（电力系统及其自动化专业论文）同步发电机励磁控制系统的智能控制方法研究.pdf

a b s t r a c t w i t ht h ee x p a n s i o no fp o w e rs y s t e ms c a l e ，i tb e c o m e sm o r ea n dm o r ei m p o r t a n t t ok e e pp o w e rs y s t e m sr e l i a b i l i t ya n ds t a b i l i t y , a sw e l la ss u p e rp e r f o r m a n c ea n d d y n a m i cq u m i t y s y n c h r o n o u sg e n e r a t o re x c i t a t i o n c o n t r o ls y s t e mi sa ni m p o r t a n tp a r t i n p o w e rs y s t e mo p e r m i o n i ti sd e s i g n e dt o r e d u c ev o l t a g ep u l s a t i o n ，b a l a n c et h e d i s t r i b u t i o no fi n a c t i v ep o w e r , i n c r e a s ea n t i - i n t e r f e r e n c ea n ds t e a d yo p e r a t i o no ft h e s y s t e m s ot h eo p t i m i z a t i o no fs y n c h r o n o u sg e n e r a t o re x c i t a t i o nc o n t r o ls y s t e mh a s d e c i s i v ee f f e c tt oo v e r a l lp o w e r s y s t e ma n d t h en e wr e s e a r c hh a ss t r o n gu s ev a l u e o nt h eb a s eo f a g g r e g a t ea n a l y s i so fp r e s e n tr e s e a r c hw o r k s a b o u ts y n c h r o n o u s g e n e r a t o re x c i t a t i o nc o n t r o ls y s t e m ，t h i sp a p e rp r o p o s e dan e w e x c i t a t i o nr e g u l a t i o n s t r a t e g yu s i n g t h ec o m b i n a t i o no f f u z z yl o g i cc o n t r o l ，n e u r a l n e t w o r ka n dg e n e t i c a l g o r i t h m i nt h i ss t r a t e g y , f u z z yl o g i ca n d n e u r a ln e t w o r ka r ee f f e c t i v ea s s o c i a t e d t om a k ef l a i lu s e ，a n dg e n e t i ca l g o r i t h mi su s e dt oo p t i m i z ef i a ec o n t r o lp a r a m e t e r s a f t e ra l lo f t h e m ，t h ec o n t r o l l e ri sd e s i g n e dt ot h eo p t i m a la c t f u z z yl o g i ch a ss o m ec h a r a c t e r i s t i c s ，s u c ha si n d e p e n d e n to f t h em a t h e m a t i c a l m o d e lo fr e s e a r c ho b j e c t ，i n t e n s i v er o b u s t ，r a p i dr e s p o n s e ，s i m p l es t r u c t u r e ，e a s y u t i l i t y , a n ds oo n t h ep a p e re s t a b l i s haf u z z yl o g i ci n t e l l i g e n te x c i t a t i o nc o n t r o l l e r ， g e n e r a l i z ea p if u z z yc o n t r o l l e rs t a b l ew h i c hc a nr e f l e c tt h eo p e r a t i o no fg e n e r