抽水蓄能机组调速系统的快速非线性模糊预测控制方法
【专利摘要】本发明公开了一种抽水蓄能机组调速系统快速非线性模糊预测控制方法，包括模糊PID参数自适应、在线滚动预测和控制律计算三个步骤；该控制方法具有模糊PID控制的参数随工况自调整功能，且通过控制器中建立的抽水蓄能机组调速系统非线性模型利用在线滚动预测方法对系统未来状态进行预测，在即时控制律的设置时考虑到了系统未来状态量偏差信息；本发明提供的这种预测控制方法能够满足抽水蓄能机组在不同工况下的控制过程，有效提高机组控制精度，改善机组运行过程的暂态性能。
【专利说明】
抽水蓄能机组调速系统的快速非线性模糊预测控制方法
技术领域
[0001] 本发明属于抽水蓄能机组调速系统非线性控制领域，更具体地，设及一种抽水蓄 能机组调速系统的快速非线性模糊预测控制方法。
【背景技术】
[0002] 随着经济和社会的快速发展，电力负荷迅速增长，峰谷差不断加大，电网对稳定性 的要求也越来越高，调峰能力不足将成为制约电力系统发展的突出问题。抽水蓄能电站W 其调峰填谷的独特运行特性，发挥着调节负荷、促进电力系统节能和维护电网安全稳定运 行的功能，逐步成为我国电力系统有效的、不可或缺的调节手段。为实现抽水蓄能电站效益 的最大化，保障抽水蓄能机组的高效稳定运行，研究作为抽水蓄能机组主要控制部分的调 速系统先进控制方法成为当前抽水蓄能机组控制的一项重要工作。
[0003] 现有的抽水蓄能机组主要运用比例积分微分(PID)控制作为调速系统的控制方 式;然而PID控制方式的参数的选取高度依赖于机组的实时工况，给工业现场PID调速器参 数的整定造成极大困难。
[0004] 另一方面，工业现场的抽蓄机组PID控制器参数是根据典型工况离线整定出一组 定值供不同工况选用，无法适应运行过程中工况的变化；当机组运行一段时间或经过检修 后最优PID参数可能发生变化，运时若继续使用确定的PID参数可能会造成控制性能的下 降;PID控制的即时控制律是根据系统过去和当前机组频率、导叶开度等状态量的变化信息 进行计算的，缺乏对系统未来运行状态预测的功能。
【发明内容】
[0005] 针对现有技术的W上缺陷或改进需求，本发明提供了一种抽水蓄能机组调速系统 的快速非线性模糊预测控制方法，其目的在于解决现有的控制方法无法对抽水蓄能机组调 速系统的未来运行状态进行预测的技术问题。
[0006] 为实现上述目的，按照本发明的一个方面，提供了一种抽水蓄能机组调速系统的 快速非线性模糊预测控制方法，包括如下步骤：
[0007] (1)建立抽水蓄能机组调速系统的非线性预测模型，包括液压执行机构模型、水累 水轮机非线性模型、有压引水系统模型和发电机模型；
[000引（2)根据抽水蓄能机组频率的测量值与给定值之间的差值及差值的变化量，采用 模糊推理方法确定每个采样周期的PID控制参数的实时值；
[0009] 其中，PID的控制参数包括比例系数Kp、积分系数Ki和微分系数Kd;
[0010] (3)在抽水蓄能机组调速系统当前运行状态下，根据上述的非线性预测模型，在当 前采样周期采用在线滚动预测的方法对预测时域内系统状态进行状态预测，获取本时刻的 预测时域内预测状态量序列；
[0011] (4)根据上述预测状态量序列，对机组频率偏差按预测步数进行非线性权重衰减 方式的加权处理，获得机组的累积频率偏差预测值；
[0012] 根据累积频率偏差预测值与增量型PID控制的控制量增量求解公式，获得当前时 刻控制量增量A U化）；根据当前时刻控制量增量A U化)获得即时控制律U化）；
[0013] (5)将上述即时控制律作用到抽水蓄能机组调速系统，直到下一控制器采样周期；
