王瑞明 楊樂(lè) 王葛
摘要:
水輪機(jī)系統(tǒng)慣性參數(shù)是影響水輪機(jī)調(diào)節(jié)系統(tǒng)動(dòng)態(tài)特性的重要參數(shù),傳統(tǒng)控制方法大都是基于水輪機(jī)及其引水系統(tǒng)近似簡(jiǎn)化模型,很難改善水輪機(jī)調(diào)節(jié)系統(tǒng)動(dòng)態(tài)特性。應(yīng)用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)逼近水輪機(jī)及其引水系統(tǒng)非線性特性,利用李雅普諾夫穩(wěn)定性理論設(shè)計(jì)并證明水輪機(jī)系統(tǒng)慣性參數(shù)自適應(yīng)估計(jì)律,設(shè)計(jì)了一種基于水輪機(jī)系統(tǒng)非線性特性和慣性參數(shù)估計(jì)的滑模魯棒控制器,并完成仿真實(shí)驗(yàn)。仿真結(jié)果表明,該滑模魯棒控制水輪機(jī)調(diào)節(jié)系統(tǒng)具有較高的跟蹤精度、控制器輸出抖振較小等優(yōu)點(diǎn),為水輪機(jī)調(diào)節(jié)系統(tǒng)高精度轉(zhuǎn)速跟蹤提供有效參考。
關(guān) 鍵 詞:
水輪機(jī)調(diào)節(jié); 參數(shù)自適應(yīng); 模型自適應(yīng); 轉(zhuǎn)速跟蹤; 滑??刂?/p>
中圖法分類(lèi)號(hào): TM312
文獻(xiàn)標(biāo)志碼: A
DOI:10.16232/j.cnki.1001-4179.2023.07.033
0 引 言
水電是一種可開(kāi)發(fā)程度高的清潔能源。間歇性的可再生能源會(huì)對(duì)電力系統(tǒng)的調(diào)頻調(diào)峰產(chǎn)生巨大壓力,未來(lái)水電的“調(diào)節(jié)器”功能將超越能源功能[1-2]。水輪機(jī)調(diào)節(jié)系統(tǒng)由有壓過(guò)水系統(tǒng)、液壓隨動(dòng)系統(tǒng)、發(fā)電機(jī)和電網(wǎng)組成。水輪機(jī)調(diào)節(jié)系統(tǒng)的各模塊構(gòu)成復(fù)雜,導(dǎo)致水輪機(jī)調(diào)節(jié)系統(tǒng)各模塊精確建模變得非常困難[3-4]。研究水輪機(jī)調(diào)節(jié)系統(tǒng)動(dòng)態(tài)特性的一種方法是通過(guò)建立水輪機(jī)調(diào)節(jié)系統(tǒng)數(shù)學(xué)模型、理論計(jì)算,分析水輪機(jī)調(diào)節(jié)系統(tǒng)的動(dòng)態(tài)過(guò)程。但由于水輪機(jī)調(diào)節(jié)系統(tǒng)在數(shù)學(xué)建模過(guò)程中存在近似簡(jiǎn)化處理,以及水輪機(jī)調(diào)節(jié)系統(tǒng)在運(yùn)行過(guò)程中存在誤差,使得水輪機(jī)調(diào)節(jié)系統(tǒng)動(dòng)態(tài)特性理論分析結(jié)果和實(shí)際不完全吻合[5-6]。研究水輪機(jī)調(diào)節(jié)系統(tǒng)動(dòng)態(tài)特性的另一種方法是模型試驗(yàn)法,該方法是通過(guò)建立水輪機(jī)調(diào)節(jié)系統(tǒng)的物理模型進(jìn)行試驗(yàn),研究水輪機(jī)調(diào)節(jié)系統(tǒng)動(dòng)態(tài)特性[7-8]。