a t o r e x c i t a t i o nc o n t r 0 1 s y s t e m t h ew o r ki n c r e a s et h er o b u s ta n dr e s p o n s ev e l o c i t yo f g e n e r a t o re x c i t a t i o nc o n t r o ls y s t e m d u et ot h es t r o n gn o n l i n e a rp r o c e s s i n g ，a s s o c i a t i v em e m o r ya n dg e n e r a l i z a t i o n c h a r a c t e r i s t i c so f a r t i f i c i a ln e u r a ln e t w o r k , t h i sp a p e rd e s i g n e dan o v e lf u z z yn e u r a l n e t w o r k ( f - n n ) e x c i t a t i o nc o n t r o l l e r t h e c o m b i n a t i o n so ff u z z ya n dn e u r a l n e t w o r k ，n o to n l yk e e pa l lt h ef u n c t i o n so ff u z z yl o g i c ，b u ta l s or e s p o n s et h e n o n l i n e a rc h a r a c t e r i s t i c so fe x c i t a t i o nc o n t r o l s y s t e m t h e n o v e le x c i t a t i o n c o n t r o l l e rc a n p e r f e c t l y r e f l e c tt h ed y n a m i c a d j u s t m e n to f e x c i t a t i o n c o n t r 0 1 i nt h ed e v e l o p m e n to ff n nc o n t r o l l e r , t h ef u z z yp a r a m e t e r sa r ed e c i d e di n a c c o u n to fe x p e r i e n c e ，w h i c hc a nn o ta s s u r et h eo p t i m a la c to fc o n t r o l l e r g e n e t i c a l g o r i t h m c a ne f f e c t i v ef i n dt h e o p t i m a l s o l u t i o ni n c o m p l e xa n dm u l t i v a r i a t e c i r c u m s t a n c e t h i sp a p e rp r o p o s e dan e wf - n ne x c i t a t i o nc o n t r o l l e ru s i n gg at o o p t i m i z e t h ef u z z y p a r a m e t e r s t h e n o v e lc o n t r o l l e r , n o to n l yk e e pt h ec h a r a c t e r i s t i c s o ff - n n ，a l s oe f f e c t i v e l ys o l u t et h eo p t i m i z a t i o no ff u z z yp a r a m e t e r st oa s s u r et h e o p t i m a la c to f c o n t r o l l e r k e yw o r i d s ：e x c i t a t i o nc o n t r o l ，f u z z yl o g i c ，n e u r a ln e t w o r k ，g e n e t i c a l g o r i t h m 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的 研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表 或撰写过的研究成果，也不包含为获得鑫盗盘鲎或其他教育机构的学位或证 书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中 作了明确的说明并表示了谢意。 学位论文作者签名：胁数 签字日期： 炉中年三月王9 日 学位论文版权使用授权书 本学位论文作者完全了解墨注盘堂有关保留、使用学位论文的规定。 