[0014] (6)在下一采样周期中，重复步骤(2)~步骤(5)，直到控制过程结束。
[0015] 上述的快速非线性模糊预测控制方法，包括系统非线性建模、模糊PID参数自适 应、快速滚动预测和预测控制律计算的步骤;在模糊PID参数自适应阶段，根据当前采样周 期中抽蓄机组实时频率偏差和频率偏差增量，采用Mandani模糊规则，经过模糊化、模糊隶 属度运算和去模糊化流程得到对应工况下的PID各参数变化量，与基于频率偏差趋势的自 适应变化速率因子相乘确定实际PID参数变化量;在快速滚动预测阶段，根据建立的抽蓄机 组调速系统非线性离散模型，通过模糊PID控制在每个控制器采样周期中对控制器预测时 域内的控制律和机组状态量进行不断迭代预测，从而得到抽蓄机组在未来一定时间段内的 控制律增量预测值；
[0016] 在预测控制律计算中，根据快速滚动预测得到的机组频率预测值，计算预测时域 内各采样时刻的频率偏差预测值，将其按非线性递减权重加权求得累积预测频率偏差，并 W此计算模糊预测控制器的实时控制律;该预测控制方法能够根据机组工况快速调整PID 参数，使控制器具有更好的工况适应能力;且其即时控制律的设置考虑了系统未来的预测 f目息，可有效提局巧制品质。
[0017] 优选地，上述的快速非线性模糊预测控制方法，当前时刻的机组累积频率偏差预 测值关
[001引其中，i为预测采样时刻的序号，i = 0，l，…，Np-I挪是指预测步勤
％第1 个预测采样时刻的累积误差衰减系数，eak+i)/k)是指第k个控制采样时刻预测的第化+i) 个控制采样时刻的机组频率偏差，k是指控制采样时刻序号。
[0019]优选地，上述的快速非樂性模糊预现雌制方法，即时控审幡
[0020] u(k) =u(k-l)+ A u(k)；
[0021] 其中，
[0022] Au(k) = [Kp(k)+Ki(k)+Kd(k)] ?扣（k) + [-Kp(k)-2Kd化）]? es(k-l)+Kd化）? es (k-2)；
[0023] 其中，k是指采样时刻序号，Kp化)是指k采样时刻的比例系数、Ki化)是指k采样时刻 的积分系数，Kd化)是指k采样时刻的微分系数;Au是控制律增量，ez是指累计频率偏差。
[0024] 优选地，上述的快速非线性模糊预测控制方法，其步骤(2)包括W下子步骤：
[002引（2-1)根据PID参数变化特性分别建立A Kp、A Ki、A的立个参数对应的模糊规则 表；
[0026] 其中，AKp是指比例系数增量，AKi是指积分系数增量，AKd是指微分系数增量；
[0027] (2-2)根据当前采样时刻控制量偏差e(t)与偏差变化量ec(t)，查模糊规则表得到 当前时刻A Kp、A Ki、A KdS个参数变化量的模糊子集及对应隶属度；其中，ec(t) = e (t) -e (t-1);
[002引（2-3)根据重心法对A Kp、A Ki、A Kd的模糊子集解模糊获取当前时刻A Kp、A Ki、A Kd的实际取值；
[0029] (2-4)根据系统存储的频率偏差变化趋势，设置PID参数速率变化因子Mk);
[0030] 其中，
[0031]其中，e是指机组频率偏差；
[0032] (2-5)根据上述当前时刻A Kp、A Ki、A Kd的实际取值与各自的初值，
[0033] 获得当前时刻PID自适应参邀
[0034] 其中，KpO是指比例系数的初值，KiO是指积分糸数的彻但，KdO是指微分系数的初值。
[0035] 优选地，上述的快速非线性模糊预测控制方法，其步骤(3)的在线滚动预测包含W 下子步骤：
[0036] (3-1)在当前预测时刻，令i = 0,根据当前PID控制参数，使用PID控制对抽水蓄能 机组按频率进行调节，获得预测控制量及其增量;并将预测控制量作用于上述非线性预测 模型，获得下一采样时刻的系统状态量预测值，并令i = i+l;
