趙晉宇，趙磊，何志明，郭健

（國家電投集團(tuán)內(nèi)蒙古白音華煤電有限公司坑口發(fā)電分公司，內(nèi)蒙古錫林郭勒盟西烏珠穆沁旗，026299）

0 引言

我國經(jīng)濟(jì)社會的發(fā)展和人們的日常生活離不開火電行業(yè)，火電行業(yè)是社會發(fā)展的動力，火電發(fā)電是我國的主要電源?；痣姲l(fā)電的燃料以煤為主，一般電力行業(yè)會將煤放入鍋爐中進(jìn)行燃燒，保證燃燒的化學(xué)能可以轉(zhuǎn)化為熱能，通過汽輪機(jī)將熱能轉(zhuǎn)化為機(jī)械能，最終通過發(fā)電機(jī)將機(jī)械能轉(zhuǎn)化為電能，這就是電能產(chǎn)生的主要過程?；痣姍C(jī)組負(fù)荷頻率是影響電能質(zhì)量的一個重要因素，火電機(jī)組的負(fù)荷頻率的變化情況影響電力系統(tǒng)的穩(wěn)定性，為了保障電力系統(tǒng)能夠正常運(yùn)行，需要設(shè)計一個火電機(jī)組負(fù)載頻率自抗擾控制系統(tǒng)，降低火電機(jī)組負(fù)荷頻率的波動幅度。傳統(tǒng)的火電機(jī)組負(fù)荷頻率自抗擾控制系統(tǒng)構(gòu)建的模型不穩(wěn)定，在建模時參數(shù)存在一定的偏差，導(dǎo)致控制效果不佳。根據(jù)傳統(tǒng)系統(tǒng)存在的問題，設(shè)計一個全新的自抗擾控制系統(tǒng)，將人工智能技術(shù)運(yùn)用到火電機(jī)組自抗擾控制系統(tǒng)中，能夠準(zhǔn)確測量火電系統(tǒng)運(yùn)行的參數(shù)值，可以將各項指標(biāo)控制在正常范圍值之內(nèi)。人工智能技術(shù)融合了多項高新技術(shù)，普遍運(yùn)用在經(jīng)濟(jì)政治決策和控制系統(tǒng)中，通過計算機(jī)的軟硬件模擬某些智能行為，使智能行為滿足人們的需求，研究基于人工智能的火電機(jī)組負(fù)荷頻率自抗擾控制系統(tǒng)。

1 基于人工智能的火電機(jī)組負(fù)荷頻率自抗擾控制系統(tǒng)硬件設(shè)計

由于基于人工智能的火電機(jī)組負(fù)荷頻率自抗擾控制系統(tǒng)主要依托計算機(jī)實現(xiàn)，系統(tǒng)的硬件主要包括內(nèi)存儲器、CPU、磁盤和自抗擾控制器等多個硬件，系統(tǒng)的內(nèi)存儲器主要是存放火電系統(tǒng)運(yùn)行時各個指標(biāo)的參數(shù)數(shù)據(jù)，系統(tǒng)的磁盤具有輸出和輸入功能，是數(shù)據(jù)傳輸?shù)耐ǖ?。具體的系統(tǒng)硬件組成結(jié)構(gòu)如圖1所示。

圖1 自抗擾控制系統(tǒng)硬件結(jié)構(gòu)

自抗擾控制系統(tǒng)的硬件是系統(tǒng)的核心部分之一，硬件的性能能夠影響系統(tǒng)的整體運(yùn)行效果，在設(shè)計時，選擇性能好并且靈活性強(qiáng)的硬件?；痣姍C(jī)組負(fù)荷頻率自抗擾控制系統(tǒng)根據(jù)具體的火電系統(tǒng)運(yùn)行情況進(jìn)行升級優(yōu)化，靈活性較強(qiáng)的硬件設(shè)施便于自抗擾控制系統(tǒng)的優(yōu)化。其中自抗擾控制器是硬件結(jié)構(gòu)的核心部分，具有三個子控制器，每一個控制器的控制作用均不相同，跟蹤微分器能夠控制負(fù)荷頻率發(fā)出的信號，擴(kuò)展?fàn)顟B(tài)觀測器能夠有效估計未知運(yùn)行干擾因素，非線性狀態(tài)控制器將控制對象的干擾因子進(jìn)行串聯(lián)，分析每個干擾因子之間的關(guān)系。采用自抗擾控制器采集每一個干擾因子，分析干擾因子的數(shù)據(jù)特征，基于人工智能的火電機(jī)組負(fù)荷率自抗擾控制系統(tǒng)的硬件設(shè)計為系統(tǒng)運(yùn)行提供了一個穩(wěn)定的運(yùn)行環(huán)境。

