陳德海 朱正坤 王超

摘 ?要： 在水電站發(fā)電過程中，頻率控制至關(guān)重要，但是對(duì)于這種非線性、時(shí)變性的復(fù)雜控制系統(tǒng)來(lái)說，傳統(tǒng)PID控制方法存在參數(shù)整定困難，控制效果不佳的缺陷。因此在傳統(tǒng)的PID算法、模糊控制以及神經(jīng)網(wǎng)絡(luò)控制算法的基礎(chǔ)之上，提出一種模糊神經(jīng)網(wǎng)絡(luò)PID聯(lián)合控制算法來(lái)優(yōu)化水輪機(jī)調(diào)節(jié)系統(tǒng)的PID參數(shù)，并應(yīng)用到水輪機(jī)調(diào)節(jié)系統(tǒng)當(dāng)中，與傳統(tǒng)PID控制器進(jìn)行對(duì)比，結(jié)果表明模糊神經(jīng)網(wǎng)絡(luò)PID控制算法對(duì)水輪機(jī)調(diào)節(jié)系統(tǒng)的控制上在調(diào)整時(shí)間以及超調(diào)量方面都比傳統(tǒng)PID算法更好，控制效果好，克服了傳統(tǒng)PID算法的不足。

關(guān)鍵詞： 頻率控制; 水輪機(jī)調(diào)速; 系統(tǒng)參數(shù)優(yōu)化; PID控制器設(shè)計(jì); 模糊神經(jīng)網(wǎng)絡(luò)PID; 水電站

中圖分類號(hào)： TN876?34; TP13 ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A ? ? ? ? ? ? ? ? ? ? 文章編號(hào)： 1004?373X（2020）23?0099?04

Abstract： Frequency control is very important in the process of hydroelectric power generation， but the traditional PID control method for the complex control system with non?linearity and time?varying characteristics has the defects of difficult parameter tuning and poor control effect. Therefore， on the basis of the traditional PID algorithm， fuzzy control and neural network control algorithm， a combined control algorithm of fuzzy neural network and PID is proposed to optimize the PID parameters of hydraulic turbine governing system. It is applied to the hydraulic turbine governing system and compared with the traditional PID controller. The results show that the fuzzy neural network PID control algorithm is better than the traditional PID ?algorithm in adjusting time and overshoot， and has good control effect. It has overcome the shortcomings of the traditional PID control algorithm.

Keywords： frequency control; turbine speed governing; system parameter optimization; PID controller design; fuzzy neural network PID; hydropower station

0 ?引 ?言

水輪機(jī)控制系統(tǒng)的好壞決定了水電機(jī)組能否安全穩(wěn)定的運(yùn)行，同時(shí)也是水電站運(yùn)行系統(tǒng)的核心部件。在水輪機(jī)控制系統(tǒng)中，頻率的控制對(duì)電網(wǎng)的穩(wěn)定性至關(guān)重要，對(duì)頻率的控制效果在很大程度上決定了電能的質(zhì)量以及電力系統(tǒng)的安全狀況。電網(wǎng)頻率的穩(wěn)定性控制可以使電能質(zhì)量得到大大提高，進(jìn)一步提升人們的生活水平。

在控制領(lǐng)域中目前比較經(jīng)典的方法是采用PID對(duì)調(diào)速系統(tǒng)進(jìn)行閉環(huán)控制[1]，PID依據(jù)給定值和實(shí)際測(cè)量值之間的誤差，通過比例、積分、微分三個(gè)環(huán)節(jié)對(duì)系統(tǒng)進(jìn)行控制。PID控制器相對(duì)于結(jié)構(gòu)簡(jiǎn)單的線性系統(tǒng)來(lái)說有較好的控制效果，但是對(duì)于像水輪機(jī)調(diào)節(jié)系統(tǒng)這樣具有非線性、時(shí)變性且存在非最小相位的系統(tǒng)來(lái)說，控制效果就不是那么理想了[2]。針對(duì)水輪機(jī)調(diào)節(jié)系統(tǒng)為了增加傳統(tǒng)PID控制器的控制效果，本文結(jié)合模糊控制和神經(jīng)網(wǎng)絡(luò)的各自優(yōu)勢(shì)，利用模糊神經(jīng)網(wǎng)絡(luò)PID算法來(lái)對(duì)水輪機(jī)調(diào)速系統(tǒng)進(jìn)行控制。

