大型发电机组的多模型综合智能控制方法

摘要

本发明公开了一种大型发电机组的多模型综合智能控制方法，其步骤为：(1)建立模型库与控制器库：模型库中包含了N种子模型，对应于发电机组的N种运行工况，控制器库由N个子模型模糊控制器组成，且每一个子模型模糊控制器是针对一种子模型设计控制规则；每个子模型模糊控制器均为双输入双输出的控制器，其输入为功角偏差量e_δ和端电压偏差量e_Vt，输出为励磁调节量u_f和汽门开度调节量u₂；(2)采集发电机组的实时工况数据，以变量(δ，V_t)来衡量发电机组的实际工况值；(3)用模糊逻辑来计算实际工况值(δ，V_t)与模型库中N个子模型的匹配程度f_n，以此作为综合控制器集成的加权系数w_n(n＝1，2，…，N)。本发明具有简单可靠、实时性好、控制精度高、实践性好等优点。

主权项

1、一种大型发电机组的多模型综合智能控制方法，其特征在于步骤为：(1)、建立模型库与控制器库：模型库中包含了N种子模型，对应于发电机组的N种运行工况，控制器库由N个子模型模糊控制器组成，且每一个子模型模糊控制器是针对一种子模型设计控制规则；每个子模型模糊控制器均为双输入双输出的控制器，其输入为功角误差量e_δ和端电压误差量e_Vt，输出为励磁调节量u_f和汽门调节量u₂；(2)、实际工况数据采集：采集发电机组的实时工况数据，以变量(δ，V_t)来衡量发电机组的实际工况值，其中变量δ、V_t分别为发电机功角δ和发电机端电压V_t；(3)、实际控制量的产生和输出：用模糊逻辑来计算实际工况值(δ，V_t)与模型库中N个子模型的匹配度f_n，以此作为综合控制器集成的加权系数w_n，其中n＝1，2，…，N；①、首先分别建立变量(δ，V_t)的隶属函数，用式(7)表示为：${\mu }_{\mathrm{\delta n}}=\frac{1}{1+{\left(\frac{\delta -c_{1n}}{a_{1n}}\right)}^2},$${\mu }_{V_{t}n}=\frac{1}{1+{\left(\frac{V_t-c_{2n}}{a_{2n}}\right)}^2},n=\mathrm{1,2},···,N---\left(7\right)$其中c_1n，c_2n分别表示变量(δ，V_t)的中心值，而a_1n，a_2n分别表示变量(δ，V_t)的宽度；②、依据隶属度μ_δn、得到实际工况与子模型n的匹配度f_n为：$f_n={\mu }_{\mathrm{\delta n}}*{\mu }_{V_{t}n},$f_n∈[0，1]且$\underset{n=1}{\overset{N}{\Sigma }}{f}_n=1---\left(8\right)$加权系数w₁、w₂，…，w_N在数值上有[w₁，w₂，…，w_N]^T＝[f₁，f₂，…，f_N]^T，w_n∈[0，1]且$\underset{n=1}{\overset{N}{\Sigma }}{w}_n=1,$其中n＝1，2，…，N      (9)；③、作用于发电机组的实际控制量为子模型模糊控制器输出的加权：$u_2=\underset{n=1}{\overset{N}{\Sigma }}{w}_n*u_{2n},$$u_f=\underset{n=1}{\overset{N}{\Sigma }}{w}_n*u_{\mathrm{fn}}---\left(9\right)$