模型試驗(yàn)法所建立的水輪機(jī)調(diào)節(jié)系統(tǒng)的物理模型是對(duì)實(shí)際水輪機(jī)調(diào)節(jié)系統(tǒng)的物理模擬,并非真實(shí)的水輪機(jī)調(diào)節(jié)系統(tǒng),至今無(wú)法通過(guò)模型試驗(yàn)求得實(shí)際水輪機(jī)的動(dòng)態(tài)特性[9-10]。引水管長(zhǎng)、水流慣性大和水錘效應(yīng),使得作為水輪機(jī)調(diào)節(jié)系統(tǒng)執(zhí)行元件的液壓操動(dòng)機(jī)構(gòu)需要有較大的操動(dòng)力[11-12]。水輪機(jī)調(diào)節(jié)系統(tǒng)中的液壓系統(tǒng)也具有較大的慣性時(shí)間常數(shù)和較強(qiáng)的非線性[13]。目前大部分水輪機(jī)調(diào)速器采用傳統(tǒng)的PI控制或PID控制[14]。這兩種控制會(huì)導(dǎo)致水輪機(jī)調(diào)節(jié)系統(tǒng)產(chǎn)生嚴(yán)重超調(diào)或嚴(yán)重滯后等問(wèn)題,難以滿(mǎn)足水輪機(jī)調(diào)節(jié)系統(tǒng)動(dòng)態(tài)特性要求[15]。由于控制精度和響應(yīng)滯后等原因,基于智能控制技術(shù)的水輪機(jī)調(diào)節(jié)系統(tǒng)很難實(shí)現(xiàn)[16]。徑向基函數(shù)(radial basis function,RBF)神經(jīng)網(wǎng)絡(luò)中的徑向基函數(shù)及其前饋具有很好的泛化能力和非線性特性逼近能力,在系統(tǒng)辨識(shí)中應(yīng)用極為廣泛[17]。傳統(tǒng)滑模控制雖然對(duì)控制系統(tǒng)的工況、參數(shù)變化具有較好的魯棒性,能夠改善控制系統(tǒng)的動(dòng)態(tài)特性[18],但由于滑??刂破鞯妮敵鲋泻蟹?hào)函數(shù),是一個(gè)不連續(xù)的控制輸出,導(dǎo)致滑??刂频乃啓C(jī)調(diào)節(jié)系統(tǒng)出現(xiàn)幅度較大的抖振[19]。隨著電力系統(tǒng)運(yùn)行需要,對(duì)水輪機(jī)調(diào)節(jié)系統(tǒng)的動(dòng)態(tài)性能要求也在不斷提高。本文利用RBF神經(jīng)網(wǎng)絡(luò)對(duì)水輪機(jī)系統(tǒng)的非線性特性建模,在水輪機(jī)及其引水系統(tǒng)的建模中,考慮了水輪機(jī)力矩、過(guò)流量與水輪機(jī)導(dǎo)葉、水頭及轉(zhuǎn)速等非線性,設(shè)計(jì)基于水輪發(fā)電機(jī)組慣性參數(shù)估計(jì)和水輪機(jī)系統(tǒng)特性非線性估計(jì)的滑模魯棒控制器。將階躍信號(hào)和正弦信號(hào)作為水輪機(jī)轉(zhuǎn)速調(diào)節(jié)系統(tǒng)的輸入信號(hào),驗(yàn)證滑模魯棒控制水輪機(jī)轉(zhuǎn)速調(diào)節(jié)跟蹤階躍信號(hào)和正弦信號(hào)的有效性,并進(jìn)一步對(duì)比跟蹤階躍信號(hào)和正弦信號(hào)的動(dòng)態(tài)特性。
3 仿真試驗(yàn)驗(yàn)證