特授权鑫室盘堂可以将学位论文的全部或部分内容编入有关数据库进行检 索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校 向国家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名：名瓿致 签字日期：卿件2 月如日 导师签名：墨：屯蔓 签字日期：掣中年上月妒日 天津大学硕士学位论文 第一章绪论 第一章绪论 1 1 本课题研究的意义和现状 随着电力工业的迅速发展，电力系统的规模越来越大，保证系统运行的可靠 性和稳定性，提供合格的电能质量和良好的动态品质，对国民经济和人民生活具 有极为重要的意义。为了达到提高系统稳定性和改善运行质量及动态品质的目 的，采用控制发电机组的方法比采用其它方法具有明显的优越性，它不仅节约投 资，而且在系统正常运行中能起到其它措施起不到的作用。发电机励磁控制系统 是电力系统控制的重要组成部分，它直接影响着发电机的运行可靠性、经济性和 系统运行的稳定性。在电力系统正常运行情况下，发电机的励磁控制能够起到减 小电压波动、平衡无功功率分配的作用；在系统发生事故时，调节发电机的励磁 电流可以提高系统抗干扰能力，维持系统的运行稳定性。所以研究和设计发电机 励磁控制系统一直是电力系统学者关注的课题，它的优化和发展对发电机乃至整 个电力系统的运行具有决定性的意义，因此本课题的研究是具有理论意义和实用 价值的。 整个励磁控制系统的发展包括两个方面的内容：一是主励磁系统本身即励磁 方式的改进与发展；另一方面是励磁调节器即励磁控制方式的改进与发展，研究 和设计性能优良的励磁调节器是本文研究的重点内容。励磁调节器是励磁控制系 统的重要组成部分。整个励磁系统动、静态特性的优劣，在很大程度上决定于励 磁调节器性能的好坏。采用何种调节规律是决定调节器性能优劣的关键，调节器 的发展既包括其硬件设备的改良和革新，也包括其调节规律等软件部分的创新和 优化，而后者更为重要。 从五十年代到现在，励磁控制方式的发展大致经历了三个发展阶段。第一阶 段中主要采用的是按照发电机机端电压的偏差k 进行比例式调节的方式，称之 为古典励磁方式或比例式励磁方式，这种控制方式仅适用于容量等于或小于1o 万千伏安的发电机组。随着单机容量的增大，古典控制方式日益不能很好满足大 电力系统对于抑制振荡及提高微动态稳定极限以及稳态电压调节精度等方面的 要求。于是发展出了p i d 励磁控制方式，即在调节规律中采用了除发电机机端 电压偏差k 以外的其它辅助参量进行控制，在原有的比例控制量“= k 的 。a a 、7 基础上叠加积分足，【a e a t 和微分足d 兰= 的辅助控制量进行控制。目前运用得 “ 口r 最普遍的还是采用机端电压的频率，或机组转速，亦或发电机电磁功率只等 天津大学硕士学位论文 第一章绪论 ( 经过一定的超前校正环节) 作为调节器的辅助输入量这样一种方法，这种励磁 控制器称为p s s ( 电力系统稳定器) 。研究结果及运行实践证明，p s s 励磁控制 方式对抑制系统振荡，提高系统微动态稳定性及维持机端电压能力方面较之古典 控制方式具有明显的优越性【1 ，2 ，所以，第二阶段称为p s s 控制方式阶段。但 是，p g $ 控制方式在实际使用时，辅助量的增益、超前校正环节的参数需要使用 实验方法加以调整，如果这些参数配合的不合适，就达不到预期的结果，而这种 调整需要花费很大的精力；其次，p s s 的这些参数只能在某一正常运行工况下调 整到较好的配合数值，在运行点发生变化以后则p s s 对振荡的抑制作用就会减 弱。 随着现代控制理论和智能控制理论的发展，运用现代控制理论进行电力系统 运行性能的最优化控制的研究工作有了迅速的发展，对如何按最优化的方法设计 发电机励磁控制器也取得了不少研究成果。 线性最优励磁控制方式 3 1 0 】在研究了线性最优控制系统设计原理的基础 上，采用二次型性能指标，设计了发电机线性最优励磁控制系统，该控制器以发 电机状态量只，a m ，k 为输入，以发电机励磁绕组电压v ，为输出，能够在 设计运行点保证系统的最优运行。该控制方式不仅提高了远距离输电系统对振荡 的抑制能力和微动态稳定极限，而且对系统的暂态稳定极限特别是对永久性故障 下的暂态稳定极限也有所提高。但是，当电力系统的运行偏离设计运行点时，这 种定常控制器将难以保证控制效果，并且在线性最优控制系统设计过程中，二次 型性能指标中权矩阵的选取对系统的控制性能影响很大，该矩阵的选取完全依赖 设计者的经验，需要经过反复的试验才可以达到较好的控制效果。在权矩阵确定 以后，还要通过求解r i c c a f i 方程才可以得到最优反馈增益，计算过程相当复杂。 自适应励磁控制方式 1 1 1 5 】可根据发电机运行工况的不同而引起的系统参 数变化，来不断地修正控制器参数，达到跟踪系统运行工况的目的。文献 1 3 】建 造了基于同步发电机三阶双轴数学模型，将线性最优励磁控制和反馈线性化非线 性励磁控制设计方法结合起来，利用分散非线性反馈补偿规律，设计了一种非线 性自适应最优励磁控制器。该控制算法内置了一个在线自适应变增益策略以达到 在各种工况下动态最优化控制的目的，并且权矩阵是通过求解闭环特征值优化问 题来选取的，在一定程度上改善了系统受扰动后的暂态响应性能。尽管文献尽力 简化在线计算过程，回避了求解r i c c a f i 方程，但是为了达到实时控制的目的， 仍需要在线求解一个四次多项式方程，文献采用了迭代法和解析法并存的求解方 式。