水轮发电机及其调速系统的参数辨识方法与控制策略研究

水轮发电机论文 调速系统论文 参数辨识论文 多新息最小二乘论文 粒子群优化论文 动态系统设计论文 P
论文详情
精确的水轮发电机组数学模型不仅是水力发电系统仿真的基础,而且对于互联电力系统的计算分析、规划运行和控制保护设计具有重要意义。随着水电能源的大力开发,我国已建及在建的水电站单机容量大、引水管道长、水流惯性巨大、引水系统布置复杂,同时承担电力系统调频、调峰和事故备用等任务,对电力系统的安全稳定运行及模拟分析提出了严峻挑战,然而目前国内电力系统计算分析所用的水轮机调速器数学模型往往采用简化的模型,与实际投运的水轮机调节系统模型结构存在较大差异。因此,有必要研究水轮发电机组的先进辨识方法及控制策略,建立精确的水轮发电机组数学模型,提高水电机组仿真精度及机组的控制性能,确保水电机组及电力系统的安全高效运行。基于辨识的控制系统建模是获取研究对象数学模型的一种重要手段,传统的水力发电系统辨识研究中,辨识模型多采用线性模型,辨识方法多基于线性系统辨识理论,缺乏对水力发电系统非线性因素及参数时变的考虑,难以满足电力系统的动态稳定分析、中长期电压稳定分析、自动电压控制及系统频率稳定分析的需求。为此,在深入研究水轮发电机及其调速系统数学模型的基础上,凝练出水轮发电机组辨识及控制所面临的科学问题,结合多新息理论、先进智能优化方法、动态系统设计方法及变结构控制策略,对水电机组的参数辨识方法、先进控制策略进行了系统深入的研究,提出了水轮发电机组辨识-控制一体化体系。论文的主要工作及创新性成果如下:(1)针对水轮发电机组频率调节及控制的需求,研究并建立了水轮机调节系统频率调节、开度调节及功率调节数学模型,对其中的非线性环节进行了重点解析,建立了基于Simulink的水力发电系统多工况仿真平台,为系统辨识及控制策略的研究打下了基础。(2)以建立精确的水轮发电机及其调速系统线性模型为研究目标,引入多新息辨识理论,在传递函数模型的基础上推导出同步发电机任意工况下一次性抛载试验及水轮机调节系统的线性回归模型,并通过实例验证了多新息辨识理论在水电机组控制系统参数辨识的可行性。(3)以水轮机调节系统非线性模型参数辨识为目标,在引入量子粒子群优化算法的理论框架下,将水轮机调节系统参数辨识问题转化为单目标函数有约束优化问题;针对水轮机调节系统对象参数时变、非最小相位、复杂非线性的特点,提出了一种基于混沌变异的QPSO (Quantum Particle Swarm Optimization)算法,并通过不同工况仿真试验验证了IQPSO (Improved Quantum Particle Swarm Optimization)在水轮机调节系统参数辨识中的有效性。(4)针对水轮发电机非线性状态空间模型的参数辨识问题,在粒子群优化算法的基础上引入量子计算,提出了粒子群-量子操作(Particle Swarm Optimization with Quantum Operation, PSO-QO)优化算法,并将该方法应用到同步发电机非线性模型参数辨识中,通过实例验证了该方法在同步发电机参数的离线辨识中的有效性;并在粒子群-量子操作算法中引入敏感粒子,实现了同步发电机参数的在线跟踪与辨识。(5)在总结以往参数辨识研究思路的基础上,尝试从控制论的角度认识参数辨识问题,提出了基于动态系统设计的参数辨识方法及动态系统设计原则,并以Hopfield神经网络为例,研究了基于Hopfield (?)神经网络动态系统的同步发电机非线性状态空间模型参数辨识,并通过实例验证了基于动态系统设计的参数辨识研究思路的可行性及有效性。(6)针对传统PID参数难以满足水轮机调节系统参数时变、多工况运行的特点,将菌群优化(Bacterial Foraging Optimization, BFO)算法引入到水轮发电机组调速器PID参数优化整定中,综合BFO算法良好的全局搜索能力及粒子群优化(Paticle Swarm Optimization, PSO)算法收敛速度快的特点,提出了菌群-粒子群优化算法(BFO-PSO);在传统ITAE(?)