模糊神經(jīng)網(wǎng)絡(luò)PID算法[3]的原理是根據(jù)人的經(jīng)驗(yàn)知識(shí)具有良好的學(xué)習(xí)能力，而且神經(jīng)網(wǎng)絡(luò)也不需要掌握系統(tǒng)精確的模型，可以很好地克服水輪機(jī)調(diào)速系統(tǒng)因?yàn)槠浞蔷€性、時(shí)變性導(dǎo)致模型難以建立的缺陷，改進(jìn)算法可以在線對(duì)PID參數(shù)進(jìn)行實(shí)時(shí)調(diào)整，而且具有良好的抗干擾能力，模糊神經(jīng)網(wǎng)絡(luò)PID算法兼顧了模糊控制算法以及神經(jīng)網(wǎng)絡(luò)控制技術(shù)兩者共同的優(yōu)勢(shì)，進(jìn)而可以對(duì)水輪機(jī)調(diào)速系統(tǒng)這種復(fù)雜的系統(tǒng)進(jìn)行很好的控制。

1 ?水輪機(jī)調(diào)速系統(tǒng)概述

1.1 ?水輪機(jī)調(diào)速基本原理

水輪機(jī)調(diào)速系統(tǒng)一般由引水系統(tǒng)、液壓伺服系統(tǒng)、水輪發(fā)電機(jī)以及調(diào)速器組成[3?4]，其調(diào)節(jié)的基本思路是：如果系統(tǒng)頻率發(fā)生改變或者受到外界負(fù)荷擾動(dòng)時(shí)，由于電能沒辦法大量存儲(chǔ)，此時(shí)有功功率的變化將會(huì)導(dǎo)致頻率隨之變化，而水輪機(jī)轉(zhuǎn)速的變化是導(dǎo)致頻率變化的關(guān)鍵因素，轉(zhuǎn)速的大小又跟水流量有關(guān)，因此為了平衡這種變化，根據(jù)實(shí)際情況需要對(duì)水輪機(jī)導(dǎo)葉開度進(jìn)行調(diào)整，以維持轉(zhuǎn)速變化率為0，使頻率再次達(dá)到新的穩(wěn)定狀態(tài)。

1.2 ?YWCT?300/600/1000液壓微機(jī)自動(dòng)調(diào)速系統(tǒng)

水輪機(jī)發(fā)電機(jī)組、水輪機(jī)調(diào)速系統(tǒng)以及壓力引水系統(tǒng)三者一同組成了水輪機(jī)的調(diào)速控制系統(tǒng)，以下是水輪機(jī)調(diào)速系統(tǒng)的工作過程：為了保證在工作過程中發(fā)電機(jī)組轉(zhuǎn)速保持不變，因此導(dǎo)水機(jī)構(gòu)導(dǎo)葉開度隨工作負(fù)荷的變化也要發(fā)生相應(yīng)的變化，導(dǎo)葉開度越小，轉(zhuǎn)速越大，反之，轉(zhuǎn)速越小。首先由測(cè)量元件測(cè)得發(fā)電機(jī)組的轉(zhuǎn)速信號(hào)，之后再把轉(zhuǎn)速信號(hào)轉(zhuǎn)化成系統(tǒng)可以識(shí)別的電壓信號(hào)，再把電壓信號(hào)傳輸至放大環(huán)節(jié)，與設(shè)定的轉(zhuǎn)速進(jìn)行比較，從而計(jì)算出轉(zhuǎn)速偏差大小及方向，然后將偏差傳送至控制器進(jìn)行調(diào)節(jié)，調(diào)節(jié)好以后再傳送到執(zhí)行機(jī)構(gòu)對(duì)導(dǎo)葉的開度進(jìn)行調(diào)節(jié)，從而維持機(jī)組轉(zhuǎn)速恒定。水輪機(jī)調(diào)速系統(tǒng)結(jié)構(gòu)框圖如圖1所示。

