電廠發(fā)電機(jī)勵(lì)磁系統(tǒng)的節(jié)能控制模型仿真分析

王江峰，張曉力，陳天華

（北京工商大學(xué)計(jì)算機(jī)與信息工程學(xué)院，北京 100048）

電廠發(fā)電機(jī)勵(lì)磁系統(tǒng)的節(jié)能控制模型仿真分析

王江峰，張曉力，陳天華

（北京工商大學(xué)計(jì)算機(jī)與信息工程學(xué)院，北京 100048）

電廠發(fā)電機(jī)勵(lì)磁系統(tǒng)具有非線性、強(qiáng)耦合的特點(diǎn)，能耗較大。提出基于模糊自適應(yīng)算法的電廠發(fā)電機(jī)勵(lì)磁系統(tǒng)節(jié)能控制模型，給出節(jié)能控制模型輸入輸出變量的確定過程和相應(yīng)的模糊控制規(guī)則的設(shè)計(jì)步驟，把經(jīng)模糊推理得到的輸出模糊變量通過反模糊化過程變成精確量，設(shè)計(jì)模糊隸屬度函數(shù)。采用模糊自適應(yīng)算法設(shè)計(jì)電廠發(fā)電機(jī)勵(lì)磁系統(tǒng)節(jié)能控制模型并搭建仿真環(huán)境，對(duì)存在干擾時(shí)2種模型節(jié)能控制效果和電廠發(fā)電機(jī)勵(lì)磁系統(tǒng)出力情況分別進(jìn)行了實(shí)驗(yàn)仿真和實(shí)驗(yàn)結(jié)果的比較分析。由實(shí)驗(yàn)分析結(jié)果可知，文中構(gòu)建的模型較PID模型具有更強(qiáng)的抗干擾能力，能更有效地降低節(jié)能控制模型的超調(diào)量；該勵(lì)磁系統(tǒng)模型的負(fù)荷率較低，基本能維持全天最低出力。

電廠發(fā)電機(jī)；勵(lì)磁系統(tǒng)；節(jié)能控制模型

為保證電廠發(fā)電機(jī)能安全穩(wěn)定地運(yùn)行，防止發(fā)電機(jī)無故障下出現(xiàn)機(jī)組振蕩造成電廠全停事故的發(fā)生，通常采用勵(lì)磁系統(tǒng)對(duì)其進(jìn)行調(diào)整[1-2]。而勵(lì)磁系統(tǒng)的不停運(yùn)行導(dǎo)致能耗大量增加，因此，對(duì)其進(jìn)行節(jié)能控制已經(jīng)成為亟需解決的問題[3-4]。為了降低能耗，研究一種有效的能應(yīng)用于電廠發(fā)電機(jī)勵(lì)磁系統(tǒng)中的節(jié)能控制模型已經(jīng)成為相關(guān)學(xué)者研究的重點(diǎn)課題，受到越來越廣泛的關(guān)注[5-6]且具有重要意義。

