王江峰，張曉力，陳天華

（北京工商大學計算機與信息工程學院，北京 100048）

電廠發(fā)電機勵磁系統(tǒng)的節(jié)能控制模型仿真分析

王江峰，張曉力，陳天華

（北京工商大學計算機與信息工程學院，北京 100048）

電廠發(fā)電機勵磁系統(tǒng)具有非線性、強耦合的特點，能耗較大。提出基于模糊自適應算法的電廠發(fā)電機勵磁系統(tǒng)節(jié)能控制模型，給出節(jié)能控制模型輸入輸出變量的確定過程和相應的模糊控制規(guī)則的設計步驟，把經(jīng)模糊推理得到的輸出模糊變量通過反模糊化過程變成精確量，設計模糊隸屬度函數(shù)。采用模糊自適應算法設計電廠發(fā)電機勵磁系統(tǒng)節(jié)能控制模型并搭建仿真環(huán)境，對存在干擾時2種模型節(jié)能控制效果和電廠發(fā)電機勵磁系統(tǒng)出力情況分別進行了實驗仿真和實驗結(jié)果的比較分析。由實驗分析結(jié)果可知，文中構(gòu)建的模型較PID模型具有更強的抗干擾能力，能更有效地降低節(jié)能控制模型的超調(diào)量；該勵磁系統(tǒng)模型的負荷率較低，基本能維持全天最低出力。

電廠發(fā)電機；勵磁系統(tǒng)；節(jié)能控制模型

為保證電廠發(fā)電機能安全穩(wěn)定地運行，防止發(fā)電機無故障下出現(xiàn)機組振蕩造成電廠全停事故的發(fā)生，通常采用勵磁系統(tǒng)對其進行調(diào)整[1-2]。而勵磁系統(tǒng)的不停運行導致能耗大量增加，因此，對其進行節(jié)能控制已經(jīng)成為亟需解決的問題[3-4]。為了降低能耗，研究一種有效的能應用于電廠發(fā)電機勵磁系統(tǒng)中的節(jié)能控制模型已經(jīng)成為相關學者研究的重點課題，受到越來越廣泛的關注[5-6]且具有重要意義。

目前，有很多學者對勵磁系統(tǒng)節(jié)能控制模型進行了研究，主要包括PLC節(jié)能控制模型、PID節(jié)能控制模型和神經(jīng)網(wǎng)絡控制模型，取得了一定的研究成果。其中，文獻[7]提出一種基于廣域參數(shù)分布的勵磁系統(tǒng)節(jié)能控制模型，根據(jù)影響系統(tǒng)參量的全部參數(shù)構(gòu)建關聯(lián)矩陣，求出最小反饋誤差，將其作為閾值實現(xiàn)節(jié)能控制，然而，該方法復雜度高，計算過程較為繁雜；文獻[8]提出一種基于靜止無功率補償器的勵磁系統(tǒng)節(jié)能控制模型，通過靜止無功率補償器對耗費的能源進行有效的補償，實現(xiàn)勵磁系統(tǒng)的節(jié)能控制，然而，該方法會形成外電場，導致節(jié)能控制性能不佳；文獻[9]提出一種基于微分線性組合的勵磁系統(tǒng)節(jié)能控制模型，通過DSP控制設計，將節(jié)能調(diào)節(jié)控制劃分成輸入采樣、用戶程序執(zhí)行和輸出刷新3個過程，以完成對勵磁系統(tǒng)的高效節(jié)能控制，然而，該節(jié)能控制系統(tǒng)存在精度較差的弊端；文獻[10]提出一種基于衰減調(diào)制的勵磁系統(tǒng)節(jié)能控制方法，首先建立了節(jié)能控制系統(tǒng)的總體模型，通過分析勵磁系統(tǒng)的協(xié)調(diào)控制策略，實現(xiàn)無損二次衰減調(diào)制，從而增強對勵磁系統(tǒng)的控制效益，完成系統(tǒng)的節(jié)能控制，然而，該方法所需時間較長，不適用于實際應用。

