CN105275730A - 一种水轮机调速器微分环节系数及时间常数辨识方法 - Google Patents

Abstract

本发明公开了一种水轮机调速器微分环节系数及时间常数辨识方法，包括：实际微分环节数据获取、数据预处理、构建实际的导叶控制信号的响应函数及实际微分环节参数辨识。所述实际微分环节数据获取使用信号发生器或调速器综合测试仪模拟机组频率扰动信号，并使用调速器综合测试仪录取导叶控制信号及模拟机频信号；对工程实际中激励信号与理想激励信号分析，确定出理论分析激励信号传递函数表达式；所述实际微分环节参数辨识基于实测数据实现对实际微分环节参数辨识。本发明通过实现了调速器实际微分环节的参数辨识，实现了多次频率扰动的数据自动分段，适用于现场实测数据及仿真数据，具有较强的抗干扰性。

Description

一种水轮机调速器微分环节系数及时间常数辨识方法

技术领域

本发明涉及一种辨识方法，特别涉及一种水轮机调速器微分环节系数及时间常数辨识方法。

背景技术

获取准确的水轮机调节系统(包括：调速器、液压执行机构、水轮机及引水系统)参数对于保证电力系统仿真的准确性，预测电力系统的动态响应及电力系统故障重现具有重要意义。目前电力系统中励磁调节系统、发电机等环节的参数辨识较为成熟，但水轮机调节调节系统参数辨识相对滞后，严重制约了电力系统仿真的精度，故水轮机调节系统参数辨识理论与实践亟需完善。在开展调速器参数辨识中，需要辨识调速器实际微分环节的参数。通常激励信号采用阶跃扰动，系统响应通常采用导叶控制信号y_PID。然而工程实际中由于实际阶跃扰动信号并非理想的阶跃扰动，扰动过程持续时间较长，导致阶跃扰动信号中难以激发实际微分环节所有模态；另一方面，部分调速器仿真测试仪使用阶跃扰动，部分调速器使用斜坡信号扰动；此外，工程实测信号含有大量的干扰，信号具有“毛刺”特征，影响了辨识结果的准确性，限制了一些辨识方法的应用。

因此，急需提出一种适合工程实测数据的水轮机调速器微分环节系数及时间常数辨识方法，要求该方法能够适用于导叶接力器行程信号，适用于不同的激励信号，且对工程实测信号具有一定的抗干扰性。

发明内容

本发明的目的在于提供一种水轮机调速器微分环节系数及时间常数辨识方法，提高微分环节参数辨识精度、确保调速器建模的准确度。

一种水轮机调速器微分环节系数及时间常数辨识方法，包括以下步骤：

步骤1：获取水轮机实际微分环节数据；

选择斜坡函数作为水轮机调速器的激励信号，通过信号发生器或调速器综合测试仪发出模拟机组频率扰动，采集导叶控制信号YPID和模拟机组频率信号；

步骤2：对步骤1获取的导叶控制信号进行去均值处理；

步骤3：构建实际的导叶控制信号的响应函数；

$y_{PID}\left(t\right)=\left\{\begin{array}{cc}{\mathrm{kK}}_d(1-e^{-\frac{t}{T1v}})& t\≤T_{\max }\\ K_{d}k(1-e^{-\frac{T_{\max }}{T1v}})\·e^{-\frac{t-T_{\max }}{T_{1v}}}& t>T_{\max }\end{array}\right.$

其中，K_d为待辨识的微分系数，T_1v为待辨识的微分环节时间常数，t为时间，k为斜坡信号斜率，y_PID为去均值后的实测导叶控制信号，T_max为实测的导叶控制信号y_PID取最大值y_PIDmax所对应的时刻；

步骤4：依据t＝Tmax+T_1v时，y_PID从最大值衰减1个T_1v时间后，y_PID值将下降36.8％，并结合以下公式辨识微分环节时间常数T_1v：

$y_{PIDmax}={\mathrm{kK}}_d(1-e^{\frac{T_{max}}{T_{1v}}})$

步骤5：利用当t＝T_max时，获得待辨识的微分系数K_d：

所述步骤2中对导叶控制信号进行去均值处理公式如下：

$\left\{\begin{array}{c}{y}_{PID}(i\·\mathrm{\Δ}t)=Y_{PID}(i\·\mathrm{\Δ}t)-y_0\\ y_0=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{y}_{PIDorg}(i\·\mathrm{\Δ}t)\end{array}\right.$

