刘 萌，王印松，牟文彪，杨 敏，陆 陆

（1.华北电力大学控制与计算机工程学院，河北 保定 071000；2.浙江省能源集团有限公司，浙江 杭州 310007；3.浙江省火力发电高效节能与污染物控制技术研究重点实验室，浙江 杭州 310000）

随着火电机组深度调峰技术的推广应用和新能源发电的大批量并网，火电机组日负荷曲线常处于多峰波动状态，且机组升降负荷速率较快。为满足火电机组快速深度变负荷工况下主蒸汽温度控制器参数整定的需求[1]，各种智能优化算法被应用在主蒸汽温度控制器优化研究，如粒子群（PSO）算法[2]、遗传算法[3]、多目标遗传算法NSGA-Ⅱ[4]、差分进化算法[5]、云模型理论[6]及细菌觅食算法[7]等。这些算法不仅要保证参数优化精度，还需要考虑算法收敛时间是否适应机组快速变负荷的性能要求[8]。

PSO算法作为一种基于迭代寻优的智能优化算法，在参数优化中得到广泛应用[9]。文献[10]提出带有自适应学习因子的PSO算法，在算法进化不同阶段，通过改变因子c1与c2来动态调整PSO的个体认知和全局认知。仿真结果表明改进后算法较标准PSO算法具有更优收敛精度；但改进后算法在提高全局搜索能力的同时降低了算法局部收敛的快速性，整体收敛时间与标准PSO算法区别不明显。文献[11]提出一种自适应权重PSO算法，根据非线性函数动态调整参数，在搜索前期增加粒子全局搜索能力，搜索后期增加粒子局部搜索能力。仿真结果表明，改进后算法收敛精度较标准PSO算法有较大改善；但改进后算法进化前期收敛时间较长，进化后期收敛时间较短，整体收敛时间较标准PSO算法并无明显提升。……