复杂发电机系统的智能控制理论方法研究

论文摘要

随着电力工业的不断发展,对于电能的需求越来越大,对供电可靠性与电能质量的要求也越来越高。发电机组是电力系统中提供电能的关键设备,对于电力系统的安全经济稳定运行有着至关重要的作用。大容量发电机组的增多并向超临界化方向发展,使得发电机控制越来越复杂、也越来越重要。论文首先介绍了电力系统控制和稳定性的一般描述以及发电机控制的重要性,并说明了发电机系统是一个复杂的非线性对象,控制难度较大。接着,从国内外发电机系统控制的研究现状出发,提炼出其中有待进一步解决的关键问题并进行深入的研究,从而形成比较系统的发电机系统智能控制理论和方法,为发电机组的高效节能与经济运行提供理论基础。针对复杂发电机系统控制中的一些科学问题,本论文结合国家"十五"重大技术装备国产化创新研制项目—“交流励磁水轮发电机及其控制系统研制”,重点开展了以下几个方面的研究工作:1、提出了基于混沌模式搜索法的同步发电机参数辨识方法,将模式搜索法与混沌优化算法相融合,给出了一种新型的混沌模式搜索法,提高了混沌优化算法的搜索效率和搜索精度。将同步发电机参数辨识问题看作参数矢量的组合优化问题,建立对应的目标函数,以优化算法来搜索最佳参数值。该参数辨识方法具有不受对象非线性特征影响、对扰动信号限制少、搜索速度快等优点。2、提出了励磁系统的一种逼近模型控制方法。首先介绍了励磁系统的一般原理和数学模型,随后提出了一种逼近模型控制器,采用基于Taylor扩展的线性化方法来得到近似的逼近模型控制律,利用径向基神经网络建模来具体实现控制律。论文分析了该逼近模型控制律的鲁棒性特征,并给出了其仿真实验结果。3、提出了一种励磁系统的逼近内模控制器。该逼近内模控制器包括逼近模型控制器和反馈补偿二个部分,采用基于Taylor扩展的线性化方法得到逼近模型控制器,并由递归神经网络建模来具体实现,再选取一个鲁棒性滤波器作为反馈环节,并分析了逼近内模控制器的鲁棒性特征,仿真实验也验证了其有效控制性能。4、水轮机调节系统是一个水、机、电的综合调节系统,针对该调节系统的非线性模型,研究了一种刚性水锤效应时的水轮机调速器的逆模型控制方法。首先介绍了水轮机的调速系统的原理,分析了其可逆性,采用支持向量机来建立逆模型,并对比研究了二种不同的逆模型控制器:直接逆模型控制和带PI控制补偿的逆模型控制。直接逆模型控制易于实现,然而鲁棒性和抗干扰性性能明显不如带PI控制补偿的逆模型控制。5、针对汽轮发电机调速系统,设计了一种汽门系统的自适应逆模型控制。首先介绍了汽轮机调速系统的调速原理和数学模型,分析了该系统的可逆性,采用最小二乘支持向量机来辨识汽门系统的模型和逆模型,在此基础上,提出了一种基于自适应学习率的逆模型控制系统,分析了该学习算法的收敛性特征。6、研究了汽轮发电机系统的综合控制,将发电机组的励磁和汽门系统相结合,设计了一种多模型控制系统。该多模型控制系统以发电机组的典型工况为依据,设计了不同工况时的子模型控制器,并提出了一种自学习算法在线调整优化控制器的控制规则。同时,建立子模型库,依据运行工况与子模型的匹配程度来决定子模型控制器的加权系数。7、介绍了用于多机组发电机系统综合控制的等效模型,并建立了三机组发电机系统综合控制的状态空间模型;随后,采用线性二次最优控制方法来设计综合优化控制器。本论文将权矩阵的选取看作一个多变量优化问题,提出一种并行混沌优化融合单纯形的优化算法,采用该优化算法来搜索最佳的权矩阵,从而为线性二次最优控制提供了一种有效方法。仿真实验也验证了该优化控制器的有效性能。论文最后总结了全文的主要创新性研究成果,对下一步研究工作进行了展望。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 概述
• 1.2 电力系统控制和稳定性
• 1.2.1 电力系统控制
• 1.2.2 电力系统稳定性
• 1.3 发电机控制的意义与难点
• 1.4 发电机控制的研究进展
• 1.4.1 励磁系统控制
• 1.4.2 水轮机调节系统控制
• 1.4.3 汽轮机调速控制
• 1.4.4 发电机系统的综合控制
• 1.5 本论文的研究内容和章节安排
• 第2章 基于混沌模式搜索法的同步发电机参数辨识
