周文軍

水輪機(jī)調(diào)節(jié)系統(tǒng)非線性模型預(yù)測控制器設(shè)計(jì)

周文軍

（國電大渡河流域水電開發(fā)有限公司龔嘴水力發(fā)電總廠，四川省 樂山市 614900）

基于麥克勞林展開公式，對水輪機(jī)調(diào)節(jié)系統(tǒng)(hydro-turbine governing system，HTGS)中的非線性項(xiàng)進(jìn)行近似處理，引入Takagi-Sugeno (TS)模糊控制處理麥克勞林展開式中的非線性項(xiàng)，建立水輪機(jī)調(diào)節(jié)系統(tǒng)的TS模糊模型。基于TS模糊模型以及所定義的目標(biāo)函數(shù)，設(shè)計(jì)了一種適用于水輪機(jī)調(diào)節(jié)系統(tǒng)的非線性模型預(yù)測控制器(nonlinear model predictive controller，NMPC)?？紤]到水輪機(jī)調(diào)節(jié)系統(tǒng)的約束問題，引入二次規(guī)劃(quadratic programming，QP)，求解系統(tǒng)約束下的最優(yōu)控制器輸出。通過數(shù)值模擬評估所設(shè)計(jì)的基于二次規(guī)劃的非線性模型預(yù)測控制器(quadratic programming-based nonlinear model predictive controller，QPNMPC)的性能，模擬結(jié)果表明：所設(shè)計(jì)的QPNMPC控制器能夠有效地控制水輪機(jī)調(diào)節(jié)系統(tǒng)的輸出功率，且相比于傳統(tǒng)的PID控制器具有一定的優(yōu)點(diǎn)。

水輪機(jī)調(diào)節(jié)系統(tǒng)；Takagi-Sugeno模糊控制；模型預(yù)測控制；二次規(guī)劃；系統(tǒng)約束

0 引言

作為一種清潔能源，水電的高效利用對于能源可持續(xù)發(fā)展具有重要意義。水輪機(jī)調(diào)節(jié)系統(tǒng)(hydro-turbine governing system，HTGS)是水電站的核心組件之一，良好的HTGS控制系統(tǒng)是水電站安全穩(wěn)定運(yùn)行的重要保證。目前，HTGS控制系統(tǒng)大多是基于PID控制律而設(shè)計(jì)的。雖然PID控制算法具有結(jié)構(gòu)簡單、易于實(shí)現(xiàn)等優(yōu)點(diǎn)；但是，PID控制算法完全是基于當(dāng)前的被控對象輸出與被控對象輸出目標(biāo)值之差而計(jì)算出當(dāng)前控制輸入的，難以適應(yīng)不同的運(yùn)行工況。例如，當(dāng)輸出功率目標(biāo)值大幅變化時(shí)，為得到較好的控制效果，一些電廠采用“階梯式”方法對輸出功率目標(biāo)值進(jìn)行處理，將輸出功率目標(biāo)值的一次變化轉(zhuǎn)化為若干段“階梯”形變化，以防止PID控制器計(jì)算出較大的控制輸入。

為提高HTGS的控制效果，一些研究人員設(shè)計(jì)出了適應(yīng)性更強(qiáng)的控制器，并通過數(shù)值模擬評估了控制器的性能。例如：Yi等人[1]設(shè)計(jì)出了一種輸出反饋控制器；周建中等人[2]采用引力搜索算法優(yōu)化PID控制器的參數(shù)；Simani等人[3]設(shè)計(jì)出了一種容錯控制系統(tǒng)；桂小陽等人[4]設(shè)計(jì)出了一種自適應(yīng)控制器；Wang等人[5]基于線性矩陣不等式設(shè)計(jì)出了一種魯棒控制系統(tǒng)；寇攀高等人[6]設(shè)計(jì)出了一種滑模變結(jié)構(gòu)控制系統(tǒng)；Yuan等人[7]基于反饋線性化方法設(shè)計(jì)出了一種模糊-滑?？刂破鳎：刂葡到y(tǒng)用于控制器輸出的自適應(yīng)調(diào)節(jié)，以減小滑?？刂葡到y(tǒng)所固有的高頻抖振問題。雖然文獻(xiàn)[1-7]中取得了有價(jià)值的成果，但是這些控制算法都無法在控制器設(shè)計(jì)階段考慮系統(tǒng)約束。實(shí)際水電站中，水輪機(jī)的運(yùn)行受到機(jī)械限制，因此有必要考慮水輪機(jī)調(diào)節(jié)系統(tǒng)的約束問題。

