宋運(yùn)忠,冉皓

(河南理工大學(xué) 電氣工程與自動(dòng)化學(xué)院，河南 焦作 454000)

0 引 言

電力系統(tǒng)中，頻率是衡量電能質(zhì)量的一個(gè)重要指標(biāo)，頻率波動(dòng)不僅會(huì)影響用戶設(shè)備，還會(huì)影響發(fā)電廠設(shè)備的安全穩(wěn)定運(yùn)行，因此，頻率質(zhì)量的改善對(duì)經(jīng)濟(jì)效益可產(chǎn)生重要影響。我國(guó)城市電網(wǎng)的諧波污染問(wèn)題比較嚴(yán)重，并呈現(xiàn)擴(kuò)大化趨勢(shì)，具有明顯的地域性和滲透性等特點(diǎn)[1]。各行業(yè)和居民用戶都對(duì)電能質(zhì)量提出了更高要求，這需要從發(fā)電端解決電能質(zhì)量問(wèn)題。

ZHOU X等[2]，HOU G等[3]分別將廣義預(yù)測(cè)控制應(yīng)用于氣輪機(jī)，提出一種基于熵的聚類(lèi)和子空間辨識(shí)的模糊建模方法識(shí)別燃?xì)廨啓C(jī)系統(tǒng)模型，在成本函數(shù)中加入懲罰因子，實(shí)現(xiàn)對(duì)轉(zhuǎn)子轉(zhuǎn)速的極限保護(hù)，為本文將其應(yīng)用于水輪機(jī)提供了一些思路。上述所提的二次調(diào)頻由部分電廠承擔(dān)，主要承擔(dān)負(fù)荷增量?；痣姀S的可調(diào)容量不大[4]，水電廠可調(diào)容量大，且調(diào)節(jié)速度快，枯水期最適合調(diào)頻。由于水電廠調(diào)頻的各種優(yōu)點(diǎn)，故本文選擇水電廠作為調(diào)頻對(duì)象。李少遠(yuǎn)等[5]針對(duì)水輪機(jī)的特點(diǎn)提出一套按能量守恒準(zhǔn)則啟機(jī)的優(yōu)化控制策略，采用的設(shè)計(jì)理論觀點(diǎn)與預(yù)測(cè)控制一致。

本文主要研究連續(xù)時(shí)間線性系統(tǒng)廣義預(yù)測(cè)控制(GPC)問(wèn)題，TIAN Y等[6]基于模糊模型的廣義預(yù)測(cè)控制(FGPC)方法，得到了變換控制的自回歸積分移動(dòng)平均模型；ZHANG R等[7]采用T-S模型作為預(yù)測(cè)模型，該方法既繼承了廣義預(yù)測(cè)控制的優(yōu)點(diǎn)，又能有效控制復(fù)雜的非線性系統(tǒng)，由于模糊模型過(guò)于復(fù)雜，導(dǎo)致增加了大量計(jì)算和控制時(shí)間；李少遠(yuǎn)[8]討論了由連續(xù)時(shí)間系統(tǒng)采樣得到的離散時(shí)間系統(tǒng)組成的計(jì)算機(jī)控制系統(tǒng)采樣周期的選擇，指導(dǎo)了控制系統(tǒng)的設(shè)計(jì)；M.Alhajeri等[9]分析了預(yù)測(cè)控制的調(diào)整準(zhǔn)則，主要是為了設(shè)計(jì)廣義預(yù)測(cè)控制；S.KAYAIVIZHI等[10]提出了一種應(yīng)用于電網(wǎng)的模糊自適應(yīng)模型預(yù)測(cè)控制，對(duì)光伏、風(fēng)能、燃料電池等分布式能源的負(fù)荷頻率進(jìn)行控制，但目前我國(guó)分布式能源并未廣泛使用，與國(guó)情不符；HOU G等[11]則將廣義預(yù)測(cè)控制用于大型水電站汽輪機(jī)模型，提高聯(lián)合循環(huán)發(fā)電廠燃?xì)廨啓C(jī)的控制性能和降低發(fā)電過(guò)程中的能耗，以節(jié)能為目標(biāo)限制燃油，導(dǎo)致發(fā)電效率降低；M.BEUS等[12]將干擾和不確定性的彈性SISO模型應(yīng)用于水電廠的線性化，將約束GPC控制器與經(jīng)典PI控制器進(jìn)行了響應(yīng)比較，但由于預(yù)測(cè)控制實(shí)現(xiàn)的復(fù)雜性和工業(yè)應(yīng)用的困難，目前還沒(méi)有實(shí)現(xiàn)渦輪調(diào)速器應(yīng)用于預(yù)測(cè)控制，需要進(jìn)一步研究這種類(lèi)型的控制器是否有實(shí)際實(shí)現(xiàn)的潛力；S.Olaru等[13]從水電廠的基本原理出發(fā)，以水輪機(jī)的控制為目標(biāo)，對(duì)水電廠進(jìn)行了建模。