目前，有很多學(xué)者對(duì)勵(lì)磁系統(tǒng)節(jié)能控制模型進(jìn)行了研究，主要包括PLC節(jié)能控制模型、PID節(jié)能控制模型和神經(jīng)網(wǎng)絡(luò)控制模型，取得了一定的研究成果。其中，文獻(xiàn)[7]提出一種基于廣域參數(shù)分布的勵(lì)磁系統(tǒng)節(jié)能控制模型，根據(jù)影響系統(tǒng)參量的全部參數(shù)構(gòu)建關(guān)聯(lián)矩陣，求出最小反饋誤差，將其作為閾值實(shí)現(xiàn)節(jié)能控制，然而，該方法復(fù)雜度高，計(jì)算過程較為繁雜；文獻(xiàn)[8]提出一種基于靜止無功率補(bǔ)償器的勵(lì)磁系統(tǒng)節(jié)能控制模型，通過靜止無功率補(bǔ)償器對(duì)耗費(fèi)的能源進(jìn)行有效的補(bǔ)償，實(shí)現(xiàn)勵(lì)磁系統(tǒng)的節(jié)能控制，然而，該方法會(huì)形成外電場(chǎng)，導(dǎo)致節(jié)能控制性能不佳；文獻(xiàn)[9]提出一種基于微分線性組合的勵(lì)磁系統(tǒng)節(jié)能控制模型，通過DSP控制設(shè)計(jì)，將節(jié)能調(diào)節(jié)控制劃分成輸入采樣、用戶程序執(zhí)行和輸出刷新3個(gè)過程，以完成對(duì)勵(lì)磁系統(tǒng)的高效節(jié)能控制，然而，該節(jié)能控制系統(tǒng)存在精度較差的弊端；文獻(xiàn)[10]提出一種基于衰減調(diào)制的勵(lì)磁系統(tǒng)節(jié)能控制方法，首先建立了節(jié)能控制系統(tǒng)的總體模型，通過分析勵(lì)磁系統(tǒng)的協(xié)調(diào)控制策略，實(shí)現(xiàn)無損二次衰減調(diào)制，從而增強(qiáng)對(duì)勵(lì)磁系統(tǒng)的控制效益，完成系統(tǒng)的節(jié)能控制，然而，該方法所需時(shí)間較長(zhǎng)，不適用于實(shí)際應(yīng)用。

針對(duì)上述方法存在的弊端，提出一種基于模糊自適應(yīng)算法的電廠發(fā)電機(jī)勵(lì)磁系統(tǒng)節(jié)能控制模型，該模型基于模糊自適應(yīng)算法，通過模糊控制規(guī)則，將控制過程中的模糊變量變成精確量，使精確輸出量和控制指標(biāo)之間的偏差盡可能達(dá)到最小從而實(shí)現(xiàn)電機(jī)勵(lì)磁系統(tǒng)能耗的控制。下面將詳細(xì)介紹本文提出的勵(lì)磁系統(tǒng)節(jié)能控制模型。

1 基于模糊自適應(yīng)算法的勵(lì)磁系統(tǒng)節(jié)能控制模型設(shè)計(jì)

依據(jù)模糊控制理論，在建立電廠發(fā)電機(jī)勵(lì)磁系統(tǒng)節(jié)能控制模型時(shí)，僅需構(gòu)建相應(yīng)的模糊控制規(guī)則，無需構(gòu)建精準(zhǔn)的數(shù)學(xué)模型，就能達(dá)到理想的節(jié)能控制效果。在模糊控制規(guī)則設(shè)計(jì)之前，需要確定模型的輸入輸出變量，下面進(jìn)行詳細(xì)的分析。

1.1 節(jié)能控制模型輸入輸出變量的確定

輸入輸出變量的確定是電廠發(fā)電機(jī)勵(lì)磁系統(tǒng)節(jié)能控制模型的基礎(chǔ)和關(guān)鍵。因?yàn)閯?lì)磁系統(tǒng)所消耗的能量基本上為電能，所以本節(jié)將電量作為勵(lì)磁系統(tǒng)的輸入變量值，用Os描述電磁系統(tǒng)設(shè)定電量值，用Oi描述電磁系統(tǒng)真實(shí)的測(cè)量值，求出的值和真實(shí)值之差用Ei進(jìn)行描述，同時(shí)將其看作是模糊自適應(yīng)控制器的一個(gè)輸入量，Ei=Os－Oi（i=1，2，3，…），其中，i表示所構(gòu)建節(jié)能控制模型的第i次的采樣。

通過不斷的采樣計(jì)算，把差值的變化量Eci看作是其中的一個(gè)輸出量Eci=Ei－Ei－1（i=1，2，3，…）。上述2個(gè)輸入量為模糊輸入量。將勵(lì)磁系統(tǒng)的電量控制量yi看作是節(jié)能控制模型的輸出變量。

1.2 模糊控制規(guī)則的設(shè)計(jì)

模糊控制規(guī)則為人工寫入的，是模糊控制芯片進(jìn)行邏輯判斷的理論依據(jù)，節(jié)能控制模型依據(jù)輸入的偏差量和偏差變化量對(duì)輸出量狀態(tài)的改變進(jìn)行判斷。詳細(xì)模糊控制規(guī)則如下。