2 基于人工智能的火電機(jī)組負(fù)荷頻率自抗擾控制系統(tǒng)軟件設(shè)計

■2.1 設(shè)置負(fù)荷頻率數(shù)據(jù)采集模式

首先根據(jù)實際的火電機(jī)組負(fù)荷運(yùn)行狀態(tài)，設(shè)置相應(yīng)的火電機(jī)組負(fù)荷運(yùn)行數(shù)據(jù)采集模式，通過運(yùn)行模式反饋的參數(shù)值，判斷火電機(jī)組負(fù)荷運(yùn)行是否處于穩(wěn)定狀態(tài)?；痣姍C(jī)組負(fù)荷頻率的數(shù)據(jù)能夠有效反饋火電系統(tǒng)的運(yùn)行效果和運(yùn)行質(zhì)量，采集精準(zhǔn)的火電機(jī)組負(fù)荷頻率數(shù)據(jù)尤為重要。我國火電系統(tǒng)一般采用低負(fù)荷運(yùn)行方式，火電機(jī)組的調(diào)峰深度值處于一個額定負(fù)荷狀態(tài)，調(diào)峰的范圍一般在660~270MW之間，如果火電機(jī)組的調(diào)峰值處于一個正常范圍內(nèi)，能夠有效降低運(yùn)行負(fù)荷運(yùn)行成本?；痣姍C(jī)組負(fù)荷每一種運(yùn)行程序都會產(chǎn)生一定的數(shù)據(jù)，各個指標(biāo)參數(shù)也會發(fā)生一定的變化，需要根據(jù)數(shù)據(jù)的特點設(shè)置不同的數(shù)據(jù)采集模式，提高采集數(shù)據(jù)的精準(zhǔn)性。采集的運(yùn)行參數(shù)數(shù)值如表1所示。

表1 火電機(jī)組運(yùn)行參數(shù)數(shù)據(jù)

由表1可知，火電系統(tǒng)在發(fā)電時，一般會采用多個磨煤機(jī)運(yùn)行，不同型號的磨煤機(jī)進(jìn)行組合時，各個參數(shù)指標(biāo)就會發(fā)生一定的變化，火電系統(tǒng)的動能也會隨之產(chǎn)生變化。上表的指標(biāo)參數(shù)數(shù)據(jù)表示火電機(jī)組在正常運(yùn)行中的各個參數(shù)指標(biāo)，系統(tǒng)的數(shù)據(jù)采集模式需要采集每一個階段的實時數(shù)據(jù)，如果火電機(jī)組負(fù)荷運(yùn)行受到干擾因素的影響，指標(biāo)數(shù)據(jù)會發(fā)生變化，控制系統(tǒng)可以根據(jù)數(shù)據(jù)的變動，排查火電機(jī)組的干擾因素。火電機(jī)組負(fù)荷運(yùn)行是整個火電系統(tǒng)的核心部分，負(fù)荷的頻率波動情況表示整個火電系統(tǒng)運(yùn)行的情況，系統(tǒng)中設(shè)置的負(fù)荷頻率數(shù)據(jù)采集模式，負(fù)荷頻率波動時，可能產(chǎn)生的數(shù)據(jù)類型不同，數(shù)據(jù)類型包括文本數(shù)據(jù)和數(shù)值數(shù)據(jù)等多種形式，控制系統(tǒng)中數(shù)據(jù)采集模式需要根據(jù)數(shù)據(jù)的類型進(jìn)行轉(zhuǎn)化。數(shù)據(jù)是整個控制系統(tǒng)的運(yùn)行基礎(chǔ)，需要數(shù)據(jù)作為控制支撐，數(shù)據(jù)能夠真實反映火電系統(tǒng)的運(yùn)行情況、火電內(nèi)部各個機(jī)組之間的關(guān)系以及受干擾程度，控制系統(tǒng)將采集數(shù)據(jù)進(jìn)行篩選、處理和分析，最終控制系統(tǒng)會根據(jù)分析出來的實際情況實施控制?；痣姍C(jī)組負(fù)荷頻率波動幅度是系統(tǒng)數(shù)據(jù)采集模塊的中心，它關(guān)系整個電力的質(zhì)量，數(shù)據(jù)采集模式的設(shè)置為系統(tǒng)的軟件設(shè)計提供了一個很好的基礎(chǔ)，能夠確保數(shù)據(jù)的穩(wěn)定性和準(zhǔn)確性。

