CN113653589A - 一种变参双幂趋近律的水轮机组微分预测滑模控制方法 - Google Patents

一种变参双幂趋近律的水轮机组微分预测滑模控制方法 Download PDF

Info

Publication number
CN113653589A
CN113653589A CN202111026444.9A CN202111026444A CN113653589A CN 113653589 A CN113653589 A CN 113653589A CN 202111026444 A CN202111026444 A CN 202111026444A CN 113653589 A CN113653589 A CN 113653589A
Authority
CN
China
Prior art keywords
sliding mode
controller
rotating speed
hydraulic turbine
output
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202111026444.9A
Other languages
English (en)
Other versions
CN113653589B (zh
Inventor
李江峰
向凤红
张洪亮
王永斌
唐浩轩
王彦杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kunming University of Science and Technology
Original Assignee
Kunming University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Kunming University of Science and Technology filed Critical Kunming University of Science and Technology
Priority to CN202111026444.9A priority Critical patent/CN113653589B/zh
Publication of CN113653589A publication Critical patent/CN113653589A/zh
Application granted granted Critical
Publication of CN113653589B publication Critical patent/CN113653589B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03BMACHINES OR ENGINES FOR LIQUIDS
    • F03B15/00Controlling
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00Energy generation through renewable energy sources
    • Y02E10/20Hydro energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Water Turbines (AREA)

Abstract

本发明涉及水轮机组控制技术领域,尤其涉及一种变参双幂趋近律的水轮机组微分预测滑模控制方法。本发明实时获取机组控制器输出、导叶开度、水轮机力矩及电机转速信息;将获取信息及时反馈至滑模控制器中,更新控制器输出;考虑到PID控制方法鲁棒性差,运用滑模控制理论设计控制器,以提高抗扰能力;设计出参数根据状态自调整的新型双幂次趋近律,提高了系统响应时间且削弱控制输入抖振;将实际电机转速通过微分控制器引出反向叠加到控制器输出,预测系统偏差。本发明所提出的控制方法满足机组系统抗扰动、响应速度及减震的要求,具有较好的动态性能及稳态精度。

