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

1、精確的水輪發(fā)電機組數(shù)學模型不僅是水力發(fā)電系統(tǒng)仿真的基礎,而且對于互聯(lián)電力系統(tǒng)的計算分析、規(guī)劃運行和控制保護設計具有重要意義。隨著水電能源的大力開發(fā),我國已建及在建的水電站單機容量大、引水管道長、水流慣性巨大、引水系統(tǒng)布置復雜,同時承擔電力系統(tǒng)調(diào)頻、調(diào)峰和事故備用等任務,對電力系統(tǒng)的安全穩(wěn)定運行及模擬分析提出了嚴峻挑戰(zhàn),然而目前國內(nèi)電力系統(tǒng)計算分析所用的水輪機調(diào)速器數(shù)學模型往往采用簡化的模型,與實際投運的水輪機調(diào)節(jié)系統(tǒng)模型結構存在較大差異

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

3、率穩(wěn)定分析的需求。為此,在深入研究水輪發(fā)電機及其調(diào)速系統(tǒng)數(shù)學模型的基礎上,凝練出水輪發(fā)電機組辨識及控制所面臨的科學問題,結合多新息理論、先進智能優(yōu)化方法、動態(tài)系統(tǒng)設計方法及變結構控制策略,對水電機組的參數(shù)辨識方法、先進控制策略進行了系統(tǒng)深入的研究,提出了水輪發(fā)電機組辨識-控制一體化體系。論文的主要工作及創(chuàng)新性成果如下:
　　(1)針對水輪發(fā)電機組頻率調(diào)節(jié)及控制的需求,研究并建立了水輪機調(diào)節(jié)系統(tǒng)頻率調(diào)節(jié)、開度調(diào)節(jié)及功率調(diào)節(jié)數(shù)學模型,

4、對其中的非線性環(huán)節(jié)進行了重點解析,建立了基于Simulink的水力發(fā)電系統(tǒng)多工況仿真平臺,為系統(tǒng)辨識及控制策略的研究打下了基礎。
　　(2)以建立精確的水輪發(fā)電機及其調(diào)速系統(tǒng)線性模型為研究目標,引入多新息辨識理論,在傳遞函數(shù)模型的基礎上推導出同步發(fā)電機任意工況下一次性拋載試驗及水輪機調(diào)節(jié)系統(tǒng)的線性回歸模型,并通過實例驗證了多新息辨識理論在水電機組控制系統(tǒng)參數(shù)辨識的可行性。
　　(3)以水輪機調(diào)節(jié)系統(tǒng)非線性模型參數(shù)辨識為目標,

5、在引入量子粒子群優(yōu)化算法的理論框架下,將水輪機調(diào)節(jié)系統(tǒng)參數(shù)辨識問題轉(zhuǎn)化為單目標函數(shù)有約束優(yōu)化問題;針對水輪機調(diào)節(jié)系統(tǒng)對象參數(shù)時變、非最小相位、復雜非線性的特點,提出了一種基于混沌變異的QPSO(Quantum Particle Swarm Optimization)算法,并通過不同工況仿真試驗驗證了IQPSO(Improved Quantum Particle Swarm Optimization)在水輪機調(diào)節(jié)系統(tǒng)參數(shù)辨識中的有效性。<

6、br>　　(4)針對水輪發(fā)電機非線性狀態(tài)空間模型的參數(shù)辨識問題,在粒子群優(yōu)化算法的基礎上引入量子計算,提出了粒子群-量子操作(Particle Swarm Optimization with Quantum Operation,PSO-QO)優(yōu)化算法,并將該方法應用到同步發(fā)電機非線性模型參數(shù)辨識中,通過實例驗證了該方法在同步發(fā)電機參數(shù)的離線辨識中的有效性;并在粒子群-量子操作算法中引入敏感粒子,實現(xiàn)了同步發(fā)電機參數(shù)的在線跟蹤與辨識。

7、r>　　(5)在總結以往參數(shù)辨識研究思路的基礎上,嘗試從控制論的角度認識參數(shù)辨識問題,提出了基于動態(tài)系統(tǒng)設計的參數(shù)辨識方法及動態(tài)系統(tǒng)設計原則,并以Hopfield神經(jīng)網(wǎng)絡為例,研究了基于Hopfield神經(jīng)網(wǎng)絡動態(tài)系統(tǒng)的同步發(fā)電機非線性狀態(tài)空間模型參數(shù)辨識,并通過實例驗證了基于動態(tài)系統(tǒng)設計的參數(shù)辨識研究思路的可行性及有效性。
　　(6)針對傳統(tǒng)PID參數(shù)難以滿足水輪機調(diào)節(jié)系統(tǒng)參數(shù)時變、多工況運行的特點,將菌群優(yōu)化(Bacteria

8、l Foraging Optimization,BFO)算法引入到水輪發(fā)電機組調(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,提出了菌群-粒子群優(yōu)化算法(BFO-PSO);在傳統(tǒng) ITAE指標的基礎上,考慮菌體間相互吸引、相互排斥、相互學習的行為特點,提出了一種新型適應度函數(shù),構造出基于智能優(yōu)化算法的水輪機調(diào)速器PID參數(shù)整定框

9、架,實現(xiàn)了水輪機調(diào)節(jié)系統(tǒng)任意工況下參數(shù)整定。
　　(7)針對傳統(tǒng)PID控制策略隨水輪機工況切換、參數(shù)時變適應性差的問題,將滑模變結構控制引入到水輪機調(diào)節(jié)系統(tǒng)中;考慮到傳統(tǒng)水輪機調(diào)節(jié)系統(tǒng)狀態(tài)空間模型忽略了機組轉(zhuǎn)速給定項無法仿真機組空載擾動且線性最優(yōu)控制下機組轉(zhuǎn)速存在穩(wěn)態(tài)誤差的問題,推導出一種三控制輸入的水輪機調(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)生機理,提出了消除狀態(tài)方程穩(wěn)態(tài)誤差的方法,在此基礎上設計了水輪機調(diào)節(jié)系統(tǒng)的滑模變結構