但是采用迭代法很可能因为初值的选取或函数的一阶导数为零而引起算法失 效，采用解析法又不可避免地陷入复杂繁琐的计算，难以满足在线控制的要求， 并且由于文献结合了线性二次型最优控制，因此还会遭n - - 次型性能指标中权矩 天津大学硕士学位论文 第一章绪论 阵选取问题的困扰。文献【1 5 】在文献 1 3 】线性二次型最优励磁控制方式的基础上， 保留了二次型最优性能指标，通过动态规划的方法来求解最优反馈增益，避免了 复杂的r i c c a t i 方程的求解。并通过微机系统来计算各种工况下的最优反馈增益， 将其记忆在微机系统的e p r o m 中。当控制器在线运行时，根据系统实际的运行 工况找出相应的最优控制参数，实现控制参数的自适应调整。由于该控制方式是 基于线性最优励磁控制的，所以具有线性最优控制的优点，而且由于通过微机记 忆反馈增益表，控制迅速，有利于实时在线实现。但是文献中采用的动态规划方 法的性能受到约束条件的限制，对于电力系统这样个复杂多变的系统，约束条 件的合理确定十分困难。并且微机系统所记忆的最优控制参数并不是实际的运行 参数，而是经过一定比例调节后的数值，在微机系统记忆和在线实时控制中反复 进行参数转化，其精度也难以得到保证，而且由于文献是基于线性二次型最优控 制方式，不可避免的又会遇到二次型性能指标中权矩阵选取的困难。总的来说， 由于自适应控制需要在线辨识系统参数的变化，所以算法比较复杂，实时运算量 大，应用于参数时变、要求响应速度快的发电机励磁控制有一定的难度。 模糊控制方式f 1 6 2 3 完全是在操作人员控制经验基础上实现对系统的控 制，不依赖对象的数学模型，具有较强的鲁棒性，并且可以离线计算得到控制查 询表，实际控制时只需查表即可，提高了控制系统的实时性。文献 1 8 基于极坐 标二值模糊逻辑规则，设计了一种模糊逻辑励磁控制器。该控制器包括一个电压 控制模块和一个阻尼控制模块，两个模块的输入量分别为发电机机端电压和电功 率，采用相同的模糊控制规则，它们的输出组合起来共同构成励磁控制信号。在 控制过程中，控制信号随系统运行情况的改变而改变，一定程度上克服了线性最 优励磁控制器只能在设计运行点保持良好控制效果的不足。但是，文献采用的是 极坐标二值模糊逻辑规则，控制规则数目的减少虽然可以带来推理、计算上的便 利，但是过少的控制规则将难以反应出电力系统这样一个复杂，时变系统的非线 性特征，并且在模糊控制规则的设计过程中，三个关键性的控制参数都是根据运 行人员经验或反复试验来确定的，难以满足最优控制的要求。文献 2 2 提出的发 电机励磁模糊逻辑控制策略是在原有由为信号的p s s 基础上再引人一个模糊辅 助信号，模糊逻辑控制输入信号取自发电机每个瞬间速度偏差及加速度偏差，经 模糊推理算出注入励磁回路的阻尼信息，确定输出是正或负，以及其幅值大小， 井与原有的p i d 控制信号一起加入励磁控制系统中。该控制系统其实就是将模糊 p s s 控制与常规p i d 控制相结合构成综合控制，因此可以有效的改善电力系统稳 定性和动态品质，对于系统参数和运行方式的变化及各种故障程度均有很强的鲁 棒性。但是，该控制器的模糊控制规则是在发电机速度偏差和加速度偏差构成的 相平面上，分析发电机的运行状态给出的，控制规则比较粗略，并且模糊语言值 天津大学硕士学位论文 第一章绪论 只有“正，负”两个值，难以满足精确控制的要求。就目前的研究情况来说，模 糊控制一般具有两个主要的缺陷：一是控制规则( 信息) 的规模，控制规则过于 简单将导致系统的控制精度降低和动态品质变差，控制规则过于复杂则会导致搜 索范围扩大，降低决策速度，甚至不能实时控制；二是模糊控制的设计尚缺乏系 统性，无法定义控制目标，并且控制规则的选择、论域的选择，模糊集的定义、 量化因子的选取等多采用试凑法，这对复杂系统的控制是难以奏效的。如何解决 这两个问题，特别是后者，也是目前的研究热点。 人工神经网络以其能以任意精度逼近复杂的非线性映射和并行处理，以及自 学习能力在电力系统中的应用日益增多 2 4 4 0 。文献 2 6 】设计了一种基于b p 神经网络的最优励磁控制器，该厩6 磁控制器在线性最优励磁控制的基础上，建造 了一个四层b p 网络，根据输入的状态量( 有功功率、无功功率和机端电压) 及 其变化分辨出发电机的运行方式和干扰类型，去改变最优控制的反馈矩阵，使之 能够适应不同的运行点和不同的干扰类型。基于神经网络的励磁控制器能改变电 力系统的静态和动态稳定性能，并且能为大小扰动提供有效的阻尼作用，一定程 度上克服了线性最优控制的局限性。文献 2 7 】设计了一个= 层神经网络，其中的 神经网络仿真器用来模拟发电机的动态特性，再用该仿真器作为指导来训练神经 网络控制器。通过训练神经网络使之记忆发电机典型运行工况，以达到对其它工 况下的系统状态进行控制的目的。但是，如何选取训练样本来保证样本的充分性， 严密性和规范性，以保证所训练的神经网络包含的信息量能全面地反映系统可能 的运行情况，进而保证神经网络控制器在各种运行状况下的控制效果，还有待探 讨。模糊神经网络既具有模糊逻辑推理的结构性知识表达能力，又具有神经网络 的自学习能力。