基于自适应模型预测控制算法的调速器控制方法和系统与流程

本发明涉及水轮机调速系统，特别是一种基于自适应模型预测控制算法的调速器控制方法和系统。

背景技术：

1、pid是各类水轮机调速器中最常用的控制器之一，主要是因其鲁棒性和实施的便利性。然而，具有固定参数的经典控制器的主要弱点是，它们的设计是基于线性化模型，而模拟通常是在非线性设备模型上进行的。水力发电厂是高度非线性的系统，具有固定参数的经典控制器只能在控制器设计期间选择的运行点上达到最佳性能，因此，需要通过根据当前运行点调整控制器参数来改善水利发电厂在整个运行范围内的控制特性。

2、通常，每个水轮机调速器由两个自动控制器组成，即速度控制器和频率/负载控制器。速度控制器在启动序列期间有效，即当水力发电厂与电网同步时，而负载/频率控制器在水力发电厂与电网同步后接管。作为高度非线性的系统，水力发电厂的有效运行需要考虑到硬约束和多变量效应的控制方法，这些要求需要模型预测控制(model predictivecontrol，mpc)算法，因为这种控制方法自然的处理控制变量的硬约束。

技术实现思路

1、本发明的目的在于克服上述不足，提供一种基于自适应模型预测控制算法的调速器控制方法和系统，将mpc作为一种控制方法有效的应用于水轮机调速器的控制中。

2、为解决上述技术问题，本发明所采用的技术方案是：

3、一种基于自适应模型预测控制算法的调速器控制方法，它包括如下步骤：

4、步骤一：启动仿真环境模块，模拟水轮机的实际运行状态，并实时监测状态数据；

5、步骤二：将监测到的数据输入到自适应模型预测控制算法中；

6、步骤三：在线识别当前水轮机模型的参数；

7、步骤四：根据识别结果和性能指标计算出最优控制序列；

8、步骤五：将最优控制序列转换为执行机构模块的模拟控制信号；

9、步骤六：根据控制信号调节水轮机模型的运行状态；

10、步骤七：根据模拟效果对模型预测进行修正，并返回步骤三继续迭代优化。

11、优选地，所述步骤二中自适应模型预测控制算法包括如下步骤：

12、(2.1)计算不同工作点的线性预测模型参数，初始化输入和输出信号值；

13、(2.2)从过去的采样瞬间读取输入和输出信号值，读取当前的输出/状态测量值，基于当前工作点更新线性预测模型参数；

14、(2.3)调用hidreth算法求解qp优化问题；

15、(2.4)计算流程的无约束输入；

16、(2.5)判断无约束输入是否违反约束，如果否则执行步骤(2.6)，如果是则求解qp的迭代，找到解决方案，则执行步骤(2.6)，未找到解决方案则判断是否达到最大迭代次数，未达到则进行下一次迭代，达到则对违反约束的输入使用无约束的解决方案来限制约束；

17、(2.6)将第一个控制序列值应用于处理过程中；

18、(2.7)保存输入和输出信号值；

19、(2.8)结束算法。

20、优选地，所述步骤(2.1)中的线性预测模型为：

21、针对不同操作点识别的线性离散时间模型的结构为：

22、

23、其中，系数c1,c2,c3,c4是从不同操作点的水力发电厂测量值中确定的，z表示z变换；

24、为了获得增广状态空间公式，将公式(1)中表示的离散时间模型重新表述为输入与输出相关的差分方程：

25、p(k+1)+c1p(k)+c2p(k-1)＝c3u(k)+c4u(k-1)        (2)

26、其中，p(k)是水力发电厂在采样时刻k的有功发电量，而u(k)是控制信号/针口控制流入涡轮机的水流；

27、通过定义状态变量：

28、xm(k)＝[p(k)p(k-1)u(k-1)]t    (3)

29、将其与(2)结合，得到状态空间模型公式：

30、

31、p(k)＝[1 0 0]xm(k)      (5)

32、最后，通过扩展公式(3)中定义的状态变量向量并将其与公式(4)和(5)相结合，得到mpc算法中使用的增强状态空间预测模型公式：

33、x(k)＝[δp(k)δp(k-1)δu(k-1)p(k)]t     (6)

34、

35、p(k)＝[0 0 0 1]x(k)     (8)

36、其中，δp(k)和δu(k)表示为：

37、δp(k)＝p(k)-p(k-1)     (9)

38、δu(k)＝u(k)-u(k-1)     (10)。

39、优选地，所述步骤三中在线识别当前水轮机模型的参数具体为：

40、(3.1)对分析信号x(t)加入给定幅值的白噪声，并对加噪后的信号进行归一化处理；

41、(3.2)对归一化后的信号进行经验模态分解，得到k个imf分量cj(t)及余项r(t)，j＝1,...,k；

42、(3.3)重复步骤(3.1)—(3.2)n次，每次加入的白噪声为随机白噪声序列，即

43、其中，xi(t)为第i次加入白噪声后的信号，cij(t)为第i次加入白噪声后分解所得的第j个imf，j＝1,...,k；

44、(3.4)将每次分解所得对应的imf进行总体平均运算，以消除多次加入白噪声对真实imf的影响，最终得到分解后的imf分量及余项ri(t)。

45、优选地，所述步骤四中根据识别结果和性能指标计算出最优控制序列具体为：

46、基于纳什均衡的分解协调控制算法，使每个控制区域的决策通过通信系统进行协调，通过寻找纳什平衡点使每个控制区域优化控制达到局部最优，进而确定全区在当前时步的最优控制序列。

47、优选地，所述步骤六中的运行状态包括：停机备用状态、空转状态、空载运行、负载运行、调相运行。

48、优选地，所述步骤七中的迭代优化具体为：

49、(7.1)生成多组模型初始值；

50、(7.2)通过引导烟花算法，结合目标函数值和不等式约束，对每组控制量进行迭代寻优，得到模型的输出；

51、(7.3)将当前时刻的控制量作用于系统，下一时刻继续进行迭代寻优，得出新的控制量，直到达到仿真时间。

52、另外，本发明还公开一种基于自适应模型预测控制算法的调速器控制系统，包括仿真环境模块、自适应模型预测控制器模块、执行机构模块和水轮机模型；其特征在于：

53、仿真环境模块用于模拟实际运行中的各种工况；自适应模型预测控制器模块根据从仿真环境接收的数据，通过内置的自适应模型控制算法计算控制指令；执行机构模块接收控制指令并模拟对水轮机模型进行调速；

54、所述自适应模型预测控制器模块包括：

55、参数识别单元，用于在线识别水轮机模型的动态特性及环境变化；

56、优化求解单元，基于识别的参数和预设的性能指标，求解最优控制序列；

57、控制律生成单元，将优化求解得到的控制序列转化为模拟可执行的控制信号；

58、反馈校正单元，根据模拟控制效果修正模型预测，确保控制精度。

59、进一步地，还包括一个状态观测器，用于估计水轮机调速器系统的状态。

60、本发明有益效果：

61、1.本发明引入了自适应模型预测控制算法，能够针对水轮机运行工况变化实时更新模型参数，提高了调速控制的鲁棒性和准确性。

62、2.本发明通过对水轮机运行过程的动态建模和预测控制，有效解决了传统pid等控制器在非线性、时变特性和不确定性环境下性能下降的问题。

63、3.通过实施本发明的控制系统，能有效提高水轮发电系统的稳定性，减少功率波动，延长设备使用寿命，提高整个水电站的运行效率。