針對上述方法存在的弊端，提出一種基于模糊自適應算法的電廠發(fā)電機勵磁系統(tǒng)節(jié)能控制模型，該模型基于模糊自適應算法，通過模糊控制規(guī)則，將控制過程中的模糊變量變成精確量，使精確輸出量和控制指標之間的偏差盡可能達到最小從而實現(xiàn)電機勵磁系統(tǒng)能耗的控制。下面將詳細介紹本文提出的勵磁系統(tǒng)節(jié)能控制模型。

1 基于模糊自適應算法的勵磁系統(tǒng)節(jié)能控制模型設計

依據(jù)模糊控制理論，在建立電廠發(fā)電機勵磁系統(tǒng)節(jié)能控制模型時，僅需構(gòu)建相應的模糊控制規(guī)則，無需構(gòu)建精準的數(shù)學模型，就能達到理想的節(jié)能控制效果。在模糊控制規(guī)則設計之前，需要確定模型的輸入輸出變量，下面進行詳細的分析。

1.1 節(jié)能控制模型輸入輸出變量的確定

輸入輸出變量的確定是電廠發(fā)電機勵磁系統(tǒng)節(jié)能控制模型的基礎和關鍵。因為勵磁系統(tǒng)所消耗的能量基本上為電能，所以本節(jié)將電量作為勵磁系統(tǒng)的輸入變量值，用Os描述電磁系統(tǒng)設定電量值，用Oi描述電磁系統(tǒng)真實的測量值，求出的值和真實值之差用Ei進行描述，同時將其看作是模糊自適應控制器的一個輸入量，Ei=Os－Oi（i=1，2，3，…），其中，i表示所構(gòu)建節(jié)能控制模型的第i次的采樣。

通過不斷的采樣計算，把差值的變化量Eci看作是其中的一個輸出量Eci=Ei－Ei－1（i=1，2，3，…）。上述2個輸入量為模糊輸入量。將勵磁系統(tǒng)的電量控制量yi看作是節(jié)能控制模型的輸出變量。

1.2 模糊控制規(guī)則的設計

模糊控制規(guī)則為人工寫入的，是模糊控制芯片進行邏輯判斷的理論依據(jù)，節(jié)能控制模型依據(jù)輸入的偏差量和偏差變化量對輸出量狀態(tài)的改變進行判斷。詳細模糊控制規(guī)則如下。

1）在偏差值為正大的情況下，如果偏差該變量亦為正，則此時相對額定值電量偏差是整數(shù)，同時有增長的趨勢，為了防止偏差增長，恢復額定值，則控制量的取值取負大。

2）在偏差值為正中的情況下，如果偏差變化量是負值，則當前偏差有降低的趨勢，為了在控制超調(diào)量的同時滿足額定電量，控制量的值取負中或者負小。

3）在偏差值為正小的情況下，如果這時偏差變化量是負值，那么此刻相對額定電量偏差是正數(shù)，同時有降低的趨勢，為了高效地達到額定值，控制量應取負小或者0。

4）在偏差值為負大的情況下，如果此刻偏差變化量值為負值，為了避免偏差的出現(xiàn)，達到額定值，控制量值應取正大。

1.3 勵磁系統(tǒng)節(jié)能控制過程模糊推理

模糊控制規(guī)則設計好后，接下來就需要依據(jù)模糊控制規(guī)則和輸入變量進行模糊推理獲取節(jié)能控制模型的模糊輸出量。本節(jié)通過極大極小值法實現(xiàn)勵磁系統(tǒng)節(jié)能控制過程的模糊推理。其基本思想如下：針對存在的多個前提規(guī)則，通過模糊邏輯“與”和“或”的算法，取各前提的最小值或最大值為該規(guī)則的值，稱作是該規(guī)則的力量。而前提的值為該命題的模糊邏輯值，即輸入變量隸屬于指定模糊子集的程度。針對存在多個結(jié)論的規(guī)則，所有結(jié)論的取值均為該規(guī)則的力量。該結(jié)論的值就是該結(jié)論的命題中輸出變量隸屬于指定模糊子集的程度。詳細實現(xiàn)過程如下。