Description

一种变参双幂趋近律的水轮机组微分预测滑模控制方法
技术领域
本发明涉及水轮机组控制技术领域,尤其涉及一种变参双幂趋近律的水轮机组微分预测滑模控制方法。
背景技术
伴随着我国快速发展,工业制造及居民生活的用电需求逐步扩大,水力发电行业也迅速发展。同时,用户对电能质量也提出更高要求,水电厂对发电质量及效率也有更高的目标。水力发电的关键是对频率的控制,频率的高低取决于水轮机转速的快慢,因此通过对水轮机转速的控制可以改善电能质量。
在实际运行中,负载和水能的波动及外部因素的干扰对机组的控制性能提出了挑战。PID控制是传统水轮机组最经典的控制方法,结果简单且易于操作。但水轮机组是一个复杂的非线性系统,结构参数固定的PID很难在工况中获得稳定的控制效果。
发明内容
为解决现有水轮机组振动大、控制系统响应速度慢及鲁棒性差的问题,本发明提供一种变参双幂趋近律的水轮机组微分预测滑模控制方法,包括以下步骤:
S1:建立水轮机组数学模型,根据水轮机组中各模块的传递函数,得出水轮机组系统状态方程,其中水轮机组包括执行机构、水轮机及引水系统、发电机及负载三大模块;
执行机构Gh、水轮机及引水系统Gt和发电机及负荷Gp的传递函数为:
Figure BDA0003243497730000011
式中,Ty为主接力器时间常数,Tw为水流惯性时间常数,Ta为机组惯性时间常数,en为水轮发电机组综合自调节系数,S为传递函数的复变量;
由上述传递函数得出相应的状态空间方程:
Figure BDA0003243497730000021
式中,u为滑模控制器输出,y为导叶开度,Mt为水轮机力矩,x为电机实际转速。
S2:根据S1中水轮机组数学模型,设计出自适应变参双幂次趋近律滑模控制器;滑模控制器的设计过程如下:
S21将滑模控制器输出u,导叶开度y引入到线性滑模面,设计出新型滑模面s为:
Figure BDA0003243497730000022
其中,e=xd-x,xd为电机目标转速,c和b为参数,c>0,b为负数;
S22对式(2)和(3)进行求导,可得:
Figure BDA0003243497730000023
其中,
Figure BDA0003243497730000024
S23滑模控制过程分为趋近过程和滑动模态两个阶段,当系统到达滑模面后处于滑动模态阶段,此时s=0,可由式(4)得出等效控制律为:
Figure BDA0003243497730000025
S24运用双幂次趋近律及增强型趋近律,设计出可根据状态变量自调节趋近参数的双幂次趋近律为:
Figure BDA0003243497730000026
其中,υ1、υ2、a、i、k1、k2均为参数,υ1>0,υ2>0,0<a<1,0<k1<1,0<k2<1,i>0,e为自然常数,sgn()为符号函数;
S25当系统处于趋近过程时,切换控制律为:
Figure BDA0003243497730000031
S36得出最终滑模控制律为:
Figure BDA0003243497730000032
S3:设定电机转速的目标值,利用滑模控制器进行电机转速的控制,控制过程中获取滑模控制器输出、水轮机的导叶开度、水轮机力矩及电机转速,并反馈到滑模控制器输入端形成闭环回路,其中电机转速通过微分控制器引出反向叠加到滑模控制器输出,作用于执行机构,使水轮机组系统输出稳定在目标范围内。其微分控制器的传递函数为:
Figure BDA0003243497730000033
其中,kd为增益,Tn为微分衰减时间常数。
本发明与现有技术相比,其有益效果在于:
1、本发明采用了变参双幂次趋近律滑模控制方法,可有效解决机组响应速度慢、结构参数固定及控制器输出抖振的问题;另外通过微分反馈装置,将有效预测误差,加大惯性响应速度,减小系统超调。
2、与PID控制器相比,滑模控制因结构随状态有目的的改变,因此对扰动不敏感,具有较强的鲁棒性。
附图说明
为了更清楚说明本申请实施例或现有技术中的技术方案,下面将对描述中所需要使用的附图做简单的介绍。
图1为本发明水轮机组微分预测滑模控制原理框图。
具体实施方式
为使本发明的技术方案和优点更加清楚,下面结合具体实施方案并参照附图,对本发明进一步详细说明。
实施例:一种变参双幂趋近律的水轮机组微分预测滑模控制方法,结合附图作进一步说明。
如图1所示,控制目标量为电机转速,控制器分为滑模控制器和微分控制器,执行机构为液动控制接力器,控制对象为水轮机及引水系统、发电机及负荷。在滑模控制器控制过程中,控制器输出、导叶开度、水轮机力矩及电机转速都将反馈至滑模控制器作为控制量。
控制方法包括以下步骤:
