黃照坤

（貴州烏江水電開發(fā)有限責(zé)任公司思林發(fā)電廠，貴州 思南 565100）

水輪機(jī)調(diào)速器是保證水電廠機(jī)組穩(wěn)定運(yùn)行的重要控制設(shè)備，直接關(guān)系到機(jī)組的安全與穩(wěn)定運(yùn)行。而水輪機(jī)調(diào)節(jié)系統(tǒng)是一個(gè)多學(xué)科交叉的控制系統(tǒng)，涉及電機(jī)學(xué)、現(xiàn)代控制理論、計(jì)算機(jī)控制技術(shù)、仿真技術(shù)等學(xué)科。系統(tǒng)由于受到多復(fù)雜因素諸如水流慣性，機(jī)組各環(huán)節(jié)的非線性特征，電力系統(tǒng)負(fù)荷打擾等制約和影響，控制非常困難，為此研究水輪機(jī)調(diào)速器控制技術(shù)意義重大。

1 水輪機(jī)調(diào)速器的發(fā)展

隨著微型計(jì)算機(jī)和網(wǎng)絡(luò)通信技術(shù)的發(fā)展，基于現(xiàn)場總線的全數(shù)字式電液調(diào)速器是今后的發(fā)展方向。其具有可靠性高、抗干擾能力強(qiáng)、通信速率快、系統(tǒng)安全和可擴(kuò)展性好等優(yōu)點(diǎn)。當(dāng)前，國際上具有代表性的現(xiàn)場總線有德國的PROFIBUS總線、美國的LOC現(xiàn)場總線、美國的CAN現(xiàn)場總線、法國的FIP現(xiàn)場總線等。我國大中型水輪機(jī)組都采用了微機(jī)調(diào)節(jié)器加電液隨動(dòng)系統(tǒng)的結(jié)構(gòu)，這提高了調(diào)速器的靜態(tài)和動(dòng)態(tài)特性；同時(shí)，采用國際知名品牌的工業(yè)控制機(jī)（IPC）、可編程序控制器（PLC）或可編程計(jì)算機(jī)控制器（PCC）作調(diào)速器電氣柜硬件核心；電液轉(zhuǎn)換元件除采用進(jìn)口的比例伺服閥或電液轉(zhuǎn)換器外，還采用數(shù)控機(jī)床中成熟的步進(jìn)電機(jī)、交流伺服電機(jī)和直流伺服電機(jī)作調(diào)速器的電-機(jī)轉(zhuǎn)換器；調(diào)速器液壓元件借鑒液壓行業(yè)的先進(jìn)成果，采用成熟的標(biāo)準(zhǔn)化高油壓元件。這一系列措施使我國的微機(jī)調(diào)速器質(zhì)量和可靠性達(dá)到了國際先進(jìn)水平。國外知名公司采用自行設(shè)計(jì)生產(chǎn)的微機(jī)調(diào)速器，性能優(yōu)良，可靠性高，多采用靜態(tài)、動(dòng)態(tài)性能優(yōu)良的比例伺服閥或電液轉(zhuǎn)換器。目前，我國水輪機(jī)調(diào)速器與國外先進(jìn)水平還有差距，其主要體現(xiàn)以下方面：調(diào)速器的控制性能和可靠性；調(diào)速器的集成化、高壓化和標(biāo)準(zhǔn)化；多目標(biāo)綜合控制及智能化。因此，對于水輪機(jī)調(diào)速器控制技術(shù)的研究還任重道遠(yuǎn)。

2 水輪機(jī)調(diào)速器控制技術(shù)的應(yīng)用研究

水輪機(jī)速器控制技術(shù)的發(fā)展是與自動(dòng)控剌理論的發(fā)展緊密聯(lián)系的，隨著現(xiàn)代控制理論、人工智能和計(jì)算機(jī)技術(shù)的發(fā)展，水輪機(jī)速器控制技術(shù)的研究也得到不斷的發(fā)展。文章對其中主要的控制技術(shù)進(jìn)行闡述。

