微型水力發(fā)電機(jī)組的T-S模糊神經(jīng)網(wǎng)絡(luò)控制器

張圣明

(國網(wǎng)張家口供電公司，河北 張家口 075000)

微型水力發(fā)電機(jī)組的T-S模糊神經(jīng)網(wǎng)絡(luò)控制器

張圣明

(國網(wǎng)張家口供電公司，河北 張家口 075000)

隨著能源短缺現(xiàn)象的加劇，全球能源互聯(lián)網(wǎng)的提出，微型水力發(fā)電越來越被人們重視。詳細(xì)分析了模糊控制、神經(jīng)網(wǎng)絡(luò)以及T-S模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和算法，針對微型水力發(fā)電機(jī)系統(tǒng)的非線性和時變性的特點，構(gòu)件了微型水力發(fā)電機(jī)組的T-S模糊神經(jīng)網(wǎng)絡(luò)控制器，采用MATLAB/Simulink仿真軟件，在動態(tài)負(fù)載條件下對該微型水力發(fā)電機(jī)組進(jìn)行仿真，分析了突甩負(fù)載和突加負(fù)載對機(jī)械功率、轉(zhuǎn)子速度、頻率和電壓的影響，并與PID控制器進(jìn)行比較。其仿真結(jié)果表明，所建立的T-S模糊神經(jīng)網(wǎng)絡(luò)控制器動態(tài)特性模型符合工程實際，滿足系統(tǒng)的穩(wěn)定性要求，具有良好的穩(wěn)定性和魯棒性。

模糊控制；神經(jīng)網(wǎng)絡(luò)；T-S模糊神經(jīng)網(wǎng)絡(luò)控制器；微型水力發(fā)電機(jī)組；MATLAB/Simulink仿真

0 引 言

目前，全球能源互聯(lián)網(wǎng)的提出，清潔能源發(fā)電逐步替代煤炭資源，基于可再生能源的微電網(wǎng)已成為研究的熱潮，微電網(wǎng)中的微電源地位日益提升[1,2]。而微型水力發(fā)電系統(tǒng)具有非線性、時變性和非最小相位等特性[3-5]，其系統(tǒng)數(shù)學(xué)模型又難以確定，于是出現(xiàn)了基于模糊控制和神經(jīng)網(wǎng)絡(luò)控制的智能控制。

文獻(xiàn)[6]設(shè)計了水輪機(jī)的模糊控制器，模擬仿真表明，該控制器能夠?qū)λΠl(fā)電站的在非線性和不同水壓下的渦輪進(jìn)行有效的控制。包居敏和唐良寶將模糊神經(jīng)網(wǎng)絡(luò)與自適應(yīng)控制結(jié)合起來，分析了含有模糊神經(jīng)網(wǎng)絡(luò)的自適應(yīng)PID控制算法，建立水輪機(jī)調(diào)節(jié)系統(tǒng)的FNN控制系統(tǒng)總體結(jié)構(gòu)，對其系統(tǒng)的線性模型進(jìn)行驗證，實現(xiàn)了水輪機(jī)調(diào)節(jié)系統(tǒng)的在線自適應(yīng)控制[7]。文獻(xiàn)[8]研究了水力發(fā)電站的零階Takagi-Sugeno(T-S)模糊控制方法。

經(jīng)典PID控制器在微型水力發(fā)電機(jī)組的應(yīng)用，結(jié)構(gòu)簡單便于實現(xiàn)，具有一定的穩(wěn)定性和控制精度[9,10]，因此，PID控制器廣泛應(yīng)用于工業(yè)控制中。但是考慮到水輪機(jī)的非線性、時變性和非最小相位等特性，經(jīng)典PID控制器難以勝任現(xiàn)在的控制目標(biāo)，難以達(dá)到控制精度，因而結(jié)合模糊控制和神經(jīng)網(wǎng)絡(luò)控制的優(yōu)點，本文研究了微型水力發(fā)電機(jī)組的T-S模糊神經(jīng)網(wǎng)絡(luò)，彌補了經(jīng)典PID控制器響應(yīng)速度和控制精度。

