电厂发电机励磁系统的节能控制模型仿真分析

王江峰，张晓力，陈天华

（北京工商大学计算机与信息工程学院，北京 100048）

电厂发电机励磁系统的节能控制模型仿真分析

王江峰，张晓力，陈天华

（北京工商大学计算机与信息工程学院，北京 100048）

电厂发电机励磁系统具有非线性、强耦合的特点，能耗较大。提出基于模糊自适应算法的电厂发电机励磁系统节能控制模型，给出节能控制模型输入输出变量的确定过程和相应的模糊控制规则的设计步骤，把经模糊推理得到的输出模糊变量通过反模糊化过程变成精确量，设计模糊隶属度函数。采用模糊自适应算法设计电厂发电机励磁系统节能控制模型并搭建仿真环境，对存在干扰时2种模型节能控制效果和电厂发电机励磁系统出力情况分别进行了实验仿真和实验结果的比较分析。由实验分析结果可知，文中构建的模型较PID模型具有更强的抗干扰能力，能更有效地降低节能控制模型的超调量；该励磁系统模型的负荷率较低，基本能维持全天最低出力。

电厂发电机；励磁系统；节能控制模型

为保证电厂发电机能安全稳定地运行，防止发电机无故障下出现机组振荡造成电厂全停事故的发生，通常采用励磁系统对其进行调整[1-2]。而励磁系统的不停运行导致能耗大量增加，因此，对其进行节能控制已经成为亟需解决的问题[3-4]。为了降低能耗，研究一种有效的能应用于电厂发电机励磁系统中的节能控制模型已经成为相关学者研究的重点课题，受到越来越广泛的关注[5-6]且具有重要意义。

目前，有很多学者对励磁系统节能控制模型进行了研究，主要包括PLC节能控制模型、PID节能控制模型和神经网络控制模型，取得了一定的研究成果。其中，文献[7]提出一种基于广域参数分布的励磁系统节能控制模型，根据影响系统参量的全部参数构建关联矩阵，求出最小反馈误差，将其作为阈值实现节能控制，然而，该方法复杂度高，计算过程较为繁杂；文献[8]提出一种基于静止无功率补偿器的励磁系统节能控制模型，通过静止无功率补偿器对耗费的能源进行有效的补偿，实现励磁系统的节能控制，然而，该方法会形成外电场，导致节能控制性能不佳；文献[9]提出一种基于微分线性组合的励磁系统节能控制模型，通过DSP控制设计，将节能调节控制划分成输入采样、用户程序执行和输出刷新3个过程，以完成对励磁系统的高效节能控制，然而，该节能控制系统存在精度较差的弊端；文献[10]提出一种基于衰减调制的励磁系统节能控制方法，首先建立了节能控制系统的总体模型，通过分析励磁系统的协调控制策略，实现无损二次衰减调制，从而增强对励磁系统的控制效益，完成系统的节能控制，然而，该方法所需时间较长，不适用于实际应用。

针对上述方法存在的弊端，提出一种基于模糊自适应算法的电厂发电机励磁系统节能控制模型，该模型基于模糊自适应算法，通过模糊控制规则，将控制过程中的模糊变量变成精确量，使精确输出量和控制指标之间的偏差尽可能达到最小从而实现电机励磁系统能耗的控制。下面将详细介绍本文提出的励磁系统节能控制模型。

1 基于模糊自适应算法的励磁系统节能控制模型设计

依据模糊控制理论，在建立电厂发电机励磁系统节能控制模型时，仅需构建相应的模糊控制规则，无需构建精准的数学模型，就能达到理想的节能控制效果。在模糊控制规则设计之前，需要确定模型的输入输出变量，下面进行详细的分析。