■2.2 基于人工智能構(gòu)建火電系統(tǒng)線性模型

在進(jìn)行火電機(jī)組負(fù)荷自抗擾控制系統(tǒng)設(shè)計時，采用人工智能技術(shù)構(gòu)建火電系統(tǒng)線性模型，用線性模型解決火電機(jī)組負(fù)荷頻率波動幅度的問題?；痣娤到y(tǒng)的線性模型實際是為了穩(wěn)定控制器，通過控制器控制火電機(jī)組各個負(fù)荷頻率，現(xiàn)階段的自抗擾控制系統(tǒng)由于系統(tǒng)性能較差，操作比較復(fù)雜，導(dǎo)致控制器在控制時，會出現(xiàn)不穩(wěn)定的情況。為了提高火電機(jī)組負(fù)荷頻率自抗擾控制系統(tǒng)的性能，采用先進(jìn)的人工智能技術(shù)提高控制系統(tǒng)的性能，保證系統(tǒng)的穩(wěn)定性。通過構(gòu)建的線性模型解決控制器中的參數(shù)值，能夠優(yōu)化控制器結(jié)構(gòu)。首先判斷線性觀測器對總干擾的估計誤差數(shù)值，如公式(1)所示。

在公式(1)中，Q表示總干擾估計誤差數(shù)值，W表示控制過程的實際輸出值，R表示觀測出來的虛擬控制量，E表示監(jiān)測控制時間，F(xiàn)表示實際控制值。自抗擾系統(tǒng)在對負(fù)荷頻率監(jiān)控時，采集數(shù)據(jù)受到外界因素的影響造成一定的干擾，在分析結(jié)果時，產(chǎn)生一定的偏差，此時需要計算出誤差值，誤差值越精準(zhǔn)，控制系統(tǒng)的控制效果就會更加明顯。利用人工智能技術(shù)能夠為火電機(jī)組負(fù)荷頻率自抗擾控制系統(tǒng)提供系統(tǒng)動力，全面考慮控制系統(tǒng)的運(yùn)行速度與監(jiān)測質(zhì)量的關(guān)系，對系統(tǒng)進(jìn)行全面的描述，系統(tǒng)的運(yùn)行速度可能會影響系統(tǒng)的自抗擾控制能力。利用函數(shù)計算出系統(tǒng)動能和勢能的差值，差值是保證系統(tǒng)穩(wěn)定運(yùn)行的基礎(chǔ)，動能和勢能差值如公式(2)所示。

