廖松林

摘? 要： 為了提高電氣自動化控制系統(tǒng)的控制精度，提出路徑優(yōu)化混合算法的電氣自動化控制系統(tǒng)。系統(tǒng)主要通過單神經(jīng)網(wǎng)絡的PID智能控制器，采用路徑優(yōu)化混合算法的控制策略對控制參數(shù)進行最優(yōu)控制。研究結(jié)果表明，采用該系統(tǒng)后，電氣自動化控制系統(tǒng)的輸出頻率波動較小，可快速收斂于最佳頻率，單穩(wěn)態(tài)調(diào)整誤差、調(diào)節(jié)時間以及超調(diào)數(shù)目均最小。提高了電氣自動化系統(tǒng)的控制效果，促使所控制的設備運行在高效、最佳工作狀態(tài)。

關(guān)鍵詞： 電氣自動化控制系統(tǒng); 路徑優(yōu)化; 混合算法; PID控制; 參數(shù)控制; 最佳頻率

中圖分類號： TN876?34; K73? ? ? ? ? ? ? ? ? ? ?文獻標識碼： A? ? ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）17?0106?04

Abstract： In order to improve the control accuracy of the electric automation control system， an electric automation control system based on the hybrid algorithm of path optimization is proposed. In the system， the control strategy based on the hybrid algorithm of path optimization is adopted to perform optimum control over the control parameters by the PID intelligent controller based on the single neural network. The research results show that， after adopting the proposed system， the output frequency of the electric automation control system fluctuates less and converges to the optimal frequency quickly， and the monostable adjustment error， adjustment time and overshoot number reach to the minimum. The control results of the electrical automation system are improved， and the controlled equipment is promoted to operate in an efficient and optimal state.

Keywords： electric automation control system; path optimization; hybrid algorithm; PID control; parameter control; optimal frequency

0? 引? 言

隨著全世界經(jīng)濟的快速發(fā)展，科學技術(shù)產(chǎn)業(yè)的發(fā)展得以加速，其中高新技術(shù)產(chǎn)業(yè)的核心力量即電氣自動化控制系統(tǒng)在多數(shù)尖端產(chǎn)業(yè)中占據(jù)十分重要的地位[1]，比如：國防、遠程監(jiān)控、機械行業(yè)加工和電網(wǎng)系統(tǒng)等。電氣自動化控制系統(tǒng)的使用大大提高了此類領域的生產(chǎn)效率。雖然當前我國電氣自動化控制技術(shù)已經(jīng)取得不菲的成績，但與西方發(fā)達國家相比，中國的電氣自動化控制技術(shù)還處于弱勢。伴隨中國市場經(jīng)濟的逐漸成熟，國際間的交流頻率增多，電氣自動化控制技術(shù)的競爭也愈發(fā)強烈[2]。當前我國的電氣自動化的發(fā)展方向具有開放性與信息化特點，在實際運行中，應嚴格遵循網(wǎng)絡技術(shù)的發(fā)展狀況，設計與時俱進的電氣自動化控制系統(tǒng)，保證系統(tǒng)整體管理程度得以優(yōu)化，降低后續(xù)維護量。因此，本文設計基于路徑優(yōu)化混合算法的電氣自動化控制系統(tǒng)，提高電氣自動化控制效果。

1? 路徑優(yōu)化混合算法的電氣自動化控制系統(tǒng)

1.1? 硬件設計

基于路徑優(yōu)化混合算法的電氣自動化控制系統(tǒng)是圍繞水輪機調(diào)節(jié)為目標，通過基于單神經(jīng)網(wǎng)絡的PID智能控制器模塊，采用基于自適應蟻群遺傳路徑優(yōu)化混合算法，實現(xiàn)水輪機PID智能控制器的最優(yōu)控制[3]。

1.1.1? 系統(tǒng)構(gòu)成

系統(tǒng)核心元件中包含水輪機、壓力引水道和大電機，其中，包含基于單神經(jīng)網(wǎng)絡的PID智能控制器模塊，隸屬反饋控制系統(tǒng)[4]?；诼窂絻?yōu)化混合算法的電氣自動化控制系統(tǒng)的結(jié)構(gòu)圖如圖1所示。圖1中，a描述轉(zhuǎn)速給定信號，b表示輸出的控制信號，c描述負載擾動信號，基于電網(wǎng)容量很大的前提下，針對1臺并列運行機組來講，它的輸出功率變動狀況對電力系統(tǒng)頻率不存在干擾，基于此類狀況，水輪機調(diào)節(jié)反饋系統(tǒng)的作用是0，則處于開環(huán)狀態(tài)，在此類狀況下基于單神經(jīng)網(wǎng)絡的PID智能控制器模塊可以開啟隨動系統(tǒng)功能[5?6]。

