基于改进BP神经网络PID励磁控制器的研究

2017-06-13王晓颜

硫酸工业 2017年5期

关键词：鲁棒性励磁发电机

彭飞, 王晓颜

(1.安徽中汇规划勘测设计研究院股份有限公司,安徽铜陵，244002；2.铜陵市华兴化工有限公司，安徽铜陵，244000)

基于改进BP神经网络PID励磁控制器的研究

彭飞1, 王晓颜2

(1.安徽中汇规划勘测设计研究院股份有限公司,安徽铜陵，244002；2.铜陵市华兴化工有限公司，安徽铜陵，244000)

传统PID励磁控制器在现代电力系统快速发展的背景下，已经很难满足现代电力系统的各项高性能指标。在分析同步发电机励磁控制系统模型的基础上提出一种基于改进BP神经网络的PID励磁控制器，这种控制器能够克服常规BP神经网络励磁控制器收敛过程慢、网络训练时间长等问题。经过仿真研究和分析，采用改进型BP神经网络的PID励磁控制器控制效果好，收敛速度快，具有很强的动态特性以及鲁棒性，效果优于传统的PID励磁控制器。

硫酸生产余热发电励磁 PID控制 BP神经网络

硫铁矿制酸焙烧工序过程中会产生大量蒸汽，为有效利用蒸汽，在现代硫铁矿制酸系统中都配套建设发电系统，即利用生产过程中产生的蒸汽来发电，不但节约能源，保护环境，同时也能为生产企业带来可观的经济效益。硫酸生产配套的发电系统在利用蒸汽发电过程中，发电机的稳定运行至关重要，直接关系到整个硫酸生产电力系统的稳定性，而发电机稳定运行的各个设备中发电机励磁控制器尤为重要。励磁控制器是发电机控制系统的重要组成部分，其性能状况直接影响着电力系统的稳定及电能质量的好坏。因此，对发电机励磁控制器的研究，具有丰富的理论意义和实际应用意义。

在传统的励磁控制方法中，PID控制器结构相对简单，鲁棒性较好，因此应用比较广泛，对这种控制器的研究也比较多，并取得了很多理论研究成果和实际应用成果[1-4]。随着电力网络的日趋复杂、电力综合性能指标的不断提高，对发电机励磁控制器也提出了更高的要求。因此，传统的PID控制器已经逐渐不能满足日益提高的控制要求。在现代众多研究和设计中，将智能控制与传统PID控制相结合的应用方法是一个新的方向，比如基于BP神经网络的PID励磁控制器，这种励磁控制器能够根据系统的输入输出、外界干扰等状态的变化实时调节PID参数，对运行中的PID励磁控制器实现动态调节，能够保证励磁系统稳定，抗干扰能力强，鲁棒性能优越。基于神经网络的励磁控制器良好性能的前提是对神经网络进行训练，训练效果好坏以及训练时间的长短与算法息息相关，常规BP算法的神经网络最大的不足之处就在于其训练时间较长，收敛速度较慢。将改进的BP算法和PID控制器结合起来应用于发电机励磁系统，提出一种基于改进BP神经网络的PID励磁控制器，在保留常规BP神经网络PID励磁控制器原有优点的基础上对控制器的性能进行提升，进一步优化励磁控制器的性能。

1 励磁系统

同步发电机的励磁控制系统结构比较复杂，从功能上划分主要有励磁控制器、功率放大器、励磁机、同步发电机以及电压测量比较单元。励磁控制系统原理见图1。

图1 励磁控制系统原理

图中，Vref为控制系统的输入，Vout为控制系统的输出；τ为时间常数，K为放大系数；Vc、VR、VF为控制系统各个环节的输出。

2 控制器设计

2.1 改进BP神经网络的PID励磁控制器结构设计

该设计基于改进BP神经网络的PID励磁控制器，即通过改进BP算法的神经网络实时调节PID励磁控制器，实现对PID励磁控制器参数的动态调节，提高系统的响应速度，增强系统的抗干扰能力，保证系统具有良好的动态特性和优越的鲁棒性能。励磁控制器结构见图2。

2.2 改进BP神经网络PID算法

经典增量式数字PID的控制算法为[5]：

u(k)=u(k-1)+kp[e(k)-e(k-1)+ki(k)+kd(e(k)-2e(k-1)+e(k-2)]

(1)

图2 励磁控制器结构示意

式(1)中，为比例系数，为积分系数，为微分系数。

取性能指标函数为：

(2)

BP神经网络选取三层网络结构，分别为输入层、一个隐含层、输出层。网络结构见图3。

图3 网络结构

网络输入层的输入为：

(3)

式(3)中，M为输入变量的个数，根据被控系统的复杂程度以及实际需要选取。

网络隐含层的输入为：

(4)

输出为：

(5)

隐含层神经元的活化函数取正负对称的Sigmoid函数：

(6)

网络输出层的输入为：

(7)

输出为：

(8)

文中BP神经网络为3个输出，分别对应PID励磁控制器的3个参数kp、ki、kd，通过BP神经网络对PID励磁控制器的这3个参数实现动态调节，即：

(9)

(10)

(11)