S1:根据水轮机组中模块的传递函数,得出系统状态方程。水轮机组包括了液压执行机构、水轮机及引水系统、发电机及负载三大模块。液压执行机构输出的可测量为水轮机导叶开度,水轮机及引水系统输出的可测量为水轮机的力矩,发电机及负荷可测量包括功率、频率、电压电流等。电能质量通常以频率来衡量,电机转速是决定频率稳定的重要因素,因此选取转速作为目标控制量。
执行机构Gh、水轮机及引水系统Gt和发电机及负荷Gp的传递函数为:
Figure BDA0003243497730000041
式中,Ty为主接力器时间常数,Tw为水流惯性时间常数,Ta为机组惯性时间常数,en为水轮发电机组综合自调节系数,S为传递函数的复变量;以图1作为参照,将传递函数进行转换,得到系统的状态空间方程为:
Figure BDA0003243497730000042
式中,u为滑模控制器输出,y为导叶开度,Mt为水轮机力矩,x为电机实际转速。
根据S1中水轮机组数学模型,设计出自适应变参双幂次趋近律滑模控制器S21将滑模控制器输出u,导叶开度y引入到线性滑模面,设计出新型滑模面s,输入的电机目标转速为xd,实际输出转速为x,则定义误差为e=xd-x。基本滑模控制仅能保证电机转速及功率短时间在目标范围内稳定,无法保证导叶开度及滑模控制器输出的稳定。因此,以线性滑模面作为基础,将导叶开度及控制器引入滑模面设计,定义的滑模面为:
Figure BDA0003243497730000051
其中,c和b为参数,c>0,因为导叶开度是反馈量,b为负数;
S22对式(2)和(3)进行求导,可得:
Figure BDA0003243497730000052
其中,
Figure BDA0003243497730000053
S23滑模控制过程分为趋近过程和滑动模态两个阶段,当系统到达滑模面后处于滑动模态阶段,此时s=0,可由式(4)得出等效控制律为:
Figure BDA0003243497730000054
S24因受滑模控制本质上不连续的开关特性以及当系统运动点到达切换面时速度有限大存在惯性等因素的影响,运动点并不能严格地按照预定轨迹滑动,而是在切换面附近抖振。趋近律法是解决抖振问题的主要方法,同时它也能很好的调节收敛速度。当系统运动点处于趋近过程还未到达滑模面时,运用双幂次趋近律及增强型趋近律,设计出可根据状态变量自调节趋近参数的双幂次趋近律为:
Figure BDA0003243497730000061
其中,υ1、υ2、a、i、k1、k2均为参数,υ1>0,υ2>0,0<a<1,0<k1<1,0<k2<1,i>0,e为自然常数,sgn()为符号函数;其设计原理为:当系统远离滑模面时(|s|>1),有:
Figure BDA0003243497730000062
υ1项分母趋近1,υ2项分母趋近k2,υ2项趋近参数较大,起主导作用;当系统接近滑模面时(0≤|s|≤1),有
Figure BDA0003243497730000063
υ1项分母趋近k1,υ2项分母趋近1,υ1项趋近参数较大,起主导作用;当系统到达滑模面时两项的趋近速度都为零。所设计的控制律无论在近滑模面还是远滑模面均具有较大的趋近速度,同时当系统状态趋近滑动模态时保证较小的控制增益,从而削弱抖振。
S25当系统处于趋近过程时,切换控制律为:
Figure BDA0003243497730000064
S36得出最终滑模控制律为:
Figure BDA0003243497730000065
为验证设计滑模控制器的稳定性,选取Lyapunov函数为:
Figure BDA0003243497730000066
对(10)式进行求导并将(5)和(7)式代入,可得:
Figure BDA0003243497730000067
可见系统能够在有限时间内收敛。
S3:设定电机转速的目标值,利用滑模控制器进行电机转速的控制,控制过程中获取滑模控制器输出、水轮机的导叶开度、水轮机力矩及电机转速,并反馈到滑模控制器输入端形成闭环回路,其中电机转速通过微分控制器引出反向叠加到滑模控制器输出,作用于执行机构,使水轮机组系统输出稳定在目标范围内。
对于微分控制器的输入:是将机组实际转速作为微分器输入,而不是转速误差。在特殊情况下,转速给定值需要按照其整定变化,那么给定转速变化曲线可以作为机组转速曲线的参考模型。当给定转速与实际转速一同变化时,微分器预测转速偏差值就失去了意义。故将实际电机转速通过微分控制器引出反向叠加到控制器输出,共同作用于液压执行机构。其微分控制器的传递函数为:
Figure BDA0003243497730000071
其中,kd为增益,Tn为微分衰减时间常数。
上述实施例只为说明本发明的技术构思及特点,但本发明的保护范围不局限于此。因此,在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。此外,本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (4)

