Um den Anforderungen an die Einstellung der Parameter des Hauptdampftemperaturreglers bei schnellstem negativem Lastwechsel von Wärmekraftwerken gerecht zu werden, werden der Auswahloperator, der adaptive Lernfaktor und der adaptive Trägheitsgewichtsfaktor in den Standard-Partikelschwarm-Algorithmus eingeführt und der Mehrstrategie-Erkundungs-Partikelschwarm-Algorithmus vorgeschlagen. Basierend auf dem Fitnessbewertungsindex wird die Population in eine Standard-Partikelschwarm-Betriebszone, eine Auswahlop-erationszone, eine adaptive Lernfaktor-Betriebszone und eine adaptive Trägheitsgewichtsfaktor-Betriebszone unterteilt, um die Vorteile aller Optimierungsstrategien voll auszuschöpfen, die hohe Konvergenzgenauigkeit des Algorithmus zu gewährleisten und gleichzeitig eine hohe Konvergenzgeschwindigkeit zu erzielen. Es wurden Vergleichsexperimente mit acht verbesserten Partikelschwarmstrategien durchgeführt. Die Ergebnisse zeigen, dass der vorgeschlagene Algorithmus eine hohe Optimierungsgenauigkeit und eine schnelle Konvergenz bietet. Ein Vergleich des vorgeschlagenen Algorithmus mit der Abschwächungskurvenmethode und drei anderen verbesserten Partikelschwarmalgorithmen zur Optimierung der Parameter des Kaskaden-PID-Temperaturreglers für die Hauptdampftemperatur bestätigte die Wirksamkeit des vorgeschlagenen Algorithmus.

Partikelschwarm-Optimierungsalgorithmus; Hauptdampftemperatur; Parameteroptimierung; Kaskadenregelung; Zonenerkundung; PID; Konvergenzgeschwindigkeit