基于RBF的同步发电机模糊PID励磁控制系统.pdf

《基于RBF的同步发电机模糊PID励磁控制系统.pdf》由会员分享，可在线阅读，更多相关《基于RBF的同步发电机模糊PID励磁控制系统.pdf（7页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、舔B2 9 9 7 第八届工业仪表与自动化学术会议基于R B F 的同步发电机模糊P I D 励磁控制系统F u z z yP I DE x c i t a t i o nC o n t r o lS y s t e mo fS y n c h r o n o u sG e n e r a t o rB a s e do nR B F儒树支互建伟饭爱霞(华北水利水电学院，河南郑州4 5 0 0 1 1)摘要：随着电力系统的日益复杂，传统的同步发电机励磁控制方式已经不能满足控制要求模糊控制具有不依赖于过程模型、鲁棒性强等优点，且R B F 网络具有收敛速魔怏，逼近能力强等优点，本文结合模糊控制、

2、神经网络和传统P I D 的优点提出了基于R B F 的同步发电机模糊P I D 励磁控制系统仿真结果表明，使用该方法设计的励磁控制系统具有响应速度快、控制精度高等优点，改善了励磁控制系统的性能。关键词：同步发电机励磁控制R B F 网络P I D 控制模糊推理A b s t r a c t：A l o n gw i t ht h ee l e c t r i cp o w e rs y s t e mb e c o m e sm o r e a n dm o r ec o m p l i c a t e d，t h es y n c h r o n o u sg e n e r a t o

3、re x c i t a t i o nc o n t r o lm a n n e ra l r e a d yc a n n o ts a t i s f yc o n t r o lq u e s t T h ef u z z yc o n t r o lh a si n d e p e n d e n to ft h ec o u r s em o d e la n dt h es t r o n gr o b u s t n e s s，a n dR B Fn e t w o r kp o s s e st h eh i g hs p e e do fc o n s t r i n

4、g e n c ya n dt h es t r o n ga p p r o x i m a t i o na b i l i t ya n dS Oo n T h ep a p e rc o m b i n e sw i t ht h ev i r t u eo ff u z z yc o n t r o l，a r t i f i c i a ln e u r a ln e t w o r ka n dg e n e r a lP I D，a n dc o m e su pw i t hf u z z yP I De x c i t a t i o nc o n t r o ls y s

5、 t e mo fs y n c h r o n o u sg e n e r a t o rb a s e do nR B F S i m u l a t i O nr e s u l t se v i d e n t l ys h o wt h a te x c i t a t i o nc o n t r o ls y s t e md e s i g n e dw i t ht h i ss t r a t e g yp o s s e st h eq u i c kr e s p o n s e，t h eh i g hc o n t r o lp r e c i s i o n，i

6、 m p r o v i n gt h eq u a l i t yo f e x c i t a t i o nc o n t r o ls y s t e m K e yw o r d s：S y n c h r o n o u sg e n e r a t o rE x c i t a t i o nc o n t r o lR B Fn e t w o r kP I Dc o n t r o lF u z z yi n f e r e n c eO引言励磁自动控制系统是同步发电机的重要组成部分，对发电机运行的可靠性、经济性及电力系统的稳定性有着直接的影响传统P I D)厉J 7 磁控制

7、器结构简单，具有一定的鲁棒性，容易实现，有着广泛的应用，并取得了良好的控制效果。但是，随着电力系统的发展，要求越来越高，传统P I D励磁控制器已经不能满足这一要求，寻找更好的控制算法势在必行模糊逻辑控制和神经网络控制都是智能控制的重要方法，两者虽然在概念、内涵上有着明显的不同，但都是为了处理实际系统中的不确定性，不精确性等引起的用传统P I D 控制方法难以控制的问题现在倍受瞩目的方法是将模糊系统用神经网络来实现，形成模糊神经网络。模糊神经网络不仅在结构上具有明显的模糊推理意义，而且具有较常规P I D 控制算法更强的非线性逼近能力，采用分布数据处理方法使大量的实时控制运算成为可能。因此具有