本文提出基于廣義預(yù)測(cè)控制的水輪機(jī)系統(tǒng)頻率控制策略，首次將廣義預(yù)測(cè)控制應(yīng)用于水輪機(jī)系統(tǒng)。與文獻(xiàn)[14]不同的是，不再以單一的調(diào)速器為對(duì)象，而是以整個(gè)水輪機(jī)調(diào)節(jié)系統(tǒng)作為控制對(duì)象進(jìn)行預(yù)測(cè)控制。首先，分析基于現(xiàn)代控制理論連續(xù)系統(tǒng)的傳遞函數(shù)模型；然后，結(jié)合GPC控制算法的滾動(dòng)優(yōu)化、反饋校正和有限時(shí)域步進(jìn)迭代算法對(duì)搭建的數(shù)學(xué)模型進(jìn)行仿真求解，得到該系統(tǒng)的最優(yōu)控制策略；最后，利用仿真算例，驗(yàn)證GPC在水輪機(jī)調(diào)節(jié)系統(tǒng)中的應(yīng)用效果。

1 水電機(jī)組頻率-功率調(diào)節(jié)系統(tǒng)

水電機(jī)組的功率和頻率是同一個(gè)控制回路，圖1為微機(jī)調(diào)速器工作原理圖[15]，根據(jù)電網(wǎng)頻率發(fā)生的改變，生成Δf，然后根據(jù)控制算法調(diào)節(jié)導(dǎo)葉開(kāi)度。如果能量管理系統(tǒng)命令改變，則生成ΔP，也通過(guò)控制算法調(diào)節(jié)導(dǎo)葉開(kāi)度，改變機(jī)組發(fā)電功率，最終使機(jī)組的發(fā)電功率與功率指令相符，實(shí)現(xiàn)二次調(diào)頻。

圖1 微機(jī)調(diào)速器工作原理圖Fig.1 Working principle diagram of microcomputer governor

當(dāng)調(diào)節(jié)系統(tǒng)進(jìn)入穩(wěn)定狀態(tài)時(shí)，輸入E=0，得到式(1)，式(1)可轉(zhuǎn)化為式(2)。式(1)中ep是一次調(diào)頻的不等式表達(dá)式。將式(2)轉(zhuǎn)化為式(3)[16]，得到功率指令，根據(jù)AGC指令和頻率偏差調(diào)整機(jī)組的功率，實(shí)現(xiàn)調(diào)頻。

epΔP+Δf=0，

(1)

(2)

(3)

為了保證過(guò)渡過(guò)程中水輪機(jī)的轉(zhuǎn)速升高和有壓過(guò)水系統(tǒng)的壓力升高不超過(guò)設(shè)計(jì)值，導(dǎo)葉運(yùn)動(dòng)速度應(yīng)有一定限制，不能超過(guò)導(dǎo)葉最大運(yùn)動(dòng)速度。另外，導(dǎo)葉的控制指令應(yīng)設(shè)置一定限幅，使機(jī)組運(yùn)行在安全范圍內(nèi)[17]。