本文中的水輪機(jī)選定近年應(yīng)用較廣的GZ990型水輪機(jī),該水輪機(jī)具有單位轉(zhuǎn)速高、單位流量大和水力效率高等優(yōu)點(diǎn)。水輪機(jī)轉(zhuǎn)輪直徑為5.50 m,輪轂直徑為2.35 m,發(fā)電機(jī)轉(zhuǎn)動(dòng)慣量為1 250×103 kg·m2,水輪機(jī)轉(zhuǎn)輪轉(zhuǎn)動(dòng)慣量為2 204×103 kg·m2,額定水頭8 m。根據(jù)相應(yīng)水輪機(jī)的特征曲線,文中的參數(shù)依次為:ey=0.9,ex=-0.5,eh=1.2,eqy=0.55,eqx=0.65,eqh=0.2,eg=2.0,T′a=1.5,Tw=2.4,Ty=0.2。初始狀態(tài)參數(shù):水輪機(jī)主力矩和轉(zhuǎn)速的標(biāo)幺值為1,主接力器行程的mg0為0.79。
根據(jù)前文數(shù)學(xué)模型,結(jié)合水輪機(jī)轉(zhuǎn)速調(diào)節(jié)系統(tǒng)的非線性特性,將RBF神經(jīng)網(wǎng)絡(luò)中的權(quán)值和閾值等參數(shù)作為非線性模型參數(shù),在Matlab軟件的Simulink模塊中建成仿真模型,對(duì)基于慣性參數(shù)自適應(yīng)估計(jì)和水輪機(jī)非線性特性自適應(yīng)估計(jì)進(jìn)行仿真研究。通過(guò)監(jiān)測(cè)水輪機(jī)轉(zhuǎn)速速跟蹤階躍信號(hào)的響應(yīng)速度、水輪機(jī)轉(zhuǎn)速跟蹤階躍信號(hào)和正弦信號(hào)跟蹤誤差、控制器輸出抖振大小來(lái)判斷其有效性,對(duì)傳統(tǒng)的滑??刂坪捅疚脑O(shè)計(jì)的滑模魯棒控制策略進(jìn)行仿真分析,具體情況描述如下。
通過(guò)仿真得到的相關(guān)參數(shù)為:c1=274,c2=131,ψ1=63,ψ2=7,ψ3=97。設(shè)置兩種轉(zhuǎn)速給定輸入,即階躍輸入和正弦輸入。分別以轉(zhuǎn)速給定階躍指令nt=1t和正弦指令nt=sin4t為給定信號(hào),通過(guò)比較傳統(tǒng)滑??刂坪突谒啓C(jī)調(diào)節(jié)系統(tǒng)慣性參數(shù)和模型非線性自適應(yīng)估計(jì)的魯棒滑模控制的水輪機(jī)調(diào)節(jié)系統(tǒng)轉(zhuǎn)速跟蹤性能。
傳統(tǒng)滑??刂扑啓C(jī)調(diào)節(jié)系統(tǒng)轉(zhuǎn)速階躍信號(hào)和正弦信號(hào)跟蹤見(jiàn)圖2。從圖中水輪機(jī)轉(zhuǎn)速跟蹤曲線可看出,水輪機(jī)轉(zhuǎn)速穩(wěn)定后,階躍跟蹤和正弦跟蹤有明顯誤差。本文設(shè)計(jì)的魯棒滑模控制水輪機(jī)調(diào)節(jié)系統(tǒng)轉(zhuǎn)速階躍信號(hào)和正弦信號(hào)跟蹤見(jiàn)圖3。從圖中水輪機(jī)轉(zhuǎn)速跟蹤曲線可看出,水輪機(jī)轉(zhuǎn)速穩(wěn)定后,階躍跟蹤和正弦跟蹤誤差明顯減少,但是響應(yīng)速度變慢。圖4對(duì)比了傳統(tǒng)滑??刂破骱捅疚脑O(shè)計(jì)的魯棒滑??刂破魉啓C(jī)調(diào)節(jié)系統(tǒng)轉(zhuǎn)速跟蹤性能。仿真結(jié)果表明本文設(shè)計(jì)的魯棒滑??刂频霓D(zhuǎn)速跟蹤明顯優(yōu)于傳統(tǒng)滑??刂频霓D(zhuǎn)速跟蹤。由于本文設(shè)計(jì)的魯棒滑??刂破髟谒啓C(jī)轉(zhuǎn)速調(diào)節(jié)過(guò)程中,涉及水輪機(jī)調(diào)節(jié)系統(tǒng)慣性參數(shù)和模型非線性特性在線自適應(yīng)估計(jì),魯棒滑??刂破黜憫?yīng)速度較傳統(tǒng)滑??刂破髀?。圖5對(duì)比了傳統(tǒng)滑??刂坪捅疚脑O(shè)計(jì)的魯棒滑模控制水輪機(jī)調(diào)節(jié)系統(tǒng)轉(zhuǎn)速跟蹤性能。從圖5中可看出,水輪機(jī)轉(zhuǎn)速穩(wěn)定后,本文設(shè)計(jì)的魯棒滑模控制器的轉(zhuǎn)速跟蹤誤差較小,具有較高的轉(zhuǎn)速跟蹤精度。圖6給出了傳統(tǒng)滑模控制和本文設(shè)計(jì)的魯棒控制在階躍信號(hào)和正弦信號(hào)輸入下控制器的輸出曲線。