模型預(yù)測控制(model predictive control，MPC)能夠在控制器設(shè)計(jì)階段考慮系統(tǒng)約束，是一種基于被控對象模型的最優(yōu)控制算法。系統(tǒng)約束在工業(yè)過程中普遍存在，因此MPC在工業(yè)控制以及理論探索中得到了廣泛關(guān)注[8-10]。例如：Wang等人[11-12]設(shè)計(jì)出了適用于壓水堆發(fā)電系統(tǒng)的MPC控制器；Sindareh-Esfahani等人[13]基于分段線性模型設(shè)計(jì)出了一種余熱蒸汽發(fā)生器MPC控制系統(tǒng)；Kujund?i?等人[14]基于MPC算法設(shè)計(jì)出了一種電池的最優(yōu)充電策略；Lim等人[15]針對汽車制冷系統(tǒng)設(shè)計(jì)出了一種MPC控制器。MPC算法通常是基于線性模型[13, 16-18]，根據(jù)所定義的目標(biāo)函數(shù)，對控制器輸出求導(dǎo)，得出最優(yōu)控制器輸出。被控對象建模對于基于被控對象模型而設(shè)計(jì)的控制器具有至關(guān)重要的意義，模型的準(zhǔn)確性對控制器的性能具有較大的影響。HTGS具有非線性的特點(diǎn)，本文基于麥克勞林展開公式和TS模糊控制系統(tǒng)處理HTGS的非線性項(xiàng)，建立了HTGS的TS模糊模型。對于非線性被控對象的建模，傳統(tǒng)的建模方法通常是采用單個(gè)模型描述控制系統(tǒng)；而Takagi-Sugeno (TS)模糊控制系統(tǒng)通常采用多個(gè)子系統(tǒng)模型來描述整個(gè)被控對象。基于隸屬度函數(shù)，TS模糊控制系統(tǒng)能夠?qū)⒍鄠€(gè)簡單的局部子系統(tǒng)結(jié)合起來，以描述復(fù)雜的被控對象。因此，TS模糊控制系統(tǒng)廣泛應(yīng)用于非線性被控對象的建模[19-21]。

首先，采用文獻(xiàn)[1]中的HTGS模型，基于麥克勞林展開公式和TS模糊控制系統(tǒng)，處理HTGS的非線性項(xiàng)，建立了HTGS的TS模型；其次，根據(jù)所建立的TS模型和所定義的目標(biāo)函數(shù)，通過求導(dǎo)得出了MPC控制律；最后，考慮HTGS的系統(tǒng)約束，引入二次規(guī)劃(quadratic programming，QP)求解系統(tǒng)約束下的最優(yōu)控制器輸出。并設(shè)計(jì)仿真實(shí)驗(yàn)與傳統(tǒng)的PID控制器進(jìn)行對比，以驗(yàn)證所設(shè)計(jì)的基于二次規(guī)劃的非線性模型預(yù)測控制器(quadratic programming-based nonlinear model predictive controller，QPNMPC)的有效性和優(yōu)點(diǎn)。

1 HTGS模型

基于文獻(xiàn)[1]，本文引入了HTGS數(shù)學(xué)模型，基于麥克勞林展開公式，對HTGS數(shù)學(xué)模型中的非線性項(xiàng)進(jìn)行近似處理，并引入TS模糊控制系統(tǒng)，處理麥克勞林展開式中的非線性項(xiàng)，得到了HTGS數(shù)學(xué)模型的TS模糊模型，為計(jì)算最優(yōu)的控制輸入，對TS模糊模型進(jìn)行了擴(kuò)增處理。