1.1.2? 基于單神經(jīng)網(wǎng)絡的PID智能控制器模塊

智能PID控制器的核心是單神經(jīng)元，可以完成自我學習，有較好的自適應性，并且結(jié)構(gòu)簡單，可以快速適應附近環(huán)境，現(xiàn)場調(diào)節(jié)參數(shù)不多，易于調(diào)節(jié)[7]，可以保障控制系統(tǒng)在現(xiàn)實應用中屬于最優(yōu)狀態(tài)，它的控制效果優(yōu)于普通PID控制器。在使用單神經(jīng)元基礎上，能夠讓自適應PID控制器更好的發(fā)揮作用，結(jié)構(gòu)圖如圖2所示。

針對轉(zhuǎn)換器輸入來講，它可以讓水輪機被控制過程和PID控制設置狀況得以優(yōu)化，例如設置[s（r）]，在輸出時可以變換成基于神經(jīng)元學習控制中必需的有關(guān)狀態(tài)數(shù)，則轉(zhuǎn)換器輸出的狀態(tài)系數(shù)[Y1]，[Y2]，[Y3]中，[Y1r]等同于[?r]，[Y2r]的運算方法是[?r-?r-1]，[Y3r]的運算方法是[?r-2?r-1+?r-2]，[S]描述性能指標，[R]描述神經(jīng)元比例系數(shù)，神經(jīng)元使用關(guān)聯(lián)檢索可以衍生控制信號[Hp]，[Hi]，[Hd]，再采用路徑優(yōu)化混合算法的控制策略實現(xiàn)3種控制信號，也就是3種控制參數(shù)的最佳調(diào)節(jié)控制[8?9]。

1.2? 基于路徑優(yōu)化混合算法的控制策略

1.2.1? 節(jié)點與路徑的生成

將[Hp]，[Hi]，[Hd]設成PID控制器需整定的3個變量，假定3個變量都存在5個有效數(shù)位[10]。按照PID控制器里的取值狀況，設定[Hp]，[Hi]，[Hd]的5個數(shù)位，小數(shù)點前均占1位，小數(shù)點后均占4位，如1.002 5。之后根據(jù)此參數(shù)的蟻群算法優(yōu)化螞蟻路徑圖。針對這3個參數(shù)值，將其抽象地描述于[xOy]平面中[11]，方法是：繪出15條等間距、等長度并垂直于[x]軸的線段[A1]，[A2]，…，[A15]，其中，[A1～A5]，[A6～A10]，[A11～A15]依次描述[Hp]，[Hi]，[Hd]的第1位～第5個數(shù)位。9等分各線段，即從每條線段獲取10個節(jié)點，依次描述此線段所表示的數(shù)位值[12]。至此，[xOy]平面中存在15×10個節(jié)點，將1個節(jié)點設成[a（xj，yj，i）]，其中，[xj]描述線段[Aj]的橫坐標;[yj，i]描述[Aj]上節(jié)點[i]的縱坐標，數(shù)值和節(jié)點的縱坐標值[yj，i]相呼應。假定某只螞蟻從坐標原點[O]出發(fā)，在它爬行至[Aj]線段中隨機一點后，實現(xiàn)一次循環(huán)，它的爬行路徑能夠描述成[B=O，ax1，y1，i，ax2，y2，i，…，axj，yj，i]，其中[a（xj，yj，i）]節(jié)點處于線段[Aj]中，那么此路徑描述的值為：

1.2.2? 算法控制過程

基于路徑優(yōu)化混合算法的控制過程如下：

1） 按照參數(shù)整定方法，即[Z?N]法，運算PID參數(shù)是[Hp，s-M]，[Hi，s-M]，[Hd，s-M]。

2） 蟻群的種群數(shù)目是[n]，各只螞蟻[h]存在15個用于保存螞蟻途經(jīng)15個節(jié)點的縱坐標值和爬行路徑的屬性[13]。

3） 混合算法參數(shù)初始化：把螞蟻放在起點。

4） 設定變量[j]的值是1，如果參數(shù)[p

式中：[allowedh]描述螞蟻[h]下一步可以選取的節(jié)點;[?jit2]描述能見度因素的重要性;[ψjit1]描述信息素軌跡強度重要性。

5） 各只螞蟻走完一個節(jié)點，采用式（4）刷新局部信息素，并自適應變換局部信息揮發(fā)系數(shù)[14]。

式中：[Δψji=P1SPID1]，[SPID1]描述途經(jīng)的節(jié)點路徑;局部信息素參數(shù)[δ]的值采用自適應調(diào)節(jié);[Δψji]描述單位長度軌跡信息素強度。

