智能控制技术在水轮机调节系统中的应用

维普资讯 http://www.cqvip.com 第２９卷第１期　人民黄河　Ｖｏ１．２９。Ｎｏ．１　２００７年１月　ＹＥＬＬＯＷ　ＲＩＶＥＲ　Ｊａｎ．，２００７　【水利水ｎＬ，ｚｒ－，．￣Ｗ．】　智能控制技术在水轮机调节系统中的应用　郭磊，王雪丰，沈祖诒　（河海大学水利水电学院，－２ｚ．苏南京２１００９８）　摘要：概述了水轮机调节系统的特点以及智能控制技术的发展历史与现状，着重介绍了智能控制中模糊控制、神经网　络控制、专家控制、遗传算法等的特点及在水轮机调节系统中的应用情况，并提出智能控制技术作为水轮机调节系统的　一种新型控制技术必然朝着综合化、集成化方向发展。　关键词：水轮机调节系统；智能控制；模糊控制；神经网络控制；专家控制　中图分类号：ＴＶ７３４．４　文献标识码：Ａ　文章编号：１０００—１３７９（２００７）０１－－００６７－－０２　水轮机调节系统…是一个集水力、机械、电气为一体的复　杂的闭环自动调节控制系统。其基本任务是根据电力系统负荷　２典型的智能控制方法及应用　的不断变化来调节水轮发电机组的有功功率输出，并使机组频　水轮机调节系统是一个典型的高阶、时变、非最小相位、参　率维持在规定的范围内。受压力引水系统的水流惯性，水轮发　数随工况点改变而变化的非线性复杂系统，确定其数学模型是　电机组各个环节的非线性特性，水轮机传递系数随工况而改变　十分困难的。而智能控制正是基于实现大规模复杂系统的控　的时变特性，以及随时发生的电力系统负荷扰动等因素的影　制需要。在现代计算机技术、人工智能和微电子学等学科高速　响。水轮机调节系统控制显得十分困难。如果仅从控制的角度　发展的前提下，针对控制对象及其环境、目标、任务的不确定性　看，其是一个具有最小相位、非线性时变特性的复杂系统，相对　和复杂性而提出来的一门新兴学科，因此将智能控制引入到水　来说不易稳定，从而使控制难度加大。此外，随着电力系统的　轮机调节系统中是一种好的策略。目前，智能控制作为控制理　扩大和自动化程度的提高，对水轮机调节系统功能的要求也越　论的高级阶段，在水轮机调节系统中的应用还处于发展初期。　来越高，控制技术的发展与应用就显得尤为重要。　２．１模糊控制　１智能控制技术的发展　模糊控制是应用模糊集合理论，从行为上模拟人的模糊推　理和决策过程的一种实用方法。其核心为模糊推理，主要依赖　智能控制是针对控制对象及其环境、目标和任务的不确定　模糊规则和模糊变量的隶属度函数。其推理过程与专家系统　性和复杂性提出来的。１９７１年，美国普渡大学的著名学者傅京　控制类似，也是基于规则形式表示的人类经验。它是一种非线　孙－ｚ　从发展学习控制的角度首次提出智能控制这一概念。　性控制方法，不依赖于对象的数学模型，具有内在的并行处理　１９７４年Ｅ．Ｈ．Ｍａｍｄａｎｉ首次将模糊集理论成功用于过程控制，　机制，并表现出极强的鲁棒性。算法简单、执行快、容易实现。　进而提出模糊控制方法（ＦＣ）。２０世纪８Ｏ年代是智能控制迅　从水轮机调节系统的特点来看，采用模糊控制被认为是一种有　速发展的时期。１９８４年瑞典著名学者Ｋ．Ｊ．Ａｓｔｒｏｍ将专家系统　效的解决方法。　技术引入控制系统，提出专家控制系统（ＥＣＳ）。Ｈｏｐ２ｆｉｅｌｄ网络　从２０世纪８Ｏ年代末开始，国内许多水电专家开展了模糊　及Ｒｕｍｅｌｈａｒｔ提出的ＢＰ算法为人工神经网络注入了新的活力，　控制在水电厂控制方面的应用研究，并取得了一定的研究成　从而出现了神经网络控制。１９８５年８月召开了第一次智能控　果。