馮鼎元，康英偉

(上海電力大學(xué) 自動化工程學(xué)院，上海 200090)

0 引言

現(xiàn)階段，新能源大規(guī)模并網(wǎng)是電力系統(tǒng)響應(yīng)“碳達峰、碳中和”政策的必然需求，低頻振蕩是新能源高滲透背景下影響電網(wǎng)穩(wěn)定運行的關(guān)鍵因素[1]，因其涉及轉(zhuǎn)子轉(zhuǎn)速和功率的波動，也被稱為機電振蕩[2]。勵磁側(cè)電力系統(tǒng)穩(wěn)定器(power system stabalizer，PSS)是現(xiàn)代電廠抑制低頻振蕩的必要配置，但風(fēng)電、光伏等新能源的接入導(dǎo)致傳統(tǒng)同步發(fā)電機的勵磁側(cè)PSS阻尼抑制效果下降[3]，給傳統(tǒng)火電機組動態(tài)穩(wěn)定運行帶來了全新挑戰(zhàn)[4]。

為提升系統(tǒng)穩(wěn)定性，在進一步提升PSS性能[5-6]的同時，研究人員基于靈活交流輸電系統(tǒng)技術(shù)[7]和附加阻尼控制[8]等方法展開研究。隨著原動機調(diào)節(jié)系統(tǒng)響應(yīng)特性快速提升，為從原動機側(cè)提升系統(tǒng)阻尼，文獻[9]基于負阻尼理論設(shè)計出調(diào)速側(cè)電力系統(tǒng)穩(wěn)定器(governing side power system stabalizer，GPSS)，為提升系統(tǒng)穩(wěn)定性提供了全新的手段。

相較于PSS，GPSS因安裝于調(diào)速側(cè)而不參與多機間的阻尼交互，在多工況下的魯棒性更強，并具有優(yōu)異的多機解耦性[10]。GPSS優(yōu)化設(shè)計時，PSS的設(shè)計方法具有借鑒意義，文獻[11]對原動機調(diào)速系統(tǒng)阻尼特性進行機理分析，并參照PSS的相位補償方法設(shè)計GPSS，在多機系統(tǒng)驗證了GPSS的低頻振蕩抑制性能。但基于傳統(tǒng)相位補償方法的GPSS配置存在全局狀態(tài)方程難以獲取[12]、其他運行狀態(tài)下的魯棒性難以保證[13]等問題。群智能算法的全局優(yōu)化能力為GPSS參數(shù)整定提供了新思路，針對傳統(tǒng)控制理論難以有效解決的控制器參數(shù)非線性多維優(yōu)化問題，文獻[14-17]采用了粒子群算法、禁忌搜索算法和帝國競爭算法等人工智能算法，對阻尼控制器的超前滯后環(huán)節(jié)進行了優(yōu)化整定，使得系統(tǒng)阻尼特性得到改善。

蟻獅算法(ant lion optimizer，ALO)于2015年被提出，作為一種新型群智能尋優(yōu)算法，在電力行業(yè)的風(fēng)電儲能容量配置[18]、光伏設(shè)備管控[19]等領(lǐng)域已有應(yīng)用先例，但在以特征值作為中間函數(shù)的多維非線性GPSS優(yōu)化中，ALO還尚未應(yīng)用。為從汽輪機側(cè)對負阻尼型低頻振蕩進行抑制，本文使用機網(wǎng)耦合Phillips-Heffron模型進行機械阻尼機理分析。為補償汽輪機給系統(tǒng)帶來的負阻尼，區(qū)別于傳統(tǒng)設(shè)計中的相位補償法，對制約ALO算法尋優(yōu)性能的適應(yīng)因子分段線性特性和蟻獅移動步長恒定兩個問題進行改進，使用改進型ALO算法優(yōu)化設(shè)計GPSS，通過蟻獅的全局搜索能力提升系統(tǒng)的阻尼性及魯棒性。

1 機網(wǎng)耦合系統(tǒng)機理分析

1.1 汽輪機及其調(diào)速系統(tǒng)模型

機網(wǎng)耦合分析時，汽輪機傳遞函數(shù)Gst(s)中不考慮中間再熱環(huán)節(jié)及低壓聯(lián)通管的影響，用高壓蒸汽室容積時間常數(shù)TCH代替。調(diào)速系統(tǒng)側(cè)忽略油動機開啟關(guān)閉的不同時間常數(shù)，用時間常數(shù)Tg代替，Ka為調(diào)速系統(tǒng)增益。汽輪機側(cè)模型如圖1所示。