式中，t为采样时刻，Y_PID(i·Δt)为t＝i·Δt时刻去均值前的导叶控制信号，y_PID(i·Δt)为t＝i·Δt时刻去均值后的导叶控制信号，Δt为时域采样间隔，N为阶跃扰动前稳态导叶控制信号数值点数，N＝S/Δt，S表示导叶控制信号扰动前的稳态数据时长。

对导叶控制信号进行去均值处理前，先进行数据分段处理，采用机组频率微分法确定扰动发生时刻，自动获得导叶控制信号扰动前稳态数据时长；

所述机组频率微分法是指对机组频率信号进行差分操作，根据突变值可以确定扰动的发生时刻。

有益效果

本发明提供了一种水轮机调速器微分环节系数及时间常数辨识方法，包括：实际微分环节数据获取、数据预处理、构建实际的导叶控制信号的响应函数及实际微分环节参数辨识。所述实际微分环节数据获取使用信号发生器或调速器综合测试仪模拟机组频率扰动信号，并使用调速器综合测试仪录取导叶控制信号及模拟机频信号；所述数据预处理包括扰动数据分段、数据去均值处理；对工程实际中激励信号与理想激励信号分析，确定出理论分析激励信号传递函数表达式；通过理论推导建立了微分环节参数与微分环节响应输出特征值间关系；所述实际微分环节参数辨识基于实测数据实现对实际微分环节参数辨识。本发明通过实现了调速器实际微分环节的参数辨识，实现了多次频率扰动的数据自动分段，提出的实际微分环节时间参数T_1v和K_d系数的辨识公式，适用于现场实测数据及仿真数据，具有较强的抗干扰性。

附图说明

图1为调速器实际微分环节参数测试流程图；

图2为实际微分环节数据获取现场试验接线示意图；

图3为机组频率微分法示意图，其中，(a)为机组频率实测波形，(b)机组频率微分波形；

图4为理想阶跃信号与实际阶跃信号对比图其中，(a)为理想阶跃扰动，(b)为实际阶跃扰动信号放大图，(c)为理想上升斜坡激励信号，(d)为理想下降斜坡激励信号；

图5为实际阶跃信号与实际导叶PID响应图，其中，(a)为实际频率阶跃激励信号，(b)为实际导叶PID响应曲线。

具体实施方式

下面将结合附图和实施例对本发明做进一步的说明。

如图1所示，一种水轮机调速器微分环节系数及时间常数辨识方法，包括以下步骤：

步骤1：获取水轮机实际微分环节数据；

选择斜坡函数作为水轮机调速器的激励信号，通过信号发生器或调速器综合测试仪发出模拟机组频率扰动，采集导叶控制信号YPID和模拟机组频率信号；

实际微分环节数据获取包括现场试验接线、模拟机组频率扰动。如图2所示，现场试验接线主要为调速器电器柜引取导叶控制信号YPID、调速器综合测试仪或信号发生器发送给调速器电器柜的模拟机组频率信号。模拟机组频率扰动前将调速器人工频率死区设置为零、比例项系数、积分项系数、永态差值系数设置为零，断路器信号短接，操作调速器综合测试仪或信号发生器按照50.0Hz—>50.1Hz—>50.0Hz—>49.9Hz—>50.0Hz、50.0Hz—>50.2Hz—>50.0Hz—>49.8Hz—>50.0Hz、50.0Hz—>50.3Hz—>50.0Hz—>49.7Hz—>50.0Hz的顺序进行频率扰动，使用调速器综合测试仪录取导叶控制信号YPID、模拟机组频率信号。

步骤2：对步骤1获取的导叶控制信号进行去均值处理；

对导叶控制信号进行去均值处理前，先进行数据分段处理，采用机组频率微分法确定扰动发生时刻，自动获得导叶控制信号扰动前稳态数据时长；

所述机组频率微分法是指对机组频率信号进行差分操作，根据突变值可以确定扰动的发生时刻。

所述数据分段处理的关键在于找到频率扰动的发生时刻，由于频率扰动为近似阶跃扰动，对机组频率信号进行差分操作，可以发现在扰动时刻机组频率信号发生显著突变，其示意图见图3。根据突变值可以确定扰动的发生时刻，根据扰动时刻可以选择指定的扰动。