6） 設定[j=j+1]，若[j]的值不大于15，便跳至步驟3），反之，跳至步驟7）。

7） 按照螞蟻[h]爬過的路徑（數(shù)組[Gh]），運算此路徑相應的PID參數(shù)[Hhp]，[Hhi]，[Hhd];實施計算機仿真，獲取系統(tǒng)的性能指標[shz]，穩(wěn)態(tài)調(diào)整誤差[dh]與超調(diào)量[eh];運算螞蟻[h]相應的目標函數(shù)，記錄此輪循環(huán)里最佳路徑和最佳性能指標，并把[Hhp]，[Hhi]，[Hhd]導進[H*p]，[H*i]，[H*d]里。

8） 假設[h←h+15]，按照式（5）刷新全體信息素，并自適應調(diào)節(jié)全體信息揮發(fā)系數(shù)。

式中[?]描述全體信息素揮發(fā)系數(shù)。

9） 使用單點交叉策略實施雜交（在雜交約束變量[θ<0.000 001]時實施雜交），衍生新個體。

10） 使用基本位變異（在雜交約束變量[θ<0.01]時出現(xiàn)變異）方案，再次運算每個參數(shù)值，若獲取的性能指標近似于目標函數(shù)[F]，那么不去除變異，信息素實施更新，反之，去除變異[15]。

11） 如果全部蟻群沒有收斂至相同路徑，便再次把所有螞蟻放在起始點并跳至步驟4）;反之，循環(huán)停止，輸出最佳路徑和相應的最佳PID參數(shù)[H*p]，[H*i]，[H*d]。

綜上所述，路徑優(yōu)化混合算法的控制流程見圖3。

2? 仿真實驗

將本文系統(tǒng)使用在某水電站混流式發(fā)電機組，采用本文系統(tǒng)實現(xiàn)水電站混流式發(fā)電機組中的水輪機PID最優(yōu)控制。單機設定孤立負荷，設定兩類工況，工況A是設計水頭，額定功率工作;工況B是設計水頭，部分負荷工作。機組參數(shù)：轉(zhuǎn)輪型號是HL220?LJ?410;單機容量是102.7 MW;水流慣性時間常數(shù)是1.11 s，機組慣性時間常數(shù)是6.66 s。傳統(tǒng)PID控制系統(tǒng)的參數(shù)設成[Hp=]4.04，[Hi=]1.23，[Hd=]2.67。實驗中水輪機系統(tǒng)參數(shù)見表1。

工況A中，本文系統(tǒng)、傳統(tǒng)PID控制系統(tǒng)控制下，水輪機系統(tǒng)遭到20%負荷干擾與2.1 Hz頻率干擾時的響應曲線如圖4所示;工況B中，在本文系統(tǒng)、傳統(tǒng)PID控制系統(tǒng)控制下，水輪機系統(tǒng)遭到20%負荷干擾與2.1 Hz頻率干擾時的響應曲線如圖5所示。分析圖4，圖5的控制結(jié)果可知：本文系統(tǒng)的控制效果優(yōu)于傳統(tǒng)PID控制系統(tǒng)，在本文系統(tǒng)控制下，水輪機系統(tǒng)的輸出頻率波動較小，快速收斂于最佳頻率;傳統(tǒng)PID控制下，水輪機系統(tǒng)的輸出頻率波動較大，大約在實驗用時50 s時才能收斂于最佳頻率。由此可知，本文系統(tǒng)的控制效果最佳。

測試20%負荷干擾與2.1 Hz頻率干擾時，采用本文系統(tǒng)控制水輪機后，水輪機的故障率結(jié)果如圖6所示。圖6中，20%負荷干擾與2.1 Hz頻率干擾時，本文系統(tǒng)控制下水輪機故障率最大值均是0.02，說明本文系統(tǒng)存在較高的抗干擾性。

設定水輪機系統(tǒng)輸入量屬于單位階躍信號。設定螞蟻數(shù)目是30，迭代次數(shù)為100次。PID控制參數(shù)范圍為：[Hp=Hi=Hd=][0.000 01，20]，依次和PLC的電氣自動化控制系統(tǒng)、帶式輸送機可控變速裝置電氣控制系統(tǒng)進行對比。圖7是3種系統(tǒng)控制下，水輪機系統(tǒng)PID單位階躍響應圖。