圖1 汽輪機側(cè)模型

1.2 機網(wǎng)耦合Phillips-Heffron模型

建立含有汽輪機側(cè)模塊的機網(wǎng)耦合模型，在傳統(tǒng)Phillips-Heffron模型[20]中考慮轉(zhuǎn)子受到的機械轉(zhuǎn)矩Tm的動態(tài)變化，加入機組機械轉(zhuǎn)矩動態(tài)變化方程，并將其在穩(wěn)態(tài)運行點線性化，得到將狀態(tài)變量以增量Δ表示的機網(wǎng)耦合小擾動分析模型：

(1)

將系統(tǒng)穩(wěn)態(tài)運行點的具體參數(shù)值代入，常量部分用K1～K6表示，K1～K6反映電力系統(tǒng)的網(wǎng)絡(luò)結(jié)構(gòu)、負荷特性等性質(zhì)，推導(dǎo)過程參見文獻[20]。式(1)對應(yīng)的機網(wǎng)耦合Phillips-Heffron模型如圖2所示。

圖2 機網(wǎng)耦合Phillips-Heffron模型

將圖2的傳遞函數(shù)模型寫成狀態(tài)空間表達式：

(2)

其中：

1.3 機械阻尼轉(zhuǎn)矩分析

機械阻尼轉(zhuǎn)矩是對勵磁系統(tǒng)阻尼轉(zhuǎn)矩理論的拓展，旨在參照電磁功率分析方法對機械功率進行機理分析，文中統(tǒng)稱為阻尼轉(zhuǎn)矩理論。

由式(1)的前2個微分方程得：

(3)

電磁轉(zhuǎn)矩增量ΔPt表達式為：

(4)

同步轉(zhuǎn)速下，轉(zhuǎn)子受到的機械轉(zhuǎn)矩Tm與發(fā)電機輸入機械功率Pm相等，將式(4)代入式(3)中：

(5)

(6)

根據(jù)阻尼轉(zhuǎn)矩理論，將ΔTm與ΔTe分解為：

ΔTe=TdeΔω+TseΔδ

;

(7)

ΔTm=TdmΔω+TsmΔδ

，

(8)

其中：Tde和Tdm分別為機械阻尼轉(zhuǎn)矩系數(shù)和電磁阻尼轉(zhuǎn)矩系數(shù)；Tse和Tsm分別為機械同步轉(zhuǎn)矩系數(shù)和電磁同步轉(zhuǎn)矩系數(shù)。將ΔTm與ΔTe按阻尼轉(zhuǎn)矩法分解后代入式(6)，求得系統(tǒng)的特征方程：

Ms2+(D+Tde-Tdm)s+ω0K1+ω0(Tse-Tsm)=0

。

(9)

方程解(9)中的共軛特征值稱為系統(tǒng)的機電振蕩模式，記為λs=ζs+jωs，s=1，2，3，…，n。s為各振蕩模式序號。λs的實部解：

(10)

ζs對應(yīng)系統(tǒng)微分方程時域解中的指數(shù)部分，決定了系統(tǒng)阻尼特性。若汽輪機側(cè)期望為系統(tǒng)提供正阻尼，-Tdm整體須為正值。

1.4 阻尼轉(zhuǎn)矩與同步轉(zhuǎn)矩數(shù)值求解

記ΔTe=Fe(s)Δδ，ΔTm=Fm(s)Δδ，F(xiàn)e(s)與Fm(s)是Δδ到ΔTe、ΔTm的傳遞函數(shù)。式(6)變?yōu)椋?/p>

(11)

系統(tǒng)的特征方程為：

Ms2+Ds+ω0K1+ω0Fe(s)-ω0Fm(s)=0

。

(12)

當Fe(s)與Fm(s)已知，由式(13)可求得阻尼轉(zhuǎn)矩與同步轉(zhuǎn)矩分量具體數(shù)值[21]：

(13)

1.5 實例模型數(shù)值分析

某汽輪機模型的單機無窮大系統(tǒng)中，設(shè)發(fā)電機阻尼系數(shù)D=0，其穩(wěn)態(tài)運行參數(shù)見表1，系統(tǒng)模型如圖3所示。