[0037] (3-2)判断KNp是否成立，若否，则进入步骤(3-4);若是，则利用上一步预测获得 的机组预测频率与给定频率的偏差及偏差的变化量，通过模糊推理获得下一采样时刻的 PID参数自适应取值预测值；
[0038] 使用PID控制对抽水蓄能机组按频率进行调节，获得预测控制量及其增量;将预测 控制量作用于上述非线性预测模型，获得下一采样时刻的系统状态量预测值;并令i = i+l;
[0039] (3-3)判断KNp是否成立，若否，则进入步骤(3-4);若是，则进入步骤(3-2)，预测 预测时域中更后时刻的系统状态及控制量增量；
[0040] (3-4)根据当前采样周期中每一步预测得到的控制量增量、机组频率预测值与给 定值的频率偏差，获得状态量预测序列。
[0041] 优选地，上述的抽水蓄能机组调速系统非线性预测模型，建立抽水蓄能机组调速 系统的非线性预测模型的方法，包括如下子步骤：
[0042] (1-1)建立执行机构模型；包括描述接力器工作速率限制的饱和环节1，描述主接 力器积分环节和描述接力器运动行程限制的饱和环节2的反馈闭环结构；
[0043] 该执行机构模型考虑了各饱和限幅环节和主接力器时间常数，能精确地描述抽蓄 机组控制系统执行机构的非线性运动特性；
[0044] (1-2)采用考虑引水管道弹性水击效应的弹性水击模型，建立引水系统模型，其函 数关系呆
[0045] 其中，Tr为水击相长，hw为管路特性系数，q(s)是指流量偏差相对值，Ms)指水头偏 差相对值，S是指拉普拉斯算子；
[0046] (1-3)根据电站实测的水累水轮机全特性曲线数据建立水累水轮机的非线性插值 模型;具体为转矩-转速特性曲线Mtii = fi (a，nil)和流量-转速特性曲线Qii = f 2 (a，mi);
[0047] 其中，Mti功单位转矩，化功单位流量，a为导叶开度，m功单位转速；
[004引为了克服水累水轮机的"驼峰"特性与"S"区域对插值的影响，对全特性曲线采用 改进Suter变换处理W消除其插值的多值性问题，可充分描述水累水轮机复杂的工况变化 特性；
[0049] (1-4)建立发电机模型，其函数关系为
[0050] 其中，Ta为抽蓄机组的惯性常数;en为水轮发电机组自调节系数；CO为转速偏差相 对值;Hlt为水累水轮机机械转矩偏差相对值;Hlg日为负载转矩变动偏差相对值；
[0051] 发电机模型为采用反应转子运动特性与机组自调节能力的一阶发电机模型，在保 证机组模型转速求解精度前提下，简化发电机电磁特性，提高模型计算效率；
[0052] (1-5)建立抽水蓄能机组调速系统的非线性预测模型，包括执行机构模型、引水系 统模型、水累水轮机模型和发电机模型；；
[0053] 其中，模型输入为机组即时控制律U，输出为机组实时转速W;模型状态变量包括导 叶开度y，流量q，水压h，机械转矩mt和转速W。
[0054] 总体而言，通过本发明所构思的W上技术方案与现有技术相比，能够取得下列有 益效果：
[0055] (1)本发明提供的抽水蓄能机组调速系统的快速非线性模糊预测控制方法，充分 考虑调速系统各组成部分的复杂非线性特性，构建了抽水蓄能机组非线性预测模型；