2 基于受控自回歸積分滑動(dòng)平均模 型的廣義預(yù)測(cè)控制

目前各種預(yù)測(cè)控制算法的基本特征為預(yù)測(cè)模型、滾動(dòng)優(yōu)化和反饋校正[18]。

2.1 預(yù)測(cè)模型

考慮如下線性離散時(shí)間系統(tǒng)的狀態(tài)空間模型：

(4)

式中：u(k)為輸入；y(k)為k時(shí)刻狀態(tài)方程的輸出；ξ(k)為白噪聲，其方差為σ2，均值為0；d=[τ/T]+1，為系統(tǒng)時(shí)滯系數(shù)，[τ/T]為不超過(guò)τ/T的最大整數(shù)，τ為下一通信延時(shí)預(yù)測(cè)值，T為離散系統(tǒng)的采樣時(shí)間；z-1為后移算子，Δ=1-z-1為差分算子[19]。

2.2 輸出預(yù)測(cè)

根據(jù)多步Diophantine方程，可求得多步最優(yōu)預(yù)測(cè)輸出[20-22]。取N1=1,N2=Nu=N，根據(jù)輸出方程，可以推導(dǎo)出以下方程，

y(k+1)=F1Δu(k)+G1y(k)+E1ξ(k+1)=

f1,0Δu(k)+f1,1Δu(k-1)+…+

f1,nbΔu(k-nb)+G1y(k)+ξ(k+1)，

y(k+2)=F2Δu(k+1)+G2y(k)+E2ξ(k+2)=

f2,0Δu(k+1)+f2,1Δu(k)+f2,2Δu(k-1)+

…+f1,nb+1Δu(k-nb)+G2y(k)+ξ(k+

2)+e2,1ξ(k+1)，

?

y(k+N)=FNΔu(k+N-1)+GNy(k)+

ENξ(k+N)=fN,0Δu(k+N-1)+…+

fN,N-1Δu(k)+fN,NΔu(k-1)+…+

fN,nb+N-1Δu(k-nb)+GNy(k)+ξ(k+N)+

eN,1ξ(k+N-1)+…+eN,N-1ξ(k+1)。 (5)

對(duì)系統(tǒng)未來(lái)預(yù)測(cè)的輸出可以寫(xiě)為如下矩陣形式：

Y=F1ΔU+F2ΔU(k-j)+GY(k)+Eξ=F1ΔU+Y1+Eξ，

(6)

式中，Y1=F2ΔU(k-j)+GY(k)，為基于過(guò)去與當(dāng)前輸入輸出的輸出預(yù)測(cè)響應(yīng)，

Y=[y(k+1),y(k+2),…,y(k+N)]T

為未來(lái)的預(yù)測(cè)輸出；

ΔU=[Δu(k),Δu(k+1),…,Δu(k+N-1)]T，

為當(dāng)前和未來(lái)的控制增量向量；

ΔU(k-j)=[Δu(k-1),Δu(k-2),…,Δu(k-nb)]T為過(guò)去的控制增量向量；

Y(k)=[y(k),y(k-1),…,y(k-na)]T

為當(dāng)前及過(guò)去的實(shí)際輸出；

ξ=[ξ(k+1),ξ(k+2),…,ξ(k+N)]T

為未來(lái)的白噪聲向量；

(7)

(8)

(9)

(10)

2.3 性能指標(biāo)函數(shù)

預(yù)測(cè)控制的本質(zhì)是優(yōu)化控制算法，性能指標(biāo)的優(yōu)化決定控制效果。性能指標(biāo)與系統(tǒng)的未來(lái)行為有關(guān)。目標(biāo)輸出為最小的方差跟蹤預(yù)期軌跡。本文采用如下性能指標(biāo):

(11)

