìn)行控制電路冷卻功率計算，過程如下：

式中：為電路工作冷卻功率；為可持續(xù)化實施數(shù)據(jù)；為統(tǒng)計有效值。

1.2 節(jié)能裝置優(yōu)化

本文設(shè)計的基于粒子群優(yōu)化的電氣自動節(jié)能控制器的節(jié)能裝置，主要是通過硬件截止器來實現(xiàn)的，通過軟件的計算預(yù)留，截止器能夠進(jìn)行斷電和連接的設(shè)置，本文選用6685?YBF型號的截止器，這樣不但能夠滿足自身低能耗的需求還能夠有效地實施相對控制。

2 軟件設(shè)計

本文設(shè)計的基于粒子群優(yōu)化的電氣自動節(jié)能控制器，在軟件的設(shè)計中使用的是粒子集群的方式進(jìn)行有效的節(jié)能控制。

2.1 引入卡爾曼算法

本設(shè)計引入卡爾曼算法，其目的是解決不同狀態(tài)下能源自動調(diào)控，進(jìn)行卡爾曼算法前對控制系統(tǒng)數(shù)據(jù)預(yù)處理，預(yù)處理過程如下：

式中：為控制節(jié)能計算數(shù)據(jù)的表達(dá)權(quán)值；為變量函數(shù)可用值域；，分別為不同狀態(tài)下的有效功率以及使用能耗。經(jīng)過上述預(yù)處理后便可進(jìn)行粒子集群參數(shù)計算，根據(jù)設(shè)計控制器使用能力計算粒子集群參數(shù)為：

式中：為粒子集群的調(diào)控參數(shù)及粒子集群執(zhí)行參數(shù)；，分別為參變函數(shù)及全變函數(shù)；，分別為粒子加權(quán)系數(shù)及粒子變量參數(shù)。endprint

通過上述的過程后，便可以進(jìn)行卡爾曼算法，過程如下：

式中：為卡爾曼變量參數(shù)；為卡爾曼計算過程的參考常數(shù)；為可節(jié)能數(shù)據(jù)的變量配比；為節(jié)能控制的簡化數(shù)據(jù)差；為多維數(shù)控制變量數(shù)據(jù)差。

2.2 節(jié)能計算

本文設(shè)計基于粒子群優(yōu)化的電氣自動節(jié)能控制器，能夠進(jìn)行一定的自動調(diào)節(jié)，但是調(diào)節(jié)幅度需要進(jìn)行重新計算[7]。針對不同狀態(tài)下節(jié)能過程的不同，首先進(jìn)行高功率下節(jié)能計算，如下：

式中：為最大工作效率的實際調(diào)節(jié)極限值；為調(diào)節(jié)變量最佳權(quán)衡參數(shù)；為最大工作變量調(diào)節(jié)率；為極限數(shù)據(jù)恒定值。

通過極限值確認(rèn)能保證調(diào)節(jié)有效性，同時進(jìn)行極限調(diào)節(jié)[8]，極限調(diào)節(jié)即能正常工作前提下極限最小值，過程如下：

式中：為極限數(shù)據(jù)表達(dá)執(zhí)行能力；為極限調(diào)控系數(shù)。待機(jī)狀態(tài)下極限調(diào)節(jié)，首先進(jìn)行極限調(diào)節(jié)數(shù)據(jù)確認(rèn)，過程如下：

式中：為待機(jī)下調(diào)用最小限額；為待機(jī)狀態(tài)下可用極限調(diào)節(jié)系數(shù)；為恒定功率下代用能力。通過極限值確認(rèn)保證待機(jī)調(diào)節(jié)有效性[9?10]，同時進(jìn)行待機(jī)能耗極限調(diào)節(jié)，如下：

3 仿真實驗分析

3.1 參數(shù)設(shè)定

為了保證本文設(shè)計的基于粒子群優(yōu)化的電氣自動節(jié)能控制器有效性，對參數(shù)進(jìn)行設(shè)定，設(shè)定卡爾曼變量參數(shù)值域在[18.5，30.5]以內(nèi)，設(shè)置，，，分別為2.5，5 000，645，60。本文設(shè)計的實驗假設(shè)對三點進(jìn)行遠(yuǎn)程節(jié)能控制，Q0為本設(shè)計基于粒子群優(yōu)化的電氣自動節(jié)能控制器，P1，P2，P3分別為控制元件，框架如圖1所示。

3.2 節(jié)能數(shù)據(jù)誤差調(diào)節(jié)

為了保證本文設(shè)計的基于粒子群優(yōu)化的電氣自動節(jié)能控制器有效性，需要對實驗數(shù)據(jù)進(jìn)行設(shè)置，設(shè)置的參數(shù)如表1所示。

