摘 要：針對電網(wǎng)負荷變化時電網(wǎng)調(diào)節(jié)不穩(wěn)定的問題，提出了汽輪機電液控制系統(tǒng)模型的參數(shù)辨識優(yōu)化方法，并采用粒子群算法研究了汽輪機電液控制系統(tǒng)在不同負荷工況模型辨識參數(shù)的變化并將其應用于其它負荷的方法在變負荷工況誤差較大；汽輪機電液控制系統(tǒng)的轉(zhuǎn)速前饋系數(shù)K 2 對變負荷模擬精度的影響最大，且其值隨機組負荷升高近似線性減小。采用擬合轉(zhuǎn)速前饋系數(shù)K 2 隨負荷變化的方法對汽輪機電液控制系統(tǒng)模型進行仿真優(yōu)化，模擬所得的最大相對誤差由3.89%降低至2.68%。該研究汽輪機電液控制系統(tǒng)模型的精確仿真計算對保證電網(wǎng)穩(wěn)定性具有非常重要的意義。

關鍵詞：電網(wǎng)穩(wěn)定；電液控制系統(tǒng)；不同負荷；參數(shù)辨識優(yōu)化

中圖分類號：TQ016.5 + 5；TM311 文獻標志碼：A 文章編號：1001-5922（2025）03-0181-04

Simulation and optimization of steam turbineelectro-hydraulic control system model with variable load

GUO Hui 1 ，ZHAI Fei 2 ，GUO Hengming 3 ，GAO Pengfei 3 ，ZHANG Donghai 3

（1. Henan Jiuyu EPRI Electric Power Technology Co.，Ltd.，Zhengzhou 450001，China；

2. Henan Transformer Transmission Construction Co.，Ltd.，Zhengzhou 450001，China；

3. Henan United Electric Power Technology Co.，Ltd.，Zhengzhou 450001，China）

Abstract：Accurate simulation calculation of steam turbine electro-hydraulic control system is significant to ensurethe stability of the power grid. In this paper，an optimization model of the steam turbine electro-hydraulic controlsystem is proposed to solve the problem of the instability of the power grid regulation when the load changes. Thevariation of the identification parameters of the electro-hydraulic control system under different load conditions isstudied by using particle swarm optimization algorithm. The results show that the traditional method of identifyingthe model parameters of the electro-hydraulic control system using the rated load parameters of the steam turbineand applying them to other loads has significant errors in variable load conditions. The speed feedforward coeffi?cient K 2 of the electro-hydraulic control system has the greatest influence on the simulation accuracy of variableload. K 2 decreases approximately linearly with the increase of unit load. After simulation optimization using the fit? ted K 2 ，the maximum relative error is reduced from 3.89% to 2.68%.

Key words：power grid stability；electro-hydraulic control system；different load；parameter identification optimiza?Tion

隨著中國電力發(fā)展步伐的加快，電網(wǎng)的安全穩(wěn)定運行引起了廣泛的關注 [1-5] 。其中，精確的電液控制系統(tǒng)模型對電網(wǎng)穩(wěn)定性的保證具有重要意義 [6-7] 。為此，國內(nèi)學者做了許多總結與研究 [8-13] ，但目前常用的電液控制系統(tǒng)模型基本都基于額定負荷工況的數(shù)據(jù) [14-16] ，并將額定負荷工況所得參數(shù)應用到全負荷段和整個大修周期中，這忽略了對其他負荷工況下的參數(shù)變化研究，導致系統(tǒng)在電網(wǎng)負荷變化導致頻率波動時，電網(wǎng)調(diào)節(jié)不穩(wěn)定。

本文采用粒子群算法研究了電液控制系統(tǒng)在不同負荷工況的辨識參數(shù)及其變化規(guī)律，提出了適用于寬工況的仿真模型，解決了額定負荷工況參數(shù)不適用于全負荷工況的問題。

1 電液控制系統(tǒng)模型及辨識算法

1.1 系統(tǒng)模型

目前廣泛使用的汽輪機數(shù)字電液控制系統(tǒng)