1.1 节能控制模型输入输出变量的确定

输入输出变量的确定是电厂发电机励磁系统节能控制模型的基础和关键。因为励磁系统所消耗的能量基本上为电能，所以本节将电量作为励磁系统的输入变量值，用Os描述电磁系统设定电量值，用Oi描述电磁系统真实的测量值，求出的值和真实值之差用Ei进行描述，同时将其看作是模糊自适应控制器的一个输入量，Ei=Os－Oi（i=1，2，3，…），其中，i表示所构建节能控制模型的第i次的采样。

通过不断的采样计算，把差值的变化量Eci看作是其中的一个输出量Eci=Ei－Ei－1（i=1，2，3，…）。上述2个输入量为模糊输入量。将励磁系统的电量控制量yi看作是节能控制模型的输出变量。

1.2 模糊控制规则的设计

模糊控制规则为人工写入的，是模糊控制芯片进行逻辑判断的理论依据，节能控制模型依据输入的偏差量和偏差变化量对输出量状态的改变进行判断。详细模糊控制规则如下。

1）在偏差值为正大的情况下，如果偏差该变量亦为正，则此时相对额定值电量偏差是整数，同时有增长的趋势，为了防止偏差增长，恢复额定值，则控制量的取值取负大。

2）在偏差值为正中的情况下，如果偏差变化量是负值，则当前偏差有降低的趋势，为了在控制超调量的同时满足额定电量，控制量的值取负中或者负小。

3）在偏差值为正小的情况下，如果这时偏差变化量是负值，那么此刻相对额定电量偏差是正数，同时有降低的趋势，为了高效地达到额定值，控制量应取负小或者0。

4）在偏差值为负大的情况下，如果此刻偏差变化量值为负值，为了避免偏差的出现，达到额定值，控制量值应取正大。

1.3 励磁系统节能控制过程模糊推理

模糊控制规则设计好后，接下来就需要依据模糊控制规则和输入变量进行模糊推理获取节能控制模型的模糊输出量。本节通过极大极小值法实现励磁系统节能控制过程的模糊推理。其基本思想如下：针对存在的多个前提规则，通过模糊逻辑“与”和“或”的算法，取各前提的最小值或最大值为该规则的值，称作是该规则的力量。而前提的值为该命题的模糊逻辑值，即输入变量隶属于指定模糊子集的程度。针对存在多个结论的规则，所有结论的取值均为该规则的力量。该结论的值就是该结论的命题中输出变量隶属于指定模糊子集的程度。详细实现过程如下。

如果模糊规则为Ai且Bi，则电容C的关系可描述如下：

式中：μAi为模糊规则Ai的电流值；μBi为模糊规则Bi的电流值。相反，如果模糊规则是Ai或Bi，则模糊推理可描述成：

依据上述分析，模糊隶属函数可描述成：

式中：u为电压；uA′为模糊推理后的模糊规则A′的电压；uB′为模糊推理后的模糊规则B′的电压；uAi为模糊规则Ai的电压；uB′为模糊推理后的模糊规则B′的电压。

1.4 模糊输出量的反模糊化处理

反模糊化处理能将节能控制模型的模糊输出量转换成精确输出量，为了得到精确的输出量，在设计时，对得到的模糊输出量反模糊化处理，因为一个输出变量有多个模糊子集，所以会存在多个模糊输出变量，这就需从多个模糊子集及其隶属函数中判断出一个准确的输出量。

节能控制模型的模糊规则是模糊条件语句互相结合表达的，同时语句间的逻辑关系为“或”，依据输入输出关系可获取模糊关系：

式中：Bij用于描述输入变量的一个模糊子集标号。假设e={E1，E2，…，Ei}、ec={EC1，EC2，…，ECi}为模糊输入变量子集，那么输出变量的模糊子集为：

通过上节己得出输出变量隶属于Ui{U1，U2，…，Ui}的隶属度分别为ui{u1，u2，…，ui}，因此取ui{u1，u2，…，ui}中最大隶属度所对应的输出量为精确输出量。