李植鑫等　在对水轮机调节对象模型特性作出分析的基　制学术讨论会，此后不久在ＩＥＥＥ的控制系统学术会议上成立　础上，对采用Ｆｕｚｚｙ控制规则和算法进行了研究；徐枋同等　＿『智能控制专业委员会，标志着智能控制作为一个新的学科分　讨论了水轮机调节系统采用模糊控制时，编制控制表中的非　支正式被控制界所公认。　线性特性对系统的影响，在快速傅立叶变换的基础上，应用　从２Ｏ世纪９ｏ年代至今，智能控制进入了新的发展时期。　描述函数法对问题进行研究，提出了系统出现持续振荡的可　随着对象规模的扩大和过程复杂性的加大。以及人工智能技　能性。　术、信息论、系统论和控制论的发展，人们试图从更高层次上研　究智能控制，如认知心理学、神经网络技术、进化论及遗传算　收稿日期：２００６—０３—１５　法、混沌论等，形成了智能控制的多元论。我国智能控制也兴　作者简介：郭磊（１９８２一）。男，江西新余人，硕士研究生，主要　起于这一时期，１９９１年７月，中国人工智能学会正式成立。　研究方向为水力机组控制及其过渡过程。　维普资讯 http://www.cqvip.com ・６８・　人民黄河　２００７矩　２．２神经网络控制　神经网络控制是从机理上对人脑生理系统进行结构模拟　的一种控制和辨识方法，是介于符号推理与数值计算之间的一　种数学工具，具有较好的学习和适应能力。从控制的角度看，　神经网络用于控制的优越性主要表现为：①可以用来处理难以　用模型或规则描述的过程或系统；②采用并行分布式信息处理　方式，具有很强的容错性；③具有很强的信息综合能力；④神经　网络的硬件实现愈趋方便；⑤神经网络是本质的非线性系统。　这些特点使神经网络成为非线性系统建模与控制的一种重要　方法，因此神经网络成为实现非线性预测控制的关键技术　之一。　２．３专家控制　专家控制系统是一个具有大量的专门知识与经验的程序　系统，它应用人工智能技术和计算机技术，根据专家提供的知　识与经验进行推理与判断，模拟人类专家的决策过程，甚至将　多个专家的知识和经验综合起来处理更复杂的问题。它是一　种将人的感知经验（浅层知识）与定理算法（深层知识）相结合　的传统的智能控制方法。专家系统的基本组成部分包括知识　获取、知识库、推理机和解释器。其主要优点是在层次结构上、　控制方法上和知识表达上有灵活性、启发性和透明性，既可以　采用符号推理，也允许数值计算，既可以精确推理，也可以模糊　决策。由于专家系统控制不需要被控对象的数学模型，因此它　是目前解决不确定性系统的一种有效方法，应用较为广泛。　２．４遗传算法　遗传算法是模拟自然进化过程的一种随机性全局优化方　法，具有并行计算、快速寻找全局最优解等特点，它可以和其他　技术混合使用，用于智能控制的参数、结构或环境的最优控制。　遗传算法在自动控制学科中，已被用于研究离散时间最优控制　问题、Ｒｉｃｅａｔｉ方程的求解问题和控制系统的鲁棒稳定问题等。　遗传算法的应用研究比理论研究更为丰富，已经渗透到许多　学科。　近年来，遗传算法也被运用到水轮机调节系统中。Ｃ　Ａ　Ｗｒａｔｅ等　研究了基于遗传算法的自适应技术对水轮发电机组　的识别方法，结果表明，在各种频率偏差条件下，应用遗传算法　均能有效地跟随电厂参数的变化对水轮发电机组系统进行识　别；蒋世忠等　针对当前使用遗传算法优化水轮机调速器参数　存在寻优效率不高的问题，提出了一种用免疫遗传算法优化水　轮机调速器参数的新方法。　２．５其他控制方法　考虑到模糊控制和神经网络控制各自存在的不足，人们提　出了模糊神经网络控制思想，利用其较强的互补性，将两者结　合起来，充分发挥两种控制技术的优点。