式中：y(k+j)和yr(k+j)分別為系統(tǒng)k+j時(shí)刻的實(shí)際輸出和估計(jì)輸出；N1為起始時(shí)刻，N2為終止時(shí)刻；Nu為控制長(zhǎng)度；γj為加權(quán)。

由式(11)可知，優(yōu)化不是離線一次完成的，而是在線反復(fù)運(yùn)行完成的。在每個(gè)采樣時(shí)間段，優(yōu)化后的性能指標(biāo)只涉及未來(lái)的有限時(shí)域，在下一個(gè)采樣時(shí)間，優(yōu)化后的時(shí)域向后移動(dòng)，實(shí)現(xiàn)滾動(dòng)優(yōu)化[23]。

文獻(xiàn)[24-25]給出了廣義預(yù)測(cè)控制的控制律，可由參考信號(hào)與輸出預(yù)測(cè)誤差、控制輸入誤差的平方和計(jì)算出的性能指標(biāo)推導(dǎo)。通過(guò)添加帶有設(shè)計(jì)參數(shù)的新信號(hào)，對(duì)GPC進(jìn)行擴(kuò)展。

實(shí)際運(yùn)行過(guò)程中不斷更新信息，并始終根據(jù)最新信息進(jìn)行優(yōu)化，可有效解決模型失配、時(shí)變和干擾等引起的變化，使控制具有更強(qiáng)的魯棒性，在運(yùn)行中保持最優(yōu)[26]。

性能指標(biāo)函數(shù)式(11)可表示為矩陣形式，即

J=E{[Y-Yr]T[Y-Yr]+ΔUTΓΔU}，

(12)

式中：Γ=diag(γ1,γ2,…,γNu)；

Y=[y(k+N1),y(k+N1+1),…,y(k+N2)]T；Yr=[yr(k+N1),yr(k+N1+1),…,yr(k+N2)]T；ΔU=[Δu(k),Δu(k+1),…,Δu(k+Nu-1)]T。 以往的控制加權(quán)矩陣Γ為Nu階單位陣，考慮控制與輸出的權(quán)重，需要弱化控制加權(quán)系數(shù)在程序運(yùn)行以后的權(quán)重，因此令控制加權(quán)系數(shù)

(13)

將式(6)代入式(12)中，得

J=E{[F1ΔU+Y1+Eξ-Yr]T[F1ΔU+
Y1+Eξ-Yr]+ΔUTΓΔU}，

(14)

(15)

則當(dāng)前時(shí)刻的控制量為

(16)

此外，本文采用帶遺忘因子入的遞推最小二乘法估計(jì)對(duì)象參數(shù)，此種辨識(shí)方法更適用于參數(shù)突變但不頻繁和參數(shù)緩慢變化兩種情況，如式(17)所示：

(17)

綜上所述，具體實(shí)施步驟可歸納如下[27]：

(2)采樣當(dāng)前實(shí)際輸出y(k)和參考軌跡輸出yr(k+j);

(4)求解Diophantine方程(18)，得到Ej,Gj,Fj。

(5)構(gòu)造向量Yr,ΔU(k-j),Y(k)及矩陣G,F1,F2。

(6)利用式(16)計(jì)算并實(shí)施u(k)。

(7)返回(2)，這時(shí)k變?yōu)閗+1，繼續(xù)循環(huán)。

2.4 多步Diophantin方程迭代算法

多步Diophantin方程模型的形式如下。

C(z-1)=A(z-1)Ej(z-1)+z-jGj(z-1),

Fj(z-1)=B(z-1)Ej(z-1),

(18)

式中：

A(z-1)=1+a1z-1+…+anaz-na；

B(z-1)=b0+b1z-1+…+bnbz-nb；

C(z-1)=1+c1z-1+…+cncz-nc；

Ej(z-1)=1+ej,1z-1+…+ej,nejz-nej；

Gj(z-1)=gj,0+gj,1z-1+…+gj,ngjz-ngj；

Fj(z-1)=fj,0+fj,1z-1+…+fj,nfjz-nfj；

degEj=j-1,degGj=na-1；degFj=nb+j-1，

(19)

j=1,2,3,…,N，

j=1時(shí)，有

C=AE1+z-1G1，

(20)