1）在偏差值為正大的情況下，如果偏差該變量亦為正，則此時(shí)相對(duì)額定值電量偏差是整數(shù)，同時(shí)有增長(zhǎng)的趨勢(shì)，為了防止偏差增長(zhǎng)，恢復(fù)額定值，則控制量的取值取負(fù)大。

2）在偏差值為正中的情況下，如果偏差變化量是負(fù)值，則當(dāng)前偏差有降低的趨勢(shì)，為了在控制超調(diào)量的同時(shí)滿足額定電量，控制量的值取負(fù)中或者負(fù)小。

3）在偏差值為正小的情況下，如果這時(shí)偏差變化量是負(fù)值，那么此刻相對(duì)額定電量偏差是正數(shù)，同時(shí)有降低的趨勢(shì)，為了高效地達(dá)到額定值，控制量應(yīng)取負(fù)小或者0。

4）在偏差值為負(fù)大的情況下，如果此刻偏差變化量值為負(fù)值，為了避免偏差的出現(xiàn)，達(dá)到額定值，控制量值應(yīng)取正大。

1.3 勵(lì)磁系統(tǒng)節(jié)能控制過程模糊推理

模糊控制規(guī)則設(shè)計(jì)好后，接下來就需要依據(jù)模糊控制規(guī)則和輸入變量進(jìn)行模糊推理獲取節(jié)能控制模型的模糊輸出量。本節(jié)通過極大極小值法實(shí)現(xiàn)勵(lì)磁系統(tǒng)節(jié)能控制過程的模糊推理。其基本思想如下：針對(duì)存在的多個(gè)前提規(guī)則，通過模糊邏輯“與”和“或”的算法，取各前提的最小值或最大值為該規(guī)則的值，稱作是該規(guī)則的力量。而前提的值為該命題的模糊邏輯值，即輸入變量隸屬于指定模糊子集的程度。針對(duì)存在多個(gè)結(jié)論的規(guī)則，所有結(jié)論的取值均為該規(guī)則的力量。該結(jié)論的值就是該結(jié)論的命題中輸出變量隸屬于指定模糊子集的程度。詳細(xì)實(shí)現(xiàn)過程如下。

如果模糊規(guī)則為Ai且Bi，則電容C的關(guān)系可描述如下：

式中：μAi為模糊規(guī)則Ai的電流值；μBi為模糊規(guī)則Bi的電流值。相反，如果模糊規(guī)則是Ai或Bi，則模糊推理可描述成：

依據(jù)上述分析，模糊隸屬函數(shù)可描述成：

式中：u為電壓；uA′為模糊推理后的模糊規(guī)則A′的電壓；uB′為模糊推理后的模糊規(guī)則B′的電壓；uAi為模糊規(guī)則Ai的電壓；uB′為模糊推理后的模糊規(guī)則B′的電壓。

1.4 模糊輸出量的反模糊化處理

反模糊化處理能將節(jié)能控制模型的模糊輸出量轉(zhuǎn)換成精確輸出量，為了得到精確的輸出量，在設(shè)計(jì)時(shí)，對(duì)得到的模糊輸出量反模糊化處理，因?yàn)橐粋€(gè)輸出變量有多個(gè)模糊子集，所以會(huì)存在多個(gè)模糊輸出變量，這就需從多個(gè)模糊子集及其隸屬函數(shù)中判斷出一個(gè)準(zhǔn)確的輸出量。

節(jié)能控制模型的模糊規(guī)則是模糊條件語句互相結(jié)合表達(dá)的，同時(shí)語句間的邏輯關(guān)系為“或”，依據(jù)輸入輸出關(guān)系可獲取模糊關(guān)系：

式中：Bij用于描述輸入變量的一個(gè)模糊子集標(biāo)號(hào)。假設(shè)e={E1，E2，…，Ei}、ec={EC1，EC2，…，ECi}為模糊輸入變量子集，那么輸出變量的模糊子集為：

通過上節(jié)己得出輸出變量隸屬于Ui{U1，U2，…，Ui}的隸屬度分別為ui{u1，u2，…，ui}，因此取ui{u1，u2，…，ui}中最大隸屬度所對(duì)應(yīng)的輸出量為精確輸出量。

