水輪發(fā)電機(jī)及其調(diào)速系統(tǒng)的參數(shù)辨識(shí)方法與控制策略研究.pdf

1、精確的水輪發(fā)電機(jī)組數(shù)學(xué)模型不僅是水力發(fā)電系統(tǒng)仿真的基礎(chǔ),而且對(duì)于互聯(lián)電力系統(tǒng)的計(jì)算分析、規(guī)劃運(yùn)行和控制保護(hù)設(shè)計(jì)具有重要意義。隨著水電能源的大力開(kāi)發(fā),我國(guó)已建及在建的水電站單機(jī)容量大、引水管道長(zhǎng)、水流慣性巨大、引水系統(tǒng)布置復(fù)雜,同時(shí)承擔(dān)電力系統(tǒng)調(diào)頻、調(diào)峰和事故備用等任務(wù),對(duì)電力系統(tǒng)的安全穩(wěn)定運(yùn)行及模擬分析提出了嚴(yán)峻挑戰(zhàn),然而目前國(guó)內(nèi)電力系統(tǒng)計(jì)算分析所用的水輪機(jī)調(diào)速器數(shù)學(xué)模型往往采用簡(jiǎn)化的模型,與實(shí)際投運(yùn)的水輪機(jī)調(diào)節(jié)系統(tǒng)模型結(jié)構(gòu)存在較大差異

2、。因此,有必要研究水輪發(fā)電機(jī)組的先進(jìn)辨識(shí)方法及控制策略,建立精確的水輪發(fā)電機(jī)組數(shù)學(xué)模型,提高水電機(jī)組仿真精度及機(jī)組的控制性能,確保水電機(jī)組及電力系統(tǒng)的安全高效運(yùn)行。
　　基于辨識(shí)的控制系統(tǒng)建模是獲取研究對(duì)象數(shù)學(xué)模型的一種重要手段,傳統(tǒng)的水力發(fā)電系統(tǒng)辨識(shí)研究中,辨識(shí)模型多采用線性模型,辨識(shí)方法多基于線性系統(tǒng)辨識(shí)理論,缺乏對(duì)水力發(fā)電系統(tǒng)非線性因素及參數(shù)時(shí)變的考慮,難以滿足電力系統(tǒng)的動(dòng)態(tài)穩(wěn)定分析、中長(zhǎng)期電壓穩(wěn)定分析、自動(dòng)電壓控制及系統(tǒng)頻

3、率穩(wěn)定分析的需求。為此,在深入研究水輪發(fā)電機(jī)及其調(diào)速系統(tǒng)數(shù)學(xué)模型的基礎(chǔ)上,凝練出水輪發(fā)電機(jī)組辨識(shí)及控制所面臨的科學(xué)問(wèn)題,結(jié)合多新息理論、先進(jìn)智能優(yōu)化方法、動(dòng)態(tài)系統(tǒng)設(shè)計(jì)方法及變結(jié)構(gòu)控制策略,對(duì)水電機(jī)組的參數(shù)辨識(shí)方法、先進(jìn)控制策略進(jìn)行了系統(tǒng)深入的研究,提出了水輪發(fā)電機(jī)組辨識(shí)-控制一體化體系。論文的主要工作及創(chuàng)新性成果如下:
　　(1)針對(duì)水輪發(fā)電機(jī)組頻率調(diào)節(jié)及控制的需求,研究并建立了水輪機(jī)調(diào)節(jié)系統(tǒng)頻率調(diào)節(jié)、開(kāi)度調(diào)節(jié)及功率調(diào)節(jié)數(shù)學(xué)模型,

4、對(duì)其中的非線性環(huán)節(jié)進(jìn)行了重點(diǎn)解析,建立了基于Simulink的水力發(fā)電系統(tǒng)多工況仿真平臺(tái),為系統(tǒng)辨識(shí)及控制策略的研究打下了基礎(chǔ)。
　　(2)以建立精確的水輪發(fā)電機(jī)及其調(diào)速系統(tǒng)線性模型為研究目標(biāo),引入多新息辨識(shí)理論,在傳遞函數(shù)模型的基礎(chǔ)上推導(dǎo)出同步發(fā)電機(jī)任意工況下一次性拋載試驗(yàn)及水輪機(jī)調(diào)節(jié)系統(tǒng)的線性回歸模型,并通過(guò)實(shí)例驗(yàn)證了多新息辨識(shí)理論在水電機(jī)組控制系統(tǒng)參數(shù)辨識(shí)的可行性。
　　(3)以水輪機(jī)調(diào)節(jié)系統(tǒng)非線性模型參數(shù)辨識(shí)為目標(biāo),