從而有

(21)

根據(jù)式(18)，可以寫(xiě)出第(j+1)項(xiàng)，

(22)

式(18)與式(22)相減，得

A(Ej+1-Ej)=z-j(Gj-z-1Gj+1)，

(23)

由于等號(hào)右邊乘上z-j，所以右邊最低次冪也從z-j開(kāi)始，左邊前(j-1)項(xiàng)全為零0，Ej+1與Ej的前(j-1)項(xiàng)系數(shù)必相等，即

z-1Gj+1=Gj-ej+1,jA，

(24)

展開(kāi)，得

(25)

可得遞推公式為

3 水輪機(jī)調(diào)節(jié)系統(tǒng)模型

如圖2所示[15]，為了使調(diào)節(jié)系統(tǒng)具有良好的動(dòng)態(tài)特性，需要應(yīng)用自動(dòng)控制理論分析水輪機(jī)系統(tǒng)。建立水輪機(jī)系統(tǒng)各部分的數(shù)學(xué)模型分析系統(tǒng)的動(dòng)態(tài)特性[28-30]。

圖2 水輪機(jī)轉(zhuǎn)速自動(dòng)調(diào)節(jié)系統(tǒng)方框圖Fig.2 Block diagram of automatic adjustment system for turbine speed

3.1 調(diào)速器液壓隨動(dòng)系統(tǒng)

液壓隨動(dòng)系統(tǒng)將電子調(diào)節(jié)器發(fā)出的電信號(hào)轉(zhuǎn)換并放大成相應(yīng)的機(jī)械信號(hào)，從而控制導(dǎo)葉[31]。

配壓閥是以機(jī)械位移作為輸入以連續(xù)控制輸出的液體壓力和流量的裝置，也稱(chēng)為液壓放大器，起著功率放大的作用。如圖3所示[15]，配壓閥開(kāi)口為矩形，閥心位移量ΔS，寬度W，由窗口與接力器油流量平衡，得

圖3 配壓閥開(kāi)口示意圖Fig.3 Schematic diagram of pressure valve opening

(27)

式中：接力器位移Y=Y0+ΔY；接力器的運(yùn)動(dòng)速度

(28)

可得

(29)

將式(29)變化為

(30)

由此可得主接力器傳遞函數(shù)

(31)

3.2 引水系統(tǒng)

由于水擊的存在，水輪機(jī)系統(tǒng)動(dòng)態(tài)性能會(huì)變差。水輪機(jī)引水系統(tǒng)如圖4所示[15]。

圖4 水輪機(jī)引水系統(tǒng)Fig.4 Water diversion system of hydropower unit

轉(zhuǎn)速發(fā)生變化時(shí)，調(diào)節(jié)器將自動(dòng)操作導(dǎo)葉開(kāi)合，從而引起流量和流速變化。在水流的慣性作用下，閥門(mén)和水庫(kù)的壓力發(fā)生改變，這種現(xiàn)象稱(chēng)為水擊。水擊壓力ΔH和流量Q等變量可以用以下模型表示，

(32)

對(duì)式(32)變形，得

(33)

H(s)=-TωsQ(s)，

(34)

于是引水系統(tǒng)傳遞函數(shù)為

(35)

3.3 水輪機(jī)數(shù)學(xué)模型

依據(jù)水輪機(jī)綜合特性曲線求取水輪機(jī)的7個(gè)傳遞系數(shù)，分別為：力矩對(duì)導(dǎo)葉開(kāi)度傳遞系數(shù)ey；流量對(duì)導(dǎo)葉開(kāi)度傳遞系數(shù)eqy；力矩對(duì)轉(zhuǎn)速傳遞系數(shù)ex；流量對(duì)轉(zhuǎn)速傳遞系數(shù)eqx；力矩對(duì)水頭傳遞系數(shù)eh；流量對(duì)水位傳遞系數(shù)eqh；發(fā)電機(jī)負(fù)載的調(diào)節(jié)系數(shù)eg。