[0056] 由于模型中直接运用抽水蓄能机组实测全特性曲线并对其进行数学变换处理作 为水累水轮机非线性模型，较传统采用状态微分方程、六参数模型等局部线性化模型的方 法更能全面反映其复杂非线性特性，且更能适应控制过程中机组工况的大范围变化;而液 压执行机构模型重点考虑主接力器动作速率、行程上的饱和限制，而忽略掉配压阀，辅助接 力器，油系统等对调速控制过程影响微弱的部件，简化模型阶次;对与水累水轮机同轴的发 电/电动机模型，忽略比调速暂态过程动作快很多的电磁暂态，将其简化为一根刚性转动的 轴，既保留了机组转速变化的主要特性又大大减小模型计算量；由此，本发明使用的调速系 统非线性模型为抽蓄机组调速系统预测控制的实施建立了模型基础；
[0057] (2)本发明提供的抽水蓄能机组调速系统的快速非线性模糊预测控制方法，借助 模糊控制进行在线滚动预测，该方法在获取控制量增量预测序列的过程中，由于控制律的 求解过程借助模糊PID控制规律，在预测时域内用滚动预测代替了滚动优化，避免了传统预 测控制算法中复杂的非线性规划问题的在线求解，因此较传统预测控制的滚动优化方法极 大程度地减少了在线计算量，缩短了在线计算时间，保证了预测控制的实时性；
[0058] (3)本发明提供的抽水蓄能机组调速系统的快速非线性模糊预测控制方法，区别 于传统预测控制中只保留预测控制律序列的第一项（即时控制律)而抛弃其余时刻的预测 控制律的做法，本发明通过对模糊PID控制下预测时域内各采样时刻的机组频率偏差预测 序列W非线性递减形式进行加权处理得到累积预测频率偏差，并将其作为PID控制器的输 入来求取预测控制器的即时控制律，从而使机组即时控制量的设置同时包含机组的实时状 态偏差信息和对未来控制过程的预测信息；由于控制器实时控制律中已经考虑了未来系统 可能出现的状态量偏差及其后续控制规律，故控制偏差较传统控制方法能够得到进一步减 小；
[0059] (4)本发明提供的抽水蓄能机组调速系统的快速非线性模糊预测控制方法，由于 在每个采样周期，模糊推理机都会根据实时工况信息中的转速偏差及其偏差变化率，分别 通过=个控制参数的模糊推理原则，并在预测时域内考虑到PID参数的变化速率和系统状 态偏差变化趋势间的关系，不断对实时PID参数进行调整，达到控制器参数工况自适应的效 果，进而运用PID控制根据滚动预测原理预测机组未来采样时刻状态量信息，从而提高控制 品质。
【附图说明】
[0060] 图1抽蓄机组调速控制系统非线性模糊预测控制流程；
[0061] 图2是实施例中抽水蓄能机组调速系统的结构框图；
[0062] 图3是实施例中抽水蓄能机组调速系统的执行机构非线性模型；
[0063] 图4是实施例中抽水蓄能机组调速系统的水累水轮机全特性曲线；其中，（a)是转 矩特性曲线，（b)是流量特性曲线；
[0064] 图5是实施例中抽水蓄能机组调速系统的改进Suter变换后的水累水轮机全特性 曲线;其中，（a)是WM曲线，（b)是WH曲线；
[0065] 图6是实施例中抽水蓄能机组调速系统非线性模糊预测控制框图；
[0066] 图7是实施例中模糊PID参数自适应原理图；
[0067] 图8是实施例中快速滚动预测流程图；
[0068] 图9是实施例中本发明控制方法下的抽蓄技能机组发电方向开机过程仿真结果示 意图。
【具体实施方式】
[0069] 为了使本发明的目的、技术方案及优点更加清楚明白，W下结合附图及实施例，对 本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用W解释本发明，并 不用于限定本发明。此外，下面所描述的本发明各个实施方式中所设及到的技术特征只要 彼此之间未构成冲突就可W相互组合。
[0070] 本发明实施例W某抽水蓄能电站机组的开机过程控制为例，对本发明提供的抽水 蓄能机组调速系统的快速非线性模糊预测控制方法进行阐述。实施例中的抽水蓄能电站机 组的设计参数如表1所列；
[0071 ]表1抽水蓄能机组设计参数