2.1 PID控制技術(shù)

PID（Proportion-Intergral-Derivative）控制的特點(diǎn)在于當(dāng)研究系統(tǒng)和該系統(tǒng)的控制對象，如果研究人員不能夠非常確切地知道這個(gè)系統(tǒng)和控制對象，還有就是無論怎樣都不能夠得到該系統(tǒng)的參數(shù)時(shí)，PID控制技術(shù)就可以解決這一難題。在實(shí)際的工業(yè)操作中，工業(yè)控制系統(tǒng)基本上是延遲性很大、變化性非常強(qiáng)的非線性復(fù)雜系統(tǒng)，控制系要面對的環(huán)境非常復(fù)雜，總會(huì)有這樣或者那樣的干擾因素，在此期間系統(tǒng)參數(shù)未知或者變化過于緩慢、動(dòng)態(tài)特性、甚至是系統(tǒng)的模型結(jié)構(gòu)都有可能發(fā)生變化，而PID參變量的制定與上面所說的要求的控制的對象的動(dòng)態(tài)特性息息相關(guān)。

2.2 自適應(yīng)控制

自適應(yīng)控制是傳統(tǒng)控制技術(shù)發(fā)展的高級(jí)形態(tài)。當(dāng)被控對象或過程的動(dòng)力學(xué)參數(shù)發(fā)生變化時(shí)，設(shè)計(jì)一控制序列，使控制系統(tǒng)的性能能夠適應(yīng)特性和過程信號(hào)的變化，自動(dòng)地校正控制作用，使控制系統(tǒng)仍然具有比較滿意的性能。自適應(yīng)控制的工作方式實(shí)際上是一種啟發(fā)式的。自適應(yīng)控制方法一般有兩種形式：一是用系統(tǒng)辨識(shí)理論來建立對象的數(shù)學(xué)模型，然后根據(jù)所辨識(shí)的對象模型修改控制器的結(jié)構(gòu)和參數(shù)；一是設(shè)定一個(gè)參考模型過程，以期達(dá)到優(yōu)化系統(tǒng)的響應(yīng)。

2.3 模糊控制

由于自適應(yīng)控制方法都需要大量的計(jì)算，控制算法執(zhí)行時(shí)間長，不能滿足過程的實(shí)時(shí)性要求，因此提出了水輪機(jī)調(diào)節(jié)系統(tǒng)的模糊控制。模糊控制以人對過程的控制和操作的先驗(yàn)知識(shí)為依據(jù)，直接針對被控對象控制量的變化過程，并不要求被控對象精確數(shù)學(xué)模型的描述，而是采用相應(yīng)的模糊控制規(guī)則，建立起控制器，實(shí)現(xiàn)對系統(tǒng)的控制。將人的先驗(yàn)知識(shí)存入控制規(guī)則中，并在規(guī)則庫的支持下，將模糊化后的輸入量進(jìn)行模糊推理，再經(jīng)非模糊化輸出實(shí)際的控制量。為了在實(shí)時(shí)控制中滿足速度的要求，往往預(yù)先將已經(jīng)計(jì)算好的映射關(guān)系存入模糊控制查詢表中，只要確定每組輸入矢量在表中的位置，就可以得到控制輸出量。

2.4 神經(jīng)網(wǎng)絡(luò)控制

基于神經(jīng)網(wǎng)絡(luò)的控制是一種高級(jí)的控制形式，是從微觀上模擬人腦的結(jié)構(gòu)和功能，即從研究和模擬人的神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)、功能以及傳遞、處理和控制信息的機(jī)理出發(fā)而設(shè)計(jì)的控制系統(tǒng)，能夠保證既增強(qiáng)系統(tǒng)的魯棒性，又使得設(shè)計(jì)方法簡單。采用基于神經(jīng)網(wǎng)絡(luò)的控制器能夠?qū)Ω叨确蔷€性系統(tǒng)進(jìn)行辨識(shí)和控制，而不需要知道系統(tǒng)的精確結(jié)構(gòu)，能夠自學(xué)習(xí)、自組織、自行綜合控制律，并將其隱含地表達(dá)在網(wǎng)絡(luò)的連接權(quán)中，具有大規(guī)模并行計(jì)算能力，適合于硬件實(shí)現(xiàn)。