（DEH）主要分為電子元件控制測量部分和油動機液壓調(diào)控安保部分。

本文對經(jīng)典BPA模型中的電液控制系統(tǒng)模型 [17]結合電廠實際情況進行了簡化，最終采用的電液控制系統(tǒng)模型如圖1所示。

圖1中： T 1 為轉(zhuǎn)速偏差慣性常數(shù)；DT ω 為轉(zhuǎn)速偏差延時； Dω 為一次調(diào)頻轉(zhuǎn)速偏差； K 為轉(zhuǎn)速偏差比例常數(shù)；K 2 為轉(zhuǎn)速前饋系數(shù)；P’ E 為發(fā)電機電磁功率；P M1 為主汽壓力；P _ref 為發(fā)電機功率目標；K P1 為主汽壓力PID比例常數(shù)；K I1 為主汽壓力PID積分常數(shù)；T E 為功率測量慣性常數(shù)；DT E 為功率測量延時；K P2 為功率PID比例常數(shù)；K I2 為功率PID積分常數(shù)；DT PID 為PID環(huán)節(jié)延遲；P CV 為主閥位指令。待辨識或校核的參數(shù)為：K、K 2 、K p1 、K i1_O 和K i1_C 。

1.2 辨識算法及優(yōu)化

有學者采用最小二乘法、輔助變量算法、遺傳算法和粒子群算法四種算法進行參數(shù)辨識 [18-19] 。結果表明，對于含有較多非線性模塊的模型，最小二乘法與輔助變量法的求解結果誤差較大；而采用以粒子群算法和遺傳算法為代表的智能算法，仿真結果與實驗數(shù)據(jù)吻合較好。另一方面，粒子群算法將參數(shù)尋優(yōu)與模型仿真相結合，適用于不同模型以及不同組的數(shù)據(jù)，且粒子群算法智能尋優(yōu)的初值是隨機的，可排除人為因素的影響。因此，本文選擇粒子群算法來完成參數(shù)辨識過程。

對電廠實測數(shù)據(jù)，采用Simulink搭建電液控制系統(tǒng)模型，然后用Matlab軟件編程計算。最后將仿真數(shù)據(jù)與實驗數(shù)據(jù)作比較，利用誤差函數(shù)式 [20] 來求得仿真與實驗的相對誤差：

式中： f 為誤差值； P S 為模型輸出值； P A 為實測值；N 為數(shù)據(jù)個數(shù)。

傳統(tǒng)方法將額定負荷工況數(shù)據(jù)進行仿真辨識所得的參數(shù)應用于所有負荷。為了提高預測精度，本文優(yōu)化了參數(shù)辨識方法，對變負荷工況時的轉(zhuǎn)速前饋系數(shù)K 2進行擬合，并將擬合后的K 2 值應用于不同負荷的計算。

2 結果與討論

2.1 額定負荷參數(shù)辨識

對額定負荷660 MW的實驗數(shù)據(jù)按圖1所示模型進行辨識計算，得到的待辨識參數(shù)見表1。

以表1得到的辨識參數(shù)進行仿真，結果與實測數(shù)據(jù)的對比見圖2，對應的誤差見表2。仿真結果與實測數(shù)據(jù)誤差較小，表明本文采用的模型及處理方法合理。

將表1的辨識參數(shù)應用于變負荷工況，仿真結果與實測數(shù)據(jù)的誤差見表3?？梢钥闯?，500MW工況升負荷段誤差最大，最大相對誤差3.897%。圖3和圖4給出了400MW和500MW工況仿真結果與實測數(shù)據(jù)的對比。

2.2 變負荷參數(shù)辨識

為提高仿真精度，用機組不同負荷下的實測數(shù)據(jù)進行參數(shù)辨識，得到各負荷下的待辨識參數(shù)值，并尋找待辨識參數(shù)與負荷之間的關系。

分析表明，除轉(zhuǎn)速前饋系數(shù)K 2 外，其余模型參數(shù)對于確定結構的機組來說不隨負荷變化。采用圖1所示電液控制系統(tǒng)模型，對不同負荷實測數(shù)據(jù)進行辨識，求得K 2 隨負荷的變化曲線，如圖5所示。

由圖5可知，K 2 隨負荷近似成線性變化。對其進行線性擬合，并將擬合得到的不同負荷下K 2 值代入電液控制系統(tǒng)模型，所得仿真誤差見表4。

圖6和圖7為400 MW和500 MW工況，變負荷仿真結果與實測結果的比較。

2.3 對比分析

表5為采用額定負荷K 2 和擬合K 2 仿真結果在升負荷段的誤差對比。可以看出，采取擬合K 2 計算的誤差普遍較小，500 MW工況仿真最大相對誤差由3.89%下降為2.68%。采取線性規(guī)律對K 2 進行擬合，最終結果更優(yōu)。