在上述公式中，T表示動能和勢能的差值，Y表示自抗擾控制系統(tǒng)的動能，U表示自抗擾系統(tǒng)的勢能?；痣娤到y(tǒng)構(gòu)成的部件相對比較復(fù)雜，火電機(jī)組負(fù)荷頻率波動的幅度也會受到各個部件運(yùn)行的影響，需要分為不同的階段進(jìn)行自抗擾控制，將火電系統(tǒng)根據(jù)運(yùn)行的模式和運(yùn)行特點分成多個運(yùn)行區(qū)域，對每一個區(qū)域?qū)嵭袑崟r監(jiān)控。自抗擾控制系統(tǒng)是將火電機(jī)組負(fù)荷頻率控制在恒定的頻率范圍之內(nèi)，并且保證在負(fù)荷運(yùn)行的條件下，火電系統(tǒng)能夠按照計劃運(yùn)行。基于人工智能構(gòu)建的線性模型是將影響火電機(jī)組負(fù)荷頻率的因素進(jìn)行整合，統(tǒng)計出每一個因素影響的誤差值或者每一個運(yùn)行流程產(chǎn)生的誤差值，線性模型能夠有效計算出精準(zhǔn)的誤差值。基于人工智能構(gòu)建的線性模型能夠有效監(jiān)測出火電機(jī)組負(fù)荷運(yùn)行的實時數(shù)據(jù)和歷史數(shù)據(jù)，充分挖掘出部分潛在數(shù)據(jù)，為計算誤差值提供依據(jù)，構(gòu)建的線性模型能夠滿足火電機(jī)組負(fù)荷運(yùn)行條件，一旦負(fù)荷運(yùn)行發(fā)生故障，系統(tǒng)就會及時啟動控制功能，將運(yùn)行的指標(biāo)參數(shù)控制在正常范圍內(nèi)，能夠有效提升火電系統(tǒng)運(yùn)行效率。

■2.3 遺傳算法控制火電機(jī)組負(fù)荷頻率

設(shè)計的火電機(jī)組負(fù)荷頻率自抗擾控制系統(tǒng)采用遺傳算法對火電機(jī)組負(fù)荷頻率進(jìn)行控制，遺傳算法是對遺傳算子進(jìn)行數(shù)學(xué)分析，轉(zhuǎn)化為數(shù)學(xué)函數(shù)問題。遺傳算法在火電機(jī)組負(fù)荷頻率自抗擾系統(tǒng)中起到一個優(yōu)化的作用，保障系統(tǒng)能夠有效對負(fù)荷運(yùn)行頻率進(jìn)行控制，達(dá)到最優(yōu)的控制效果。遺傳算法是以生物進(jìn)化論理論為基礎(chǔ)，將生物進(jìn)化論理論過程通過數(shù)學(xué)的表達(dá)方式進(jìn)行描述，其中遺傳算法提出適者生存的概念，主要作用是在運(yùn)算過程中保留最優(yōu)目標(biāo)值，將多個目標(biāo)值進(jìn)行轉(zhuǎn)化，形成一組新的表達(dá)形式，計算出每一組中的最優(yōu)解，將每組的最優(yōu)解進(jìn)行重新排列整合，最終得到全局最優(yōu)解。將影響火電機(jī)組負(fù)荷頻率波動幅度的因素作為遺傳算法中的初始化種群，需要對影響因素進(jìn)行適應(yīng)度評價，得出一個適應(yīng)度評價指標(biāo)。從這些影響因素因子中選擇出適應(yīng)度較好的因子，每個因子會根據(jù)運(yùn)行的實際情況進(jìn)行交叉和變異，通過一系列操作，這些因子會產(chǎn)生出新因子，進(jìn)行迭代計算，通過不斷地反復(fù)計算最終得到最優(yōu)結(jié)果?；痣姍C(jī)組負(fù)荷在運(yùn)行的過程中，可能會受到很多因素的影響，需要在這些因素中選取適應(yīng)度最好的因素，將因素看成是遺傳算法中的個體，算出初始群中個體能夠被選中的概率，計算的概率公式如公式(3)所示。

在上述公式中，將初始化種群的大小用n表示，每一個個體的適應(yīng)度值設(shè)置為A，P表示初始群中個體能夠被選中的概率。公式(3)中的描述，采用的是適應(yīng)度比例方法進(jìn)行個體選取，還可以采用隨機(jī)遍歷抽樣法和分層抽樣方法進(jìn)行選取，選取出來的個體進(jìn)行交叉轉(zhuǎn)換。在遺傳算法的基礎(chǔ)上，采用基本粒子群算法，對系統(tǒng)的空間區(qū)域進(jìn)行劃分，將目標(biāo)控制空間看成是一個空間維度，空間中的粒子群體可以用公式(4)表示。

