基于免疫小波神经网络PID的水轮机调速控制研究

郭再泉，赵翱东2,



基于免疫小波神经网络PID的水轮机调速控制研究

郭再泉1，赵翱东2,1

（1. 无锡职业技术学院，江苏无锡，214121；2. 江南大学物联网工程学院，江苏无锡，214122）

水轮机调速可以保证电力系统的稳定运行，将免疫小波神经网络PID控制技术应用于水轮机调速中。首先，分析了水轮机调速的基本原理，分析了水轮机控制系统模型；其次，研究了小波神经网络的基本原理，设计了小波神经网络的系统结构和模型；然后，讨论了基于免疫算法的小波神经网络的优化流程；最后，进行了水轮机调节控制仿真研究，仿真结果表明免疫小波神经网络PID控制器具有较好的控制效果。

免疫小波神经网络；PID控制器；水轮机；调速

0 前言

水轮机调节对于保障水电站正常运行具有非常重要的作用，决定电力系统性能的稳定性。水轮机调速的目的就是能够调节发电机组输出的有功功率，保证机组的转速控制在允许的范围之内，从而保证电力系统频率的平稳性，确保发电机能够正常发电。通常情况下水流惯性引起水锤效应，因此，水轮机控制系统具有较强的非线性和大惯性特征，同时调速过程中将受到负荷的影响，从而使水轮机的调速控制难度比较大。近年来，水轮机调速系统一般应用常规的PID控制器进行控制，PID控制器具有较多优点，例如，自适应能力强、结构比较简单、参数易于调节。由于水轮机调速系统的非线性和时变性特点，传统PID控制器很难获得较好的控制效果，为了能够弥补这一缺陷，可以将小波神经网络PID控制器应用于水轮机调速控制中，小波神经网络PID控制器具有较强的逼近能力，同时具备小波神经网络控制器和模糊神经网络控制器的优点，适用于非线性系统的控制[1]。

由于小波神经网络的收敛速度较慢，容易陷入局部最优，为了能够弥补这一缺陷，将免疫算法应用于小波神经网络的权值和阈值的优化之中，从能够提高水轮机调速控制的效果。

1 水轮机调速的基本原理

水轮发电机调速控制系统通常包括水力系统、频率给定和测量系统、调速器、导水叶和驱动装置等部分。水轮机调节的基本思想如下：如果系统发生改变时，因为电能无法大量储存，负荷功率的改变将过快地引起频率的改变，此时，水轮机调速器会使导叶的开度发生改变，进而使水轮机的水流量发生变化，从而能够使水轮机的水力矩和水轮发电机负荷阻力矩重新进入平衡状态，从而能够保证电力系统的频率处于允许的范围内。

水轮发电机调速系统的原理图如图1所示。

图1 水轮发电机调速系统的原理图

图中，e(=,,,,,)表示水轮机的传递函数，e表示水轮机负载自调节因子，T表示有压引水系统的水流惯性时间因子，T表示发电机组惯性时间因子，m表示水轮机主动力矩相对偏差，m0表示负载扰动力矩，表示发电机组流量引水管道能量头变化的相对偏差，表示压力引水管道能量头变化相对偏差。

刚性水击时有压引水系统的传递模型如下所示[2]：

G()=－Ts（1）

小波动条件下水轮机的线性化模型如下所示：

一阶发电机的传递函数如下所示：

接力器的传递函数如下所示：

水轮机发电机组的控制微分模型如下所示：

2 小波神经网络的原理

小波神经网络有许多优点，例如，前馈和连接。小波神经网络通常是将小波函数作为基函数而得到的，小波神经网络系统中，将小波函数的伸缩系数作为输入层和隐层间的连接权值，将小波函数的平移系数作为隐层的阈值，小波神经网络的原理图如图2所示。