文献【3 4 】采用一种自组织模糊神经网络设计电力系统稳定器，通 过结构和参数的学习，克服了传统模糊控制器设计过程中存在的盲目性和拼凑 性，避免了模糊控制器中模糊逻辑规则的冗余或欠缺。该模糊神经网络由输入层， 模糊化层，模糊逻辑层，模糊归一层，输出层组成，以发电机的转速偏差及其变 化率为输入变量，输出变量为对p s s 的控制信号。但是，由于采用的是简易的 模糊逻辑规则及推理方法，难以反映实际复杂系统的控制行为。 遗传算法作为一种模仿生物进化过程的最优化方法，具有不需要求梯度、能 得到全局最优解、算法简单、可并行处理等优点，特别适合于在复杂多变、具有 不确定性的空间中寻找其全局最优解，目前已经成功的应用于机器学习、组合优 化和复杂的函数优化等许多领域。因此，基于遗传算法来优化励磁控制器也已有 不少研究 4 1 4 8 】。文献【4 3 】基于一种简单的模糊规则生成方式，使用遗传算法 对模糊励磁控制器的模糊控制规则和输入输出变量的量化因子进行寻优，克服了 模糊控制器设计过程过分依赖操作者经验的困难，达到了良好的控制效果。但是 天津大学硕士学位论文 第一章绪论 文献在优化过程中，没有考虑对输入输出变量的隶属度函数进行优化，而是根据 输入量直接形成控制决策表，这样形成的控制决策表难免有些粗糙，不能精确地 反映系统的情况。并且文献在遗传算法中采用了传统的二进制编码方式，形成的 编码串长达1 5 4 位，还要经过反复的二进制、十进制相互转换。不仅麻烦，而且 精度也难以保证。文献 4 7 则是在传统p i d 励磁控制器的基础上，使用遗传算法 优化p i d 的控制参数，使它们更适合在设计运行点工作。但是文献所设计的其 实还是一个定常p i d 控制器，虽然可以很好地运行于设计运行点，但是当运行 工况改变以后，控制效果将难以保证。 基于灰色预测的发电机励磁控制系统 5 l 】，采用三个g m ( 1 1 ) 模型对发电机 状态量只，a d o ，a v , 进行预测，在此基础上进行发电机励磁控制系统的比例式 预测控制，即控制量u = k ，( i ) + k ，a a ，( k ) + 彪，a v , ( k ) 。从理论上讲，该励 磁控制系统由于应用了“超前控制”思想，比起常规“事后控制”有更好的效果。 但是，在灰色预测理论的应用中，预测步长的选取对系统稳定性影响很大，并且 在应用于励磁控制系统设计过程中，生成预测控制量的各状态量的比例因子的选 取对控制器性能的影响也很大，目前只能根据经验进行选取，带有- 二定盲目性和 不确定性。 基于上述分析，开发一种控制参数随系统运行情况时变、响应速度快的新型 励磁控制系统是非常必要的。本文从对励磁自动控制系统的控制要求出发，对励 磁控制系统进行了理论分析，在对智能控制在励磁控制系统的应用研究进行全面 分析的基础上，在励磁控制器的智能实现方面做了创新性的工作，提出了应用模 糊智能控制、神经网络控制及遗传优化算法实现发电机励磁控制器设计的新方 案，将模糊和神经网络的优势互补，充分发挥各自的潜能，并利用遗传算法对模 糊参数的优化能力，使所设计的励磁控制系统具有了最优的控制效果，较强的鲁 棒性和适应性，在系统扰动和故障情况下能维持发电机的运行特性和稳定性。所 以本文的研究是具理论意义和实用价值。 1 2 模糊理论及其在电力系统中的应用 1 6 - 2 3 , 5 2 _ 5 7 1 众所周知，目前的计算机虽有极强的算术和逻辑运算能力，但它只有当给定 准确的信息之后才能做出对错的判断。而人脑即使在信息具有不确定因素的情况 下，也能够进行判断。计算机要模拟人的思维和判断过程，就必须将人的语言中 所具有的多义和不确定信息定量的表示出来。la z a d e h 教授提出的模糊集理论 是描述这类模糊概念和模糊现象的强有力工具，它开辟了解决模糊问题的科学途 径。 。 模糊集打破了传统的分明集只有0 和1 的界限。在分明集中，任一元素属于 天津大学硕士学位论文 第章绪论 某一集合的程度只能是0 或者l 。但在模糊集的概念中，任一元素可同时部分的 属于多个模糊子集，其隶属关系可用隶属的程度来表示，它的真值可取 0 ，1 区间中的任何数。很明显，模糊逻辑是二值逻辑的扩展，而二值逻辑只是模糊逻 辑的特殊情况。模糊逻辑有着更加普遍的实际意义，它摒弃了二值逻辑简单的肯 定或否定，把客观逻辑世界看成是具有连续灰度等级变化的，它允许一个命题亦 此亦彼，存在着部分肯定和部分否定，只不过隶属程度不同而已。显然这种表现 方法要比分明集更加自然，更接近于人的表述方式，并为计算机模仿人的思维方 式来处理普遍存在的语言信息提供了可能。 模糊规则是定义在模糊集上的规则，常采用“z f t h e n ”的形式，可用来 表示专家的经验、知识等。由于模糊规则的表现方式自然，因此用这种表达方式 就比较容易获取专业知识和专家经验知识。同样，计算机的运算结果能表示成模 糊规则的形式，使它更容易被理解。 由一组模糊规则构成的模糊系统可代表个输入到输出的映射关系。从理论 上说，模糊系统可以近似任意的连续函数。要表示输入、输出间的函数关系，模 糊系统除模糊规则外，还必须有模糊逻辑推理和非模糊化的部分。模糊逻辑推理 就是根据模糊关系合成的方法( 通常是脚一m n 法) ，从数条同时起作用的模 糊规则中，按并行处理方式产生对应输入量的输出模糊子集。非模糊化过程则是 将输出模糊子集转化为非模糊的数字量。 