1.3 ?調(diào)速系統(tǒng)數(shù)學(xué)模型建立

為了方便對(duì)水輪機(jī)調(diào)速系統(tǒng)動(dòng)態(tài)特性進(jìn)行分析，本文在此對(duì)其建立了一個(gè)模型，模型大致由三部分組成。

1） 調(diào)速器：調(diào)速器的作用是測(cè)量機(jī)組頻率，并計(jì)算出實(shí)際頻率與設(shè)定頻率之間的偏差，然后按照一定的控制規(guī)律輸出信號(hào)，進(jìn)而控制執(zhí)行機(jī)構(gòu)調(diào)整導(dǎo)葉的開度，得以改變機(jī)組的轉(zhuǎn)速以及出力的大小。其傳遞函數(shù)可表示為：

2 ?基于模糊神經(jīng)網(wǎng)絡(luò)的PID控制器設(shè)計(jì)

模糊神經(jīng)網(wǎng)絡(luò)PID利用模糊規(guī)則的邏輯推理能力可以簡(jiǎn)單有效地控制非線性系統(tǒng)，另一方面又利用了神經(jīng)網(wǎng)絡(luò)對(duì)系統(tǒng)的逼近能力和自適應(yīng)學(xué)習(xí)能力，還具有PID控制的精準(zhǔn)性。模糊神經(jīng)網(wǎng)絡(luò)PID控制器是由模糊神經(jīng)網(wǎng)絡(luò)以及傳統(tǒng)的PID兩部分組成，首先模糊神經(jīng)網(wǎng)絡(luò)根據(jù)系統(tǒng)轉(zhuǎn)速誤差以及誤差變化率整定出一組PID參數(shù)賦給PID控制器，這樣就可以實(shí)現(xiàn)PID參數(shù)的在線調(diào)整，從而讓PID控制器有了自適應(yīng)的能力，模糊神經(jīng)網(wǎng)絡(luò)PID控制系統(tǒng)的原理如圖2所示。

2.1 ?PID控制算法

PID控制算法主要由比例、積分、微分3個(gè)環(huán)節(jié)構(gòu)成，是現(xiàn)代工業(yè)控制過程中應(yīng)用最多的控制方式之一，通過實(shí)際測(cè)量值與設(shè)定值的偏差對(duì)系統(tǒng)進(jìn)行閉環(huán)控制，其輸出信號(hào)可表示為：

2.2 ?控制器模糊邏輯

模糊神經(jīng)網(wǎng)絡(luò)控制器的輸入量是頻率實(shí)際值和給定值之間的誤差[e]以及誤差變化率[ec]，輸出值為PID控制器的3個(gè)控制指標(biāo)，即比例、積分、微分系數(shù)[Kp][，Ki]，[Kd]。取這5個(gè)語(yǔ)言變量的模糊子集為{[NB ]（負(fù)大）、[NM]（負(fù)中）、[NS]（負(fù)?。?、[ZE]（零）、[PS]（正?。PM]（正中）、[PB]（正大）}，量化為7個(gè)等級(jí)。規(guī)定誤差[e]以及誤差變化率[ec]的論域?yàn)閧-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6}，PID的3個(gè)參數(shù)[Kp][，Ki]和[Kd]的論域取為{-0.6 -0.4 -0.2 0 0.2 0.4 0.6}。本文選用高斯函數(shù)作為神經(jīng)元激活函數(shù)。