1 T-S模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

圖1 MISO的T-S模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

T-S模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，它主要由模糊神經(jīng)網(wǎng)絡(luò)的前件和后件兩個部分組成，將模糊神經(jīng)網(wǎng)絡(luò)的解析結(jié)構(gòu)有機(jī)地結(jié)合起來。多輸入單輸出MISO的T-S模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖，如圖1所示。

由圖1可知，多輸入單輸出MISO的模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)總體分為兩部分，即四層的前件網(wǎng)絡(luò)和三層的后件網(wǎng)絡(luò)。

1.1 前件網(wǎng)絡(luò)

第一層是模糊神經(jīng)網(wǎng)絡(luò)的輸入層，其輸入值為X=[x1,x2,…xn]T，輸入層的節(jié)點數(shù)為n。

第二層是將各個輸入語言變量分別進(jìn)行模糊化，采用高斯函數(shù)作為隸屬函數(shù)的表達(dá)式為:

(1)

其中cihi表示隸屬函數(shù)的中心；σihi表示隸屬函數(shù)的寬度。

第三層是對模糊規(guī)則的前件進(jìn)行匹配，若用乘積推理規(guī)則，則節(jié)點數(shù)可表示為:

(2)

第四層是解模糊層，對前一層的觸發(fā)強度進(jìn)行歸一化計算，計算公式為:

(3)

其中m為解模糊層的節(jié)點總數(shù)。

1.2 后件網(wǎng)絡(luò)

第一層是后件網(wǎng)絡(luò)的輸入層，其輸入值為x0=1，是模糊規(guī)則中后件的常數(shù)層。

第二層中含有m個節(jié)點，用來計算進(jìn)行每一條規(guī)則后的后件，其表達(dá)式為:

(4)

第三層用來針對前一層的輸出數(shù)值求和，完成系統(tǒng)的輸出計算，其表達(dá)式為:

(5)

2 T-S模糊神經(jīng)網(wǎng)絡(luò)算法

圖2 T-S模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)簡圖

為了便于研究T-S模糊神經(jīng)算法，針對上述MISO的T-S模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，進(jìn)行簡化成典型含有五層的T-S模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，其結(jié)構(gòu)簡圖如圖2所示。

結(jié)合前文所求得一階梯度函數(shù)，可以推出參數(shù)調(diào)整的學(xué)習(xí)算法，則表示為:

(6)

其中i=1,2,…,n;hi=1,2,…,mi，β>0為學(xué)習(xí)率。

對于上面介紹的T-S模糊神經(jīng)網(wǎng)絡(luò)，當(dāng)給定一個網(wǎng)絡(luò)(或前件網(wǎng)絡(luò))的輸入時，從X到α的映射與CMAC、B樣條及RBF神經(jīng)網(wǎng)絡(luò)輸入層的非線性映射基本相似?？梢愿鶕?jù)定性的知識或者系統(tǒng)的模糊性來確定這些參數(shù)的初值，接著按照上述的學(xué)習(xí)算法進(jìn)行計算，能夠很快的收斂到需求輸入輸出關(guān)系式子，這是模糊神經(jīng)網(wǎng)絡(luò)優(yōu)于神經(jīng)網(wǎng)絡(luò)的關(guān)鍵；同時，由于含有神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)所在，因而參數(shù)能夠比較容易的進(jìn)行學(xué)習(xí)和調(diào)整，這是它優(yōu)于模糊控制系統(tǒng)的關(guān)鍵。

3 微型水力發(fā)電機(jī)組的T-S模糊神經(jīng)網(wǎng)絡(luò)控制器研究

3.1 微型水力發(fā)電機(jī)組建模

通常情況下，用水輪機(jī)的力矩mt、流量q、水頭h、機(jī)組轉(zhuǎn)速n以及導(dǎo)葉開度a來表示水輪機(jī)調(diào)節(jié)系統(tǒng)的動態(tài)特性，自變量為水頭h、機(jī)組轉(zhuǎn)速n和導(dǎo)葉開度a，而水輪機(jī)力矩mt、流量q作為因變量，得到水輪機(jī)動態(tài)特性傳遞函數(shù)[11,12]。水輪機(jī)力矩mt和流量q可以表達(dá)式為:

(7)

在實際工程中，多數(shù)情況下水輪機(jī)受到大波動，其系統(tǒng)的參數(shù)變化劇烈，水輪機(jī)的機(jī)械特性為非線性，水輪機(jī)的非線性傳遞函數(shù)可表示為:

(8)

圖3 水輪機(jī)調(diào)節(jié)系統(tǒng)MATLAB/Simulink仿真模型

結(jié)合水輪機(jī)流量和力矩的傳遞函數(shù)，把各個子系統(tǒng)連接起來，搭建整個水輪機(jī)調(diào)節(jié)系統(tǒng)的MATLAB/Simulink仿真模型，如圖3所示。

3.2 微型水力發(fā)電機(jī)組的T-S模糊神經(jīng)網(wǎng)絡(luò)設(shè)計

圖4 T-S模糊神經(jīng)網(wǎng)絡(luò)控制器結(jié)構(gòu)圖

首先根據(jù)前文對模糊控制與神經(jīng)網(wǎng)絡(luò)的研究和分析，構(gòu)建微型水力發(fā)電機(jī)組的T-S模糊神經(jīng)網(wǎng)絡(luò)控制器總體結(jié)構(gòu)圖，如圖4所示。

圖5 基于T-S模糊神經(jīng)網(wǎng)絡(luò)控制器仿真圖

按照文獻(xiàn)[13-14]所設(shè)計的微型水力發(fā)電機(jī)組模型，用T-S模糊神經(jīng)網(wǎng)絡(luò)取代控制系統(tǒng)的PID調(diào)節(jié)器，搭建具體仿真模型，如圖5所示，圖中K1=0.014，K2=0.000 01。

根據(jù)水輪機(jī)調(diào)節(jié)系統(tǒng)的實際情況和專家經(jīng)驗知識，建立KP、KI和ec、Δec之間相對應(yīng)的模糊控制規(guī)則表，分別如表1和表2所示。

表2 KI模糊控制規(guī)則表

3.3 突甩負(fù)載

微型水力發(fā)電機(jī)組工作在額定狀況下，在t=4 s,5.5 s時，分別突減負(fù)載為：P=1.5 kW,Q=100 var；在t=7 s,8.5 s時，分別突加負(fù)載為：P=1.5 kW,Q=100 var。系統(tǒng)的發(fā)電機(jī)輸出的有功功率P和無功功率Q的仿真波形，機(jī)械功率Pm、轉(zhuǎn)子速度ωm、輸出頻率f和A相電壓有效值，分別如圖6和圖7所示。

從圖6和圖7可以看出，線路L很短，吸收的無功很小，當(dāng)突甩負(fù)載時水輪機(jī)的輸出機(jī)械功率Pm每次減少0.03 pu，從而使輸入發(fā)電機(jī)的機(jī)械功率Pm減少0.03 pu，轉(zhuǎn)子速度ωm上升0.002 pu，而發(fā)電機(jī)的輸出電壓頻率f會升高0.1 Hz，A相電壓有效值在勵磁控制系統(tǒng)的調(diào)節(jié)下有所波動，發(fā)電機(jī)的輸出有功功率P和無功功率Q分別減少了1.5 kW，100 var，而后很快處于穩(wěn)定狀態(tài)。

圖6 有功功率和無功功率

圖7 機(jī)械功率、轉(zhuǎn)子速度、電壓頻率和A相電壓有效值

3.4 突加負(fù)載

微型水力發(fā)電機(jī)組工作在額定狀況下，在t=4 s,5.5 s時，分別突加負(fù)載為：P=1.5 kW,Q=100 var；在t=7 s,8.5 s時，分別突減負(fù)載為：P=1.5 kW,Q=100 var。其仿真波形圖分別如圖8和圖9所示。