1.5 節(jié)能控制模型的建立

在上述分析的基礎(chǔ)上，采用模糊自適應(yīng)算法對(duì)電廠發(fā)電機(jī)勵(lì)磁系統(tǒng)節(jié)能控制模型進(jìn)行構(gòu)建。

基本思想為：通過設(shè)計(jì)的模糊隸屬度函數(shù)，使利用上節(jié)得到的精確輸出量和控制指標(biāo)之間的偏差盡可能地達(dá)到最小，逐漸達(dá)到穩(wěn)定狀態(tài)，因此，本節(jié)建立的節(jié)能控制模型可描述如下：

在δi+1小于既定閾值的情況下，節(jié)能控制效果的模糊偏差量趨于0，節(jié)能控制達(dá)到穩(wěn)態(tài)，詳細(xì)的節(jié)能控制過程如圖1所示。

分析圖1可知，在明確給定值的條件下，通過數(shù)模轉(zhuǎn)換器A/D模塊轉(zhuǎn)化成可計(jì)算的控制變量，利用模糊化處理、模糊推理和反模糊化3個(gè)步驟建立模糊節(jié)能控制模型，利用將數(shù)字信號(hào)轉(zhuǎn)換為模擬信號(hào)的數(shù)模轉(zhuǎn)換器A/D模塊生成模糊隸屬度函數(shù)，將其輸入勵(lì)磁系統(tǒng)中，通過傳感器輸出節(jié)能控制模型，完成節(jié)能控制。

圖1 節(jié)能控制過程Fig.1 Energy-saving control process

2 實(shí)驗(yàn)結(jié)果分析

2.1 仿真環(huán)境構(gòu)建

為了驗(yàn)證本文提出模型的有效性，進(jìn)行相關(guān)的實(shí)驗(yàn)分析。實(shí)驗(yàn)將PID節(jié)能控制模型作為對(duì)比，通過matlab 7.0仿真軟件構(gòu)建實(shí)驗(yàn)環(huán)境。電廠發(fā)電機(jī)勵(lì)磁系統(tǒng)節(jié)能控制是一個(gè)非線性、多變量耦合的復(fù)雜對(duì)象，因此，需構(gòu)建一個(gè)模擬環(huán)境進(jìn)行仿真實(shí)驗(yàn)。電廠發(fā)電機(jī)勵(lì)磁系統(tǒng)節(jié)能控制實(shí)驗(yàn)環(huán)境為Pentium（R）4 CPU，4.00 UHz，500 MB內(nèi)存的PC機(jī)，將階躍響應(yīng)的優(yōu)劣作為評(píng)價(jià)節(jié)能控制模型好壞的標(biāo)準(zhǔn)，躍階響應(yīng)曲線越平穩(wěn)，控制效果越穩(wěn)定。躍階響應(yīng)是指在單位階躍信號(hào)u（t）的激勵(lì)下產(chǎn)生的零狀態(tài)響應(yīng)，本文將電機(jī)勵(lì)磁系統(tǒng)節(jié)能控制的躍階響應(yīng)閾值設(shè)定為0.95。

2.2 2種模型仿真結(jié)果比較

超調(diào)量是控制系統(tǒng)動(dòng)態(tài)性能指標(biāo)中的一個(gè)，是線性控制系統(tǒng)在階躍信號(hào)輸入下的階躍響應(yīng)曲線分析動(dòng)態(tài)性能的一個(gè)指標(biāo)值。分別采用本文模型和PID模型對(duì)構(gòu)建的仿真勵(lì)磁系統(tǒng)進(jìn)行節(jié)能控制，得到不同方法的超調(diào)量仿真曲線依次如圖2、圖3所示，超調(diào)量越小、與預(yù)設(shè)值越接近，說明控制效果越好。超調(diào)量計(jì)算公式如下：