1.5 节能控制模型的建立

在上述分析的基础上，采用模糊自适应算法对电厂发电机励磁系统节能控制模型进行构建。

基本思想为：通过设计的模糊隶属度函数，使利用上节得到的精确输出量和控制指标之间的偏差尽可能地达到最小，逐渐达到稳定状态，因此，本节建立的节能控制模型可描述如下：

在δi+1小于既定阈值的情况下，节能控制效果的模糊偏差量趋于0，节能控制达到稳态，详细的节能控制过程如图1所示。

分析图1可知，在明确给定值的条件下，通过数模转换器A/D模块转化成可计算的控制变量，利用模糊化处理、模糊推理和反模糊化3个步骤建立模糊节能控制模型，利用将数字信号转换为模拟信号的数模转换器A/D模块生成模糊隶属度函数，将其输入励磁系统中，通过传感器输出节能控制模型，完成节能控制。

图1 节能控制过程Fig.1 Energy-saving control process

2 实验结果分析

2.1 仿真环境构建

为了验证本文提出模型的有效性，进行相关的实验分析。实验将PID节能控制模型作为对比，通过matlab 7.0仿真软件构建实验环境。电厂发电机励磁系统节能控制是一个非线性、多变量耦合的复杂对象，因此，需构建一个模拟环境进行仿真实验。电厂发电机励磁系统节能控制实验环境为Pentium（R）4 CPU，4.00 UHz，500 MB内存的PC机，将阶跃响应的优劣作为评价节能控制模型好坏的标准，跃阶响应曲线越平稳，控制效果越稳定。跃阶响应是指在单位阶跃信号u（t）的激励下产生的零状态响应，本文将电机励磁系统节能控制的跃阶响应阈值设定为0.95。

2.2 2种模型仿真结果比较

超调量是控制系统动态性能指标中的一个，是线性控制系统在阶跃信号输入下的阶跃响应曲线分析动态性能的一个指标值。分别采用本文模型和PID模型对构建的仿真励磁系统进行节能控制，得到不同方法的超调量仿真曲线依次如图2、图3所示，超调量越小、与预设值越接近，说明控制效果越好。超调量计算公式如下：

分析比较图2、图3可以看出，和PID节能控制模型相比，采用本文模型对仿真励磁系统进行节能控制产生的超调量更小，和预期值更加吻合，整个控制过程的平稳性更高，而且本文模型所需的过渡时间和延迟时间更短，节能控制的性能明显优于PID节能控制模型，整个节能控制过程的性能指标比较结果如表1所示。

表1中：过渡时间指控制系统受到扰动作用后，被控变量从原稳定状态回复到新的平衡状态所经历的最短时间，过渡时间越短，控制的稳定性越好；延迟时间即为延迟，是表示节能控制过程的响应时间，延长时间越短，控制效率越高。

图2 本文模型仿真曲线Fig.2 Model simulation curve in this paper

图3 PID模型仿真曲线Fig.3 PID model simulation curve

表1 2种模型性能指标比较结果Tab.1 Comparison performance results of two kinds of models

在对上述励磁系统进行节能控制的过程中，2种模型节能控制误差曲线如图4所示，其中控制误差是控制测量值与客观真实值之间的差异，这种差异就是测量误差，控制误差越小，说明方法进行节能控制的精度越高。

图4 2种模型的控制误差比较结果Fig.4 Comparison of control errors of two kinds of models

从图4可以看出，与PID节能控制模型相比，本文模型的控制误差曲线更加平稳，而且控制误差更小，充分体现出本文模型优良的节能控制性能。

2.3 存在干扰时2种模型节能控制效果比较

为了进一步验证两种模型的性能，在励磁系统节能控制仿真过程中，依次加入不同的干扰量，得到本文模型和PID节能控制模型的响应曲线如图5—图8所示。

图5 干扰量是0时2种模型的响应曲线Fig.5 The response curves of two kinds of models when the disturbance variable is 0.