2.3 ?模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和算法

本文設(shè)計(jì)的模糊神經(jīng)網(wǎng)絡(luò)是一個(gè)5層的前饋神經(jīng)網(wǎng)絡(luò)，其結(jié)構(gòu)如圖3所示。該模糊神經(jīng)網(wǎng)絡(luò)的輸入神經(jīng)元是水輪機(jī)調(diào)速系統(tǒng)頻率的測(cè)量誤差以及誤差的變化率，輸出神經(jīng)元是PID的3個(gè)指標(biāo)：比例、積分、微分系數(shù)[Kp][，Ki]，[Kd]。它由5層結(jié)構(gòu)組成，分別為輸入層、隸屬度函數(shù)生成層、推理層、歸一化層以及輸出層。為了方便研究，本文只針對(duì)歸一化層到輸出層之間的權(quán)值作出調(diào)整，其他層的權(quán)值都假設(shè)為1。

3 ?仿真實(shí)例分析

為了進(jìn)一步證明本文所用算法與傳統(tǒng)PID控制的優(yōu)勢(shì)之處，本文將結(jié)合前文所建立的水輪機(jī)調(diào)速系統(tǒng)模型，在Matlab中使用Simulink搭建模塊進(jìn)行仿真實(shí)驗(yàn)。

在實(shí)驗(yàn)中，將頻率的誤差以及誤差變化率作為系統(tǒng)的輸入變量，每個(gè)輸入變量取7個(gè)模糊子集，最終網(wǎng)絡(luò)結(jié)構(gòu)確定為2?14?49?49?3。其中，取[Ty=0.3]，[Tw=1.78]，

[Ta=8.5]。所得仿真結(jié)果如圖4所示。

如圖4a）所示，系統(tǒng)分別采用傳統(tǒng)PID算法、模糊PID算法、模糊神經(jīng)網(wǎng)絡(luò)PID算法進(jìn)行控制，在頻率為50 Hz時(shí)，給系統(tǒng)增10%的負(fù)荷。從圖中可以看出，用傳統(tǒng)PID方法進(jìn)行控制時(shí)超調(diào)量約為1.56%，調(diào)節(jié)時(shí)間為37.5 s;而采用模糊PID進(jìn)行控制時(shí)，系統(tǒng)超調(diào)量約為0.34%，調(diào)節(jié)時(shí)間約為28.5 s;當(dāng)采用本文所研究的模糊神經(jīng)網(wǎng)絡(luò)PID進(jìn)行控制時(shí)系統(tǒng)幾乎沒有超調(diào)，而且調(diào)節(jié)時(shí)間僅為11 s。當(dāng)給系統(tǒng)甩10%負(fù)荷時(shí)如圖4b）所示，傳統(tǒng)PID控制算法超調(diào)量約為1.73%;調(diào)節(jié)時(shí)間約為30.5 s，采用模糊PID算法進(jìn)行控制時(shí)系統(tǒng)超調(diào)量約為0.378%，調(diào)節(jié)時(shí)間約為24.5 s;當(dāng)采用本文研究的模糊神經(jīng)網(wǎng)絡(luò)對(duì)系統(tǒng)進(jìn)行控制時(shí)幾乎沒有超調(diào)量，調(diào)節(jié)時(shí)間較傳統(tǒng)PID算法而言也有明顯提升，約為11.5 s。

由此可見，無(wú)論系統(tǒng)增減負(fù)荷，本文研究的控制算法對(duì)系統(tǒng)均具有很好的調(diào)節(jié)能力，且具有明顯的優(yōu)越性。

為了更直觀表示，本文將各算法的超調(diào)量、調(diào)節(jié)時(shí)間進(jìn)行了整理，結(jié)果如表1，表2所示。

4 ?結(jié) ?語(yǔ)