分析比較圖2、圖3可以看出，和PID節(jié)能控制模型相比，采用本文模型對(duì)仿真勵(lì)磁系統(tǒng)進(jìn)行節(jié)能控制產(chǎn)生的超調(diào)量更小，和預(yù)期值更加吻合，整個(gè)控制過程的平穩(wěn)性更高，而且本文模型所需的過渡時(shí)間和延遲時(shí)間更短，節(jié)能控制的性能明顯優(yōu)于PID節(jié)能控制模型，整個(gè)節(jié)能控制過程的性能指標(biāo)比較結(jié)果如表1所示。

表1中：過渡時(shí)間指控制系統(tǒng)受到擾動(dòng)作用后，被控變量從原穩(wěn)定狀態(tài)回復(fù)到新的平衡狀態(tài)所經(jīng)歷的最短時(shí)間，過渡時(shí)間越短，控制的穩(wěn)定性越好；延遲時(shí)間即為延遲，是表示節(jié)能控制過程的響應(yīng)時(shí)間，延長(zhǎng)時(shí)間越短，控制效率越高。

圖2 本文模型仿真曲線Fig.2 Model simulation curve in this paper

圖3 PID模型仿真曲線Fig.3 PID model simulation curve

表1 2種模型性能指標(biāo)比較結(jié)果Tab.1 Comparison performance results of two kinds of models

在對(duì)上述勵(lì)磁系統(tǒng)進(jìn)行節(jié)能控制的過程中，2種模型節(jié)能控制誤差曲線如圖4所示，其中控制誤差是控制測(cè)量值與客觀真實(shí)值之間的差異，這種差異就是測(cè)量誤差，控制誤差越小，說明方法進(jìn)行節(jié)能控制的精度越高。

圖4 2種模型的控制誤差比較結(jié)果Fig.4 Comparison of control errors of two kinds of models

從圖4可以看出，與PID節(jié)能控制模型相比，本文模型的控制誤差曲線更加平穩(wěn)，而且控制誤差更小，充分體現(xiàn)出本文模型優(yōu)良的節(jié)能控制性能。

2.3 存在干擾時(shí)2種模型節(jié)能控制效果比較

為了進(jìn)一步驗(yàn)證兩種模型的性能，在勵(lì)磁系統(tǒng)節(jié)能控制仿真過程中，依次加入不同的干擾量，得到本文模型和PID節(jié)能控制模型的響應(yīng)曲線如圖5—圖8所示。

圖5 干擾量是0時(shí)2種模型的響應(yīng)曲線Fig.5 The response curves of two kinds of models when the disturbance variable is 0.

圖6 干擾量是20時(shí)2種模型的響應(yīng)曲線Fig.6 The response curves of two kinds of models when the disturbance variable is 20

圖7 干擾量是50時(shí)2種模型的響應(yīng)曲線Fig.7 The response curves of two kinds of models when the disturbance variable is 50

圖8 干擾量是100時(shí)2種模型的響應(yīng)曲線Fig.8 The response curves of two kinds of models when the disturbance variable is 100

由圖5—圖8可以看出，在干擾量是0的情況下，采用本文模型和PID節(jié)能控制模型的控制效果均較為平穩(wěn)，差別不大，但隨著干擾量的逐漸增加，采用PID節(jié)能控制模型的控制波動(dòng)逐漸增大，而采用本文模型得到的控制曲線波動(dòng)一直相對(duì)較小，說明本文模型的抗干擾能力更強(qiáng)，能更加有效地降低節(jié)能控制模型的超調(diào)量。

2.4 電廠發(fā)電機(jī)勵(lì)磁系統(tǒng)出力分析

對(duì)不同發(fā)電機(jī)勵(lì)磁系統(tǒng)在不同模型下的全天出力情況，也就是勵(lì)磁系統(tǒng)的負(fù)荷率進(jìn)行比較分析，得到的結(jié)果用表2進(jìn)行描述，負(fù)荷率是某段時(shí)間內(nèi)的平均負(fù)荷與該段時(shí)間內(nèi)的最高負(fù)荷的百分比，負(fù)荷率越低，節(jié)能控制的負(fù)擔(dān)越小，節(jié)能效果越好。

