基于虚实结合的水轮机调节系统仿真平台

王安林，丘涛基，陈齐灯，陈 上，陈金保，肖志怀

（1.福建华电金湖电力有限公司，福建将乐 353300；2.武汉大学水力机械过渡过程教育部重点实验室，武汉 430072）

0 引 言

根据国家能源发展规划，我国未来电网中将是多种新能源、水电、火电多电源点并列运行、多能互补协同运行的格局，随着大规模风能、太阳能等新能源电能的接入，其随机性和间歇性对电网调度及安全稳定运行带来了新的挑战［1，2］。水电对保证电网安全稳定运行将发挥更加重要作用。这对水电机组调节性能提出了更高要求，而鉴于实际系统对安全性、可靠性和经济性的要求，水电机组调速系统的动态性能通常不允许在现场水轮发电机组上进行长时间、大规模试验，因此，也难以获得具有满意的系统动态性能最佳控制参数；此外，随着水电站自动化程度的提高，无人值班，少人值守模式的逐步实施和完善，对水电厂员工培训和各项试验提出了更高要求，因此迫切需求建立水电厂水轮机调节系统实时仿真平台。

水电站仿真的研究在国外始于20 世纪70年代，经过十多年的探索研究，在80年代中期出现了一批用于培训和实验研究的仿真机，如日本的三菱、美国的S3 等公司都相继开发了数套水电站实时仿真系统［3］。在国内，中国水利水电科学研究院以“模拟调节对象+真实调速器”为设计模式成功研发了“水轮机调速器动态特性测试仿真系统”和“微机型水轮机调速器动态特性测试系统”［4］。徐桂英、王永冀等人研究出了以IBM-PC/XT模拟水轮发电机组特性，调速器以280 为核心构成的水轮发电机组的动态实时仿真实验系统［5］。

早期仿真测试仪多采用计算机实现现场采样和处理，产品携带不易，价格较为昂贵，推广困难，且仿真模型多采用较为简化的线性模型［6，7］。而针对不同电厂的管道引水系统和水轮发电机组，建立较为精细化的非线性模型，对提高整个调速系统仿真精度与效果至关重要。

鉴于此，本文建立了水轮机调节系统非线性模型，把真实调速器、以机组非线性模型为基础的随动系统和机组仿真仪对接构成实时闭环系统，搭建基于虚实结合的水轮机调节系统仿真平台，利用该平台，可在没有真实机组或不具备开机条件时，模拟机组动态特性，对水轮机调速器进行各种试验，实现故障反演和培训员工，具有较大的实际应用和推广价值。

1 水轮机调节系统仿真平台架构

1.1 平台整体架构

水轮机调速系统试验与诊断分析平台由调速器控制柜（电气柜）、随动系统测试仿真仪、水电机组仿真仪构成的闭环控制系统，如图1所示。利用该平台，用户在调速器控制柜上发各种机组开、关以及调整负荷命令，相应PLC 模块发出对应的开关和比例阀控制信号，该信号输入到随动系统测试仿真仪，仿真仪依据仿真模型和算法，计算调速系统随动系统各随动环节（包括比例阀、导叶开度）输出，此输出信号经D/A变换一方面反馈给调速器控制柜，另一方面输入给水轮发电机组仿真仪（GTS4-TG），GTS4-TG 仿真仪依据仿真模型和算法，仿真计算水轮发电机组频率和功率输出，该输出信号经D/A 变换反馈输入到调速器控制柜，这样就构成了水轮机调速系统试验与诊断分析平台。仿真仪由下位机（前置机）和上位机（分析机）构成，其中前置机主要用于实时数据采集、简单的信号分析处理以及实时仿真算法的实现，并将采集到的信息和必要的分析处理或实时仿真结果通过网口以TCP/IP 协议发送给分析机（台式机或笔记本电脑）。分析机安装有完整的测试仿真软件，是实现系统各种功能的核心。它通过通信接口从前置机获得调速器的各种数据和实时仿真算法的结果，进行相应的数据显示、分析［8］，并自动完成水轮机调速系统各项测试和仿真结果处理。

