小丹尼DannyData两年前我第一次搭单区域负荷频率控制模型时，卡了整整一周的不是建模，而是PID参数。试凑法把积分增益调大，频率超调就起来；把比例增益压小，稳态误差又消不掉。后来我把灰狼优化算法（GWO）接进Matlab/Simulink仿真闭环，用ITAE作为适应度函数自动整定PID，终于把这件事从玄学变成可复现的流程。
这篇文章就把我的整套做法拆开讲：单区域LFC模型怎么搭、GWO算法怎么对应到PID参数搜索、Simulink和Matlab脚本怎么联动，以及那些文档里不会写的坑。内容不绕弯子，适合正在做电力系统课程设计、毕业设计，或者想用智能优化算法做控制整定的同学参考。
1. 单区域负荷频率控制：从“一次调频不够用”到“PID补位”
1.1 模型里到底有哪些环节？为什么是 1/(2Hs+D)？
负荷频率控制（LFC）解决的是一个很实际的问题：用户负荷突然增加时，发电机转子转速会下降，系统频率跟着跌落。单区域模型把整个电网简化成一台等效发电机、一台等效汽轮机和一台调速器，便于研究一次调频和二次调频的基本规律。
频率偏差的动态方程来自转子运动方程。把机械功率增量设为 ΔPm，负荷扰动设为 ΔPL，惯量时间常数 H，负荷阻尼系数 D，则有：
(2Hs + D)·Δf(s) = ΔPm(s) − ΔPL(s)
所以发电机和负荷等效环节的传递函数就是 1/(2Hs+D)。这个惯性环节是整条控制链路里最核心的“被控对象”。2H 越大，系统惯性越大，频率变化越慢；D 越大，负荷自身对频率变化的调节能力越强，频率稳态偏差也越小。
在 Simulink 里搭模型时，还要把调速器和原动机也放进来。调速器传递函数通常写成 1/(Tg·s+1)，对应机械液压调速器的惯性；汽轮机（非再热式）写成 1/(Tt·s+1)。整体框图是：
- 频率偏差 Δf
- 经过调速系数 1/R 反馈到调速器输入端
- 调速器输出阀位指令 ΔPv
- 汽轮机输出机械功率增量 ΔPm
- ΔPm 减去负荷扰动 ΔPL 后驱动 1/(2Hs+D) 得到 Δf
需要注意的是，这个闭环里已经有一次调频的调差反馈，但一次调频是有差调节。若只靠 1/R 反馈，负荷增加后频率会稳定到某个不等于额定值的偏差上，而积分控制的作用就是把这个偏差慢慢消到零。
1.2 传统整定为什么在LFC里不省心
很多教材讲PID整定都会提 Ziegler-Nichols，但这套方法在LFC场景下并不顺手。Z-N 法通常要让系统进入临界振荡，得到的PID参数往往比较激进，容易让频率响应出现明显超调。电力系统对频率超调是敏感的，尤其是并网运行时，过大的频率偏移可能触发保护装置。
另一个问题是 LFC 模型本身含有时滞和惯性，闭环阶数不低。试凑法不是不行，只是低阶系统靠试凑很快能出效果，但单区域 LFC 中调速器、汽轮机、转子惯量三个惯性环节串在一起，PID 的三个参数互相牵制，调比例会让超调变大，调积分会让振荡变多，调微分又容易引入噪声。我一开始手动试凑花了三四天，最后也只是“勉强能用”，换一个扰动幅值后又得重调。
所以后来我选择把参数整定问题转化为优化问题：把 Kp、Ki、Kd 当作决策变量，把频率偏差的某种积分指标当作目标函数，用群智能优化算法去搜。GWO 是我用下来最稳的算法之一，至少在这个问题上不需要像 PSO 那样额外调惯性权重和学习因子，也不用像遗传算法那样纠结交叉变异概率。对工程仿真来说，算法参数越少越不容易翻车。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. GWO在PID参数搜索中的具体用法：三个狼等级对应三组PID候选
2.1 灰狼捕食模型的数学表达
灰狼优化算法（Grey Wolf Optimizer, GWO）由 Mirjalili 在 2014 年提出。它模仿灰狼群捕猎时的社会等级和包围、狩猎行为。狼群里有 α、β、δ 三个等级较高的狼，它们带领剩下的 ω 狼搜索猎物。
核心公式只有两组：
D = |C·Xp(t) − X(t)|
X(t+1) = Xp(t) − A·D
其中 Xp 是猎物位置，也就是当前最优解的位置，X 是狼的位置。A 和 C 是系数：