在模糊神经网络应用　中，孙昀等”　提出了水力机组简易模糊语言模型。并将反馈控　制思想引入系统辨识，同时结合神经网络较易学习的特点给出　了基于模糊神经网络的水力机组模型结构及其算法；蔡维由　等　提出了３种改进后的模糊神经控制，仿真分析表明它们均　优于常规ＰＩＤ控制。　粒子群优化算法ＰＳＯ作为一种新型的优化算法也逐渐在　水轮机调节系统中开始应用。汪新星等　应用改进型ＰＳＯ算　法对水轮机调节系统ＰＩＤ参数进行优化，取得良好效果；魏星　等”　提出了一种改进粒子群算法，并利用改进粒子群算法对　系统所处的不同状态和工况进行了ＰＩＤ参数寻优，仿真结果表　明此种ＰＩＤ控制器比常规ＰＩＤ具有更好的动态调节特性和鲁　棒性。　仿人控制是一种新型的智能控制。在国内，仿人控制在水　轮机调节系统中的应用还较少，但已有学者在进行研究。程远　楚等…　将ＰＩＤ控制、非线性控制、仿人智能控制相结合，提出　了一种智能非线性ＰＩＤ控制器，讨论了其结构和算法，并对其　仿真，结果表明能进一步改善水轮机调速系统的动态性能和鲁　棒性。　３结语　智能控制是一门新兴学科，还处于发展初期。但是随着系　统理论、人工智能和计算机技术的发展，智能控制必将出现更　大的发展。面对水轮机调节系统这样一个复杂、时变、不确定　性、强非线性的控制系统，随着电力系统的逐步扩大和系统对　水电站自动化要求的不断提高，智能控制作为水轮机调节系统　的一种新型控制技术必然朝着综合化、集成化方向发展。　参考文献：　［１］沈祖诒．水轮机调节［Ｍ］．北京：水利水电出版社，１９９８．　［２］　Ｆｕ　Ｋ　Ｓ．Ｌｅａｒｎｉｎｇ　ｃｏｎｔｒｏｌ　ｓｙｓｔｅｍｓ　ａｎｄ　ｉｎｔｅｌｌｉｇｅｎｔ　ｃｏｎｔｏｒｌ　ｓｙｓ—　ｔｅｒｎｓ．Ａｎ　ｉｎｔｅｒｓｅｃｔｉｏｎ　ｏｆ　ａｒｔｉｉｆｃｉａｌ　ｉｎｔｅｌｌｉｇｅｎｃｅ　ａｎｄ　ａｕｔｏｍａｔｉｃ　ｃｏｎｔｒｏｌ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓ　Ａｕｔｏｍａｔ　Ｃｏｎｔｒ．ＡＣ。１９７１（１）．　［３］李植鑫，陈启卷．水轮机调节系统Ｆｕｚｚｙ控制的研究［Ｊ］．　武汉大学学报，１９８９（５）．　［４］　徐枋同，陈启卷．水轮机调节系统采用模糊控制的非线性　问题［Ｊ］．武汉水利电力大学学报，１９９３（３）．　［５］　ｃ　Ａ　Ｗｒａｔｅ，Ｌ　Ｗｏｚｎｉａｋ．Ｈｙｄｒｏｇｅｎｅｒａｔｏｒ　ｓｙｓｔｅｍ　ｉｄｅｎｔｉｆｉｃａｔｉｏｎ　ｕｓｉｎｇ　ａ　ｓｉｍｐｌｅ　ｇｅｎｅｔｉｃ　ａｌｇｏｒｉｔｈｍ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓ　Ｏｎ　Ｅｎｅｒｇｙ　Ｃｏｎｖｅｒｓｉｏｎ，１９９７（１）．　［６］　蒋世忠，杨天奇．基于免疫遗传算法的水轮机调节参数优　化与仿真［Ｊ］．计算机仿真，２００４（１１）．　［７］　孙昀，沈祖诒．基于模糊神经网络的水力机组模型辨识　［Ｊ］．河海大学学报，２０００（２）．　［８］　蔡维由，刘海锋，陈光大，等．水轮机调节系统的模糊神经　控制［Ｊ］．长江科学院院报，２００３（２）．　［９］　汪新星，张明．利用改进微粒群算法优化ＰＩＤ参数［Ｊ］．自　动化仪表，２００４（２）．　［１Ｏ］　魏星，张青松，黄辉．基于改进粒子群算法的水轮机调速　器参数优化［Ｊ］．电力科学与工程，２００５（３）．　［１１］程远楚，田炜，叶鲁卿，等．水轮机调速器的智能非线性　ＰＩＤ控制［Ｊ］，水电自动化与大坝监测，２００４（３）．　【责任编辑张华岩】