3.3 結(jié)果對比分析

分析圖2結(jié)果得知，本文設(shè)計的基于粒子群優(yōu)化的電氣自動節(jié)能控制器，其控制調(diào)節(jié)能力是傳統(tǒng)方法的3倍左右，并且其控制能力在穩(wěn)定幅度內(nèi)波動。

分析圖3得知，本文設(shè)計的基于粒子群優(yōu)化的電氣自動節(jié)能控制器，節(jié)能函數(shù)曲線明顯的大于傳統(tǒng)方法，說明在待機(jī)狀態(tài)下也進(jìn)行了節(jié)能控制。

4 結(jié) 語

針對傳統(tǒng)方法存在節(jié)能控制效果不好的問題，設(shè)計基于粒子群優(yōu)化的電氣自動節(jié)能控制器，并進(jìn)行實驗對比分析，通過實驗數(shù)據(jù)有效證明，驗證了改進(jìn)電氣自動節(jié)能控制器的有效性。

參考文獻(xiàn)

[1] 趙華東，宋保業(yè)，張建勝，等.基于粒子群優(yōu)化算法的分?jǐn)?shù)階PID控制器設(shè)計[J].山東科技大學(xué)學(xué)報（自然科學(xué)版），2017，36（4）：60?65.

ZHAO Huadong， SONG Baoye， ZHANG Jiansheng， et al. Fractional?order PID controller design based on PSO algorithm [J]. Journal of Shandong University of Science and Technology （Natural Science）， 2017， 36（4）： 60?65.

[2] 張民，應(yīng)巧萍.應(yīng)用粒子群優(yōu)化的導(dǎo)彈定結(jié)構(gòu)H∞控制器設(shè)計[J].哈爾濱工業(yè)大學(xué)學(xué)報，2016，48（10）：83?90.

ZHANG Min， YING Qiaoping. Fixed?structure H∞ controller design for missile autopilot with particle swarm optimization [J]. Journal of Harbin Institute of Technology， 2016， 48（10）： 83?90.

[3] JR I F， PERC M， LJUBI? K， et al. Particle swarm optimization for automatic creation of complex graphic characters [J]. Chaos solitons & fractals the interdisciplinary journal of nonlinear science & nonequilibrium & complex phenomena， 2015， 73（4）： 29?35.

[4] 張民，陳亮，陳欣.基于簡便約束粒子群優(yōu)化算法的空空導(dǎo)彈μ?PID控制器設(shè)計[J].兵工學(xué)報，2017，38（1）：89?96.

ZHANG Min， CHEN Liang， CHEN Xin. A simple constrained PSO algorithm and its application in μ?PID controller design for missile autopilot [J]. Acta armamentarii， 2017， 38（1）： 89?96.

[5] SINGH V， ELAMVAZUTHI I， JEOTI V， et al. Automatic ultrasound image segmentation framework based on Darwinian particle swarm optimization [C]// Proceedings of the 18th Asia Pacific Symposium on Intelligent and Evolutionary Systems. [S.l.： s.n.]， 2015： 225?236.

[6] 趙丹，張九根，黃藝新，等.改進(jìn)粒子群算法在空調(diào)冷凍水系統(tǒng)的控制研究[J].科技通報，2016，32（7）：117?120.

ZHAO Dan， ZHANG Jiugen， HUANG Yixin， et al. Research of air?conditioning chilled water system control based on improved PSO [J]. Bulletin of science and technology， 2016， 32（7）： 117?120.endprint

[7] 楊婷婷，李愛軍.基于免疫粒子群優(yōu)化的反演超機(jī)動飛行控制律[J].西北工業(yè)大學(xué)學(xué)報，2015（3）：500?505.

YANG Tingting， LI Aijun. A super maneuver backstepping flight control law design based on immune particle swarm optimization method [J]. Journal of Northwestern Polytechnical University， 2015（3）： 500?505.

[8] BABU V R， MAITY T， BURMAN S. Energy saving possibilities of mine ventilation fan using particle swarm optimization [C]// International Conference on Electrical， Electronics， and Optimization Techniques. Chennai： IEEE， 2016： 676?681.

[9] FERN?NDEZ?RODR?GUEZ A， FERN?NDEZ?CARDADOR A， CUCALA A P， et al. Design of robust and energy?efficient ATO speed profiles of metropolitan lines considering train load variations and delays [J]. IEEE transactions on intelligent transportation systems， 2015， 16（4）： 2061?2071.

[10] GOZDE H， TAPLAMACIOGLU M C， ARI M. Automatic voltage regulator （AVR） design with chaotic particle swarm optimization [C]// International Conference on Electronics， Computers and Artificial Intelligence. Bucharest： IEEE， 2015： 23?26.endprint