如果模糊規(guī)則為Ai且Bi，則電容C的關系可描述如下：

式中：μAi為模糊規(guī)則Ai的電流值；μBi為模糊規(guī)則Bi的電流值。相反，如果模糊規(guī)則是Ai或Bi，則模糊推理可描述成：

依據(jù)上述分析，模糊隸屬函數(shù)可描述成：

式中：u為電壓；uA′為模糊推理后的模糊規(guī)則A′的電壓；uB′為模糊推理后的模糊規(guī)則B′的電壓；uAi為模糊規(guī)則Ai的電壓；uB′為模糊推理后的模糊規(guī)則B′的電壓。

1.4 模糊輸出量的反模糊化處理

反模糊化處理能將節(jié)能控制模型的模糊輸出量轉(zhuǎn)換成精確輸出量，為了得到精確的輸出量，在設計時，對得到的模糊輸出量反模糊化處理，因為一個輸出變量有多個模糊子集，所以會存在多個模糊輸出變量，這就需從多個模糊子集及其隸屬函數(shù)中判斷出一個準確的輸出量。

節(jié)能控制模型的模糊規(guī)則是模糊條件語句互相結(jié)合表達的，同時語句間的邏輯關系為“或”，依據(jù)輸入輸出關系可獲取模糊關系：

式中：Bij用于描述輸入變量的一個模糊子集標號。假設e={E1，E2，…，Ei}、ec={EC1，EC2，…，ECi}為模糊輸入變量子集，那么輸出變量的模糊子集為：

通過上節(jié)己得出輸出變量隸屬于Ui{U1，U2，…，Ui}的隸屬度分別為ui{u1，u2，…，ui}，因此取ui{u1，u2，…，ui}中最大隸屬度所對應的輸出量為精確輸出量。

1.5 節(jié)能控制模型的建立

在上述分析的基礎上，采用模糊自適應算法對電廠發(fā)電機勵磁系統(tǒng)節(jié)能控制模型進行構(gòu)建。

基本思想為：通過設計的模糊隸屬度函數(shù)，使利用上節(jié)得到的精確輸出量和控制指標之間的偏差盡可能地達到最小，逐漸達到穩(wěn)定狀態(tài)，因此，本節(jié)建立的節(jié)能控制模型可描述如下：

在δi+1小于既定閾值的情況下，節(jié)能控制效果的模糊偏差量趨于0，節(jié)能控制達到穩(wěn)態(tài)，詳細的節(jié)能控制過程如圖1所示。

分析圖1可知，在明確給定值的條件下，通過數(shù)模轉(zhuǎn)換器A/D模塊轉(zhuǎn)化成可計算的控制變量，利用模糊化處理、模糊推理和反模糊化3個步驟建立模糊節(jié)能控制模型，利用將數(shù)字信號轉(zhuǎn)換為模擬信號的數(shù)模轉(zhuǎn)換器A/D模塊生成模糊隸屬度函數(shù)，將其輸入勵磁系統(tǒng)中，通過傳感器輸出節(jié)能控制模型，完成節(jié)能控制。

圖1 節(jié)能控制過程Fig.1 Energy-saving control process

2 實驗結(jié)果分析

2.1 仿真環(huán)境構(gòu)建

為了驗證本文提出模型的有效性，進行相關的實驗分析。實驗將PID節(jié)能控制模型作為對比，通過matlab 7.0仿真軟件構(gòu)建實驗環(huán)境。電廠發(fā)電機勵磁系統(tǒng)節(jié)能控制是一個非線性、多變量耦合的復雜對象，因此，需構(gòu)建一個模擬環(huán)境進行仿真實驗。電廠發(fā)電機勵磁系統(tǒng)節(jié)能控制實驗環(huán)境為Pentium（R）4 CPU，4.00 UHz，500 MB內(nèi)存的PC機，將階躍響應的優(yōu)劣作為評價節(jié)能控制模型好壞的標準，躍階響應曲線越平穩(wěn)，控制效果越穩(wěn)定。躍階響應是指在單位階躍信號u（t）的激勵下產(chǎn)生的零狀態(tài)響應，本文將電機勵磁系統(tǒng)節(jié)能控制的躍階響應閾值設定為0.95。