1.一种变参双幂趋近律的水轮机组微分预测滑模控制方法,其特征在于,其包括如下步骤:
S1:建立水轮机组数学模型,根据水轮机组中各模块的传递函数,得出水轮机组系统状态方程,其中水轮机组包括执行机构、水轮机及引水系统、发电机及负载三大模块;
S2:根据S1中水轮机组数学模型,设计出自适应变参双幂次趋近律滑模控制器;
S3:设定电机转速的目标值,利用滑模控制器进行电机转速的控制,控制过程中获取滑模控制器输出、水轮机的导叶开度、水轮机力矩及电机转速,并反馈到滑模控制器输入端形成闭环回路,其中电机转速通过微分控制器引出反向叠加到滑模控制器输出,作用于执行机构,使水轮机组系统输出稳定在目标范围内。
2.根据权利要求1所述的水轮机组微分预测滑模控制方法,其特征在于,所述步骤S1中执行机构Gh、水轮机及引水系统Gt和发电机及负荷Gp的传递函数为:
Figure FDA0003243497720000011
式中,Ty为主接力器时间常数,Tw为水流惯性时间常数,Ta为机组惯性时间常数,en为水轮发电机组综合自调节系数,S为传递函数的复变量;
由上述传递函数得出相应的状态空间方程:
Figure FDA0003243497720000012
式中,u为滑模控制器输出,y为导叶开度,Mt为水轮机力矩,x为电机实际转速。
3.根据权利要求1所述的水轮机组微分预测滑模控制方法,其特征在于:所述步骤S2中滑模控制器的设计过程如下:
S21将滑模控制器输出u,导叶开度y引入到线性滑模面,设计出新型滑模面s为:
Figure FDA0003243497720000021
其中,e=xd-x,xd为电机目标转速,c和b为参数,c>0,b为负数;
S22对式(2)和(3)进行求导,可得:
Figure FDA0003243497720000022
其中,
Figure FDA0003243497720000023
S23滑模控制过程分为趋近过程和滑动模态两个阶段,当系统到达滑模面后处于滑动模态阶段,此时s=0,可由式(4)得出等效控制律为:
Figure FDA0003243497720000024
S24运用双幂次趋近律及增强型趋近律,设计出可根据状态变量自调节趋近参数的双幂次趋近律为:
Figure FDA0003243497720000025
其中,υ1、υ2、a、i、k1、k2均为参数,υ1>0,υ2>0,0<a<1,0<k1<1,0<k2<1,i>0,e为自然常数,sgn()为符号函数;
S25当系统处于趋近过程时,切换控制律为:
Figure FDA0003243497720000026
S36得出最终滑模控制律为:
Figure FDA0003243497720000031
4.根据权利要求1所述的水轮机组微分预测滑模控制方法,其特征在于:步骤S3中将实际转速通过微分控制器引出反向叠加到控制器输出,与滑模控制器共同作用于执行机构,其微分控制器的传递函数为:
Figure FDA0003243497720000032
其中,kd为增益,Tn为微分衰减时间常数。
CN202111026444.9A 2021-09-02 2021-09-02 一种变参双幂趋近律的水轮机组微分预测滑模控制方法 Active CN113653589B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111026444.9A CN113653589B (zh) 2021-09-02 2021-09-02 一种变参双幂趋近律的水轮机组微分预测滑模控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111026444.9A CN113653589B (zh) 2021-09-02 2021-09-02 一种变参双幂趋近律的水轮机组微分预测滑模控制方法