1.1 數(shù)學(xué)模型

考慮壓力引水系統(tǒng)、發(fā)電機(jī)系統(tǒng)、液壓伺服系統(tǒng)和水輪機(jī)系統(tǒng)，HTGS數(shù)學(xué)模型[1]可表示為

1.2 TS模糊模型

TS模糊控制系統(tǒng)通常由IF-THEN規(guī)則表 述[21,24]。模糊規(guī)則：

基于HTGS數(shù)學(xué)模型，通過單點(diǎn)模糊化、代數(shù)積算子推理和平均加權(quán)反模糊化方法，可得到TS全局模型為

聯(lián)立式(1)、(2)，式(4)、(5)和式(9)、(10)，可以得到水輪機(jī)調(diào)節(jié)系統(tǒng)的TS模糊模型為：

式(11)、(12)的離散化形式可以分別表示為：

2 控制器設(shè)計(jì)

基于HTGS的TS模糊模型，設(shè)計(jì)出了MPC控制器，引入QP，求解系統(tǒng)約束下的最優(yōu)控制器輸出。

2.1 MPC控制系統(tǒng)

定義

可以得到

聯(lián)立式(17)、(18)，得到

式(20)的求解過程見附錄A。

2.2 二次規(guī)劃(QP)

在實(shí)際水電站中，水輪機(jī)導(dǎo)葉開度的變化和變化率是受限制的，從式(1)中的第4個(gè)微分方程可以看出導(dǎo)葉開度與系統(tǒng)輸入是相關(guān)聯(lián)的，因而系統(tǒng)輸入和系統(tǒng)輸入變化率也是受限制的?；诖?，本文引入QP，求解系統(tǒng)約束下的最優(yōu)控制器輸出。系統(tǒng)輸入的約束考慮為：

聯(lián)立式(19)和式(23)，可以得到

聯(lián)立式(24)和附錄A中的式(A5)，可以得到

聯(lián)立式(26)和式(28)，可以得到

基于式(23)和式(29)，引入QP，最小化

服從于

3 仿真實(shí)驗(yàn)

圖1 sind的近似值與真實(shí)值

Fig. 1 The approximation and the actual value of sind

圖2 h1(d(t))和h2(d(t))的隸屬度函數(shù)

圖3 r1(d(t))和r2(d(t))的隸屬度函數(shù)

從仿真結(jié)果可以看出，當(dāng)輸出功率設(shè)定值改變時(shí)，PID控制器和所設(shè)計(jì)的QPNMPC控制器都快速地響應(yīng)，并且輸出功率都能夠穩(wěn)定在設(shè)定值。相比于PID控制器，所設(shè)計(jì)的QPNMPC控制器能夠更快地穩(wěn)定在功率設(shè)定值。并且，PID控制器具有較明顯的超調(diào)，所設(shè)計(jì)的QPNMPC控制器沒有明顯的超調(diào)。這是因?yàn)镻ID控制器完全獨(dú)立于被控對象模型，難以適應(yīng)不同的運(yùn)行工況。而本文所設(shè)計(jì)的QPNMPC控制器是基于被控對象模型，并且考慮了HTGS的系統(tǒng)約束而設(shè)計(jì)的。

圖4 相對輸出功率

Fig. 4 Relative output power

圖5 控制器輸出

4 結(jié)論

基于麥克勞林展開式，對HTGS的非線性項(xiàng)進(jìn)行了近似處理；引入TS模糊控制系統(tǒng)，建立HTGS的TS模糊模型；基于所建立的TS模糊模型和所定義的目標(biāo)函數(shù)，求解得出了MPC控制系統(tǒng)的最優(yōu)控制器輸出。最后，考慮HTGS的系統(tǒng)約束，引入QP求解系統(tǒng)約束下的優(yōu)化問題。