2.5 智能優(yōu)化方法

智能優(yōu)化在算法中只關(guān)系到簡單的數(shù)學(xué)運(yùn)用、信息處理流程對CPU以及只采用較低的內(nèi)存也就可以了，不管是從理論方面的探討，或者是從實(shí)際的運(yùn)用研究的方面去考慮，智能優(yōu)化算法都擁有深遠(yuǎn)的研究意義和極高的實(shí)用性價(jià)值的。近年來，智能優(yōu)化方法被逐步引入到水輪機(jī)調(diào)速器控制中，并取得了大量的成果。

（1）人工蟻群算法（Ant Colony Optimization，ACO）。人工蟻群算法屬于隨機(jī)搜索算法，是一種根據(jù)螞蟻群體的模仿出來的優(yōu)化算法。由意大利學(xué)者M(jìn).Dorigo等人于1991年首先提出，是研究者們根據(jù)對大自然生物系統(tǒng)中實(shí)際的螞蟻群體的集體某些生活中的活動(dòng)的規(guī)律而得到啟迪然后想出的。蟻群算法能夠找到最優(yōu)解的原理就是模仿了這種搜索食物的方式——個(gè)體間的數(shù)據(jù)溝通與互相幫助。在水輪機(jī)調(diào)速器應(yīng)用方面，李崇威提出了一種融合人工魚群算法的改進(jìn)蟻群算法，并利用國內(nèi)多臺(tái)機(jī)組的現(xiàn)場實(shí)測數(shù)據(jù)，對所建立的自定義模型和參數(shù)辨識(shí)方法進(jìn)行仿真對比和驗(yàn)證。

（2）遺傳算法（Genetic Algorithm，GA）。遺傳算法起源于對生物系統(tǒng)所進(jìn)行的計(jì)算機(jī)模擬研究，是一種參考了動(dòng)物之間遺傳學(xué)所表達(dá)出來的某種特征的隨機(jī)搜索算法。遺傳算法采用的是數(shù)碼串來當(dāng)作染色體模仿生物進(jìn)化的基本過程，這種過程的主要實(shí)現(xiàn)方式是染色體之間的交叉、變異，經(jīng)過了該種群不停的“更新?lián)Q代”，利用表示染色體所蘊(yùn)涵問題解的目標(biāo)函數(shù)，提升每一代的平均適應(yīng)度的質(zhì)量，引導(dǎo)種群的進(jìn)化方向，這樣一來，局部表現(xiàn)出來的最優(yōu)解就會(huì)逐漸靠近需要求得的全局最優(yōu)解。唐正茂等采用多種群并行遺傳算法對水輪機(jī)調(diào)速器PID控制參數(shù)進(jìn)行整定，仿真結(jié)果表明，該方法獲得的調(diào)節(jié)參數(shù)性能指標(biāo)良好，且簡單易行。

（3）粒子群優(yōu)化算法（Particle Swam Optimization，PSO）。粒子群算法是著名學(xué)者Kennedy及Eberhart受到 Reynolds的模仿鳥類飛行行為的著名鳥群模型 Boid模型的啟發(fā)而發(fā)明的新的群智能算法。假如有許多鳥在一定的范圍中無拘束的飛翔搜索食物，每一只鳥隨機(jī)靠近曾經(jīng)運(yùn)動(dòng)過的最高點(diǎn)，每一只鳥之間都能夠相互溝通，然后這些鳥都盡可能地去接近彼此間之前運(yùn)動(dòng)過的那個(gè)最高點(diǎn)。如此一來，在不斷靠近之后就能夠找到一個(gè)接近于最高點(diǎn)的位置。粒子群算法簡單、靈活，易于使用，有很多優(yōu)點(diǎn)，被廣泛的使用，但是也有一些問題，比如：收斂性、收斂速度、算法的魯棒性等都還存在一定的局限性，需要改進(jìn)。寇攀高等將菌群-粒子群優(yōu)化算法引入水輪發(fā)電機(jī)組調(diào)速器PID參數(shù)優(yōu)化中，數(shù)值計(jì)算表明該算法能有效改善水輪機(jī)調(diào)節(jié)系統(tǒng)空載工況和孤網(wǎng)運(yùn)行條件下過渡過程的動(dòng)態(tài)性能。