1.2 平台的主要功能

利用该平台，可在没有真实机组或不具备开机条件时，模拟机组的动态特性，并与真实调速器构成完整的闭环系统，从而校核调速器在各个工况下的控制功能、检查调速系统动态特性以及辅助寻找最佳PID参数，另外利用该平台，可对水轮机调速器进行各种试验，如调速器静特性、动特性试验、机组一次调频试验等，用户可在上位机软件界面上实时修改机组各类参数，即可进行各种条件的机组静、动态特性实时仿真，评价电站调节系统现有调节控制参数在全部工况范围内的动态品质，分析电站调速器控制参数稳定域，在全部工况范围内的实现调速系统参数优化；用户可通过此平台注入故障源，或修改系统参数，模拟调速系统故障，观察系统状态输出的变化，分析故障原因，实现故障反演；另外，作为电厂人员培训的有效平台，通过平台操作实践，可使员工了解机组构成和运行规律，熟练掌握机组启停和运行操作的基本技能。

2 水轮发电机组的实时仿真模型实现

水轮发电机组是非线性较强的受控对象，为提高实时仿真系统的性能，水电机组仪器提供两个层次的仿真算法基于线性和非线性模型的仿真算法。前者是基于通用线性模型的仿真方法，即分段线性化模型，仅在固定的工况点附近具有可接受的性能，而后者则是基于非线性的仿真方法，它主要借助BP 型神经网络对水轮机的非线性特性（即水轮机的流量特性和力矩特性）进行模拟。

2.1 分段线性化模型

水轮机的动态特性通常使用水轮机稳态工况下的力矩与流量特性来进行表示，水轮机力矩和流量与导叶开度、桨叶角度（转浆式水轮机）、水头和转速有关。水轮机非线性稳态表达式为式（1）和式（2）：

将这两个式子展开为泰勒级数并略去二次及以上的高次项。为方便描述将其中偏导数替换成传递系数通过式（3）来描述稳态力矩与流量：

该方程描述稳态工况附近微小偏差时力矩和流量的变化。即该方程的应用条件是在已知该工况的传递系数以及波动幅度产生的偏差在工程允许范围之内。当工况波动过大时该方程计算结果会与实际情况产生较大的误差，故当仿真计算波动较大时应当采用其他建模方法。在分段线性化建模中最重要的就是工况的划分以及传递系数的计算。通常该模型工况划分以单位转速和导叶开度等比例选取，根据实际需求采取不同精度进行划分，工况划分越细，模型精度越高。

对于传递系数的计算通常采用的是采用两点法或者曲线拟合法，适合计算有限工况点的传递系数，且计算繁琐，难以清晰而全面地认识传递系数随工况变化规律，故而出现通过模型综合特性曲线结合BP 神经网络对数据处理后直接进行求偏导数的处理方法，此方法计算既保证了计算精度又减少了计算量［9］。

2.2 基于神经网络非线性模型

随着人工智能的发展，基于神经网络技术非线性建模技术得到了广泛应用。对于BP 神经网络，只要有足够多的隐含层和隐含层节点，就可以逼近任意的非线性映射关系，而且BP 算法属于全局逼近算法，故许多学者将神经网络引入水轮机建模之中［10-15］。

在实时仿真中，利用人工神经网络实现水轮机非线性特性计算具有计算量少、计算较为简单、精度可控且导数连续等优点。目前可供选择的神经网络类型有很多种，前馈神经网络、循环网络和对称连接网络，在水轮机建模中通常使用前馈神经网络中的BP神经网络，其网络结构如图2所示。

该网络作为一个三输入单输出含一个隐层的BP 神经网络，用于对轴流转浆式机组的流量或力矩进行模拟，其隐层神经元个数可调整，输出层为线性神经元，隐层神经元的传递函数为log-signoid函数。神经网络的算法表达式如式（4）：

通过神经网络学习可得到网络相应的权值与阈值，从而建立了对应的基于神经网络的水轮机模型，实际应用中，只需要输入单位转速、导叶开度和桨叶角度，利用已建立的水轮机神经网络模型，就可计算得出水轮机的输出流量和力矩。

3 随动系统仿真

随动系统的实时仿真主要实现对调速器的机械液压部分的实时仿真。图4中给出了所随动系统实时仿真结构示意图（导叶或轮叶随动系统均适用）。图中yc为系统的输入，通常为调速器的控制柜的输出，而y则为系统的输出，一般为接力器的位移。随动系统实时仿真由中间放大级和主液压放大级（输出级）两级液压放大组成，且每一级还可通过D/A 变换器输出合适的模拟信号，用于调速器随动系统控制部分的校核。中间放大级通常由电液伺服阀、中间接力器、辅助接力器或比例阀、步进电机等组成，主液压放大级由主配压阀和主接力器等组成。如图4仿真模型中，每一级均包括：1 个死区环节，用于模拟实际环节由于机械传递、液压阀的搭叠等引起死区特性；2个限幅环节，一个位于积分器的输入端，用于限制积分器输出的最大运动速度，另一个位于积分器的输出端，用于限制积分器输出的最大位置；1个位于输出端的纯延迟环节，用于描述整个液压放大级在信号传递过程中的时间上的滞后，如接力器的不动时间就是一个典型的实例。显而易见，对随动系统的仿真是带有各种非线性环节的混合仿真。