表1 系統(tǒng)運行參數(shù)(標幺值)

圖3 單機無窮大系統(tǒng)模型

整定計算求得：

K1=1.111 7,K2=0.809 4,K3=2.466 7,K4=0.712 3,K5=0.012 3,K6=0.467 3。

此時，電力系統(tǒng)狀態(tài)方程為：

狀態(tài)矩陣的特征值為：

λ1,2=0.125 8± j7.198 1，λ3=-12.03，λ4=-8.28，λ5=-1.488 6，λ6=-4.217 9。

低頻振蕩對應(yīng)狀態(tài)矩陣特征值中的共軛解，λ1,2=0.125 8± j7.198 1為該系統(tǒng)的機電振蕩模式。系統(tǒng)的Fe(s)與Fm(s)由傳遞函數(shù)框圖求得，利用式(13)計算Tde、Tdm、Tse和Tsm：

該運行方式下，電磁功率為系統(tǒng)提供的阻尼轉(zhuǎn)矩Tde=1.217 5，機械功率提供機械阻尼轉(zhuǎn)矩-Tdm=-3.22，汽輪機側(cè)削弱了系統(tǒng)的阻尼。若不考慮原動機側(cè)影響，忽略表1中汽輪機參數(shù)，系統(tǒng)小擾動分析模型由6階降為4階，系統(tǒng)特征值為：

λ1,2=-0.078 5± j7.017 6，λ3=-12.031 5，λ4=-8.300 5。

此時λ1，λ2解的實部為接近零的負值，物理表現(xiàn)為系統(tǒng)受到擾動時Δδ的振蕩收斂較慢。而機網(wǎng)耦合系統(tǒng)中，由于汽輪機為系統(tǒng)帶來了負阻尼，機電振蕩模式由復(fù)平面的左半平面轉(zhuǎn)移至右半平面，受到擾動時，Δδ的發(fā)散波動將導(dǎo)致發(fā)電機輸出有功功率呈現(xiàn)發(fā)散振蕩。

上述分析表明，系統(tǒng)穩(wěn)定裕度不足的情況下，汽輪機側(cè)實際運行參數(shù)設(shè)置不合理，將對系統(tǒng)穩(wěn)定性產(chǎn)生決定性影響。

2 基于改進ALO算法的GPSS設(shè)計

2.1 GPSS模型

GPSS是加裝于原動機調(diào)速側(cè)的穩(wěn)定器，通過選取調(diào)速系統(tǒng)的一個或多個信號作為輸入，對系統(tǒng)進行相位補償，附加給系統(tǒng)正阻尼力矩，將系統(tǒng)的機電振蕩模式在復(fù)平面上向左遷移。取-Δω為GPSS的輸入信號，傳遞函數(shù)框圖如圖4所示。

圖4中，KGPSS為增益系數(shù)，Tf為濾波器時間常數(shù)，Tnum.k與Tden.m為超前滯后校正環(huán)節(jié)時間常數(shù)，m、n、k在具體設(shè)計中均為常數(shù)。

圖4 GPSS控制框圖

調(diào)速系統(tǒng)由控制系統(tǒng)模塊和執(zhí)行機構(gòu)模塊組成，其傳遞函數(shù)用Gcon(s)、Gact(s)表示，配置GPSS的汽輪機側(cè)模型如圖5所示。

圖5 配置GPSS的汽輪機側(cè)模型

2.2 改進型ALO算法

蟻獅算法由文獻[22]提出：蟻獅通過挖掘陷阱捕食螞蟻，并根據(jù)已獵食數(shù)量動態(tài)調(diào)整陷阱位置。ALO運行原理參見圖6，其中，RB為適應(yīng)度取值最優(yōu)的蟻獅，RA為輪盤賭方式下螞蟻選擇的蟻獅，RE為距螞蟻最近的蟻獅位置。本節(jié)針對ALO遍歷多樣性較差、迭代后期蟻獅移動步長較大等問題，對適應(yīng)因子I及蟻獅開發(fā)方式進行改進。

(Ⅰ)適應(yīng)因子I改進

當螞蟻走進蟻獅的陷阱中，其隨機行走的超球面半徑在適應(yīng)因子I的影響下逐漸變小。ct和dt是第t次迭代中所有變量的最小和最大取值，約束為：

(14)