令eqx=0，en=eg-ex，則可得水輪機(jī)的傳遞函數(shù)

(36)

3.4 發(fā)電機(jī)負(fù)載模型

發(fā)電機(jī)負(fù)載模型如圖5所示[15]。圖5中，G為發(fā)電機(jī)，Mg1～Mgn為負(fù)荷力矩，K1～Kn為斷路器。

圖5 發(fā)電機(jī)負(fù)荷力矩簡(jiǎn)化模型Fig.5 Simplified model of generator load moments

(37)

(38)

式中，

(39)

發(fā)電機(jī)及負(fù)載的傳遞函數(shù)為

(40)

綜上所述，采用表1可求得GPC控制對(duì)象的傳遞函數(shù)模型，為

(41)

對(duì)式(41)變形，得

(42)

即

0.5s3y(s)+3.6s2y(s)+5.7sy(s)+y(s)=-su(s)+u(s)。

(43)

對(duì)式(43)兩邊進(jìn)行拉普拉斯逆變換，得

(44)

對(duì)其離散化，令

(45)

把式(45)代入式(44)，可得水輪機(jī)系統(tǒng)的差分方程模型為

y(k)=0.102u(k-2)+1.469y(k-1)-0.52y(k-2)+0.051y(k-3)。

(46)

4 仿真結(jié)果與分析

為了使輸出y(k)平滑地過(guò)渡到設(shè)定值ω,參考軌跡取為

(47)

式中，α為輸出柔化系數(shù)，本文取α=0.7，設(shè)定值ω則分別取為階躍與方波信號(hào)。結(jié)合表1所給參數(shù)數(shù)值，進(jìn)行針對(duì)水輪機(jī)對(duì)象模型的GPC仿真。為了驗(yàn)證預(yù)測(cè)模型的有效性，通過(guò)給定不同的設(shè)定值，觀察輸出轉(zhuǎn)速是否滿足要求[32]。

表1 水電站機(jī)組主要等效模型參數(shù)設(shè)計(jì)Tab.1 Main equivalent model parameter design of hydropower generating units

圖6 階躍信號(hào)GPC算法輸出波形Fig.6 Output waveforms of GPC algorithm with step signal

圖6和圖7分別對(duì)應(yīng)不同ω的GPC算法,圖8和圖9分別對(duì)應(yīng)于各自不同設(shè)定值的控制輸出序列。由圖6～9可以看出，輸出值在設(shè)定值之間上下波動(dòng)。系統(tǒng)采用GPC方法進(jìn)行發(fā)電機(jī)轉(zhuǎn)速調(diào)節(jié)時(shí)，各典型狀態(tài)變量的超調(diào)量、調(diào)節(jié)時(shí)間、振蕩次數(shù)、衰減速率等指標(biāo)均取得了較優(yōu)的控制效果，證明本文GPC 頻率調(diào)節(jié)方法的有效性及其控制性能的優(yōu)越性。

圖7 方波信號(hào)GPC算法輸出波形Fig.7 Output waveforms of GPC algorithm with square wave signal

圖8 方波信號(hào)GPC算法輸入控制波形Fig.8 Input control waveforms of GPC algorithm with square wave signal

圖9 階躍信號(hào)GPC算法輸入控制波形Fig.9 Input control waveforms of GPC algorithm with step signal

系統(tǒng)工況出現(xiàn)大范圍變化時(shí)，PID控制往往需針對(duì)不同工況選取不同的PID參數(shù)。雖然GPC中參數(shù)N1,Nu,γj,α的取值與系統(tǒng)動(dòng)態(tài)過(guò)程相關(guān)，但這些參數(shù)中，N1取決于系統(tǒng)時(shí)延、Nu決定控制量變化傾向、N2決定系統(tǒng)閉環(huán)穩(wěn)定和優(yōu)化時(shí)間、rj用于限制控制能量、α改變期望的響應(yīng)速度，這些參數(shù)均對(duì)工況變化的敏感性不高。