自适应模糊系统是指具有学习算法的模糊逻辑系统，这里的模糊逻辑系统是 由服从模糊逻辑规则的一系列“z f t h e n ”规则所构造的，而学习算法则指 依靠数据信息来调整模糊系统的参数。自适应模糊系统可以被认为是通过学习能 自动产生其模糊规贝的模糊逻辑系统，它是一个全局逼近器，而模糊系统所特有 的能将数据信息和语言信息统一起来加以利用的优点，使其有别于其他的逼近器 ( 如神经网络，多项式函数等) 。 由于模糊理论适合描述广泛存在的不确定性因素，同时具有强大的非线性映 射能力，能够在任意精度上一致逼近任何定义在一个致密集上的非线性函数，并 且能够从大量数据中提取出它们的相似性，因而使其在电力系统中得到了广泛的 应用。目前主要的应用领域有： ( 1 ) 电力系统负荷预测及配电网规划； ( 2 ) 警报处理和故障诊断； ( 3 ) 电力系统继电保护( 如变压器、发电机以及输电线路的保护) ： ( 4 ) 电力系统稳定控制及潮流计算； ( 5 ) 电力系统调度； ( 6 ) 变电站电压综合无功控制。 天津大学硕士学位论文 第一章绪论 基于模糊逻辑的发电机励磁控制系统已有不少研究，取得了相当的成果。在 此基础上，本文研究了模期控制的机理，模糊因子、隶属度函数、反模糊因子、 控制规则的形成，对一种新型的模糊逻辑励磁控制器进行了研究。该励磁控制器 以发电机的机端电压偏差和偏差变化作为反馈信号，通过模糊逻辑规则推理出相 应的控制信号，从而实现对同步发电机的励磁控制作用，有效地改善了系统的运 行品质。 但是由于模糊逻辑设计方法本身的不足，并不能保证所设计的控制器可以达 到最佳的控制效果。因为在模糊控制器的设计过程中，输入和输出变量的隶属度 函数，量化因子和模糊控制规则大都是根据运行人员的经验采用试探法进行设 计，这种方法效率低下，性能难以满足要求，不能保证最优控制效果，有待于通 过合理的优化算法设计出最优控制器。 1 3 人工神经网络及其在电力系统中的应用 2 4 - 3 0 , $ 2 - 5 4 , 5 6 - 5 8 人工神经网络是一个具有高度非线性的大规模连续时间动力系统，其特色在 于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有 限，但大量神经元构成的网络系统所能实现的行为却是极其丰富的。和数字计算 机相比，神经网络系统具有集体运算的能力和自适应的学习能力以及很强的容错 性和鲁棒性，善于联想、综合、推广。同时它又具有一般非线性动力系统的共性， 即不可预测性、吸引性、耗散性、非平衡性、不可逆性、高维性、广泛连接性与 自适应性等。 目前已有近4 0 种神经网络模型，它们是从各个角度对生物神经系统不同层 次的描述和模拟。其中代表性的网络模型有：感知器、多层映射b p 网络、g m d h 网络、r b f 网络、双向联想记忆( b a m ) 、盒中脑( b s b ) 、h o p f i e l d 模型、b o l t z m a n n 机、自适应共振理论( a r t ) 、c p n 等。运用这些网络模型可实现函数近似( 数字 逼近映射) 、数据聚集、模式分类、优化计算、概率密度函数估计等功能。 人工神经网络有很多种模型，但从神经元的连接方式可归纳为两种型式：没 有反馈的前向网络和相互结合型的网络。前向网络是多层映射网络，每一层中的 神经元只接受来自前一层神经元的信号，因此信号的传播是单方向的。b p 网络 是这类网络的最典型的例子。在相互结合型网络中，任意两个神经元之间都可能 有连接，因此输入信号要在网络中往返传递，从某一初态开始，经过若干次变化， 渐渐趋于菜一稳定状态或进入周期振荡等其它状态。这方面的典型网络有 h o p f i e l d 模型等。 神经网络的学习能力体现在网络参数的调整上。参数调整方法分为有导师学 习和无导师学习两种基本方式。有导师学习的方式就是网络根据导师给出的正确 天津大学硕士学位论文 第一章绪论 输出模式，校正网络的参数，使其输出接近于正确模式。这类方式常采用梯度下 降的学习方法，如b p 算法。而无导师的学习是网络在没有导师直接指导下通过 竞争等方式自动调整网络参数的学习方式，如自适应共振理论等。 总的来说，目前的人工神经网络是从上世纪八十年代发展起来的交叉学科， 它涉及到生物、电子、计算机、数学和物理等学科，是当今高科技的核心问题之 一，有着非常广泛的应用前景。人工神经网络作为门边缘性学科，现已渗透到 各个领域，尤其在信号处理、模式识别、智能控制等领域取得了令人瞩目的成功。 在电力系统中的应用研究的潜力很大，也引起了广泛的关注，为解决难于建立数 学模型和非线性处理问题的研究开辟了新的途径。 a n n 在电力系统领域中的应用研究，最早可以追溯到d i l i o n 等人在第五次 k s c c 会议上发表的一篇用自适应模式识别和自组织技术进行短期负荷预测的文 章。到目前为止，a n n 在电力系统中的应用研究主要方面有： ( 1 ) 警报处理与故障诊断； ( 2 ) 静态和动态安全分析； ( 3 ) 电力系统负荷预测； ( 4 ) 配电网线损计算； ( 5 ) 机组最优组会、发电规划及拓扑可观性分析； ( 6 ) 电力系统经济运行： ( 7 ) 电力系统调度、操作管理和运行； ( 8 ) 调度运行和机组仿真以及谐波分析处理等方面： ( 9 ) 电力系统保护和控制。 