將所設(shè)計(jì)的QPNMPC控制器與傳統(tǒng)的PID控制器進(jìn)行仿真對比，仿真結(jié)果表明：PID控制器和所設(shè)計(jì)的QPNMPC控制器都能夠有效地跟蹤功率設(shè)定值；相對于PID控制器，所設(shè)計(jì)的QPNMPC控制器能夠更快地穩(wěn)定在功率設(shè)定值，且具有更小的超調(diào)。但是，相對于PID控制器，所設(shè)計(jì)的QPNMPC控制器更加復(fù)雜，且計(jì)算量更大。總體而言，所設(shè)計(jì)的QPNMPC控制器能夠準(zhǔn)確、快速地跟蹤功率設(shè)定值，沒有明顯的超調(diào)，具有一定的優(yōu)點(diǎn)。

[1] Yi Y，Chen D，Li H，et al．Observer-based adaptive output feedback fault tolerant control for nonlinear hydro-turbine governing system with state delay[J]．Asian Journal of Control，2020，22(1)：192-203．

[2] 周建中，趙峰，李超順．基于GSA的水輪機(jī)調(diào)速系統(tǒng)非線性PID控制參數(shù)優(yōu)化方法研究[J]．水電能源科學(xué)，2014，12：127-130．

Zhou J Z，Zhao F，Li C S．Nonlinear PID parameter optimization for hydraulic turbine governing system based on GSA[J]．Water Resources and Power，2014，12：127-130．

[3] Simani S，Alvisi S，Venturini M．Fault tolerant control of a simulated hydroelectric system[J]．Control Engineering Practice，2016，51：13-25．

[4] 桂小陽，梅生偉，劉鋒，等．水輪機(jī)調(diào)速系統(tǒng)的非線性自適應(yīng)控制[J]．中國電機(jī)工程學(xué)報(bào)，2006，26(8)：66-71．

Gui X Y，Mei S W，Liu F，et al．Adaptive nonlinear control for hydraulic turbine governor[J]．Proceedings of the CSEE，2006，26(8)：66-71．

[5] Wang B，Xue J，Wu F，et al．Robust Takagi-Sugeno fuzzy control for fractional order hydro-turbine governing system[J]．ISA Transactions，2016，65：72-80．

[6] 寇攀高，周建中，張孝遠(yuǎn)，等．基于滑模變結(jié)構(gòu)控制的水輪機(jī)調(diào)節(jié)系統(tǒng)[J]．電網(wǎng)技術(shù)，2012，36(8)：157-162．

Kou P G，Zhou J Z，Zang X Y，et al．An improved hydro-turbine governing system model and design of sliding mode variable structure controller[J]．Power System Technology，2012，36(8)：157-162．

[7] Yuan X，Chen Z，Yuan Y，et al．Design of fuzzy sliding mode controller for hydraulic turbine regulating system via input state feedback linearization method[J]．Energy，2015，93：173-187．

[8] 葉嘉俊，魏煥政，李牧星．交直流混合微電網(wǎng)中雙向AC/DC變換器模型預(yù)測控制策略[J]．廣東電力，2017(4)：147-152．

Ye J J，Wei H Z，Li M X．Predictive control strategy for bidirectional AC/DC converter in AC/DC hybrid micri-grid[J]．Guangdong Electric Power，2017(4)：147-152．

[9] 段潔，孫正龍，張秀琦．基于模型預(yù)測控制的互聯(lián)電網(wǎng)阻尼控制[J]．廣東電力，2016，29(6)：78-81．

Duan J，Sun Z L，Zhang X Q．Damping control for interconnected power grid based on model predictive control[J]．Guangdong Electric Power，2016，29(6)：78-81．

[10] 蔡純，潘鳳萍．1000 MW超超臨界機(jī)組汽溫多模型預(yù)測控制研究[J]．廣東電力，2014，27(5)：7-10．

Cai C，Pan F P．Study on multi-model prediction control on steam temperature of 1000 MW ultra-supercritical unit[J]．Guangdong Electric Power，2014，27(5)：7-10．

[11] Wang G，Wu J，Zeng B，et al．State-space model predictive control method for core power control in pressurized water reactor nuclear power stations[J]．Nuclear Engineering & Technology，2017，49(1)：134-140．

[12] Wang G，Wu J，Zeng B，et al．Design of a model predictive control method for load tracking in nuclear power plants[J]．Progress in Nuclear Energy，2017，101：260-269．