3 結語

本文針對電網(wǎng)負荷變化導致的頻率波動和電網(wǎng)調(diào)節(jié)不穩(wěn)定問題，采用粒子群算法研究了電液控制系統(tǒng)在不同負荷工況辨識參數(shù)的變化規(guī)律，解決了額定負荷工況參數(shù)不適用于全負荷工況的問題。仿真結果表明，電液控制系統(tǒng)的轉(zhuǎn)速前饋系數(shù)K 2 對變負荷模擬精度的影響最大，且其值隨機組負荷升高近似線性減??；優(yōu)化后最大模擬相對誤差從3.89%降低到2.68%。本文的參數(shù)辨識優(yōu)化方法可為深度調(diào)峰時調(diào)速系統(tǒng)各參數(shù)精準預測提供參考。

【參考文獻】

[1] 劉翌，潘小輝，胡潯惠. 基于脆弱性的電力系統(tǒng)可靠性評估及其算例分析[J]. 電子測量技術，2019，42（20）：20-53.

[2] 俞曉峰，袁嶺，崔藝林，等. 分布式光伏電源的配電網(wǎng)故障特征計算模型分析[J]. 粘接，2023，50（1）：140-143.

[3] 羅艷，王庭剛，高浩，等. 雙碳-節(jié)能型電磁新材料背景下的人工智能風險防控技術[J]. 粘接，2023，50（1）：70-74.

[4] 沈根才. 正確規(guī)劃電網(wǎng)結構 重視電網(wǎng)穩(wěn)定性[J]. 電力系統(tǒng)自動化，2002，25（9）：38-41.

[5] 葉一博. 大區(qū)電網(wǎng)互聯(lián)對電力系統(tǒng)動態(tài)穩(wěn)定性的影響[J].電力系統(tǒng)，2023，8：52-54.

[6] KOSTEREV D. Hydro turbine-governor model validationin pacific northwest[J]. IEEE Transactions on Power Sys?tems，2004，19（2）：1144-1149.

[7] 姜冰. 發(fā)電機組對電網(wǎng)穩(wěn)定性的適應能力分析[J]. 電站系統(tǒng)工程，2009，25（2）：59-60.

[8] 趙平，戴懿. 淺談局域電網(wǎng)中發(fā)電與負荷的匹配以及如何提升發(fā)電機組在區(qū)域電網(wǎng)的穩(wěn)定性[J]. 電網(wǎng)運維，2021，8：57-59.

[9] 饒紀杭. 我國大容量汽輪機電液控制系統(tǒng)的現(xiàn)狀[J]. 中國電力，1997，20（2）：3-6.

[10] 田云峰，郭嘉陽，劉永奇，等. 用于電網(wǎng)穩(wěn)定性計算的再熱凝汽式汽輪機數(shù)學模型[J].電網(wǎng)技術，2007，31 （5）：39-44.

[11] 李陽海，張才穩(wěn)，楊濤，等. 基于電網(wǎng)穩(wěn)定性分析的汽輪機調(diào)速系統(tǒng)建模試驗研究[J]. 汽輪機技術，2011，53（4）：291-294.

[12] 谷俊杰，陳順青. 適用電網(wǎng)穩(wěn)定性計算的一種超臨界汽輪機動態(tài)數(shù)學模型[J]. 汽輪機技術，2013，55（3）：175-177.

[13] 李艷，拓福婷，張孝杰. 汽輪機電液伺服系統(tǒng)建模及控制方法[J]. 熱力發(fā)電，2017，46（9）：117-123.

[14] 房德明，張亞夫，李明亮. 汽輪機蒸汽容積對轉(zhuǎn)速飛升影響的計算分析[J]. 汽輪機技術，1987，31（6）：41-46.

[15] 張家琛，向春梅，馬芳梅，等. 引進型300 MW汽機數(shù)字電液控制系統(tǒng)動態(tài)特性研究[J]. 湖北電力技術，1994，4：34-38.

[16] 胥建群，曹祖慶. 汽輪機實時仿真數(shù)學模型[J]. 熱能動力工程，1996，11（6）：45-50.

[17] 中國電力科學研究院. 中國版 BPA暫態(tài)穩(wěn)定程序用戶手冊[Z]. 北京：中國電力科學研究院，2000.

[18] 王平，范磊，梁鈴，等. 基于改進微分進化算法的發(fā)電機調(diào)速系統(tǒng)參數(shù)辨識[J].自動化與儀器儀表，2018，1：47-50.

[19] KENNEDY J，EBERHART R. Particle swarm optimiza?tion[C]. Proceedings of ICNN'95- International Confer?ence on Neural Networks，1995.

[20] 江效龍，汽輪機及其調(diào)速系統(tǒng)參數(shù)辨識與仿真校核研究[D]. 保定：華北電力大學，2015.

（責任編輯：張玉平）