[0073] 结合抽水蓄能机组实际运行经验，设定实施例的抽水蓄能电站机组的开机过程仿 真整体控制策略:开机过程初期，在机组转速低于90 %额定转速时，水轮机导叶W-定速度 直线开启，至空载限制开度后保持不变;待机组转速到达90%额定转速时，机组转入实施例 提供的预测控制;其中，预测控制器及仿真重要参数如表2所列；
[0074] 表2控制器及仿真参数 r00751
[0076] 在开机后机组频率达到90 %额定频率(即4甜Z)后，机组转为由预测控制控制水轮 机导叶开度的变化;抽水蓄能机组调速系统的非线性模糊预测控制的流程如图1所示，具体 包括如下步骤：
[0077] 步骤1:建立抽水蓄能机组调速系统非线性预测模型；实施例中，抽水蓄能机组调 速系统结构如图2所示，除控制器外，系统由执行机构、引水系统、水累水轮机和发电/电动 机四个部分组成;建立的抽水蓄能机组调速系统非线性预测模型，包括执行机构模型、弹性 水击模型、水累水轮机全特性曲线插值模型和一阶发电模型;其中，执行机构模型考虑各饱 和限幅环节和主接力器时间常数，其结构如图3所示，饱和环节1描述接力器动作速率的限 审Ij，饱和环节2描述接力器运动行程的限制，Ty表示主接力器时间常数。
[0078] 引水系统模型采用考虑引水管道弹性水击效应的弹性水击模型，其函数式如下
[0079]
[0080] 其中，Tr为水击相长，hw为管路特性系数；
[0081 ]为了充分描述水累水轮机复杂的工况变化特性，实施例中，抽水蓄能机组采用电 站实测的水累水轮机全特性曲线数据作为其非线性插值模型，如图4所示，图4(a)为不同典 型开度下机组的单位转速-单位转矩关系曲线；图4(b)为不同典型开度下机组的单位转速- 单位流量关系曲线。
[0082] 机组全特性曲线包含了机组的所有可能工况，在任意工况下通过确定的导叶开度 和机组转速可W通过插值从图中分别得到转矩和流量。然而由于水累水轮机存在"驼峰"效 应和反"S"特性，故曲线在某些区域存在交叉和插值的多样性问题。
[0083] 为了克服水累水轮机的"驼峰"特性与"S"区域对插值的影响，对全特性曲线采用 改进Suter变换处理W消除其插值的多值性问题，如图5所示；其中，图5(a)为使用改进 Suter变换处理后的mi曲线，图5(b)为使用改进Suter变换处理后的WH曲线。从图中可W看 出，数学变换后的机组全特性曲线中的曲线交叠被完全解开，且不同开度下的曲线分布均 匀，利于插值处理。
[0084] 发电机采用反应转子运动特性与机组自调节能力的一阶发电机模型，其函数式为
[0085] 其中，Ta为抽蓄机组的惯性常数;en为水轮发电机组自调节系数；CO为转速偏差相 对值;mt为水累水轮机机械转矩偏差相对值;mg日为负载转矩变动偏差相对值；
[0086] 实施例中的抽水蓄能机组调速系统非线性模糊预测控制结构如图6所示，整个调 速预测控制系统由预测控制器，执行机构，水累水轮机及其引水系统和发电电动机四个部 分组成。其中，模型输入为机组即时控制律U，输出为机组实时转速W;模型状态变量包括导 叶开度y，流量q，水压h，机械转矩mt和转速W。
[0087] 实施例中，对采用函数表示的数学模型进行离散化，便于计算机实现。
[0088] 步骤2:根据初始状态对调速系统状态变量设置初值，包括水头偏差相对值ho、流 量偏差相对值qo、导叶开度偏差相对值yo、机械转矩偏差相对值mt日和机组频率偏差相对值 fo;
[0089] 根据初始运行工况设置PID参数初值KpO, KiO, KdO,并设定预测控制器采样步长Ts与 预测步数Np;实施例中，控制步数Nc与预测步数Np取值相等；