本文提出了一種將模糊控制與神經(jīng)網(wǎng)絡(luò)控制理論結(jié)合的算法，并將其應(yīng)用至水輪機(jī)調(diào)速系統(tǒng)控制當(dāng)中，此方法結(jié)合模糊控制、神經(jīng)網(wǎng)絡(luò)控制、PID控制三者的優(yōu)勢(shì)，賦予了水輪機(jī)調(diào)速系統(tǒng)自我學(xué)習(xí)能力、邏輯推理能力。從仿真實(shí)驗(yàn)結(jié)果可以得出，模糊神經(jīng)網(wǎng)絡(luò)相比傳統(tǒng)PID以及模糊PID算法來(lái)說，在超調(diào)量和調(diào)節(jié)時(shí)間上都有很明顯的優(yōu)勢(shì)，在面對(duì)干擾時(shí)也有較強(qiáng)的魯棒性以及自我調(diào)節(jié)能力，系統(tǒng)適應(yīng)能力強(qiáng)，控制效果良好。因此本文所研究的方法在針對(duì)傳統(tǒng)PID控制效果不佳難以解決非線性系統(tǒng)的問題上可以達(dá)到一個(gè)很好的控制效果，對(duì)水電站水輪機(jī)調(diào)速控制具有一定的參考價(jià)值。

注：本文通訊作者為朱正坤。

參考文獻(xiàn)

[1] 王震，崔峻豪，丁澤濤，等.水輪發(fā)電機(jī)調(diào)節(jié)系統(tǒng)的模糊PID控制[J].信息技術(shù)與信息化，2018（10）：83?85.

[2] 白國(guó)振，俞潔皓.基于改進(jìn)模糊神經(jīng)網(wǎng)絡(luò)的PID參數(shù)自整定[J].計(jì)算機(jī)應(yīng)用研究，2016，33（11）：3358?3363.

[3] 陳志環(huán).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].武漢：華中科技大學(xué)，2017.

[4] 門闖社.基于水輪機(jī)內(nèi)外特性復(fù)合數(shù)學(xué)模型的調(diào)節(jié)系統(tǒng)動(dòng)態(tài)特性研究[D].西安：西安理工大學(xué)，2018.

[5] 祁華憲.基于駕駛意圖識(shí)別的純電動(dòng)汽車模糊控制策略研究[D].合肥：合肥工業(yè)大學(xué)，2017.

[6] 禹騰超，陳敏.基于SOM神經(jīng)網(wǎng)絡(luò)的汽輪發(fā)電機(jī)組振動(dòng)故障診斷研究[J].工業(yè)控制計(jì)算機(jī)，2016，29（1）：137?139.

[7] 張永振，蘇寒松，劉高華，等.基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器參數(shù)調(diào)整[J].南開大學(xué)學(xué)報(bào)（自然科學(xué)版），2018，51（3）：26?30.

[8] 代月明，張麗娜，朱習(xí)軍.基于Ziegler?Nichols頻域PID的水輪機(jī)自適應(yīng)調(diào)速系統(tǒng)設(shè)計(jì)[J].徐州工程學(xué)院學(xué)報(bào)（自然科學(xué)版），2018，33（3）：47?51.

[9] ZHANG Leike， WU Qianqian， MA Zhenyue， et al. Vibration analysis of coupled bending?torsional rotor?bearing system for hydraulic generating set with rub?impact under electromagnetic excitation [J] Archive of applied mechanics， 2016， 86（9）： 1665?1679.

[10] EGUSQUIZA E， VALERO C， PRESAS A， et al. Analysis of the dynamic response of pump?turbine impellers. Influence of the rotor [J]. Mechanical systems and signal processing， 2016， 68/69： 330?341.

[11] LI Chaoshun， MAO Yifeng， ZHOU Jianzhong， et al. Design of a fuzzy?PID controller for a nonlinear hydraulic turbine go?verning system by using a novel gravitational search algorithm based on Cauchy mutation and mass weighting [J]. Applied soft computing， 2017， 52： 290?305.

[12] 王雪珂.水電機(jī)組灰色模糊PID調(diào)速器設(shè)計(jì)與仿真[D].鄭州：鄭州大學(xué)，2017.