输出层神经元的活化函数取非负的Sigmoid函数：

(12)

非负的Sigmoid函数能够保证输出的三个参数不为负值。

根据式(2)所描述的性能指标，在神经网络训练过程中必须对网络的权系数进行修正。常规BP学习算法是利用梯度下降法，按照E(k)对加权系数的负梯度方向进行搜索调整，并增加一个惯性项，以使搜索快速收敛到全局极小。这种方法的主要缺陷在于收敛速度慢，在各层神经元需求数量较多的实际应用中需要很长的训练时间，具有很大的应用局限性和很差的应用时效性。因此，本文采用改进的BP学习算法，即变尺度法[6]，以提高控制器的性能。

根据变尺度法，网络输出层权系数的学习算法为：

(13)

(14)

式(14)中，

(15)

(16)

(17)

网络隐含层权系数的学习算法为：

(18)

(19)

式(19)中，

(20)

(21)

(22)

式(13～22)中，j=1,2,…,M;i=1,2,…,Q;l=1,2,3;α>0为学习率。

3 仿真试验及分析

为了验证基于改进型BP神经网络PID励磁控制器的有效性，分别对这种控制器与常规BP神经网络PID励磁控制器进行仿真试验，并进行性能比较。两种控制器神经网络结构均选为4-6-3，常规控制器，改进型控制器。仿真结果见图4，5，6。

1-改进BP-PID励磁控制仿真曲线 2-常规BP-PID励磁控制仿真曲线

1-改进BP-PID励磁控制误差曲线 2-常规BP-PID励磁控制误差曲线

1-改进BP网络整定PID控制器参数曲线 2-常规BP网络整定PID控制器参数曲线

仿真试验结果表明，常规BP神经网络PID励磁控制器在系统响应初期响应曲线出现明显的波动，超调量较大，响应误差较大，PID参数整定过程中出现波动且需要较长时间才能稳定。改进型BP神经网络PID励磁控制器在系统响应过程中响应平稳，没有超调量，PID参数整定迅速且稳定。分析比较可知，改进型BP神经网络PID励磁控制器需要的学习时间更短，具有更快的收敛能力，系统响应速度更快且响应更加平稳，PID参数整定更加迅速和稳定。因此，改进型BP神经网络PID励磁控制器比常规BP神经网络PID励磁控制器具有更优越的综合性能。

4 结论

利用经验和常规理论方法整定参数的PID控制器在实际应用中会出现许多缺陷，稳定性差，鲁棒性差，抗干扰能力弱且对经验要求较高，不适用于日趋复杂以及性能指标不断提高的现代励磁系统；基于常规BP神经网络的PID励磁控制器学习时间长，收敛速度慢。基于改进型BP神经网络的PID励磁控制器能够克服利用经验和理论计算整定PID控制器参数的不足，能够克服常规BP神经网络励磁控制器收敛过程慢、网络训练时间长等问题，且控制过程中系统响应迅速平稳，误差小，具有很强的动态特性和鲁棒性，综合性能优越，具有很强的实用性，能够有效的保证硫酸生产中配套电力系统的稳定性。

[1] 郑天府,肖健梅,王锡淮.同步发电机线性多变量与PID结合的励磁控制[J].上海海事大学学报,2006,27(2):37-41.

[2] 姜晓弋，吴希再.基于非线性最优和PID技术的综合励磁调节器研究[J].电力自动化设备,2003,23(9):15-17.

[3] 刘剑,刘天琪,侯荆州.基于Prony与遗传算法优化的PID励磁附加控制器[J].继电器,2006,34(8):45-49.

[4] 张红梅.神经网络PID在励磁控制中的应用[J].控制工程,2010,17(4):76-78.

[5] 刘金馄.先进PID控制及MATLAB仿真[M].北京:电子工业出版社,2003:96-98.

[6] 孙增圻.智能控制理论与技术[M].北京:清华大学出版社,1997:135-139.

Research on PID excitation controller based on improvedBP neural network

PENGFei1,WANGXiaoyan2

(1.Anhui Zhonghui Urban Planning,Survey & Design Institute Co.,Ltd.,Tongling,Anhui,244002,China；2.Tongling Huaxing Chemical Co.,Ltd.,Tongling,Anhui,244002,China)

Nowadays, modern power system is developing quickly, and its indicators of different aspects has been changing into high standards. Under this kind of background, it is hard for the traditional PID excitation controller to reach the indicators. In this paper, firstly, we will analyse the model of synchronous generator’s excitation controller, on the basis of the analysis, a new kind of PID excitation controller based on improved BP neural network will be proposed. Excitation controller of conventional BP neural network has many disadvantages, converge slow, and has a long training time. These weaknesses will be overcome by the new excitation controller. After the simulation and analysis, the improved PID excitation controller based on improved BP neural network has a good effect of control, converge fast, and has strong dynamic characteristic and robustness, the effect is better than the traditional PID excitation controller.

sulphuric acid production; waste heat power generation; excitation; PID controller; BP neural network

2017-01-13。

彭飞，男，安徽中汇规划勘测设计研究院股份有限公司电气工程师，现从事电气工程设计工作。电话：13385620018；E-mail：273153783@qq.com。