2.2 2種模型仿真結(jié)果比較

超調(diào)量是控制系統(tǒng)動態(tài)性能指標中的一個，是線性控制系統(tǒng)在階躍信號輸入下的階躍響應曲線分析動態(tài)性能的一個指標值。分別采用本文模型和PID模型對構(gòu)建的仿真勵磁系統(tǒng)進行節(jié)能控制，得到不同方法的超調(diào)量仿真曲線依次如圖2、圖3所示，超調(diào)量越小、與預設值越接近，說明控制效果越好。超調(diào)量計算公式如下：

分析比較圖2、圖3可以看出，和PID節(jié)能控制模型相比，采用本文模型對仿真勵磁系統(tǒng)進行節(jié)能控制產(chǎn)生的超調(diào)量更小，和預期值更加吻合，整個控制過程的平穩(wěn)性更高，而且本文模型所需的過渡時間和延遲時間更短，節(jié)能控制的性能明顯優(yōu)于PID節(jié)能控制模型，整個節(jié)能控制過程的性能指標比較結(jié)果如表1所示。

表1中：過渡時間指控制系統(tǒng)受到擾動作用后，被控變量從原穩(wěn)定狀態(tài)回復到新的平衡狀態(tài)所經(jīng)歷的最短時間，過渡時間越短，控制的穩(wěn)定性越好；延遲時間即為延遲，是表示節(jié)能控制過程的響應時間，延長時間越短，控制效率越高。

圖2 本文模型仿真曲線Fig.2 Model simulation curve in this paper

圖3 PID模型仿真曲線Fig.3 PID model simulation curve

表1 2種模型性能指標比較結(jié)果Tab.1 Comparison performance results of two kinds of models

在對上述勵磁系統(tǒng)進行節(jié)能控制的過程中，2種模型節(jié)能控制誤差曲線如圖4所示，其中控制誤差是控制測量值與客觀真實值之間的差異，這種差異就是測量誤差，控制誤差越小，說明方法進行節(jié)能控制的精度越高。

圖4 2種模型的控制誤差比較結(jié)果Fig.4 Comparison of control errors of two kinds of models

從圖4可以看出，與PID節(jié)能控制模型相比，本文模型的控制誤差曲線更加平穩(wěn)，而且控制誤差更小，充分體現(xiàn)出本文模型優(yōu)良的節(jié)能控制性能。

2.3 存在干擾時2種模型節(jié)能控制效果比較

為了進一步驗證兩種模型的性能，在勵磁系統(tǒng)節(jié)能控制仿真過程中，依次加入不同的干擾量，得到本文模型和PID節(jié)能控制模型的響應曲線如圖5—圖8所示。

圖5 干擾量是0時2種模型的響應曲線Fig.5 The response curves of two kinds of models when the disturbance variable is 0.

圖6 干擾量是20時2種模型的響應曲線Fig.6 The response curves of two kinds of models when the disturbance variable is 20

圖7 干擾量是50時2種模型的響應曲線Fig.7 The response curves of two kinds of models when the disturbance variable is 50

圖8 干擾量是100時2種模型的響應曲線Fig.8 The response curves of two kinds of models when the disturbance variable is 100

由圖5—圖8可以看出，在干擾量是0的情況下，采用本文模型和PID節(jié)能控制模型的控制效果均較為平穩(wěn)，差別不大，但隨著干擾量的逐漸增加，采用PID節(jié)能控制模型的控制波動逐漸增大，而采用本文模型得到的控制曲線波動一直相對較小，說明本文模型的抗干擾能力更強，能更加有效地降低節(jié)能控制模型的超調(diào)量。