[0090] 步骤3:根据经验值与现场状态给定AKp, AKi, A KdS个控制参数增量的模糊隶属 度函数和模糊规则矩阵，并根据机组频率偏差及其增量对其进行模糊PID参数自适应，如图 7所示；图中，频率偏差和频率偏差增量信号通过模糊推理机，经过模糊化，模糊规则推理和 去模糊=个步骤后级联自适应速率变化因子环节输出PID控制器的=个控制参数变化量A Kp, A Ki 和 A Kd。
[0091] 为了控制器实现的方便性与运算的快速性，上述=个控制参数的模糊隶属度函数 均取为S角形函数，频率偏差e和偏差增量ec的模糊子集均为{NB，醒，NS，Z0，PS，PM，PB}^ 个状态；
[0092] 实施例中，A Kp，A Ki，A KdS个参数的模糊规则分别如表3至表5所列；
[0093] 表3 A Kp模糊规则表
[0094]
[009引表4 A Ki模糊规则表
[0096]
[i
[i
[0099] 步骤4:设置离散时间的机组频率给定值序列fref。
[0100] 步骤5:对控制系统状态进行在线滚动预测，其具体实施流程如图8所示;具体地， 根据实时机组频率偏差由模糊PID控制器求得调速器控制律，通过快速滚动预测中的预测 模型和机组实时状态，采用离散的预测算法可W求得下一时刻的状态量预测值；
[0101] 用某一时刻机组频率给定fref(k)与机组频率f(k)相减得到当前时刻频率偏差e 化），并计算频率偏差增量ec化）=e化)-e化-1);
[0102] We化)和ec化)作为模糊推理输入，通过控制器模糊规则矩阵，分别得到当前时刻 PID参数增量 AKp化），AKi化），AKdA);
[0103] 为避免PID参数过快变化造成的控制过程中出现不期望的波形抖动，根据系统存 储的频率偏差变化趋势，设置PID参数速率变化因子Mk);
[0104] 其牛
[0105] 将其与PID参数初值相加得到当前时刻自适应的PID参数
[0106] Kp 化），Ki 化），Kd化）；
[0107] 其4
[0108] 步骤6:获取预测时域内各采样时刻预测控制量增量，具体包含W下子步骤：
[0109] (6-1)4
[0110] 获取对应控制量预测值U化/k) =U化-1)+A U化/k);
[0111] 其中，即时PID控制量增量输出
[0112] Au(k/k) =比p(k)+Ki(k)+Kd(k)] ? e(k) + [-Kp(k)-2Kd化）]? e化-1)+Kd化）? e化- 2);
[0113] (6-2)根据抽蓄机组调速系统离散状态方程组、即时PID控制量U化/k)与当前系统 状态X化），获得系统在k时刻对化+1)时刻的预测状态X化+1/k);
[0114] 其中，抽蓄机组调速系统离散状态方程组为X化+l/k)=f(X化），u化/k))
[0115] 其中，X化）= [X1化），X2化），...，Xn化）]表示k时刻系统状态向量，
[0116] Y化）= [yi化），y2化），...，yn化)]表示k时刻系统输出向量；
[0117] (6-3)将(k+1)时刻的状态预测量X化+1/k)中机组频率预测值f化+1/k)与其给定 值freKk+l)进行比较，获得k时刻对化+1)时刻的频率偏差e化+1/k)及频率偏差增量ec化+ 1A);
[0118] 其中，e化+1/k) = fref 化+1 )-f 化+1/k) ;ec化+1/k) = e化+l/k)-e化/k);
[0119] 采用e(k+l/k)和eE(k+l/k)重复步骤5,获得k时刻对化+1)时刻的预测PID自适应 参数Kp(k+l/k)，Ki(k+l/k)，Kd化+1/k);
[0120] 获取k时刻对化+1)时刻的预测PID控制量增量Au化+1/k)，
[0121] '
[0122] 其中，对应的控制量U化+1/k) =U化/k)+ A U化+1/k);