旨标的基础上,考虑菌体间相互吸引、相互排斥、相互学习的行为特点,提出了一种新型适应度函数,构造出基于智能优化算法的水轮机调速器PID参数整定框架,实现了水轮机调节系统任意工况下参数整定。(7)针对传统PID控制策略随水轮机工况切换、参数时变适应性差的问题,将滑模变结构控制引入到水轮机调节系统中;考虑到传统水轮机调节系统状态空间模型忽略了机组转速给定项无法仿真机组空载扰动且线性最优控制下机组转速存在稳态误差的问题,推导出一种三控制输入的水轮机调节系统状态方程,揭示了状态方程稳态误差产生机理,提出了消除状态方程稳态误差的方法,在此基础上设计了水轮机调节系统的滑模变结构控制器。
摘要第5-7页
Abstract第7-9页
1 绪论第12-31页
    1.1 课题研究的背景及意义第12-15页
    1.2 水轮发电机及其调速系统的参数辨识研究概述第15-26页
    1.3 水轮发电机调速系统控制策略研究现状与进展第26-28页
    1.4 本文主要研究内容第28-31页
2 水轮发电机及其调速系统数学模型及仿真研究第31-52页
    2.1 引言第31-32页
    2.2 水轮发电机组控制系统数学模型第32-44页
    2.3 水轮发电机及其调速系统仿真平台第44-50页
    2.4 本章小结第50-52页
3 基于多新息理论的水轮发电机及其调速系统参数辨识第52-78页
    3.1 引言第52-53页
    3.2 多新息最小二乘辨识理论第53-56页
    3.3 水轮发电机调速系统多新息最小二乘算法参数辨识第56-65页
    3.4 水轮发电机任意工况一次性抛载试验参数辨识第65-77页
    3.5 本章小结第77-78页
4 基于智能优化的水轮发电机及其调速系统参数辨识第78-106页
    4.1 引言第78-79页
    4.2 粒子群优化算法及量子粒子群优化算法第79-81页
    4.3 基于IQPSO的水轮发电机调速系统参数辨识第81-89页
    4.4 基于PSO-QO的水轮发电机非线性模型参数辨识第89-104页
    4.5 本章小结第104-106页
5 基于动态系统设计的水轮发电机非线性模型参数辨识第106-123页
    5.1 引言第106-107页
    5.2 水轮发电机数学模型及可辨识性分析第107-110页
    5.3 基于动态系统设计的参数辨识基本思想第110-111页
    5.4 以Hopfield神经网络为例的动态系统参数辨识第111-114页
    5.5 实例分析第114-121页
    5.6 结论第121-123页
6 水轮发电机调速系统PID参数优化整定及滑模变结构控制第123-146页
    6.1 引言第123-124页
    6.2 基于菌群-粒子群优化算法的调速器PID参数优化整定第124-135页
    6.3 基于滑模控制的水轮发电机调速系统控制第135-145页
    6.4 本章小结第145-146页
7 全文总结与展望第146-149页
    7.1 全文工作总结第146-148页
    7.2 进一步研究展望第148-149页
参考文献第149-167页
致谢第167-168页
附录1:攻读博士期间所发表的论文第168-169页
附录2:攻读博士期间完成和参与的科研项目第169页
论文购买
论文编号ABS546890,这篇论文共169页
会员购买按0.30元/页下载,共需支付50.7
不是会员,注册会员
会员更优惠充值送钱
直接购买按0.5元/页下载,共需要支付84.5
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文

点击收藏 | 在线购卡 | 站内搜索 | 网站地图
版权所有 艾博士论文 Copyright(C) All Rights Reserved
版权申明:本文摘要目录由会员***投稿,艾博士论文编辑,如作者需要删除论文目录请通过QQ告知我们,承诺24小时内删除。
联系方式: QQ:277865656