58
第26卷第4期 2010年4月
电力科学与工程
Electric Power Science and Engineering
Vol. 26, No. 4 Apr.,2010
基于改进遗传算法的汽轮机DEH系统参数优化
李娜，吕丽革？
（1.华北电力大学控制与计算机工程学院，河北保定071003： 2.河北建投灵海发电有限责任公司，河北秦皇岛066001）
摘要：在简要介绍改进遗传算法的基础上，将其应用于汽轮机数字电液调节系统的参数优化，并给出了参数优化过程。该算法有效抑制了算法早熟，提高了算法的全局搜索能力和局部控索能力。优化结果表明，这种优化算法具有计算速度快、精度高、程序通用性强等优点，为汽轮机调节系统的参数优化提供了一种有效的方法，具有一定的参考价值。
关键调：遣传算法；数字电液调节系统；参数优化
中图分类号：TK321
0引言
文献标识码：A
索最优化方法。它将“优胜劣汰，适者生存”的生物进化原理引人优化参数形成的编码串联群体中，按所选择的适配值函数并通过遗传中的复制、
汽轮机调节系统是保证机组安全稳定运行的关键设备，其性能的好坏直接影响机组的运行可靠性和经济性。机组运行工况的变化将导致调节对象运行签数和特性的变化，要保证调节系统具有良好的调节性能，需要对调节参数进行整定，以适应工况变化的要求。因此，通过对调节系统参数的优化，可以了解系统各环节参数的变化情况，便于及时发现调节系统故障以实现状态监测与故障诊断。
遗传算法是一种模拟生物进化机制的随机全局优化搜索算法，由于具有很强的全局优化能力及鲁棒性，近年来已被普遍用于生产规划、信号处理、最优控制等各个领域。本文将遗传算法引人汽轮机DEH系统的参数优化，设计了一种快速的遗传算法，并在MATLAB平台上进行实验。通过仿真研究验证，遗传算法是一种简单易行的优化方法，并适用于汽轮机DEH系统参数优化，取
得良好的优化效果。 1遗传算法改进
1.1遗传算法基本原理
遗传算法（GeneticAlgorithms）是1962年由美国Michigan大学的Holland教授提出的模拟自然界遗传机制和生物进化论而成的·~种并行随机搜
收稿日期：2009-12-22
交叉及变异对个体进行筛选，使适配值高的个体保留下来，组成新的群体。新的群体既继承了上一代的信息，又优于上一代。这样周而复始，群体中个体适应度不断提高，直到满足一定的条件。其算法简单，可并行处理，能得到全局最优解。遗传算法的基本操作包括选择、复制、交叉、变异。遗传算法流程图如图1。
初始化种群选择，交叉，变异
操作第一代种群
+
适应度评价
+
记录最优个体
N
满足终止条件？ YY 寻优结果
图1传算法流程图 Fig.1Flow chart of GA
1.2初始值及目标函数的选取
在优化中，初始值的选取非常重要，从不同的初始值出发所得到的优化值也不同，初始值选择不当，甚至导致优化过程发散。当优化的多个
作者简介：李娜（1985-），女，硕士研究生，研究方向为智能算法在电厂中的应用，E-mail：lina144@163.com 方方数据