5、在引入量子粒子群優(yōu)化算法的理論框架下,將水輪機(jī)調(diào)節(jié)系統(tǒng)參數(shù)辨識(shí)問(wèn)題轉(zhuǎn)化為單目標(biāo)函數(shù)有約束優(yōu)化問(wèn)題;針對(duì)水輪機(jī)調(diào)節(jié)系統(tǒng)對(duì)象參數(shù)時(shí)變、非最小相位、復(fù)雜非線性的特點(diǎn),提出了一種基于混沌變異的QPSO(Quantum Particle Swarm Optimization)算法,并通過(guò)不同工況仿真試驗(yàn)驗(yàn)證了IQPSO(Improved Quantum Particle Swarm Optimization)在水輪機(jī)調(diào)節(jié)系統(tǒng)參數(shù)辨識(shí)中的有效性。<

6、br>　　(4)針對(duì)水輪發(fā)電機(jī)非線性狀態(tài)空間模型的參數(shù)辨識(shí)問(wèn)題,在粒子群優(yōu)化算法的基礎(chǔ)上引入量子計(jì)算,提出了粒子群-量子操作(Particle Swarm Optimization with Quantum Operation,PSO-QO)優(yōu)化算法,并將該方法應(yīng)用到同步發(fā)電機(jī)非線性模型參數(shù)辨識(shí)中,通過(guò)實(shí)例驗(yàn)證了該方法在同步發(fā)電機(jī)參數(shù)的離線辨識(shí)中的有效性;并在粒子群-量子操作算法中引入敏感粒子,實(shí)現(xiàn)了同步發(fā)電機(jī)參數(shù)的在線跟蹤與辨識(shí)。

7、r>　　(5)在總結(jié)以往參數(shù)辨識(shí)研究思路的基礎(chǔ)上,嘗試從控制論的角度認(rèn)識(shí)參數(shù)辨識(shí)問(wèn)題,提出了基于動(dòng)態(tài)系統(tǒng)設(shè)計(jì)的參數(shù)辨識(shí)方法及動(dòng)態(tài)系統(tǒng)設(shè)計(jì)原則,并以Hopfield神經(jīng)網(wǎng)絡(luò)為例,研究了基于Hopfield神經(jīng)網(wǎng)絡(luò)動(dòng)態(tài)系統(tǒng)的同步發(fā)電機(jī)非線性狀態(tài)空間模型參數(shù)辨識(shí),并通過(guò)實(shí)例驗(yàn)證了基于動(dòng)態(tài)系統(tǒng)設(shè)計(jì)的參數(shù)辨識(shí)研究思路的可行性及有效性。
　　(6)針對(duì)傳統(tǒng)PID參數(shù)難以滿足水輪機(jī)調(diào)節(jié)系統(tǒng)參數(shù)時(shí)變、多工況運(yùn)行的特點(diǎn),將菌群優(yōu)化(Bacteria

8、l Foraging Optimization,BFO)算法引入到水輪發(fā)電機(jī)組調(diào)速器PID參數(shù)優(yōu)化整定中,綜合BFO算法良好的全局搜索能力及粒子群優(yōu)化(Paticle Swarm Optimization,PSO)算法收斂速度快的特點(diǎn),提出了菌群-粒子群優(yōu)化算法(BFO-PSO);在傳統(tǒng) ITAE指標(biāo)的基礎(chǔ)上,考慮菌體間相互吸引、相互排斥、相互學(xué)習(xí)的行為特點(diǎn),提出了一種新型適應(yīng)度函數(shù),構(gòu)造出基于智能優(yōu)化算法的水輪機(jī)調(diào)速器PID參數(shù)整定框

9、架,實(shí)現(xiàn)了水輪機(jī)調(diào)節(jié)系統(tǒng)任意工況下參數(shù)整定。
　　(7)針對(duì)傳統(tǒng)PID控制策略隨水輪機(jī)工況切換、參數(shù)時(shí)變適應(yīng)性差的問(wèn)題,將滑模變結(jié)構(gòu)控制引入到水輪機(jī)調(diào)節(jié)系統(tǒng)中;考慮到傳統(tǒng)水輪機(jī)調(diào)節(jié)系統(tǒng)狀態(tài)空間模型忽略了機(jī)組轉(zhuǎn)速給定項(xiàng)無(wú)法仿真機(jī)組空載擾動(dòng)且線性最優(yōu)控制下機(jī)組轉(zhuǎn)速存在穩(wěn)態(tài)誤差的問(wèn)題,推導(dǎo)出一種三控制輸入的水輪機(jī)調(diào)節(jié)系統(tǒng)狀態(tài)方程,揭示了狀態(tài)方程穩(wěn)態(tài)誤差產(chǎn)生機(jī)理,提出了消除狀態(tài)方程穩(wěn)態(tài)誤差的方法,在此基礎(chǔ)上設(shè)計(jì)了水輪機(jī)調(diào)節(jié)系統(tǒng)的滑模變結(jié)構(gòu)