尽管a n n 在电力系统中具有很好的研究价值和应用前景，而且目前的研究也 取得了许多成果，特别是对电力系统的应用研究，有的已经达到实用化的程度。 但总的来说，能达到实用化和商品化的比例还是很小的，特别是在同步发电机励 磁控制系统设计方面，还存在着有待进一步研究的问题，如：用于神经网络训练 的样本数往往过于庞大，尽管采用了诸如分层结构等措施，但收敛速度依然较慢， 限制了神经网络的实时应用；而且在训练样本构造的有效性方面以及测试样本的 构造上还有待进一步研究。为此，本文在分析和研究神经网络性能和同步发电机 励磁控制系统目前研究的基础上，提出采用模糊理论及与神经网络相结合来进行 励磁控制器设计，使用改进b p 神经网络以达到加快训练速度并提高网络容错性 的目的。 天津大学硕士学位论文第一章绪论 1 4 模糊系统与神经网络的融合【3 l “o 模糊系统与神经网络二者都是非数值模型的估计器和动态系统，它们都能够 改善在不确定、不精确和噪声环境中工作的系统智能，两者都比传统的统计估计 和用自适应控制方法估计函数要优越。模糊系统和神经网络估计或逼近函数都不 需要数学模型来描述输出如何依赖输入，即它们都可以从数值实例中进行学习。 模糊系统和神经网络虽然是两个不同的系统，但它们也有共同之处： ( 1 ) 它们均可从给定的系统输入、输出信号中建立系统的非线性的输入、输出关 系，这一输入、输出关系不像传统的系统建模那样有一个确定的数学描述的模型， 因此被称为无模型的预报器。 ( 2 ) 从数据处理的形式看，它们均采用并行处理的结构。当输入信号进入模糊系 统时，所有的模糊规则将依据条件部分的适用度决定是否被激发，并且由被激发 的规则决定系统的输出；而对神经网络而言，它本身就是由并行结构的神经元组 成。 但是，模糊系统和神经网络也有明显的不同。神经网络虽然对环境的变化具 有较强的自适应学习能力，但是从系统建模的角度来看，它采用的是典型的黑箱 型的隐式学习模式。所以当学习训练完成后，神经网络所获得的输入、输出关系 无法用容易被人接受的方式表示出来。相反，模糊系统是建立在被人容易接受的 显示“i f t h e n ”的表达方法之上，但如何自动生成和调整隶属度函数和模 糊规则，则是一个很棘手的问题。 因此，如果将模糊系统和神经网络相结合，就能各取所长，达到优势互补， 提高整个系统的学习能力和表达能力。神经网络从被训练或受控的系统中抽取信 息，而模糊逻辑技术最常用的是从专家中获得语言信息，这样的集成系统就将拥 有神经网络和模糊系统两方面的优点。譬如，它可具有神经网络的学习能力、优 化能力和连接式结构；拥有模糊系统类似于人类思维方式的“i f 砌8 ，规 则并易于嵌入专家知识。这样，我们就可以把神经网络低级的学习和计算功能带 到模糊系统，也可以把模糊系统高级的类似人类的“矿t h e n ”思维规则和 推理嵌入神经网络。 根据模糊系统和神经网络连接形式和使用功能，两者融合的形态可归纳成以 下5 大类： ( 1 ) 松散型结合：在一个系统中，对于可以用“z f t h e n ”规则表示的 部分用模糊系统描述，而对很难用“i f t h e n ”规则表示的部分则用神经网 络，两者之间没有直接联系； ( 2 ) 并联型结合：模糊系统和神经网络在系统中按照并联方式连接，即享有 共同的输入； 1 - 9 - 天津大学硕士学位论文 第一章绪论 ( 3 ) 串联型结合：模糊系统和神经网络在系统中按照串联方式连接，即一方 的输出成为另一方的输入： ( 4 ) 网络学习型结合：系统由模糊系统表示，但模糊系统的隶属函数等通过 神经网络的学习来生成和调整； ( 5 ) 结构等价性结合：模糊系统由一等价的神经网络表示，神经网络不再是 一黑箱，它的所有节点和参数都具有一定意义，即对应模糊系统的隶属函数或推 理过程。 在对神经网络和模糊系统各自的特点进行分析比较的基础上，本文提出了使 用模糊神经网络来进行同步发电机励磁控制系统的新方法，该方法中模糊系统和 神经网络采用串联型结合，发电机机端电压系统的偏差和偏差变化经模糊处理后 的输出成为神经网络的输入，神经网络的输出经过反模糊化成为模糊控制器的输 出，将模糊理论结构简单、实时性强的优势和神经网络的强拟合能力、并行处理 及高容错性的优点结合起来，达到了较好的效果。 1 5 遗传算法优化 自从j o h nh o l l a n d 教授提出遗传算法的思想以来，遗传算法已经发展成为 一种解决复杂问题的有效方法。这种算法是以达尔文的生物进化论为启发而创建 的，是基于进化中优胜劣汰、自然选择、适者生存和物种遗传思想的搜索算法。 目前已广泛应用于人工智能、机器学习、模式识别、函数优化与控制等众多领域。 在使用模糊神经网络设计励磁控制器的过程中，由于模糊设计自身的不足， 对于模糊控制规则，输入输出变量的隶属度函数和量化因子，都只能采用反复试 探的方法进行确定，费时费力，而且难以达到令人满意的效果。同步发电机励磁 控制系统是一个参数时变、非常复杂的系统，对它的控制参数寻优，传统的优化 算法难以达到目标。遗传算法恰恰特别适合于计算机对一个复杂、多变的，具有 不确定性的空间中寻找其全局最优解。所以，本文采用遗传算法对模糊神经网络 励磁控制器进行优化，设计了基于遗传算法优化的模糊神经网络励磁控制器。