4 結(jié) 論
本文基于慣性參數(shù)估計(jì)和水輪機(jī)系統(tǒng)非線性特性估計(jì)的魯棒滑??刂扑啓C(jī)轉(zhuǎn)速調(diào)節(jié)系統(tǒng),得出如下結(jié)論。
(1) 與常規(guī)滑模變結(jié)構(gòu)控制系統(tǒng)相比,本文設(shè)計(jì)的魯棒滑??刂扑啓C(jī)調(diào)節(jié)系統(tǒng)具有跟蹤誤差小、控制輸出抖振小以及能快速跟蹤給定轉(zhuǎn)速的優(yōu)越性。因此,將基于慣性參數(shù)估計(jì)和水輪機(jī)系統(tǒng)非線性特性估計(jì)的魯棒滑??刂茟?yīng)用于水輪機(jī)調(diào)節(jié)系統(tǒng)中具有一定的應(yīng)用前景和工業(yè)價(jià)值。
(2) 傳統(tǒng)的水輪機(jī)調(diào)節(jié)系統(tǒng)單一控制策略大都存在一定局限性?;谙到y(tǒng)慣性參數(shù)估計(jì)和非線性特性估計(jì)的滑??刂扑啓C(jī)調(diào)節(jié)系統(tǒng)是較復(fù)雜的控制系統(tǒng)。將自適應(yīng)估計(jì)影響水輪機(jī)調(diào)節(jié)系統(tǒng)動(dòng)態(tài)特性的重要參數(shù)、自適應(yīng)估計(jì)水輪機(jī)系統(tǒng)非線性特性、魯棒控制算法相結(jié)合的復(fù)合控制策略將是未來(lái)水輪機(jī)轉(zhuǎn)速調(diào)節(jié)系統(tǒng)控制策略的研究方向。
參考文獻(xiàn):
[1] 弭磊,朱彬,孫科.水電機(jī)組不同運(yùn)行方式下水庫(kù)應(yīng)急補(bǔ)水優(yōu)化策略[J].人民長(zhǎng)江,2022,53(增2):144-147.
[2] 章夢(mèng)捷,吳都,李高會(huì).洪屏抽水蓄能電站現(xiàn)場(chǎng)甩負(fù)荷試驗(yàn)及數(shù)值反演分析[J].人民長(zhǎng)江,2021,52(6):183-187.
[3] 涂勇,張橋峰. 調(diào)速器液壓跟隨故障智能診斷方法研究[J].人民長(zhǎng)江,2022,53(增2):184-87.
[4] 周東東,王斌,艾博,等.考慮死區(qū)的水輪機(jī)調(diào)節(jié)系統(tǒng)非線性自抗擾控制[J].水力發(fā)電學(xué)報(bào),2023,42(1):114-127.
[5] 王麗娟,潘熙和,張應(yīng)文,等.水電站沖擊式水輪機(jī)調(diào)速器技術(shù)發(fā)展歷程及研究[J].長(zhǎng)江科學(xué)院院報(bào),2013,30( 5):92-96.
[6] 陳帝伊,丁聰,把多鐸,等.水輪發(fā)電機(jī)組系統(tǒng)的非線性建模與穩(wěn)定性分析[J].水力發(fā)電學(xué)報(bào),2014,33(2):235-241.
[7] 涂勇.水輪機(jī)導(dǎo)葉分段關(guān)閉自適應(yīng)控制研究[J].人民長(zhǎng)江,2022,53(增1):160-163.