表2是PID整定參數(shù)和系統(tǒng)單位階躍性能指標。基于圖7與表2中數(shù)據(jù)可知，本文系統(tǒng)控制PID三個參數(shù)效果最好，本文系統(tǒng)控制下水輪機系統(tǒng)單位階躍性能指標和另外兩個系統(tǒng)相比，本文系統(tǒng)的穩(wěn)態(tài)調(diào)整誤差、調(diào)節(jié)時間以及超調(diào)數(shù)目均低于其他兩種系統(tǒng)，由此可知，本文系統(tǒng)控制性能最好。

3? 結(jié)? 論

本文設計一種基于路徑優(yōu)化混合算法的電氣自動化控制系統(tǒng)，并將其應用于實驗之中，經(jīng)測試不同工況中，當存在20%負荷干擾與2.1 Hz頻率干擾時，本文系統(tǒng)的控制效果優(yōu)于傳統(tǒng)PID控制系統(tǒng)，本文系統(tǒng)控制下，水輪機系統(tǒng)的輸出頻率波動較小，快速收斂于最佳頻率，且本文系統(tǒng)控制下水輪機故障率最大值均是0.02，存在較高的魯棒性。

電氣自動化控制系統(tǒng)的設計和研發(fā)必須分析干擾設備運行的工作環(huán)境，工作環(huán)境和設備的運行存在很大的關(guān)聯(lián)性，設計時需要十分關(guān)注外界環(huán)境的干擾。另外，為了保證系統(tǒng)可以完成穩(wěn)定的功率傳輸，基于系統(tǒng)研發(fā)設計周期，系統(tǒng)研發(fā)人員必須準確掌握系統(tǒng)的工作原理。

參考文獻

[1] 李嘯驄，鄭濤，梁志堅，等.水輪機水門、勵磁與電氣制動系統(tǒng)非線性綜合控制[J].電力自動化設備，2016，36（7）：97?103.

[2] 吳明永，李菊生，王國偉，等.基于PLC的硅鐵配料自動化控制系統(tǒng)的設計與應用[J].電氣傳動，2016，46（2）：72?76.

[3] 郭俊，田慕琴，宋建成，等.綜采工作面生產(chǎn)自動化控制系統(tǒng)的開發(fā)[J].煤炭技術(shù)，2016，35（7）：277?279.

[4] 楊淑英，丁大尉，李曦，等.基于反電動勢滑模觀測器的異步電機矢量控制[J].電機與控制學報，2016，20（10）：23?30.

[5] 張國柱，徐殿國，朱良紅，等.高功率因數(shù)無電解電容電機驅(qū)動系統(tǒng)電流控制策略[J].電機與控制學報，2018，22（1）：100?106.

[6] 杜鋒.基于ARM的可重構(gòu)控制器在船舶電站自動化控制系統(tǒng)的應用研究[J].艦船科學技術(shù)，2017，39（18）：97?99.

[7] 李敬兆，高之翔，楊大禹，等.礦山大型機電設備協(xié)同控制[J].工礦自動化，2017，43（3）：15?19.

[8] 范家華，馬磊，周攀，等.基于徑向基神經(jīng)網(wǎng)絡的壓電作動器建模與控制[J].控制理論與應用，2016，33（7）：856?862.

[9] 李寅，鄧仰東.基于GPU的混合式全源對最短路徑算法研究[J].微電子學與計算機，2016，33（2）：77?82.

[10] 蘇健民，張凡，李思陽.一種基于區(qū)域路徑優(yōu)化的混合聚類方法[J].黑龍江大學自然科學學報，2016，33（3）：399?404.

[11] 侯貴升，吳曉蓓，黃成，等.混合型異構(gòu)傳感器網(wǎng)絡中移動數(shù)據(jù)收集器的路徑優(yōu)化[J].控制與決策，2016，31（7）：1285?1290.

[12] 張弦，劉柏希，屈濤.基于混合算法的挖掘機工作裝置參數(shù)綜合優(yōu)化的研究[J].機械傳動，2016，40（10）：28?32.

[13] BAEZA J R， GARCIA C. Friction compensation in pneumatic control valves through feedback linearization [J]. Journal of control automation & electrical systems， 2018， 29（3）： 303?317.

[14] 劉振軍，楊迪雄.面向全局優(yōu)化基于分形的混合混沌優(yōu)化算法[J].數(shù)學的實踐與認識，2016，46（9）：192?202.

[15] WANG Shijin， LI Qingyun， CAO Xi， et al. Optimization of air route network nodes to avoid "three areas" based on an adaptive ant colony algorithm [J]. Transactions of Nanjing University of Aeronautics and Astronautics， 2016， 33（4）： 469?478.