在上述公式中，G表示粒子群，D表示單個粒子，i表示粒子數(shù)量，計算出每一個粒子的空間維度向量值，如公式(5)所示。

在上述公式中，H表示整體粒子群空間維度向量值，K表示單個粒子向量值?？梢詫⑾到y(tǒng)的區(qū)域空間進(jìn)行劃分成單個的目標(biāo)區(qū)域，分析目標(biāo)區(qū)域中的因子個體，采用遺傳算法進(jìn)行局部優(yōu)化，最終可獲得整體區(qū)域的最優(yōu)解。采用遺傳算法控制火電機(jī)組負(fù)荷頻率，將頻率波動的幅度控制在最小范圍之內(nèi)，能夠及時控制其他干擾因素的影響，使控制系統(tǒng)的性能達(dá)到最優(yōu)效果。

3 實驗與分析

■3.1 實驗準(zhǔn)備

為檢測基于人工智能設(shè)計的火電機(jī)組負(fù)荷頻率自抗擾控制系統(tǒng)的性能，展開測試實驗，本次實驗分別采用傳統(tǒng)系統(tǒng)和本文系統(tǒng)對火電機(jī)組負(fù)荷運(yùn)行進(jìn)行測試。首先選取某一個火電站，讀取火電站運(yùn)行時電機(jī)的主要參數(shù)值，電機(jī)主要參數(shù)如表2所示。

表2 電機(jī)主要參數(shù)

根據(jù)表2可知，為保證實驗的準(zhǔn)確性，設(shè)置參數(shù)指標(biāo)一致的電機(jī)作為本次實驗主要設(shè)備。在本文實驗中選用兩種參數(shù)值和性能一樣的電機(jī)，將兩個電機(jī)作為實驗的研究對象，比較兩種系統(tǒng)的控制響應(yīng)時間。將影響火電機(jī)組負(fù)荷頻率的因子一共分為10組，每一組都包含不同數(shù)量的干擾因子。

■3.2 實驗結(jié)果

采用本文系統(tǒng)和傳統(tǒng)系統(tǒng)對火電機(jī)組負(fù)荷運(yùn)行進(jìn)行控制，比較控制響應(yīng)時間，將設(shè)置的10組干擾因子分別用T1、T2、T3、T4、T5、T6、T7、T8、T9、T10表 示，計算自抗擾控制系統(tǒng)分別控制這5組干擾因子的響應(yīng)時間，控制響應(yīng)時間如圖2所示。

圖2 控制響應(yīng)時間結(jié)果

根據(jù)圖2可知，在每組干擾因子數(shù)量相同的情況下，本文系統(tǒng)的控制響應(yīng)時間比傳統(tǒng)系統(tǒng)的控制響應(yīng)時間更短，經(jīng)計算，本文系統(tǒng)的平均控制響應(yīng)時間為21s，傳統(tǒng)系統(tǒng)的平均控制響應(yīng)時間為33.2s，本文系統(tǒng)的控制響應(yīng)時間比傳統(tǒng)系統(tǒng)縮短12.2s,基于人工智能設(shè)計的火電機(jī)組負(fù)荷頻率自抗擾控制系統(tǒng)控制響應(yīng)的時間更快，能夠及時做出控制反應(yīng)，說明本文系統(tǒng)的運(yùn)行性能效果更好。

4 結(jié)束語

本文研究基于人工智能設(shè)計的火電機(jī)組負(fù)荷頻率自抗擾控制系統(tǒng)，能夠有效控制火電機(jī)組負(fù)荷頻率波動幅度，抗干擾能力好，保證火電系統(tǒng)能夠正常運(yùn)行。由于設(shè)置的自抗擾控制系統(tǒng)的參數(shù)種類較多，一旦參數(shù)指標(biāo)發(fā)生偏差會影響整個控制系統(tǒng)，采用遺傳算法解決自抗擾控制系統(tǒng)的穩(wěn)定性。本文基于人工智能設(shè)計的自抗擾控制系統(tǒng)還存在一些問題，設(shè)置的自抗擾控制器參數(shù)種類較多，增加操作的難度，希望在下一次研究中簡化控制器參數(shù)類型，降低操作難度，不斷優(yōu)化火電機(jī)組負(fù)荷頻率自抗擾控制系統(tǒng)的性能。