实测的导叶控制信号往往在50％开度附近对调速器施加激励信号，因此，在辨识微分环节前需要去除导叶控制信号稳态均值。

所述步骤2中对导叶控制信号进行去均值处理公式如下：

$\left\{\begin{array}{c}{y}_{PID}(i\·\mathrm{\Δ}t)=Y_{PID}(i\·\mathrm{\Δ}t)-y_0\\ y_0=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{y}_{PIDorg}(i\·\mathrm{\Δ}t)\end{array}\right.---\left(1\right)$

式中，t为采样时刻，Y_PID(i·Δt)为t＝i·Δt时刻去均值前的导叶控制信号，y_PID(i·Δt)为t＝i·Δt时刻去均值后的导叶控制信号，Δt为时域采样间隔，N为阶跃扰动前稳态导叶控制信号数值点数，N＝S/Δt，S表示导叶控制信号扰动前的稳态数据时长。

如采样间隔为0.01s，实测数据稳态较长，可取N为500，即取导叶控制发生扰动前的5s内的导叶控制信号平均值为导叶控制信号的稳态值。

步骤3：构建实际的导叶控制信号的响应函数；

$y_{PID}\left(t\right)=\left\{\begin{array}{cc}{\mathrm{kK}}_d(1-e^{-\frac{t}{T1v}})& t\≤T_{\max }\\ K_{d}k(1-e^{-\frac{T_{\max }}{T1v}})\·e^{-\frac{t-T_{\max }}{T_{1v}}}& t>T_{\max }\end{array}\right.$

其中，K_d为待辨识的微分系数，T_1v为待辨识的微分环节时间常数，t为时间，k为斜坡信号斜率，y_PID为去均值后的实测导叶控制信号，T_max为实测的导叶控制信号y_PID取最大值y_PIDmax所对应的时刻；

所述激励信号分析主要涉及实际阶跃扰动信号上升时间、扰动幅度分析。图4(a)给出了理想阶跃扰动激励信号，但是实际中的测试仪器所发出的阶跃扰动均存在一定的时间，表现出图4(b)所示的斜坡特征，通常斜坡时间较短，但要求实际微分环节参数辨识应按照斜坡函数来分析。

水轮机调速器常采用PID控制器，微分控制器常采用实际微分环节，表示为：

$\frac{y_{PID}}{x}=\frac{K_{d}s}{T_{1v}s+1}---\left(2\right)$

式中，K_d为待辨识的微分系数，T_1v为待辨识的微分环节时间常数，s为拉普拉斯算子y_PID为去均值后的导叶控制信号，x为机组频率信号

当输入激励信号为上升斜率为k的斜坡信号时(见图4(c))，实际微分环节输出响应的传递函数表示为：

$y_{PID}=\frac{K_{d}s}{T_{1v}s+1}\frac{k}{s^2}---\left(3\right)$

式中，K_d为待辨识的微分系数，T_1v为待辨识的微分环节时间常数，s为拉普拉斯算子，y_PID为去均值后的导叶控制信号，x为机组频率信号

使用拉普拉斯逆变换可将式(3)从s域转换为时域。

$y_{PID}\left(t\right)={\mathrm{kK}}_d(1-e^{-\frac{t}{T_{1v}}})---\left(4\right)$

式中，K_d为待辨识的微分系数，T_1v为待辨识的微分环节时间常数，t为时间，k为斜坡信号斜率，y_PID为去均值后的导叶控制信号。

当输入激励信号为下降斜率为-k的斜坡信号时(见图4(d))，实际微分环节输出响应的传递函数表示为：

$y_{PID}=-k\frac{K_{d}s}{T_{1v}s+1}\frac{1}{s^2}---\left(5\right)$

式中，K_d为待辨识的微分系数，T_1v为待辨识的微分环节时间常数，s为拉普拉斯算子，k为斜坡信号斜率，y_PID为去均值后的导叶控制信号。

使用拉普拉斯逆变换可将式(5)从s域转换为时域。

$y_{PID}\left(t\right)=-{\mathrm{kK}}_d(1-e^{\frac{t}{T_{1v}}})---\left(6\right)$

式中，K_d为待辨识的微分系数，T_1v为待辨识的微分环节时间常数，t为时间，k为斜坡信号斜率，y_PID为去均值后的导叶控制信号。

式(4)、(6)给出的y_PID响应仅适用于斜坡激励图4(c)‐图4(d)，对于图4(b)所示的斜坡激励，可以根据图4(c)和图4(d)叠加而得，由于实际微分环节为线性环节，故其输出为斜坡响应激励的分段叠加。