Publications (2)

Publication Number Publication Date
CN113653589A true CN113653589A (zh) 2021-11-16
CN113653589B CN113653589B (zh) 2023-10-27

Family

ID=78482724

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111026444.9A Active CN113653589B (zh) 2021-09-02 2021-09-02 一种变参双幂趋近律的水轮机组微分预测滑模控制方法

Country Status (1)

Country Link
CN (1) CN113653589B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114254453A (zh) * 2021-12-09 2022-03-29 中国船舶重工集团公司第七一九研究所 六维分数阶动力系统的混沌控制方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3730638A (en) * 1970-12-16 1973-05-01 Hitachi Ltd Speed governor
EP0057402A2 (en) * 1981-01-30 1982-08-11 Kabushiki Kaisha Toshiba Apparatus for controlling the operation of a water turbine or a pump turbine and a method thereof
JPS6134360A (ja) * 1984-07-25 1986-02-18 Hitachi Ltd 水車またはポンプ水車の調速機
CN105114242A (zh) * 2015-07-22 2015-12-02 重庆邮电大学 基于模糊自适应的dfpso算法的水轮机调速器参数优化方法
CN107476931A (zh) * 2017-08-14 2017-12-15 国网四川省电力公司电力科学研究院 一种水轮机调速器pid参数优化方法及系统
CN109901391A (zh) * 2019-03-19 2019-06-18 浙江工业大学 基于指数幂次趋近律的降压型直流变换器的滑模控制方法
CN112012875A (zh) * 2020-07-23 2020-12-01 国网江西省电力有限公司电力科学研究院 一种水轮机调节系统pid控制参数的优化方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3730638A (en) * 1970-12-16 1973-05-01 Hitachi Ltd Speed governor
EP0057402A2 (en) * 1981-01-30 1982-08-11 Kabushiki Kaisha Toshiba Apparatus for controlling the operation of a water turbine or a pump turbine and a method thereof
JPS6134360A (ja) * 1984-07-25 1986-02-18 Hitachi Ltd 水車またはポンプ水車の調速機
CN105114242A (zh) * 2015-07-22 2015-12-02 重庆邮电大学 基于模糊自适应的dfpso算法的水轮机调速器参数优化方法
CN107476931A (zh) * 2017-08-14 2017-12-15 国网四川省电力公司电力科学研究院 一种水轮机调速器pid参数优化方法及系统
CN109901391A (zh) * 2019-03-19 2019-06-18 浙江工业大学 基于指数幂次趋近律的降压型直流变换器的滑模控制方法
CN112012875A (zh) * 2020-07-23 2020-12-01 国网江西省电力有限公司电力科学研究院 一种水轮机调节系统pid控制参数的优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王剑平;程攀;张果;向凤红;毛剑琳;: "基于滑模变结构的异步电机直接转矩控制系统研究", 机械科学与技术, no. 12, pages 1896 - 1902 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114254453A (zh) * 2021-12-09 2022-03-29 中国船舶重工集团公司第七一九研究所 六维分数阶动力系统的混沌控制方法及装置
CN114254453B (zh) * 2021-12-09 2022-12-02 中国船舶重工集团公司第七一九研究所 六维分数阶动力系统的混沌控制方法及装置

Also Published As

Publication number Publication date
CN113653589B (zh) 2023-10-27

Similar Documents

Publication Publication Date Title
Pan et al. Variable pitch control on direct-driven PMSG for offshore wind turbine using Repetitive-TS fuzzy PID control
CN102720634B (zh) 一种优化参数的变论域模糊电动变桨控制方法
CN112015082B (zh) 一种基于模糊增益调度预测控制的机炉协调系统控制方法
Tang et al. A fast realization method of fuzzy pid control for dc motor
Ren et al. Feedforward feedback pitch control for wind turbine based on feedback linearization with sliding mode and fuzzy PID algorithm
Wang et al. Fuzzy self-adapting PID control of PMSM servo system
CN113653589A (zh) 一种变参双幂趋近律的水轮机组微分预测滑模控制方法
Beus et al. Application of model predictive control algorithm on a hydro turbine governor control
Shi et al. The research of fuzzy PID control application in DC motor of automatic doors
Zou et al. Design of intelligent nonlinear robust controller for hydro-turbine governing system based on state-dynamic-measurement hybrid feedback linearization method
CN111123698A (zh) 一种水力发电机组调节系统的无模型自适应pid控制方法
CN106681424B (zh) 一种太阳能光伏发电mppt控制系统及控制方法
Shen et al. Marine diesel engine speed control system based on fuzzy-PID
Wang et al. Output voltage control of BESS inverter in stand-alone micro-grid based on expanded inverse model
Fagna Load frequency control of single area thermal power plant using type 1 fuzzy logic controller
Chen et al. Parameter Optimization of PID Sliding Mode Controller for Hydraulic Turbine Regulating System Based on IFABC Algorithm.
Gu et al. Brushless DC motor speed control based on predictive functional control
Dong et al. Electric pitch control system based on fuzzy control with variable region
CN110850710A (zh) 基于无模型自适应控制的水电机组控制优化方法
Chen et al. The application of intelligent integral realized by fuzzy logic for hydroturbine governing system
Ran et al. Robust Adaptive MPPT Control of Wind Turbine Based on Prescribed Performance
Li et al. Parameter optimization for turbine DEH control system based on Improved Genetic Algorithm
Jeng et al. Fuzzy PID controler in permanent magnetic synchronous motor
Lu et al. A Sliding Model Controller Improved with RBF Neural Network for Hydro-turbine Governing System
Mu et al. Direct Instantaneous Torque Control of SRM with Incomplete Differential Fuzzy PID Adaptation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant