彭利鸿，宋 媛，刘 冬，孟岁利，肖志怀

(武汉大学动力与机械学院，武汉 430072)

在电力系统中，为保证电能频率稳定，水轮机调节系统承担着重要任务。水轮机调节系统建模仿真、优化控制一直是行业关注的热点。水轮机调节系统对象的精确建模是仿真建模和优化控制的关键。早期的水轮机数学建模方法是利用局部线性化方法建立水轮机线性模型[1]，主要用于分析水轮机组小扰动过渡过程；1992年，美国电子电气工程师学会(IEEE)提出一种用于分析水轮机组大波动过渡过程的非线性模型[2,3]。水轮机线性模型与IEEE的非线性模型在实际应用中存在精度不足，研究工作者针对水轮机工作的非线性特性，利用人工神经网络的非线性映射能力与泛化能力对模拟水轮机非线性特性展开广泛的研究[4-6]。

反向传播(Back Propagation ，BP)神经网络在水轮机非线性建模中应用广泛，但仍然存在易陷于局部极小值、收敛速度慢、接近最优解时可能产生振荡等缺陷[7, 8]。遗传算法(Genetic Algorithm ，GA)包含概率搜索的思想，具有更好的灵活性与全局最优性等特点[9]。利用GA初始化BP神经网络权值与阈值，二次训练神经网络，有助于提高BP神经网络的稳定性，减少占机时间[10,11]。

本文运用基于遗传算法改进反向传播神经网络的GA-BP神经网络，对某水电站混流式水轮机模型综合特性曲线、飞逸特性曲线进行拟合与建模。在水轮机模型综合特性曲线与飞逸特性曲线上直接读取水轮机流量特性、效率特性、飞逸特性样本数据，经计算处理得力矩特性样本数据，最后对已知样本数据进行补充扩展。……