其中：I=10w·(t/T)，其中T為最大迭代次數(shù)，w為收縮因子，w取值為

(15)

該約束下的I呈分段線性特性，且在第t次迭代中，蟻群游走的超球面半徑相同，將I改進為：

(16)

其中：Rrand是在區(qū)間[0,1]產(chǎn)生的均勻分布隨機數(shù)，式(16)中引入三角函數(shù)項，隨著迭代進行，該項在(0,1)隨機非線性遞增，適應(yīng)因子I值呈現(xiàn)具有隨機性的非線性自適應(yīng)遞增，蟻群游走的多樣性增強，全局搜索能力得到提升。

(Ⅱ)蟻獅開發(fā)方式改進

(17)

2.3 目標函數(shù)設(shè)計

機電振蕩模式λs=ζs±jωs中，實部ζs與虛部ωs對系統(tǒng)動態(tài)表現(xiàn)均有影響。機電模式阻尼比定義為：

(18)

阻尼比ξs作為基于系統(tǒng)機電振蕩特征值的二次性能變量，是低頻振蕩發(fā)生時表征系統(tǒng)振蕩衰減速度和振蕩角頻率的綜合指標。在模態(tài)識別得到的系統(tǒng)特征根中包含不同的振蕩模式，頻率為0.1～2.5 Hz的模式屬于低頻振蕩模態(tài)[23]。設(shè)計目標函數(shù)時，為使系統(tǒng)阻尼保持在一定水平之上，對低頻振蕩模態(tài)最小阻尼比加以約束，定義最小阻尼比ξmin=min{ξ1,ξ2,…,ξs}。以ξmin的最大化作為GPSS參數(shù)優(yōu)化的目標函數(shù)。

GPSS的結(jié)構(gòu)如圖2所示，令n=2，此時GPSS傳遞函數(shù)為：

(19)

結(jié)合GPSS參數(shù)取值范圍約束，優(yōu)化條件表示為：

(20)

根據(jù)GPSS控制器各環(huán)節(jié)典型參數(shù)取值范圍，取Tf=5，T1=0.05，T3=0.05。約束KGPSS的取值為[0.01,50.00]，約束T2和T4的取值為[0.01,1.00]。

2.4 改進型ALO優(yōu)化GPSS參數(shù)流程

本文將改進ALO應(yīng)用于GPSS的參數(shù)優(yōu)化設(shè)計中，對含有汽輪機側(cè)附加阻尼控制的發(fā)電機組進行仿真，安裝于調(diào)速側(cè)的GPSS對應(yīng)3個待求變量，即增益KGPSS、時間常數(shù)T2和T4。在此三維尋優(yōu)的迭代過程中，設(shè)優(yōu)化變量向量為：Xk={KGPSS.k,T2.k,T4.k}，每一個蟻獅個體對應(yīng)一個優(yōu)化變量向量解，在系統(tǒng)的低頻振蕩曲線中運用模態(tài)辨識方法提取振蕩模式特征值，以基于特征值的二次性能阻尼比目標函數(shù)J的取值指導(dǎo)蟻獅種群尋優(yōu)方向，通過不斷的迭代更新搜索最優(yōu)的GPSS配置參數(shù)，基于改進ALO的GPSS優(yōu)化配置過程的基本步驟如下：

(Ⅰ)初始化改進ALO參數(shù)，根據(jù)螞蟻和蟻獅種群設(shè)定規(guī)模，隨機產(chǎn)生1組GPSS種群初始解：X={X1,X2,…,Xs}。

(Ⅱ)對汽輪機組及發(fā)電機組參數(shù)進行配置，并將其接入無窮大系統(tǒng)，在仿真模型中，對勵磁系統(tǒng)額定電壓輸入端施加5%階躍擾動，系統(tǒng)產(chǎn)生低頻振蕩響應(yīng)。

(Ⅲ)選取與低頻振蕩密切相關(guān)的狀態(tài)變量Δω，采集其低頻振蕩響應(yīng)曲線數(shù)據(jù)，針對每一個蟻獅搜索個體，采用Prony算法[24]對各機電模式進行模態(tài)識別，求取系統(tǒng)各機電振蕩模式特征值，進而求取各機電振蕩模式阻尼比。