[13] Sindareh-Esfahani P，Tabatabaei S S，Pieper J K．Model predictive control of a heat recovery steam generator during cold start-up operation using piecewise linear models[J]．Applied Thermal Engineering，2017，119，516-529．

[14] Kujund?i? G，?andor Ile?，Matu?ko J，et al．Optimal charging of valve-regulated lead-acid batteries based on model predictive control[J]．Applied Energy，2017，187：189-202．

[15] Lim T H，Shin Y，Kim S，et al．Predictive control of car refrigeration cycle with an electric compressor[J]．

Applied Thermal Engineering，2017，127：1223-1232．

[16] 王國旭，吳婕，曾碧凡，等．模型預(yù)測控制在壓水堆堆芯功率控制中的應(yīng)用[J]．原子能科學(xué)技術(shù)，2018，51：480-484．

Wang G X，Wu J，Zeng B F，et al．Model predictive control method for core power control in pressurized water reactor[J]．Atomic Energy Science and Technology，2018，51：480-484．

[17] Klau?o M，Kvasnica M．Control of a Boiler-Turbine Unit Using MPC-based Reference Governors[J]．Applied Thermal Engineering，2017，110：1437-1447．

[18] 王國旭，吳婕，陳志杰，等．壓水堆負(fù)荷跟蹤模型預(yù)測控制器設(shè)計(jì)[J]．核動力工程，2018，39：46-49．

Wang G X，Wu J，Chen Z J，et al．Design of a model predictive controller for load tracking in pressurized water reactor[J]．Nuclear Power Engineering，2018，39：46-49．

[19] Assawinchaichote W，Nguang S K，Shi P，et al．H∞ fuzzy state-feedback control design for nonlinear systems with D-stability constraints：an LMI approach

[J]．Mathematics and computers in simulation，2008，78(4)：514-531．

[20] Assawinchaichote W，Nguang S K．Fuzzy H∞ output feedback control design for singularly perturbed systems with pole placement constraints：an LMI approach[J]．IEEE Transactions on Fuzzy Systems，2006，14(3)：361-371．

[21] Nguang S K，Shi P．Fuzzy H∞ output feedback control of nonlinear systems under sampled measurements

[J]．Automatica，2003，39(12)：2169-2174．

[22] Xu B，Chen D，Zhang H，et al．Modeling and stability analysis of a fractional-order Francis hydro-turbine governing system[J]．Chaos Solitons & Fractals，2015，75：50-61．

[23] Zhang R，Chen D，Ma X．Nonlinear predictive control of a hydropower system model[J]．Entropy，2015，17(12)：6129-6149．

[24] Wang G，Wu J，Zeng B，et al．A nonlinear adaptive sliding mode control strategy for modular high-temperature gas-cooled reactors[J]．Progress in Nuclear Energy，2019，113：53-61．

附錄A

式(20)的求解過程：

Design of a Nonlinear Model Predictive Controller for a Hydro-turbine Governing System

ZHOU Wenjun

(Gongzui Hydropower Plant, Guodian Dadu River Basin Hydropower Development Co., Ltd, Leshan 614900,Sichuan Province, China)

The nonlinear terms of the hydro-turbine governing system (HTGS) were approximated based on Maclaurin series. Takagi-Sugeno (TS) fuzzy control was introduced to handle the nonlinear terms of the Maclaurin series, and TS models of the HTGS were developed resultantly. Based on the TS fuzzy models and the defined cost function, a nonlinear model predictive control (NMPC) strategy was designed for the HTGS. Considering the constraints of the HTGS, quadratic programming (QP) was utilized to solve the optimal controller output under the system constraints. Simulations were conducted to assess the performance of the designed QP-based NMPC (QPNMPC) controller. Simulation results reveal that the proposed QPNMPC controller can effectively regulate the output power of the HTGS and that compared with the conventional PID controller the advantages of the proposed QPNMPC controller are demonstrated.

hydro-turbine governing system; Takagi-Sugeno fuzzy control; model predictive control; quadratic programming; system constraint

10.12096/j.2096-4528.pgt.19097

TK 73

2019-06-13。

(責(zé)任編輯 楊陽)