摘要：利用粒子群算法对线性最优励磁控制器状态向量的权矩阵Q进行优化设计，以使系统性能指标达到最优。单机－无穷大系统仿真表明，该方法可以得到满足要求的最优解，简单易行，并可以避免传统方法中权矩阵凭经验选取的困难，使系统的综合动态性能指标得到了很大的提高。
关键词：励磁控制；粒子群算法；线性最优控制
中图分类号：TM761 文献标识码：A 文章编号：1674-7712 (2012) 16-0005-02
一、引言
近年来，现代控制理论在电力系统中获得了广泛的应用，上世纪七十年代提出了利用线性最优控制理论设计线性最优励磁控制器[1]，与传统励磁控制器相比，对系统的振荡，它能提供较理想的阻尼效果，保证系统的小干扰稳定性；理论上讲，它能有效抑制大范围内的频率振荡。
线性最优励磁控制器设计中不同的Q阵得到不同的反馈阵K，将得到不同的系统响应。因此，线性最优控制的一个重要问题就是如何选择好权矩阵Q，使设计的闭环控制系统拥有期望的动态性能指标或者是期望的闭环极点。
当考虑到系统的时域和频域响应随着权矩阵的选择不同而变化时，可以认为线性最优控制器的设计是以权矩阵为变量的多目标优化问题。这种优化问题，考虑到各种条件限制时，是非常复杂的，而且大多数情况下，设计的目标往往相互冲突，应用传统的设计方法很难解决。
针对以上的问题，在参阅了大量中外文献的基础上，本文将粒子群算法引入到权矩阵的优化中，解决了传统算法设计复杂，过于依赖经验值的缺陷。从算例结果上看，经优化后的线性最优励磁控制器可以很好的适应单机无穷大（SMIB）系统运行状况的变化，无论是在机械功率发生变化还是线路发生故障，控制效果明显要优于常规线性最优励磁控制器。
二、粒子群算法的基本原理
粒子群（PSO）算法模拟生物种群特性行为用以解决优化问题。在PSO中，每个优化问题的潜在解都是搜索空间中的一只鸟，称之为“粒子”。所有的粒子都有一个由被优化的函数决定的适应值（Fitness Value），每个粒子还有一个速度决定他们飞翔的方向和距离。然后粒子们就追随当前的最优粒子在解空间中搜索。PSO初始化为一群随机粒子（随机解），然后通过迭代找到最优解。
假设在一个维的目标搜索空间中，有个粒子组成一个群落，其中第个粒子表示为一个维的向量，，它就是第个粒子在维搜索空间中的位置，即每个粒子的位置就是一个潜在的解。将代入一个目标函数就可以计算出它的适应值，根据适应值的大小衡量其优劣。第个粒子的“飞翔”速度也是一个矢量，记为。记录第个粒子迄今为止搜索到的最优位置为，在整个种群中，至少有一个粒子是最好的，其编号设为，，则就是种群搜索到的最好位置。
六、结语
将本文经过参数优化后的最优控制规律用于发电机励磁上可以有效地防止因机械功率变化而引起的电压、功角偏差，并具有很好的动态性能，这表明，它改善了系统抑制振荡的能力。在电力系统发生故障时，改进后的最优励磁控制提供了较好的人工阻尼，可以保证电压在出现较大偏差的情况下，在很短的时间内恢复到原来的水平。
参考文献：
[1]朱振青.励磁控制与电力系统稳定[M].北京:水利电力出版社,1994:105-122.
[2]卢强,王仲鸿,韩英铎.输电系统最优控制[M].北京:科学出版社,1982:34-56.
[3]Wei Lin,ChunjiangQian.Adaptive control of Nonlinearly Parameterized Systems：The Smooth Feedback Case.IEEE Transactions on Automatic Control[J],2002,47(8):1249-1266.
[4]Qiang Lu,Shengwei Mei,Wei Hu.etc.Nonlinear Decentralized Disturbance Attenuation Exciation Control via New Recursive Design for Multi-Machine Power Syetems.IEEE Trans on Power Systems[J],2001,16(4):729-736.
[作者简介]王光明，男，籍贯：黑龙江省大庆市，职称：工程师，研究方向：电力系统自动化。