图3中包含有3个结构系数：Ks1，Ks2和Ks3。这些系数位于中间级或输出级输出的反馈通道上，可以方便地用于改变随动系统结构，当这些系数取值为0时表示反馈断开，相关的积分环节变为开环。当这些系数取值为一个非零的确定数值时，相关的积分环节变又变为闭环。例如，Ks1=非零值，Ks2=零值（一般，这两个值之一应取为零），表示系统的中间级输出反馈到综合放大器的前端，而Ks2反馈通路是断开的，这种结构通常用于表达中间级输出（如主配压阀位置）通过传感器反馈的情形。类似地，如果Ks1=零值，Ks2=非零值，则表示系统的中间级输出通过机械反馈到自身的输入端，而Ks1反馈通路是断开的，如由比例阀或步进电机组成中间级的结构。

通过选择不同的结构系数值，不同的死区值、限幅值及延迟值可使同一仿真算法方便、灵活地用于各种随动系统结构、各种参数配置的实时仿真。

4 试验验证

4.1 静特性验证

为验证平台的实用性，本平台结合电厂实际需求，建立湖南某电厂灯泡贯流式机组的神经网络模型，结合现场调速器，进行仿真试验验证，测得试验数据与机组实际运行数据，实验过程与结果对比如下：

试验中调速器和仿真测试仪（处于贯流式机组非线性实时仿真状态，并且仿真已经启动）处于正常闭环工作状态，工作模式为并网运行，在相同水头下运行，且采用同一组PID参数。数据采集时，需手动调整开度，待其稳定后进行测量。电厂实际开度与出力关系如表1所示；电厂仿真模型开度与出力关系如表2所示。

表2 电厂水头8.4 m下仿真与导叶开度关系表%

将实际数据拟合与仿真数据对比，得到图4。从图4可以看出，机组输出功率较大时，模型的导叶开度与实际机组所对应的导叶开度存在一定的偏差，这主要是由于机组的模型（综合特性曲线）与真实机组间特性的差异所引起的。此外，模型综合特性曲线所覆盖的范围较小以及读图的误差也是造成这种差异的重要原因。然而，对于校验调速系统动态特性而言，这样的模型精度是可以接受的。如果需要更高精度的实时仿真模型，还可以通过神经网络校正方法，使用机组实际运行参数对力矩神经网络进行更进一步地修正。修正后仿真数据与机组实际数据如图4所示。可以看出修正后力矩输出与实际输出误差明显缩小满足仿真需求。

4.2 动特性验证

除了静特性试验，本平台还基于需求将仿真机组与实际机组甩负荷曲线进行对比。仿真机组曲线是由现场调速器接仿真仪进行仿真甩负荷得到的试验数据，实际机组甩负荷数据则由机组真实甩负荷试验录波得到。实验数据如图5所示。

比较真机和仿真机输出波形图易知，在甩负荷后，两者机组频率的上升曲线和蜗壳压力变化曲线有些差异，但趋势基本一致。

甩负荷过程中机组仿真转速误差更小。甩25%负荷时，模型的转速输出与真实机组的转速输出两者过渡过程几乎重合。甩50%负荷时，两者转速最大差异发生在转速上升最高点（约为1%），但其后的过渡过程几乎重合。甩负荷过程中，模型输出与真实机组输出所经历的过渡过程在有些情况下，存在一定的差异，其主要原因在于，机组的工况（导叶开度、流量和转速）在这个过程中经历了大范围的变化，穿越的工况区可能是我们无法获得准确力矩或流量样本的区域，如高转速、小开度区域等。显然，在这样的区域，依据不准确的样本训练出的神经网络无法输出准确机组特性。

5 结 论

本文介绍了水轮发电机组和随动系统的实时仿真原理及实现方法，基于虚实结合思想，把真实调速器和以机组非线性模型为基础的随动系统和机组仿真仪对接，搭建了基于虚实结合的水轮机调节系统仿真平台。将仿真数据与实际机组运行数据进行对比，验证了仿真平台精确性与实用性。该技术的开发与推广，将能够大幅度提高水电站调速系统动态品质，为保证供电质量和电站的安全稳定运行提供保障。□