2.4 電廠發(fā)電機勵磁系統(tǒng)出力分析

對不同發(fā)電機勵磁系統(tǒng)在不同模型下的全天出力情況，也就是勵磁系統(tǒng)的負荷率進行比較分析，得到的結(jié)果用表2進行描述，負荷率是某段時間內(nèi)的平均負荷與該段時間內(nèi)的最高負荷的百分比，負荷率越低，節(jié)能控制的負擔越小，節(jié)能效果越好。

分析表2可知，采用PID模型進行節(jié)能控制時，勵磁系統(tǒng)A、B的全天負荷率均相對較高，平均約為0.902和0.892，而本文模型下兩個勵磁系統(tǒng)的負荷率均明顯下降，平均約為0.689和0.691，基本維持全天最低出力，比傳統(tǒng)的PID模型分別降低了23.57%和22.52%，進一步驗證了本文模型的有效性。

表2 2種模型下磁力系統(tǒng)負荷率比較結(jié)果Tab.2 Comparison results of the magnetic system load rates under two kinds of models

3 結(jié)論

在進行2種模型仿真結(jié)果比較實驗時，采用本文模型對仿真勵磁系統(tǒng)進行節(jié)能控制產(chǎn)生的超調(diào)量更小，和預期值更加吻合，整個控制過程的平穩(wěn)性更高，而且本文模型所需的過渡時間更短，節(jié)能控制的性能明顯優(yōu)于PID節(jié)能控制模型。本文模型的控制誤差曲線更加平穩(wěn)，而且控制誤差更低，本文模型充分體現(xiàn)出優(yōu)良的節(jié)能控制性能。

在干擾情況下，對2種模型節(jié)能控制效果對比可知，隨著干擾量的逐漸增加，采用PID節(jié)能控制模型的控制波動逐漸增大趨勢，而采用本文模型得到的控制曲線波動一直相對較小，說明本文模型的抗干擾能力更強，能更加有效地降低節(jié)能控制模型的超調(diào)量。

在進行電廠發(fā)電機勵磁系統(tǒng)出力分析實驗時，采用PID模型進行節(jié)能控制時，勵磁系統(tǒng)A、B的全天負荷率均相對較高，而本文模型下兩個勵磁系統(tǒng)的負荷率均明顯下降，基本維持全天最低出力，進一步驗證了本文模型的有效性。

[1]孟昭亮，程遠，邵文權(quán)，等.同步直驅(qū)風電機組并網(wǎng)系統(tǒng)仿真[J].西安工程大學學報，2015，29（4）:436-441.MENG Zhaoliang，CHENG Yuan，SHAO Wenquan，et al.Simulation of synchronous direct driving wind turbine gridsystem[J].Journal of Xi’an Polytechnic University，2015，29（4）:436-441（in Chinese）.

[2]趙會茹，周佳，郭森，等.影響中長期電力需求的經(jīng)濟社會發(fā)展指標體系研究[J].陜西電力，2015，43（8）:71-77.ZHAO Huiru，ZHOU Jia，GUO Sen，et al.Indicator system for economic and social development to impact long-term electricity demand[J].Shaanxi Electric Power，2015，43（8）:71-77（in Chinese）.

[3]邱建，曾耿暉，李一泉，等.220 kV兩相式電鐵牽引站供電線路的短路故障計算及其保護整定原則分析[J].電網(wǎng)與清潔能源，2015，31（4）:47-53.QIU Jian，ZENG Genghui，LI Yiquan，et al.Analysis on the short circuit fault calculation and the protection setting principles of 220 kV two-phase power supply lines of electrified railway[J].Power System and Clean Energy，2015，31（4）:47-53（in Chinese）.