[0123] 利用X化+1/k)和U化+1/k)，获得k时刻对化+2)时刻的状态量预测值X化+2/k)=f (X(k+l),u(k+l/k))；
[0124] (6-4)自Au化+2/k)开始，求解k时刻的预测时域内的PID预测控制增量Au化+i/ k)不再与本时刻化时刻)之前的机组频率偏差量相关；
[0125] 故预测时域内剩余采样时刻控制量增量预测值求解公式统一表示为：
[0126]
[0127] 其中，i = 2,3,…，Np-I;化+i)时刻的PID自适应参数预测值采用步骤(5)的方法根 据e化+i/k) W及Gc化+i/k)获取；
[01 巧]对应的控制量u(k+i/k) =u(k+i_l/k)+ A u(k+i/k);
[0129] 根据X化+i/k)和U化+i/k)获取k时刻对化+i+1)时刻的状态量预测值X化+i+l/k) = f(X化+i)，u化+i/k))，并从中计算对应时刻的机组频率与频率给定的偏差e化+i+1/k) = f (k+i+l/k)-f(k+i/k);其中，i = 2,3，...，Np-I;
[0130] (6-5)对k时刻控制器预测时域内采样时刻进行滚动预测完毕后，获取预测时域Np 内每个采样时刻的机组频率的预测偏差值。
[0131] 步骤7:对远离当前时刻的控制器预测时域内未来时刻机组频率偏差W非线性递 减权重进行加权得到预测时域内累计误差
[0132]
利用步骤5中PID参数，由
[0133] Au(k) =化p(k)+Ki(k)+Kd(k)] ?扣（k) + [-Kp(k)-2Kd化）]? es(k-l)+Kd化）? 62 化-2)计算预测控制下的控制量增量。
[0134] 步骤8:获取当前时刻预测控制器的实际控制量取值U化）=U化-1)+Au化）。
[0135] 实施例中，用本发明提供的预测控制方法对抽水蓄能机组调速系统从停机状态进 行开机控制直到机组进入空载稳态的过程仿真，抽蓄机组各状态变量变化过程如图9所示， 如图中所示的，机组由停机状态在5s开机启动，在机组转速达到0.9倍额定转速前，导叶开 度W恒定速率逐渐开启；在转速达到0.9倍额定转速时，机组控制转入模糊预测控制，根据 机组实时运行状态和控制算法预测得到的机组未来状态信息对导叶开度变化规律进行控 审IJ，从图中可W看出，导叶转速相对值从0逐步上升至1的过程平滑，基本无超调量，开机规 律符合机组导叶开度给定曲线趋势且系统进入稳态运行时间短;流量、开度、水压等状态变 量的暂态过程总体变化平稳，过程曲线符合正常开机规律。
[0136] 本领域的技术人员容易理解，W上所述仅为本发明的较佳实施例而已，并不用W 限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含 在本发明的保护范围之内。
【主权项】
1. 一种抽水蓄能机组调速系统的快速非线性模糊预测控制方法，其特征在于，包括如 下步骤： (1) 建立抽水蓄能机组调速系统的非线性预测模型，包括液压执行机构模型、水栗水轮 机非线性模型、有压引水系统模型和发电机模型； (2) 根据抽水蓄能机组频率的测量值与给定值之间的差值及差值的变化量，采用模糊 推理方法确定每个采样周期的PID控制参数的实时值； (3) 根据所述的非线性预测模型，在当前采样周期采用在线滚动预测的方法对预测时 域内系统状态进行状态预测，获取本时刻的预测时域内预测状态量序列； (4) 根据所述预测状态量序列，对机组频率偏差按预测步数进行非线性权重衰减方式 的加权处理，获得机组的累积频率偏差预测值； 根据累积频率偏差预测值与增量型PID控制的控制量增量求解公式，获得当前时刻控 制量增量A u(k);根据当前时刻控制量增量△ u(k)获得即时控制律u(k); (5) 将所述即时控制律作用于抽水蓄能机组调速系统，直到进入下一控制器采样周期； (6) 在下一采样周期中，重复步骤(2)~(5)，直到控制过程结束。