為深入研究水輪機(jī)調(diào)速系統(tǒng)的非線性動(dòng)態(tài)特征,分析水輪機(jī)在負(fù)荷波動(dòng)時(shí)調(diào)速系統(tǒng)對(duì)水輪機(jī)轉(zhuǎn)速、出力及輸出電壓電流波形的控制情況,提出一種采用混合算法（BP-FOA）的分?jǐn)?shù)階PID（FOPID）雙目標(biāo)函數(shù)控制系統(tǒng);并利用Matlab平臺(tái)建立了能夠反映動(dòng)態(tài)負(fù)荷變化及發(fā)電機(jī)情況的水輪機(jī)模型,使其更具實(shí)際適應(yīng)性。仿真及實(shí)例分析表明,經(jīng)混合算法優(yōu)化后的水輪機(jī)調(diào)速器在調(diào)節(jié)性能與魯棒性上均有一定的提升,同時(shí)亦為水輪機(jī)動(dòng)態(tài)模型建模提供了借鑒。 

【文章來源】：水電能源科學(xué). 2020,38(02)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

BP-FOA算法流程圖

水輪機(jī)系統(tǒng)是一個(gè)復(fù)雜的非線性系統(tǒng)，由于調(diào)速系統(tǒng)在水輪機(jī)的調(diào)節(jié)系統(tǒng)中所占的重要地位，著重進(jìn)行了關(guān)于調(diào)速系統(tǒng)的優(yōu)化建模，同時(shí)建立了更貼合實(shí)際的水輪機(jī)發(fā)電機(jī)模型共同構(gòu)成了水輪機(jī)綜合性模型（圖2）。根據(jù)實(shí)例分析，取水輪機(jī)調(diào)速系統(tǒng)傳遞參數(shù)（表1）作為仿真算例，由于水輪機(jī)組的轉(zhuǎn)速特性，對(duì)調(diào)速系統(tǒng)設(shè)置了轉(zhuǎn)速±0.001(pu）的死區(qū)，其中水輪機(jī)發(fā)電機(jī)部分參數(shù)見表2。表2中Pn為額定功率，Vn為額定線電壓，F(xiàn)n為額定頻率，P為磁極對(duì)數(shù)，H為慣性系數(shù)，d軸同步電抗Xd，瞬態(tài)電抗X′d和次瞬態(tài)電抗X″d,q軸瞬態(tài)電抗X′q（僅當(dāng)圓形轉(zhuǎn)子）和次瞬態(tài)電抗X″q，最后是泄漏電抗X1,Wref為額定轉(zhuǎn)速，Vref額定勵(lì)磁電壓。

根據(jù)實(shí)際運(yùn)行工況，對(duì)比了常規(guī)PID控制器、FOPID控制器、FOA算法自適應(yīng)PID控制器、BP神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID控制器及BP-FOA混合算法控制的FOPID雙目標(biāo)函數(shù)控制器在不同工況下水輪機(jī)調(diào)速情況的仿真。設(shè)置水輪機(jī)組開始帶40%負(fù)荷運(yùn)行，在40s時(shí)投入35%負(fù)荷，實(shí)現(xiàn)滿負(fù)荷運(yùn)行，仿真時(shí)間80s。測(cè)試不同控制器下的水輪機(jī)調(diào)速系統(tǒng)在負(fù)載擾動(dòng)情況下的調(diào)速性與穩(wěn)定性。其結(jié)果對(duì)比見圖3（由于水輪機(jī)頻率死區(qū)的存在，最終頻率穩(wěn)定在50±0.05 Hz）。相比于常規(guī)的PID控制器，F(xiàn)OPID控制器由于可控參數(shù)的增多，在調(diào)節(jié)時(shí)間與超調(diào)量兩個(gè)方面均優(yōu)于經(jīng)典PID控制器；采用FOA算法和BP神經(jīng)網(wǎng)絡(luò)算法的自適應(yīng)PID控制對(duì)比PID和FOPID控制的調(diào)速時(shí)間、超調(diào)量明顯減少，但以上四種控制都具有系統(tǒng)震蕩次數(shù)多的缺陷；采用混合果蠅算法（BP-FOA）控制的雙目標(biāo)FOPID優(yōu)化控制器進(jìn)一步減少了調(diào)節(jié)時(shí)間和超調(diào)量同時(shí)大幅度減少了震蕩次數(shù)。圖4為負(fù)荷穩(wěn)定狀態(tài)下水輪機(jī)各控制方案仿真結(jié)果對(duì)比。由圖4可知，相同kp、ki、kd時(shí)FOPID控制器比PID控制器調(diào)速性能高8%左右；對(duì)于加入全局尋優(yōu)能力強(qiáng)的FOA算法由于對(duì)參數(shù)的尋優(yōu)，相比對(duì)PID控制器的調(diào)速效果提升30%左右，將調(diào)速時(shí)間控制在12s以內(nèi)；加入BP神經(jīng)網(wǎng)絡(luò)算法的PID控制由于算法的深度學(xué)習(xí)和計(jì)算能力，進(jìn)一步優(yōu)化參數(shù)，將調(diào)速時(shí)間控制在6.5s以內(nèi)；經(jīng)BPFOA混合算法控制的雙目標(biāo)FOPID控制器將調(diào)速時(shí)間減少到4s以內(nèi)，且僅調(diào)2次就達(dá)到了穩(wěn)定狀態(tài)。

【參考文獻(xiàn)】：
期刊論文
[1]基于神經(jīng)網(wǎng)絡(luò)的軸流轉(zhuǎn)槳式水輪機(jī)傳遞系數(shù)[J]. 劉冬,黃建熒,王昕,黃一沖,熊祺,肖志懷.  水利學(xué)報(bào). 2018(08)
[2]抽水蓄能機(jī)組空載工況分?jǐn)?shù)階PID調(diào)節(jié)控制[J]. 許顏賀,周建中,薛小明,夏鑫,裴翔羽,李超順.  電力系統(tǒng)自動(dòng)化. 2015(18)

博士論文
[1]水輪機(jī)調(diào)節(jié)系統(tǒng)的參數(shù)辨識(shí)與控制策略研究[D]. 陳志環(huán).華中科技大學(xué) 2017



本文編號(hào)：3431194