圖8 有功功率和無功功率

從圖8和圖9可以看出，當(dāng)突加負(fù)載時水輪機(jī)的輸出機(jī)械功率Pm每次增加0.03 pu，從而使輸入發(fā)電機(jī)的機(jī)械功率Pm增加0.03 pu，轉(zhuǎn)子速度ωm下降0.002 1 pu，而發(fā)電機(jī)的輸出電壓頻率f會有所下降0.105 Hz，A相電壓有效值在勵磁控制系統(tǒng)的調(diào)節(jié)下有所波動，發(fā)電機(jī)的輸出有功功率P和無功功率Q分別增加了1.5 kW，100.1 var，而后很快處于穩(wěn)定狀態(tài)。

圖9 機(jī)械功率、轉(zhuǎn)子速度、電壓頻率和A相電壓有效值

3.5 仿真比較

根據(jù)前一節(jié)的研究分析，其系統(tǒng)仿真參數(shù)不變，在t=4 s時，增加負(fù)載：P=2 kW,Q=100 var；在t=6 s時，增減負(fù)載：P=2 kW,Q=100 var。系統(tǒng)的電壓頻率f、輸入機(jī)械功率Pm、A相電壓有效值和有功功率P的波形圖，如圖10所示。

圖10 T-S模糊神經(jīng)網(wǎng)絡(luò)控制器與PID控制器仿真比較

由仿真圖10可知，PID控制的同步微型水力發(fā)電機(jī)組在啟動時，電壓頻率f、輸入機(jī)械功率Pm、電壓有效值和發(fā)電機(jī)輸出的有功功率P會有較大的波動，在3 s后系統(tǒng)基本上處于穩(wěn)定狀態(tài)；而本文的控制器在啟動時，只是稍微波動，逐步趨于穩(wěn)定，在2 s后系統(tǒng)處于穩(wěn)定狀態(tài)，近似為理想數(shù)值。由圖10第一個小圖可知T-S模糊神經(jīng)網(wǎng)絡(luò)控制器，在增加負(fù)載時，電壓頻率f比PID控制器高0.04 Hz；在減少負(fù)載時，比PID控制器低0.04 Hz；由第二個小圖可知T-S模糊神經(jīng)網(wǎng)絡(luò)控制器，在增加負(fù)載時，機(jī)械功率Pm比PID控制器的高0.003 5 pu；在減少負(fù)載時，比PID控制器低0.003 pu；由第三個小圖可知T-S模糊神經(jīng)網(wǎng)絡(luò)控制器，無論在增加負(fù)載還是減少負(fù)載，A相電壓有效值比PID控制器的高0.25 V；由第四個小圖可知T-S模糊神經(jīng)網(wǎng)絡(luò)控制器，無論在增加負(fù)載還是減少負(fù)載，有功功率P比PID控制器的高75 W。

4 結(jié)束語

綜上所述，本文從模糊神經(jīng)網(wǎng)絡(luò)出發(fā)，闡述了T-S模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及其算法，構(gòu)建了微型水力發(fā)電機(jī)組的T-S模糊神經(jīng)網(wǎng)絡(luò)控制器，分析了微型水力發(fā)電機(jī)組的T-S模糊神經(jīng)網(wǎng)絡(luò)控制器在啟動時，波動較小，響應(yīng)速度快；在突甩負(fù)載時，發(fā)電機(jī)的輸入機(jī)械功率隨著減少，轉(zhuǎn)子速度、頻率和電壓有所上升；在負(fù)載增加時，發(fā)電機(jī)的輸入機(jī)械功率隨著增加，轉(zhuǎn)子速度、頻率和電壓有所下降，但是在T-S模糊神經(jīng)網(wǎng)絡(luò)控制器的作用下，系統(tǒng)很快處于穩(wěn)定狀態(tài)，具有良好的穩(wěn)定性和魯棒性。

