摘要：为解决水轮发电机组调速器PID参数优化问题，引入菌群优化（bacterial foraging optimization，BFO）算法。考虑到BFO算法收敛速度慢，而粒子群优化（paticle swarm optimization，PSO）算法具有较好的收敛性，提出BFO—PSO算法。以描述菌体间相互吸引、相互排斥、相互学习的Jcc指标与综合ITAE指标之和构成一种新型适应度函数。数值计算结果表明：与BFO算法、PSO算法相比，BFO-PSO算法收敛速度快，能有效改善水轮机调节系统空载工况和孤网运行条件下过渡过程的动态性能。

关键词：菌群优化算法 粒子群优化算法 水轮发电机组 pid参数优化 

单位：华中科技大学水电与数字化工程学院 湖北省武汉市430074