该 控制器既保留了模糊神经网络控制器反应速度快、鲁棒性强，便于实时在线调节 的优势，叉经过遗传算法的优化，有效解决了模糊控制器设计参数的选取问题。 1 6 本文的主要工作 同步发电机励磁控制系统是非线性、参数时变、要求响应速度快的实时闭 环反馈控制系统，对励磁自动控制系统提出了较高的控制要求。虽然励磁调节系 统已有多种方法研究，取得了不少研究，但尚存在相应的问题。随着新技术和新 理论的发展，开辟智能型的最优励磁控制系统是发展方向。本文从对励磁自动控 天律大学硕士学位论文 第一章绪论 制系统的控制要求出发，对励磁控制系统进行了理论分析，在对智能控制在励磁 控制系统的应用研究进行全面分析的基础上，在励磁控制器的智能实现方面做了 创新性的工作，提出了应用模糊智能控制、神经网络控制及遗传优化算法实现发 电机励磁控制器设计的新方案，将模糊和神经网络的优势互补，充分发挥各自的 潜能，并利用遗传算法对模糊参数的优化能力，使所设计的励磁控制系统具有了 最优的控制效果。所以本文的研究具有理论意义和较高的实用价值。现将本文所 作的主要工作总结如下： 1 本文分析了同步发电机励磁控制系统在电力系统控制中的重要作用，全厩综 述了目前各种励磁控制器设计方法的优劣，并在此基础上提出了利用模糊理 论、神经网络和遗传算法来设计新型的智能励磁控制系统的新思想，使本文 具有较高的理论研究价值。 2 本文分析了同步发电机励磁控制系统的原理，并在此基础上建立了同步发电 机励磁控制系统的数学模型和以状态方程表示的单机无穷大系统的数学模 型，用预测- 校正数值积分法对单机无穷大系统进行了离散化，建立了相应 的仿真差分方程，为励磁控制器动态特性的仿真研究作了充分的准备。 3 本文在总结目前励磁控制系统研究方法的基础上，针对于常规定常参数控制 难于满足发电机不同运行工况需要的缺陷，以及自适应控制的系统参数在线 辨识所造成的算法复杂、实时运算量大的不足，提出采用模糊智能控制来设 计同步发电机的励磁控制器，归纳出适合于发电机励磁系统的模糊控制规律， 形成了p i 参数的模糊决策表，建造出基于模糊逻辑的励磁控制系统，该模糊 控制系统器具有不依赖对象的数学模型，鲁棒性好，简单实用的特点，较好 地满足了励磁控制系统对反应速度快和鲁棒性强的要求。 4 由于模糊控制是将连续输入按照所划分的模糊论域进行离散量化，在离散过 程中存在近似情况，而且输入变量连续值中的相近不同点可能归入模糊论域 的同一量化等级，此时模糊控制激发的是同一个模糊规则，不能准确地反应 出发电机励磁控制系统的非线性特征。本文利用n n 的非线性拟合能力和推 广能力强的优势，将模糊逻辑控制和n n 相结合，提出了基于f - n n 的励磁 控制器设计新方法，构造了实现发电机励磁控制的f - n n 模型结构，使所设 计的励磁控制器不仅实现了通用模糊控制与n n 之间的知识和信息转换，使 n n 的内部权值和阀值记忆了模糊控制决策知识，具有模糊控制全部功能， 而且还可以利用n n 自身的非线性拟合能力和泛化能力，使所设计的f - n n 控制器能够体现出励磁控制的非线性特征，更精确地反映励磁调节的动态变 化过程，达到更佳的控制效果。 5 在模糊神经网络励磁控制器的设计过程中，输入和输出变量的隶属度函数， 天津大学硕士学位论文第一章绪论 量化因子和模糊控制规则大都是根据运行人员的经验采用试探法确定的，难 于保证所设计的励磁控制系统是最优的，有待于通过合理的优化算法设计出 最优控制器。本文在所设计出的基于f - n n 励磁控制器的基础上，依据遗传 算法特别适合于对一个复杂、多变的，具有不确定性的空间中寻找其全局最 优解的特点，提出采用遗传算法来优化励磁控制器的输入和输出变量的隶属 度函数和量化因子，设计了基于遗传优化算法的f - n n 励磁控制器。该控制 器既保留了f - n n 励磁控制器的特征，又经过遗传算法的优化，有效解决了 模糊控制器设计参数的选取问题，使系统达到了最优的控制效果。 6 为了验证本文所设计励磁控制器的有效性，本文对所建的励磁控制系统进行 了大量的仿真测试，并进行的综合比较，结果表明基于遗传优化算法的f - n n 励磁控制方式能更精确地反映系统的运行状况，具有优良的过渡过程动态品 质和控制效果，较强的鲁棒性和适应性，在系统扰动和故障情况下能维持发 电机的运行特性和稳定性。 天津大学硕士学位论文第二章同步发电机励磁调节原理及其数学模型 第二章同步发电机励磁调节原理及其数学模型 2 1 概述 随着我国电力事业的快速发展，国内电网已经初具现代电力系统的规模，面 临一些新的问题，包括机组安全运行与系统安全运千亍间的协调，电压崩溃现象， 提高电力系统运行稳定性等等。这些问题的解决，涉及到规划设计、基本建设、 生产运行、技术进步与管理水平等诸多方面。同步发电机的运行特性与它的空载 电动势e 。值的大小有关，而e 。的值是发电机励磁电流，的函数，改变励磁电流 就可影响同步发电机在电力系统中的运行特性，进而影响电力系统的运行情况。 励磁系统是电力系统的重要组成部分，其性能的好坏和运行的可靠性，直接影响 同步发电机系统的供电质量及其运行的可靠性和稳定性。因此，对同步发电机的 励磁进行控制，是对发电机的运行特性进而对电力系统的运行情况实行控制的重 要内容之一。 +