2. 如权利要求1所述的快速非线性模糊预测控制方法，其特征在于，机组当前时刻的累 积频率偏差预测值，·((/〇 + /)//〇; 其中，i为预测采样时刻的序号，i = 〇，l，…，NP-1;NP是指预测步U个预 测采样时刻的累积误差衰减系数，e((k+i)/k)是指第k个控制采样时刻预测的第(k+i)个控 制采样时刻的机组频率偏差，k是指控制采样时刻序号。3. 如权利要求1所述的快速非线性模糊预测控制方法，其特征在于，所述即时控制律u (k) = u(k-l) + Δ u(k)； 其中， Au(k) = [KP(k)+Ki(k)+Kd(k)] · eE(k) + [-Kp(k)_2Kd(k)] · eE(k_l)+Kd(k) · eE(k_2); 其中，k是指控制采样时刻序号，KP(k)是指k采样时刻的比例系数Kk)是指k采样时刻 的积分系数，K d(k)是指k采样时刻的微分系数。4. 如权利要求1或2所述的快速非线性模糊预测控制方法，其特征在于，所述步骤(2)包 括如下子步骤： (2-1)根据PID参数变化特性分别建立△ Kp、△ Ki、△ Kd三个增量对应的模糊规则表； 其中，A Kp是指比例系数增量，AK1是指积分系数增量，AKd是指微分系数增量； (2-2)根据当前采样时刻控制量偏差e(t)与偏差变化量e。(t)，查询模糊规则表得到当 前时刻Δ Kp、Δ Ki、Δ Kd三个参数变化量的模糊子集及对应隶属度;其中，ec( t) = e (t)-e (t-1)； (2-3)根据重心法对Δ ΚΡ、Δ Ki、Δ Kd的模糊子集解模糊获取当前时刻Δ ΚΡ、Δ Ki、Δ Kd的 实际取值； (2-4)根据系统存储的频率偏差变化趋势， 设置PID参数速率变化因子其中，e是指机组频率偏差； (2-5)根据所述当前时刻ΔΚΡ、AKi、AKd的实际值与各自的初值， 获得当前时刻PID自适应参I其中，Kpq是指比例系数的初值，Kiq是指积分系数的初值，Kdo是指微分系数的初值。5.如权利要求1或2所述的快速非线性模糊预测控制方法，其特征在于，所述步骤(3)的 在线滚动预测包括以下子步骤： (3-1)在当前预测时刻，令i = 0,根据当前PID控制参数，通过PID控制对抽水蓄能机组 按频率进行调节，获得预测控制量及其增量;并将预测控制量作用于非线性预测模型，获得 下一采样时刻的系统状态量预测值，并令i = i+l; (3-2)判断1〈^是否成立，若否，则进入步骤(3-4);若是，则利用上一步预测获得的机组 预测频率与给定频率的偏差及偏差的变化量，通过模糊推理获得下一采样时刻的PID参数 自适应取值预测值； 通过PID控制对抽水蓄能机组按频率进行调节，获得预测控制量及其增量;将预测控制 量作用于非线性预测模型，获得下一采样时刻的系统状态量预测值;并令i = i+l; (3-3)判断1〈^是否成立，若否，则进入步骤(3-4);若是，则进入步骤(3-2); (3-4)根据当前采样周期中每一步预测得到的控制量增量、机组频率预测值与给定值 的频率偏差，获得预测状态量序列。
【文档编号】F03B13/06GK106014849SQ201610522883
【公开日】2016年10月12日
【申请日】2016年7月5日
【发明人】周建中, 许颜贺, 郑阳, 胡弦, 张云程, 张楚, 付文龙, 李超顺, 胡肇伟, 赵威, 赵志高, 武越越, 张楠
【申请人】华中科技大学