(Ⅳ)評估基于特征值的最小阻尼比性能函數(shù)J，該值為系統(tǒng)各機電振蕩模式間相互比較尋求所得的最劣阻尼比中的最大值。

(Ⅴ)利用改進ALO的隨機游走、構(gòu)造陷阱和捕食獵物等操作算子進行尋優(yōu)操作，更新獲得下一代候選解X。

(Ⅵ)回到步驟(Ⅱ)進入下一循環(huán)，直至達到最大迭代次數(shù)，循環(huán)終止。

(Ⅶ)輸出最優(yōu)GPSS配置參數(shù)及相應(yīng)的目標函數(shù)J。

基于改進ALO的GPSS配置方案如圖6所示。GPSS參數(shù)尋優(yōu)的最終目的是獲得滿足系統(tǒng)動態(tài)穩(wěn)定性要求的配置方案，使得系統(tǒng)發(fā)生低頻振蕩時，可從汽輪機調(diào)速側(cè)對振蕩進行快速抑制。

圖6 基于改進ALO的GPSS優(yōu)化配置策略

3 算例分析

3.1 優(yōu)化結(jié)果

本節(jié)通過對某火電廠汽輪機組構(gòu)成的單機無窮大系統(tǒng)搭建仿真模型，并通過改進型ALO對GPSS進行優(yōu)化設(shè)計。

勵磁系統(tǒng)PSS優(yōu)化設(shè)計Simulink軟件仿真研究中，將發(fā)電機的輸入Pm(機械功率)設(shè)置為工況運行時的常數(shù)，即忽略原動機側(cè)的動態(tài)響應(yīng)。本文在模型搭建過程中，以美國電氣與電子工程師協(xié)會單機無窮大模型[20]為基礎(chǔ)，發(fā)電機額定容量為200 MVA，設(shè)定火電機組向電網(wǎng)輸送的功率為火電機組75%額定功率。在發(fā)電機輸入端口連接汽輪機側(cè)模塊，并按照2.1節(jié)所述，在汽輪機調(diào)速系統(tǒng)安裝GPSS，仿真汽輪機側(cè)在系統(tǒng)暫態(tài)中的表現(xiàn)。汽輪機模型和調(diào)速系統(tǒng)模型如圖7和圖8所示。

圖7 汽輪機模型

圖8 調(diào)速系統(tǒng)模型

設(shè)置螞蟻和蟻獅種群規(guī)模均為60、維數(shù)為3、最大迭代次數(shù)為200的改進型ALO，對KGPSS、T2和T4進行優(yōu)化，且與相同設(shè)置條件下的常規(guī)ALO尋優(yōu)結(jié)果進行比較。KGPSS、T2和T4的優(yōu)化結(jié)果見表2。

表2 參數(shù)優(yōu)化結(jié)果

最小阻尼比及其特征值見表3。如表3所示，未加裝GPSS參數(shù)時，系統(tǒng)振蕩模式中的最小阻尼比為0.050，系統(tǒng)處于弱阻尼狀態(tài)。安裝常規(guī)ALO優(yōu)化的GPSS后系統(tǒng)整體阻尼增強，最小阻尼比為0.172，系統(tǒng)阻尼特性已得到提升。改進型ALO將系統(tǒng)最小阻尼比提高至0.249，阻尼特性進一步改善，這也表明改進型ALO的尋優(yōu)特性更強。

表3 最小阻尼比及其特征值

3.2 GPSS振蕩抑制效果仿真

對比不同擾動下3種優(yōu)化方法的響應(yīng)特性。未加裝GPSS時，振蕩波形標記為NO-GPSS；常規(guī)ALO整定的GPSS振蕩波形記錄為ROU-GPSS；改進型ALO整定的GPSS振蕩波形記錄為OPT-GPSS。

3.2.1 小擾動情況下的GPSS性能分析

在發(fā)電機勵磁系統(tǒng)輸入?yún)⒖茧妷褐屑?%階躍擾動，擾動持續(xù)時間為0.2 s。轉(zhuǎn)子角偏差Δδ與轉(zhuǎn)子角速度偏差Δω均是與低頻振蕩密切相關(guān)的狀態(tài)變量，其響應(yīng)曲線分別如圖9和圖10所示。

圖9 轉(zhuǎn)子角偏差動態(tài)響應(yīng)曲線

圖10 小擾動情況下轉(zhuǎn)子角速度偏差動態(tài)響應(yīng)曲線

圖9中，采用ROU-GPSS整定的GPSS對轉(zhuǎn)子角偏差Δδ的低頻振蕩已能形成有效收斂，而OPT-GPSS算法優(yōu)化的GPSS，轉(zhuǎn)子角速度擺動幅度最小，Δδ達到穩(wěn)定的時間也最短。

圖10為轉(zhuǎn)子角速度偏差Δω(標幺值)的響應(yīng)曲線。未安裝GPSS時，Δω的響應(yīng)振幅大，狀態(tài)變量在長時間內(nèi)處于波動狀態(tài)。采用OPT-GPSS優(yōu)化設(shè)計的振蕩控制器，Δω響應(yīng)的波動振幅最小，Δω動態(tài)響應(yīng)在4.5 s時即達到穩(wěn)定。

3.2.2 大擾動情況下的GPSS性能分析

在輸電線路中設(shè)置t=0.5 s發(fā)生三相接地短路故障，持續(xù)時間為0.1 s。此時Δω(標幺值)的響應(yīng)曲線如圖11所示。

從圖11中可知：未裝設(shè)GPSS的電力系統(tǒng)，在遭遇大擾到時，電力系統(tǒng)發(fā)生低頻振蕩，且Δω的響應(yīng)幅值波動大，其響應(yīng)在8.6 s時才趨于穩(wěn)定，系統(tǒng)阻尼性能弱。將采用ROU-GPSS以及OPT-GPSS優(yōu)化整定后的GPSS裝設(shè)到電力系統(tǒng)中，此時Δω的波動幅度明顯減小，且OPT-GPSS優(yōu)化整定的GPSS表現(xiàn)出的穩(wěn)定性更優(yōu)，Δω波動在2.9 s時便趨于穩(wěn)定。GPSS作為安裝在汽輪機側(cè)的振蕩控制器，在系統(tǒng)的暫態(tài)穩(wěn)定狀態(tài)也具有良好的阻尼特性。

圖11 大擾動情況下轉(zhuǎn)子角速度偏差動態(tài)響應(yīng)曲線

3.2.3 多工況魯棒性校驗

在采用OPT-GPSS獲得的GPSS配置方案下，將系統(tǒng)從原75%額定工況分別調(diào)整至25%、50%和90%，對系統(tǒng)多工況下動態(tài)穩(wěn)定的魯棒性進行校驗，以參考電壓5%階躍擾動下的轉(zhuǎn)子角偏差響應(yīng)作為考核指標，多工況下的Δδ響應(yīng)曲線如圖12所示。由圖12可知：Δδ的初始穩(wěn)態(tài)值隨運行工況的不同而發(fā)生改變，且隨著系統(tǒng)工況增加，系統(tǒng)低頻振蕩響應(yīng)幅值呈現(xiàn)擴大趨勢，運行工況與振蕩劇烈程度具有正相關(guān)性。在安裝GPSS后，系統(tǒng)多工況下的振蕩曲線均能在4.2 s內(nèi)平息，且在低工況下GPSS的抑制效果更優(yōu)，25%額定工況下的Δδ響應(yīng)在3.1 s便快速收斂，配置方案在變工況系統(tǒng)中具有良好的魯棒性能。

圖12 多工況下轉(zhuǎn)子角偏差動態(tài)響應(yīng)曲線

4 結(jié)論

(1)通過建立機網(wǎng)耦合模型,考慮汽輪機作為原動機時機械功率的動態(tài)變化，采用狀態(tài)空間和傳遞函數(shù)模型，分析汽輪機側(cè)對電力系統(tǒng)阻尼性質(zhì)的影響，汽輪機側(cè)參數(shù)的不合理配置是導(dǎo)致電力系統(tǒng)低頻振蕩的關(guān)鍵因素之一。

(2)通過引入三角函數(shù)項和反調(diào)因子，對ALO算法進行改進，使用改進型ALO算法對GPSS中的超前環(huán)節(jié)參數(shù)配置設(shè)計，通過提升振蕩模態(tài)中的最小阻尼比，保證優(yōu)化設(shè)計后的GPSS，使系統(tǒng)具有更優(yōu)的動態(tài)響應(yīng)速度以及阻尼性能，且在多工況下具有良好的魯棒性。