（4）模擬退火算法（Simulated Annealiut，SA）。Metropolis在1953年最早提出 Simulated Annealiut的想法，隨后Kirkpatrick等專家學(xué)者在1983年將Simulated Annealiut應(yīng)用于組合優(yōu)化。Simulated Annealiut屬于隨機(jī)優(yōu)化算法，源于Mentc Carlc迭代求解的方式，通過我們平時(shí)生活中運(yùn)用到的固體的退火過程和一般的組合優(yōu)化問題的相同點(diǎn)而受到的啟發(fā)。模擬退火算法的基本思想是：①給定初始解時(shí)，立刻在一個(gè)開區(qū)間里不用計(jì)算和選擇的方式產(chǎn)生另一個(gè)解；②能夠接納準(zhǔn)則讓適應(yīng)度函數(shù)在一定的區(qū)域內(nèi)的變差，接納較差的解，但必須要在指定的概率里面。目前，模擬退火算法在水電站水庫優(yōu)化調(diào)度中有所應(yīng)用，在水輪機(jī)調(diào)速器控制技術(shù)方面還不多見，但其作為一種優(yōu)良的智能優(yōu)化算法未來還有較大的應(yīng)用空間。

3 結(jié)語

目前，國內(nèi)絕大多數(shù)水電站的水輪機(jī)調(diào)速器己基本實(shí)現(xiàn)了微機(jī)化，但大部分控制方法仍停留在常規(guī)PID控制水平。傳統(tǒng)PID控制難于協(xié)調(diào)快速性和穩(wěn)定性間的矛盾，在具有參數(shù)變化和外部干擾的情況下，其魯棒性不太好。在這種情況應(yīng)加快調(diào)速器智能控制技術(shù)的研究，將多種控制技術(shù)進(jìn)行綜合，取長補(bǔ)短，并利用計(jì)算機(jī)技術(shù)進(jìn)行改造，以適應(yīng)不斷發(fā)展的復(fù)雜系統(tǒng)控制的各種要求。

［1］潘熙和，王麗娟.我國水輪機(jī)調(diào)速技術(shù)創(chuàng)新回顧與科學(xué)前景展望［J］.長江科學(xué)院院報(bào)，2011，28（10）：221-226.

［2］方紅慶，孫美鳳.沈祖詒.輪機(jī)調(diào)節(jié)系統(tǒng)控制策略綜述［J］.人民長江，2004，35（1）：33-36.

［3］邵宜祥.中國水輪機(jī)調(diào)速器行業(yè)技術(shù)發(fā)展綜述［J］.水電廠自動(dòng)化，2009，30（4）：10-13.

［4］段海濱.蟻群算法原理及其應(yīng)用［M］．北京：科學(xué)出版社，2005.

［5］李崇威.基于改進(jìn)蟻群算法的水輪機(jī)調(diào)節(jié)系統(tǒng)建模與仿真［D］．武漢：華中科技大學(xué)，2011.

［6］李敏強(qiáng)，寇紀(jì)淞，等.遺傳算法的基本理論與應(yīng)用［M］．北京：科學(xué)出版社，2002.

［7］唐正茂，馬士虎，解德.基于外部存檔的并行遺傳算法在水輪機(jī)調(diào)速器參數(shù)優(yōu)化中的應(yīng)用［J］.中國電機(jī)工程學(xué)報(bào)，2012，32（28）：90-96.

［8］謝曉峰，張文俊，楊之廉.微粒群算法綜述［J］.控制與決策，2003，18（2）：129-134.

［9］寇攀高，周建中，何耀耀，等.基于菌群-粒子群算法的水輪發(fā)電機(jī)組 PID 調(diào)速器參數(shù)優(yōu)化［J］.中國電機(jī)工程學(xué)報(bào)，2009，29(26）：101-106.

［10］魏延，謝開貴.模擬退火算法［J］.蒙自師范高等?？茖W(xué)校學(xué)報(bào)［J］，1999，（4）：7-11.