步骤4：依据t＝Tmax+T_1v时，y_PID从最大值衰减1个T_1v时间后，y_PID值将下降36.8％，并结合以下公式辨识微分环节时间常数T_1v：

$y_{PIDmax}={\mathrm{kK}}_d(1-e^{-\frac{T_{max}}{T_{1v}}})$

步骤5：利用当t＝T_max时，获得待辨识的微分系数K_d：

为了验证该方法的辨识效果，设置调速器Kd＝1.0，T1v＝0.4s，对调速器施加机组频率扰动，实测数据见图5。从图5(b)中可以看出，扰动前导叶控制信号为50.24％，扰动时刻为20.65s，导叶控制信号Y_PID最大值为51.19％，最大值时刻为20.76s，故T_max＝20.76s-20.65s＝0.11s，y_PIDmax＝51.19％-50.24％＝0.95％；最大值衰减36.8％为0.95％*0.368＝0.3496％，故衰减36.8％后的Y_PID值＝50.24％+0.3496％＝50.58％，对应的时刻为21.17s。根据最大值时刻和衰减36.8％后的时刻计算出T_1v＝21.17s-20.76s＝0.4s。计算得到Kd如下：

$K_d=\frac{y_{PID\max }}{k(1-e^{-\frac{T_{\max }}{T_{1v}}})}=\frac{0.95\%}{\frac{0.002}{0.05}\×(1-e^{-\frac{0.11}{0.41}})}=1.0093$

Claims (3)

1.一种水轮机调速器微分环节系数及时间常数辨识方法，其特征在于，包括以下步骤：

步骤1：获取水轮机实际微分环节数据；

选择斜坡函数作为水轮机调速器的激励信号，通过信号发生器或调速器综合测试仪发出模拟机组频率扰动，采集导叶控制信号YPID和模拟机组频率信号；

步骤2：对步骤1获取的导叶控制信号进行去均值处理；

步骤3：构建实际的导叶控制信号的响应函数；

$y_{PID}\left(t\right)=\left\{\begin{array}{cc}{\mathrm{kK}}_d(1-e^{-\frac{t}{T1v}})& t\≤T_{\max }\\ K_{d}k(1-e^{-\frac{T\max }{T1v}})\·e^{-\frac{t-T\max }{T_{1v}}}& t>T_{\max }\end{array}\right.$

其中，K_d为待辨识的微分系数，T_1v为待辨识的微分环节时间常数，t为时间，k为斜坡信号斜率，y_PID为去均值后的实测导叶控制信号，T_max为实测的导叶控制信号y_PID取最大值y_PIDmax所对应的时刻；

步骤4：依据t＝Tmax+T_1v时，y_PID从最大值衰减1个T_1v时间后，y_PID值将下降36.8％，并结合以下公式辨识微分环节时间常数T_1v：

$y_{PIDmax}={\mathrm{kK}}_d(1-e^{-\frac{T_{max}}{T_{1v}}})$

步骤5：利用当t＝T_max时，获得待辨识的微分系数K_d：

2.根据权利要求1所述的方法，其特征在于，所述步骤2中对导叶控制信号进行去均值处理公式如下：

$\left\{\begin{array}{c}{y}_{PID}(i\·\mathrm{\Δ}t)=Y_{PID}(i\·\mathrm{\Δ}t)-y_0\\ y_0=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{y}_{PIDorg}(i\·\mathrm{\Δ}t)\end{array}\right.$

式中，t为采样时刻，Y_PID(i·Δt)为t＝i·Δt时刻去均值前的导叶控制信号，y_PID(i·Δt)为t＝i·Δt时刻去均值后的导叶控制信号，Δt为时域采样间隔，N为阶跃扰动前稳态导叶控制信号数值点数，N＝S/Δt，S表示导叶控制信号扰动前的稳态数据时长。

3.根据权利要求2所述的方法，其特征在于，对导叶控制信号进行去均值处理前，先进行数据分段处理，采用机组频率微分法确定扰动发生时刻，自动获得导叶控制信号扰动前稳态数据时长；

所述机组频率微分法是指对机组频率信号进行差分操作，根据突变值可以确定扰动的发生时刻。