當(dāng)系統(tǒng)矩陣的對(duì)象參數(shù)未知或變化時(shí)，可加入自適應(yīng)控制策略，首先利用式(4)中的對(duì)象參數(shù)a1,a2,b0,b1，它們分別為A(z-1)的第二項(xiàng)與第三項(xiàng)系數(shù)、B(z-1)的第一項(xiàng)與第二項(xiàng)系數(shù),然后再設(shè)計(jì)GPC控制律。如圖10～11所示，通過(guò)辨識(shí)得到系統(tǒng)對(duì)象參數(shù)。

圖10 方波信號(hào)對(duì)象參數(shù)估計(jì)結(jié)果Fig.10 Parameter estimation results of the square wave signal object

圖11 階躍信號(hào)對(duì)象參數(shù)估計(jì)結(jié)果Fig.11 Parameter estimation results of the step signal object

對(duì)比圖9與圖12 、圖8與圖13可知，控制輸入可調(diào)區(qū)間更廣，控制輸入更加劇烈，并對(duì)比圖6與圖14、圖7與圖15，可知輸出波形的各個(gè)波峰更小，輸出更加平滑，穩(wěn)定性更強(qiáng)。

圖12 階躍信號(hào)系統(tǒng)辨識(shí)GPC算法輸入控制波形Fig.12 Input control waveforms of system identification of GPC algorithm with step signal

圖13 方波信號(hào)系統(tǒng)辨識(shí)GPC算法輸入控制波形Fig.13 Input control waveforms of system identification of GPC algorithm with square wave signal

圖14 階躍信號(hào)系統(tǒng)辨識(shí)GPC算法輸出波形Fig.14 Output waveforms of system identification of GPC algorithm with step signal

圖15 方波信號(hào)系統(tǒng)辨識(shí)GPC算法輸出波形Fig.15 Output waveforms of system identification of GPC algorithm with square wave signal

由于GPC的本質(zhì)是通過(guò)在線優(yōu)化計(jì)算出最優(yōu)控制律，因此，采用GPC進(jìn)行機(jī)組頻率調(diào)節(jié)時(shí)，其控制參數(shù)具有更強(qiáng)的工況適用性。

從仿真結(jié)果可以看出，本文提出的方法使頻率調(diào)節(jié)在水輪機(jī)系統(tǒng)模型中具有良好的動(dòng)態(tài)響應(yīng)性能，從而驗(yàn)證了本文提出控制方法的可行性。

5 結(jié) 語(yǔ)

本文對(duì)水輪機(jī)調(diào)速系統(tǒng)廣義預(yù)測(cè)控制進(jìn)行了研究，針對(duì)水電廠微機(jī)調(diào)節(jié)系統(tǒng)，提出了一種基于廣義預(yù)測(cè)控制的水輪機(jī)系統(tǒng)頻率調(diào)節(jié)方法，取代傳統(tǒng)PID型調(diào)速器，以獲得更為滿意的控制性能。首先，建立了全面反映機(jī)組運(yùn)行過(guò)程中調(diào)速系統(tǒng)關(guān)鍵狀態(tài)變量變化過(guò)程的水輪機(jī)組調(diào)速系統(tǒng)模型；其次，根據(jù)該模型進(jìn)行拉普拉斯變換，得出用于GPC的連續(xù)系統(tǒng)模型；最后，通過(guò) GPC算法對(duì)該模型實(shí)施了在線滾動(dòng)優(yōu)化。

仿真結(jié)果表明，對(duì)于不同的設(shè)定值，該控制方法都能使水輪機(jī)轉(zhuǎn)速調(diào)節(jié)保持良好的動(dòng)態(tài)響應(yīng)性能，并且增強(qiáng)了系統(tǒng)的魯棒性。