[1] 劉振亞．全球能源互聯(lián)網(wǎng)中國電力出版社[M]．北京：中國電力出版社，2015．

[2] 李德孚．中國戶用微水電行業(yè)發(fā)展與建議[J]．中國農(nóng)村水電及電氣化，2006，2(6)：59-61．

[3] 唐良寶，包居敏．基于MATLAB的水輪機(jī)調(diào)節(jié)系統(tǒng)仿真分析[J]．微計算機(jī)信息，2007，23(7) ：254-255．

[4] 沈仲華．水輪機(jī)調(diào)節(jié)系統(tǒng)仿真研究及參數(shù)分析[J]．裝備制造技術(shù)，2009，37(2)：47-48．

[5] 魏守平．水輪機(jī)調(diào)節(jié)系統(tǒng)的MATLAB仿真模型[J]．水電自動化與大壩監(jiān)測，2009，33(4)：7-11．

[6] M MAHMOUD，K DUTTON，M DENMAN. Design and simulation of a nonlinear fuzzy controller for a hydropower plant[J]. Electric Power Systems Research. 2005，73(2): 87-99.

[7] 包居敏，唐良寶．水輪機(jī)調(diào)節(jié)系統(tǒng)的模糊神經(jīng)網(wǎng)絡(luò)控制[J]．計算機(jī)應(yīng)用研究，2007，24(11)：167-168．

[8] NAND KISHOR．Zero-order T-S fuzzy model to predict hydro turbine speed in closed loop operation[J]．Applied Soft Computing，2008，8(2)：1074-1084．

[9] 高慧敏，劉憲林，徐政．水輪機(jī)詳細(xì)模型對電力系統(tǒng)暫態(tài)穩(wěn)定分析結(jié)果的影響[J]．電網(wǎng)技術(shù)，2005，29(2)：5-8．

[10] A KHODABAKHSHIAN，R HOOSHMAND．A new PID controller design for automatic generation control of hydro[J]．Electrical Power and Energy Systems，2010，32(5) ：375-382．

[11] 張侃君，尹項根，陳德樹，等．大型多分支繞組水輪發(fā)電機(jī)動態(tài)模擬研究[J]．電網(wǎng)技術(shù)，2009，33(6)：96-101．

[12] 武誠，徐政，潘武略，等．原動機(jī)與調(diào)速器建模和參數(shù)辨識的新進(jìn)展[J]．電網(wǎng)技術(shù)，2007，31(1)：179-182．

[13] 殷桂梁，張圣明．微型水力發(fā)電機(jī)組系統(tǒng)建模與仿真研究[J]．電網(wǎng)技術(shù)，2012，36(2)：147-152．

[14] 殷桂梁，張圣明．微型異步水力發(fā)電機(jī)組系統(tǒng)的建模和仿真[J]．南方電網(wǎng)技術(shù)，2012，6(2)：75-79．

A T-S Fuzzy Neural Network Controller for the Micro-hydroelectric Generating Set

Zhang Shengming

(State Grid Zhangjiakou Power Supply Co., Zhangjiakou Hebei 075000, China)

With aggravation of energy shortage and presentation of the global energy Internet, more and more attention is paid to micro-hydroelectric generation. This article analyses fuzzy control, neural network as well as the structure and algorithm of the T-S fuzzy neural network. With respect to the non-linear and time varied characteristics of the micro-hydroelectric generating system, we establish a T-S fussy neutral network controller for the micro-hydroelectric generation set. Matlab/Simulink simulation software is used to simulate the micro-hydroelectric generator set under dynamic load. The impact of sudden load and shock load upon mechanical power, rotor speed, frequency and voltage are analyzed, and comparison with PID controller is made. The simulation results show that the model of dynamic characteristics of the established T-S fuzzy neural network controller accords with actual engineering, meets the requirement on system stability and has good stability and robustness.

fuzzy control；neural network； T-S fuzzy neural network controller； micro-hydroelectric set； MATLAB/Simulink simulation

10.3969/j.issn.1000-3886.2017.01.022

TM612

A

1000-3886(2017)01-0074-04

張圣明(1985-)，男，山東人，工程師，研究方向：微電網(wǎng)建模與控制策略，智能變電站運行分析等。

定稿日期: 2016-07-21