分析表2可知，采用PID模型進(jìn)行節(jié)能控制時(shí)，勵(lì)磁系統(tǒng)A、B的全天負(fù)荷率均相對(duì)較高，平均約為0.902和0.892，而本文模型下兩個(gè)勵(lì)磁系統(tǒng)的負(fù)荷率均明顯下降，平均約為0.689和0.691，基本維持全天最低出力，比傳統(tǒng)的PID模型分別降低了23.57%和22.52%，進(jìn)一步驗(yàn)證了本文模型的有效性。

表2 2種模型下磁力系統(tǒng)負(fù)荷率比較結(jié)果Tab.2 Comparison results of the magnetic system load rates under two kinds of models

3 結(jié)論

在進(jìn)行2種模型仿真結(jié)果比較實(shí)驗(yàn)時(shí)，采用本文模型對(duì)仿真勵(lì)磁系統(tǒng)進(jìn)行節(jié)能控制產(chǎn)生的超調(diào)量更小，和預(yù)期值更加吻合，整個(gè)控制過程的平穩(wěn)性更高，而且本文模型所需的過渡時(shí)間更短，節(jié)能控制的性能明顯優(yōu)于PID節(jié)能控制模型。本文模型的控制誤差曲線更加平穩(wěn)，而且控制誤差更低，本文模型充分體現(xiàn)出優(yōu)良的節(jié)能控制性能。

在干擾情況下，對(duì)2種模型節(jié)能控制效果對(duì)比可知，隨著干擾量的逐漸增加，采用PID節(jié)能控制模型的控制波動(dòng)逐漸增大趨勢(shì)，而采用本文模型得到的控制曲線波動(dòng)一直相對(duì)較小，說明本文模型的抗干擾能力更強(qiáng)，能更加有效地降低節(jié)能控制模型的超調(diào)量。

在進(jìn)行電廠發(fā)電機(jī)勵(lì)磁系統(tǒng)出力分析實(shí)驗(yàn)時(shí)，采用PID模型進(jìn)行節(jié)能控制時(shí)，勵(lì)磁系統(tǒng)A、B的全天負(fù)荷率均相對(duì)較高，而本文模型下兩個(gè)勵(lì)磁系統(tǒng)的負(fù)荷率均明顯下降，基本維持全天最低出力，進(jìn)一步驗(yàn)證了本文模型的有效性。

[1]孟昭亮，程遠(yuǎn)，邵文權(quán)，等.同步直驅(qū)風(fēng)電機(jī)組并網(wǎng)系統(tǒng)仿真[J].西安工程大學(xué)學(xué)報(bào)，2015，29（4）:436-441.MENG Zhaoliang，CHENG Yuan，SHAO Wenquan，et al.Simulation of synchronous direct driving wind turbine gridsystem[J].Journal of Xi’an Polytechnic University，2015，29（4）:436-441（in Chinese）.

[2]趙會(huì)茹，周佳，郭森，等.影響中長(zhǎng)期電力需求的經(jīng)濟(jì)社會(huì)發(fā)展指標(biāo)體系研究[J].陜西電力，2015，43（8）:71-77.ZHAO Huiru，ZHOU Jia，GUO Sen，et al.Indicator system for economic and social development to impact long-term electricity demand[J].Shaanxi Electric Power，2015，43（8）:71-77（in Chinese）.

[3]邱建，曾耿暉，李一泉，等.220 kV兩相式電鐵牽引站供電線路的短路故障計(jì)算及其保護(hù)整定原則分析[J].電網(wǎng)與清潔能源，2015，31（4）:47-53.QIU Jian，ZENG Genghui，LI Yiquan，et al.Analysis on the short circuit fault calculation and the protection setting principles of 220 kV two-phase power supply lines of electrified railway[J].Power System and Clean Energy，2015，31（4）:47-53（in Chinese）.

[4]萬杰，許天寧，李澤，等.熱電聯(lián)產(chǎn)機(jī)組抽汽供熱期的汽輪機(jī)滑壓運(yùn)行優(yōu)化方法[J].節(jié)能技術(shù)，2015，33（1）: 33-37.WAN Jie，XU Tianning，LI Ze，et al.Turbines sliding pressure operation optimization for cogeneration unit during in the period of steam extraction for heating[J].Energy Conservation Technology，2015，33（1）:33-37（in Chinese）.

[5]楊藝，虎恩典.基于S函數(shù)的BP神經(jīng)網(wǎng)絡(luò)PID控制器及Simulink仿真[J].電子設(shè)計(jì)工程，2014，22（4）:29-31.YANG Yi，HU Endian.Simulink simulation of BP neural network PID controller based on S-function[J].Electronic Design Engineering，2014，22（4）:29-31（in Chinese）.

[6]張波.大型機(jī)電設(shè)備的高效節(jié)能控制模型仿真分析[J].電力與能源，2015，36（4）:524-528.ZHANG Bo.Simulation analysis of large electromechanical equipment efficient energy saving control model[J].Power &Energy，2015，36（4）:524-528（in Chinese）.

[7]任志玲，韓佳昊.基于MPC的煤礦井下排水系統(tǒng)節(jié)能控制策略研究[J].系統(tǒng)仿真學(xué)報(bào)，2015，27（12）：78-82.REN Zhiling，HAN Jiahao.Energy saving control research on mine drainage system based on model predictive control[J].Journal of System Simulation，2015，27（12）：78-82（in Chinese）.

[8]郭新峰，孟春巖.汽車發(fā)動(dòng)機(jī)節(jié)能優(yōu)化控制仿真與研究[J].計(jì)算機(jī)仿真，2014，31（12）:160-163.GUO Xinfeng，MENG Chunyan.Automotive engine energy optimization control simulation and research[J].Computer Simulation，2014，31（12）:160-163（in Chinese）.

[9]王超.網(wǎng)絡(luò)設(shè)備節(jié)能控制機(jī)制的設(shè)計(jì)與仿真實(shí)現(xiàn)[J].價(jià)值工程，2014，23（14）:195-196.WANG Chao.Design and simulated implementation of the energy saving control mechanism for network devices[J].Value Engineering，2014，23（14）:195-196（in Chinese）.

[10]張杰，王艷娜，田靜.電力系統(tǒng)節(jié)能優(yōu)化軟件控制過程仿真分析[J].現(xiàn)代電子技術(shù)，2014，5（8）:145-147.ZHANG Jie，WANG Yanna，TIAN Jing.Simulation analysis of software control process for power system energy-saving optimization[J].Modern Electronics Technique，2014，5（8）:145-147（in Chinese）.

（編輯 徐花榮）

Analysis of the Energy-Saving Control Model of the Generator Excitation System in Power Plants

WANG Jiangfeng，ZHANG Xiaoli，CHEN Tianhua
（School of Computer and Information Engineering，Beijing Technology and Business University，Beijing 100048，China）

The excitation system of a power plant generator is characteristics of nonlinear，strong coupling and large energy consumption.Based on the fuzzy adaptive algorithm，this paper proposes an energy saving control model，gives the determination process of input and output variables and the corresponding design steps of the fuzzy control rules，translates the output fuzzy variables obtained by fuzzy inference into a precise quantity through the anti-fuzzy process，and designs the fuzzy membership functions.The fuzzy adaptive algorithm is used to design the energy saving control mode of the generator excitation system and set up the simulation environment，and the experiment simulation is carried out respectively on the energysaving control effects of two kinds of models where there is interference and the output power plant generator excitation system，and the simulation results are compared.Analysis of the experimental result shows that the model established in this paper has stronger anti-interference ability，can more effectively reduce the overshoot of energy-saving control model.And the load of the excitation system model is low and the lowest output can maintain for a whole day.

power plantgenerator；excitationsystem；energy-saving control model

北京教委科技發(fā)展計(jì)劃面上項(xiàng)目（KZ201510011011）。

Project Supported by Science and Technology Development Program of Beijing Education Commission（KZ201510011011）.

1674-3814（2016）08-0129-06

TP271.08

A

2016-01-18。

王江峰（1974—），男，碩士，實(shí)驗(yàn)師，主要研究領(lǐng)域?yàn)槟Ｊ阶R(shí)別與智能系統(tǒng)、計(jì)算機(jī)網(wǎng)絡(luò)。