图6 干扰量是20时2种模型的响应曲线Fig.6 The response curves of two kinds of models when the disturbance variable is 20

图7 干扰量是50时2种模型的响应曲线Fig.7 The response curves of two kinds of models when the disturbance variable is 50

图8 干扰量是100时2种模型的响应曲线Fig.8 The response curves of two kinds of models when the disturbance variable is 100

由图5—图8可以看出，在干扰量是0的情况下，采用本文模型和PID节能控制模型的控制效果均较为平稳，差别不大，但随着干扰量的逐渐增加，采用PID节能控制模型的控制波动逐渐增大，而采用本文模型得到的控制曲线波动一直相对较小，说明本文模型的抗干扰能力更强，能更加有效地降低节能控制模型的超调量。

2.4 电厂发电机励磁系统出力分析

对不同发电机励磁系统在不同模型下的全天出力情况，也就是励磁系统的负荷率进行比较分析，得到的结果用表2进行描述，负荷率是某段时间内的平均负荷与该段时间内的最高负荷的百分比，负荷率越低，节能控制的负担越小，节能效果越好。

分析表2可知，采用PID模型进行节能控制时，励磁系统A、B的全天负荷率均相对较高，平均约为0.902和0.892，而本文模型下两个励磁系统的负荷率均明显下降，平均约为0.689和0.691，基本维持全天最低出力，比传统的PID模型分别降低了23.57%和22.52%，进一步验证了本文模型的有效性。

表2 2种模型下磁力系统负荷率比较结果Tab.2 Comparison results of the magnetic system load rates under two kinds of models

3 结论

在进行2种模型仿真结果比较实验时，采用本文模型对仿真励磁系统进行节能控制产生的超调量更小，和预期值更加吻合，整个控制过程的平稳性更高，而且本文模型所需的过渡时间更短，节能控制的性能明显优于PID节能控制模型。本文模型的控制误差曲线更加平稳，而且控制误差更低，本文模型充分体现出优良的节能控制性能。

在干扰情况下，对2种模型节能控制效果对比可知，随着干扰量的逐渐增加，采用PID节能控制模型的控制波动逐渐增大趋势，而采用本文模型得到的控制曲线波动一直相对较小，说明本文模型的抗干扰能力更强，能更加有效地降低节能控制模型的超调量。

在进行电厂发电机励磁系统出力分析实验时，采用PID模型进行节能控制时，励磁系统A、B的全天负荷率均相对较高，而本文模型下两个励磁系统的负荷率均明显下降，基本维持全天最低出力，进一步验证了本文模型的有效性。

[1]孟昭亮，程远，邵文权，等.同步直驱风电机组并网系统仿真[J].西安工程大学学报，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]赵会茹，周佳，郭森，等.影响中长期电力需求的经济社会发展指标体系研究[J].陕西电力，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，曾耿晖，李一泉，等.220 kV两相式电铁牵引站供电线路的短路故障计算及其保护整定原则分析[J].电网与清洁能源，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]万杰，许天宁，李泽，等.热电联产机组抽汽供热期的汽轮机滑压运行优化方法[J].节能技术，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]杨艺，虎恩典.基于S函数的BP神经网络PID控制器及Simulink仿真[J].电子设计工程，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]张波.大型机电设备的高效节能控制模型仿真分析[J].电力与能源，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，韩佳昊.基于MPC的煤矿井下排水系统节能控制策略研究[J].系统仿真学报，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，孟春岩.汽车发动机节能优化控制仿真与研究[J].计算机仿真，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.网络设备节能控制机制的设计与仿真实现[J].价值工程，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]张杰，王艳娜，田静.电力系统节能优化软件控制过程仿真分析[J].现代电子技术，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）.

（编辑 徐花荣）

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

北京教委科技发展计划面上项目（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，硕士，实验师，主要研究领域为模式识别与智能系统、计算机网络。