图2 小波神经网络的原理图

小波神经网络的数学模型表示为如下的形式[3]：

利用Mexican Hat小波函数作为小波神经网络隐层节点的激励函数，表达式如下所示：

为了能够使小波神经网络获得全局最优解，利用免疫算法对小波神经网络进行训练。

3 免疫小波神经网络的优化流程

表3 抗体的编码方式

（2）设计适应度函数：适应度函数的表达式如下所示[4]：

式中，T表示第个训练样本在第个输出节点上期望输出，Y表示第个输出节点上的实际输出。

（3）初始化种群：随机生成的初始抗体。

（4）进行收敛性分析：当满足收敛性条件时，停止进化，获得最佳抗体将全局最优解输出。

（7）循环执行步骤（4）~步骤（6）。

4 免疫小波神经网络PID控制器的基本结构

通过免疫小波神经网络实现对水轮机的调速PID控制，不仅能够保持PID控制器的良好特性，而且能够提高控制系统的自适应能力，免疫小波神经网络PID控制器的示意图如图3所示。

PID控制的表达式如下所示[5]：

式中，表示PID控制器的输出，KP表示比例因子，KI表示积分因子，KD表示微分因子，为小波神经网络的三个输出，表示期望输出，表示水轮机调速系统的输出，表示期望输出和实际输出的偏差。

5 水轮机调速度控制仿真研究

从图4可以看出，利用免疫小波神经网络PID控制器对水轮机转速进行调节，可以取得较好的控制效果，当水轮机在负荷扰动下，在较短的时间内就进入了稳定状态，超调量和传统的PID控制器相对也较小，从而表明免疫小波神经网络PID控制器比传统PID控制器具有更好的控制效果。

图4 水轮机调速控制仿真曲线

6 结论

将免疫小波神经网络PID控制技术应用于水轮机调速控制之中，免疫小波神经网络PID控制系统兼顾了PID控制器和小波神经网络控制器的优点，具有较强的自适应能力，可以满足水轮机调速的实际需求，通过仿真分析结果可知免疫小波神经网络PID控制器具有响应速度快和超调量小的优点，能够获得较好的水轮调速控制效果，同时该控制系统结构简单，可行性强，具有较为广阔的应用前景。

[1] 张发寿. 水轮机调速器的混沌现象分析及控制[J]. 水利与建筑工程学报, 2012, 10(4):69-73.

[2] 陈帝伊, 杨朋超, 马孝义, 等．水轮机调节系统的混沌现象分析及控制[J]. 中国电机工程学报, 2011, 31(14): 113-120.

[3] 葛锁良, 方唐利, 岳胜．采用免疫BP算法的模糊神经网络PID控制器[J]. 合肥工业大学学报:自然科学版, 2011, 34(5)：679-682, 704.

[4] 金光大. 基于人工免疫算法的神经网络电力系统短期负荷预测[J]. 成都大学学报(自然科学版), 2013, 32(2): 159-162.

[5] 葛锁良，杨旭玮，张亚东．RBF网络自整定PID控制在网络化控制系统中的应用[J]. 合肥工业大学学报:自然科学版, 2011, 34(10): 1489-1491, 1550.

Study on Speed Control of Turbine Based on Immune Wavelet Network PID

GUO Zaiquan1, ZHAO Aodong2,1

（1. Wuxi Institute of Technology, Wuxi, 214121, China; 2. School of IoT Engineering, Southern Yangtze University, Wuxi, 214122, China)

Speed regulating of turbine can ensure the stable working of electricity system, and the immune wavelet network PID is applied in the speed control of turbine. First, the basic principle of speed regulating of turbine is analyzed, and the controlling system model of turbine is analyzed; then the basic theory of wavelet network is studied, and the system structure and model of wavelet network are designed. Then the optimal procedure of wavelet network based on immune algorithm is discussed; finally, the controlling simulation research on the speed regulating of turbine is carried out, and results show that PID controller based on immune wavelet network can obtain better controlling effect.

immune wavelet network; PID controller; turbine; speed regulating

TK730.4+1

A

1000-3983(2014)04-0077-04

2014-02-20

郭再泉（1965-），男，汉族，江苏靖江人，1988年毕业于东北重型机械学院电气自动化专业，现从事电力拖动和智能控制的研究和教学工作，工学士，副教授。

审稿人：朴秀日