[8] 楊帥,徐永,李湧博,等.剛性和彈性水錘模型對(duì)水輪機(jī)調(diào)節(jié)系統(tǒng)計(jì)算的影響[J].人民長(zhǎng)江,2022,53(3):136-143.
[9] 沈祖詒.水輪機(jī)調(diào)節(jié)[M].北京:中國(guó)水利水電出版社,1998.
[10] 魏加達(dá),王衛(wèi)玉,張培.基于非線性建模的水電機(jī)組動(dòng)態(tài)特性仿真研究[J].水電站機(jī)電技術(shù),2023,46(2):12-17.
[11] 潘熙和,高雄,方斌臣,等.大型沖擊式水輪機(jī)調(diào)速系統(tǒng)在云南高橋水電廠的應(yīng)用[J].水利水電快報(bào),2022,43(12):88-92.
[12] 魏守平.水輪發(fā)電機(jī)組的慣性比率[J].水電自動(dòng)化與大壩監(jiān)測(cè),2011,35(4):31-34,42.
[13] 張彬橋,李述喻,楊文娟.水輪機(jī)調(diào)節(jié)系統(tǒng)運(yùn)檢合一虛擬仿真培訓(xùn)平臺(tái)開(kāi)發(fā)[J/OL].人民長(zhǎng)江,[2023-02-04].
https:∥kns.cnki.net/kcms/detail/42.1202.tv.20221125.2039.004.html.
[14] WU X,XU Y H,LIU J,et al.Characteristics analysis and fuzzy fractional-order PID parameter optimization for primary frequency modulation of a pumped storage unit based on a multi-objective gravitational search algorithm[J].Energies,2020,13(1):1-20.
[15] 程實(shí),翟玉杰,周立成,等.水電機(jī)組一次調(diào)頻功率模式PID參數(shù)與水頭協(xié)聯(lián)機(jī)制研究[J].水電站機(jī)電技術(shù),2022,45(7):45-48.
[16] 許永強(qiáng),王亞龍.BP神經(jīng)網(wǎng)絡(luò)在水輪機(jī)調(diào)節(jié)過(guò)程中的應(yīng)用[J].水電能源科學(xué),2017,35(7):176-178.
[17] 陳啟勇,滿(mǎn)飛.基于RBF神經(jīng)網(wǎng)絡(luò)的PMLSM無(wú)速度傳感器控制[J].電力電子技術(shù),2023,57(1):37-40.
[18] 劉金琨.滑模變結(jié)構(gòu)控制MATLAB仿真基本理論與設(shè)計(jì)方法[M].北京:清華大學(xué)出版社,2019.
[19] 付文龍,張仕海,鄭陽(yáng),等.水輪機(jī)調(diào)節(jié)系統(tǒng)的動(dòng)態(tài)滑??刂疲跩].中國(guó)農(nóng)村水利水電,2023(2):211-217,225.
[20] 劉金琨.RBF神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制及MATLAB仿真[M].北京:清華大學(xué)出版社,2018.
(編輯:黃文晉)
Adaptive robust sliding mode control strategy for hydraulic turbine regulating system
WANG Ruiming,YANG Le,WANG Ge
(School of Physics and Electrical Engineering,Kashgar University,Kashgar 844000,China)
Abstract:
Inertia parameters of hydraulic turbine system are important parameters affecting the dynamic characteristics of hydraulic turbine governing system.Traditional control methods are mostly based on the approximate simplified model of hydraulic turbine and its diversion system,which is difficult to improve the dynamic characteristics of hydraulic turbine governing system.In this paper,a radial basis function neural network is used to approximate the nonlinear characteristics of the hydraulic turbine and its diversion system.Using Lyapunov stability theory,the adaptive estimation law of inertia parameters of the hydraulic turbine system was designed and proved.A sliding mode robust controller based on nonlinear characteristics and inertia parameter estimation of the hydraulic turbine system was designed,and the simulation experiment was completed.The simulation results showed that the sliding mode robust control hydraulic turbine governing system had the advantages of high tracking accuracy and low controller output chatter,which provided an effective reference for high-precision speed tracking of the hydraulic turbine governing system.
Key words:
hydraulic turbine regulation;parameter self-adaptation;model self-adaptation;rotational speed tracking;sliding mode control