• 2.1 同步发电机参数辨识
• 2.2 同步发电机模型
• 2.3 基于CPSA 的参数辨识原理
• 2.4 混沌模式搜索法
• 2.4.1 混沌优化算法
• 2.4.2 模式搜索法
• 2.4.3 混沌模式搜索法（CPSA）
• 2.4.4 CPSA 算法性能与收敛性
• 2.5 仿真结果
• 2.6 小结
• 第3章 发电机励磁系统的逼近模型控制
• 3.1 励磁系统的一般描述
• 3.1.1 励磁系统调节电压的基本原理
• 3.1.2 励磁控制的典型结构和具体要求
• 3.2 同步发电机励磁控制模型
• 3.3 逼近模型控制律的设计
• 3.4 基于RBF 神经网络建模的控制律实现
• 3.4.1 径向基函数神经网络简介
• 3.4.2 RBF 网络学习方法
• 3.4.3 调节RBF 网络的连接权值
• 3.4.4 RBF 网络的结构优化
• 3.4.5 基于RBF 神经网络的建模
• 3.5 控制系统的鲁棒稳定性
• 3.6 仿真分析
• 3.7 小结
• 第4章 发电机励磁系统的逼近内模控制
• 4.1 内模控制描述
• 4.1.1 内模控制的基本机构
• 4.1.2 内模控制中的建模方法
• 4.2 励磁系统的逼近内模控制系统结构
• 4.3 RNN 控制器的设计
• 4.3.1 RNN 控制器
• 4.3.2 RNN 控制器的鲁棒性
• 4.4 反馈补偿的设计
• 4.4.1 反馈补偿
• 4.4.2 逼近内模控制系统的鲁棒性
• 4.5 基于RNN 建模的控制律计算
• 4.5.1 RNN 描述
• 4.5.2 RNN 建模
• 4.6 仿真结果
• 4.7 小结
• 第5章 水轮发电机调节系统的逆模型控制
• 5.1 水轮发电机调节系统的调节原理
• 5.2 水轮发电机调节系统的结构和数学模型
• 5.2.1 水轮发电机调节系统的结构
• 5.2.2 水轮发电机调节系统数学模型
• 5.3 调节系统的逆模型构造
• 5.3.1 逆系统方法
• 5.3.2 水轮发电机调节系统的可逆性
• 5.4 基于支持向量机的逆模型求解
• 5.4.1 支持向量机基本原理
• 5.4.2 SVM 参数的选择
• 5.4.3 序贯最小优化学习算法介绍
• 5.4.4 水轮发电机调节系统的逆模型实现
• 5.5 水轮机调节系统的直接逆模型控制
• 5.6 水轮机调节系统的带 PID 控制器补偿的逆模型控制
• 5.7 仿真分析
• 5.8 小结
• 第6章 汽轮发电机调速系统的自适应逆模型控制
• 6.1 汽轮发电机调速系统的原理
• 6.2 汽轮发电机调速控制的结构和模型
• 6.2.1 汽轮机调速系统
• 6.2.2 汽轮机调速控制模型
• 6.3 基于最小二乘支持向量机的调速系统建模
• 6.3.1 LS-SVM 算法
• 6.3.2 调速系统的模型及逆模型构造
• 6.4 自适应逆模型控制系统
• 6.4.1 自适应逆模型控制器的结构
• 6.4.2 逆模型控制系统的在线自适应学习算法
• 6.4.3 在线学习算法的收敛性
• 6.5 仿真实验
• 6.6 小结
• 第7章 汽轮发电机的多模型综合控制系统
• 7.1 汽轮发电机综合控制问题描述
• 7.2 多模型控制系统的结构
• 7.2.1 模型库
• 7.2.2 控制器库
• 7.3 模型库与控制器库的构造
• 7.3.1 初始样本的形成
• 7.3.2 基于聚类算法的模型库构造
• 7.4 多模型控制系统的学习优化
• 7.4.1 离线学习
• 7.4.2 在线自学习
• 7.5 仿真研究
• 7.6 小结
• 第8章 多机组发电机系统的综合优化控制
• 8.1 多机发电机系统模型
• 8.1.1 多机发电机系统的一般描述
• 8.1.2 三机发电机系统模型
• 8.2 线性二次最优控制器
• 8.3 并行混沌优化算法融合单纯形方法
• 8.3.1 并行混沌优化算法
• 8.3.2 单纯形法
• 8.3.3 并行混沌搜索融合单纯形的优化方法
• 8.4 多机系统综合控制的优化LQR 设计
• 8.5 仿真研究
• 8.6 小结
• 结论与展望
• 参考文献
• 致谢
• 附录A （主要学术论文目录）