[4]萬杰，許天寧，李澤，等.熱電聯(lián)產(chǎn)機組抽汽供熱期的汽輪機滑壓運行優(yōu)化方法[J].節(jié)能技術，2015，33（1）: 33-37.WAN Jie，XU Tianning，LI Ze，et al.Turbines sliding pressure operation optimization for cogeneration unit during in the period of steam extraction for heating[J].Energy Conservation Technology，2015，33（1）:33-37（in Chinese）.

[5]楊藝，虎恩典.基于S函數(shù)的BP神經(jīng)網(wǎng)絡PID控制器及Simulink仿真[J].電子設計工程，2014，22（4）:29-31.YANG Yi，HU Endian.Simulink simulation of BP neural network PID controller based on S-function[J].Electronic Design Engineering，2014，22（4）:29-31（in Chinese）.

[6]張波.大型機電設備的高效節(jié)能控制模型仿真分析[J].電力與能源，2015，36（4）:524-528.ZHANG Bo.Simulation analysis of large electromechanical equipment efficient energy saving control model[J].Power &Energy，2015，36（4）:524-528（in Chinese）.

[7]任志玲，韓佳昊.基于MPC的煤礦井下排水系統(tǒng)節(jié)能控制策略研究[J].系統(tǒng)仿真學報，2015，27（12）：78-82.REN Zhiling，HAN Jiahao.Energy saving control research on mine drainage system based on model predictive control[J].Journal of System Simulation，2015，27（12）：78-82（in Chinese）.

[8]郭新峰，孟春巖.汽車發(fā)動機節(jié)能優(yōu)化控制仿真與研究[J].計算機仿真，2014，31（12）:160-163.GUO Xinfeng，MENG Chunyan.Automotive engine energy optimization control simulation and research[J].Computer Simulation，2014，31（12）:160-163（in Chinese）.

[9]王超.網(wǎng)絡設備節(jié)能控制機制的設計與仿真實現(xiàn)[J].價值工程，2014，23（14）:195-196.WANG Chao.Design and simulated implementation of the energy saving control mechanism for network devices[J].Value Engineering，2014，23（14）:195-196（in Chinese）.

[10]張杰，王艷娜，田靜.電力系統(tǒng)節(jié)能優(yōu)化軟件控制過程仿真分析[J].現(xiàn)代電子技術，2014，5（8）:145-147.ZHANG Jie，WANG Yanna，TIAN Jing.Simulation analysis of software control process for power system energy-saving optimization[J].Modern Electronics Technique，2014，5（8）:145-147（in Chinese）.

（編輯 徐花榮）

Analysis of the Energy-Saving Control Model of the Generator Excitation System in Power Plants

WANG Jiangfeng，ZHANG Xiaoli，CHEN Tianhua
（School of Computer and Information Engineering，Beijing Technology and Business University，Beijing 100048，China）

The excitation system of a power plant generator is characteristics of nonlinear，strong coupling and large energy consumption.Based on the fuzzy adaptive algorithm，this paper proposes an energy saving control model，gives the determination process of input and output variables and the corresponding design steps of the fuzzy control rules，translates the output fuzzy variables obtained by fuzzy inference into a precise quantity through the anti-fuzzy process，and designs the fuzzy membership functions.The fuzzy adaptive algorithm is used to design the energy saving control mode of the generator excitation system and set up the simulation environment，and the experiment simulation is carried out respectively on the energysaving control effects of two kinds of models where there is interference and the output power plant generator excitation system，and the simulation results are compared.Analysis of the experimental result shows that the model established in this paper has stronger anti-interference ability，can more effectively reduce the overshoot of energy-saving control model.And the load of the excitation system model is low and the lowest output can maintain for a whole day.

power plantgenerator；excitationsystem；energy-saving control model

北京教委科技發(fā)展計劃面上項目（KZ201510011011）。

Project Supported by Science and Technology Development Program of Beijing Education Commission（KZ201510011011）.

1674-3814（2016）08-0129-06

TP271.08

A

2016-01-18。

王江峰（1974—），男，碩士，實驗師，主要研究領域為模式識別與智能系統(tǒng)、計算機網(wǎng)絡。