8、更优越的控制性能 1 1 R B F 网络具有收敛速度快，逼近能力强，训练周期短、网络结构易于调整等优点【2】基于R B F 的同步发电机模糊P I D 励磁控制系统不但具有传统P I D 控制系统的优良特性，又具有模糊神经网络控制系统的自适应、自学习能力这种智能控制系统在不同工况变化情况下，均具有较传统P I D 控制系统更优越的控制性能1同步发电机自动励磁控制系统同步发电机自动励磁控制系统主要由同步发电机、励磁调节器，电压测量比较单元、综合放5 3 0舔B 己叩 第八届工业仪表与自动化学术会议发电机哪)=忐式中，&表示发电机的放大倍数，1+f。s 表示其时间常数；电压测量比较单元、q(J)

9、=而g R式中，K R 表示电压测量比较单元的放大倍数，靠表示电压测量比较单元的e tJ-I 常数；综合放大单元G A(s)=丢式中，K。表示综合放大单元的放大倍数，乃表示综合放大单元的时间常数；功率单元G z C s)=l+K 仁zJ，式中，屹表示功率单元的放大倍数，乞表示功率单元的时间常数；励磁调节器部分G K(s)=砟【1+i+乃s)式中，砟、K I=K，v K o=K P 乃分别表示调节器的比例、积分，微分系数2 基于R B F 白,+j 模糊P I D 励磁控制系统2 1 模糊P I D 励磁控制器参数模糊化l 浪F 网络输入变量的个数越多，控制精度越高，但是个数过多，模糊控制规则变

10、得过于复杂，模糊推理的实现就相当困难M。所以根据R B F 网络模糊推理P I D 控制器的结构，选用误差P(七)和误差变化率A e(k)作为模糊神经网络控制器的输入变量，砟、局，为输出变量误差e(k)和误差变化率A e(k)的模糊子集均定义为：P(后)=N B，N S，O，P S，P B A e(k)=N B，N S，0，P S，P B 式中：N B=“负大”，N S=“负小”，O=“零”，P S=“正小”，P B=“正大”。K 尸，蜀，K D 的模糊子集定义为：砟=Z，S，M，B，K，=Z，S，M，BJK o=Z，S，M，B 式中：Z=“零”，S=“小”，M=“中”，B=“大”。设定误差P

11、(七)和误差变化率A e(k)的论域为【-3，3】，K P 的论域为【O，l o ，K，与K D 的论域5 3 l厶赢B 己0 0 7 第八届工业仪表与自动化学术会议为【0，2】。把P(露)和A e(k)的论域【一2，2】之问变化的连续量离散化为5 个等级，把砟、K，、K D的论域离散化为4 个等级，采用高斯函数为隶属度函数。误差P(七)和误差变化率A e(k)作为模糊神经网络的输入变量经模糊化以后，将模糊子集论域中的元素作为输入数据训练R B F 网络以实现模糊推理。2 2 模糊控制规则设计模糊控制规则基于手动控制策略设计，尽管影响锅炉过热汽温的因素很多，但按照操作人员的经验有如下控制原则：

12、当P【尼)较大时，增大砟，减小，K，取值最小；当e(后)大小中等时，应减小K，K，取大小中等；当P(尼)较小时，应减小K P 与K，；当A e(k)较大时，应减小K D；当A e(k)较小时，应增大K o 根据以上原则，并对操作人员的实际操作步骤进行详细分析，可得K 户、K，足D 模糊控制规则表如表l 所示表1K P、巧、模糊控制规则表弋A e(k)A e(k)N PN SOP SP BN PB Z ZM M SM B SS S S?z zN SB Z MM M MB B BS M BB S SOB Z BS M BZ Z BS M MB B MP SB Z，MS 庙彤BS B MS 仆删M

13、B，SP BM Z zS M SB B ZS M SB B z注：B Z z 分别为砟巧如的控制规则3R B F 网络对模糊推理的实现3 1R B F 网络模型1 9 8 5 年，P o w e l l 提出了多变量插值的径向基函数(R a d i a lB a s i sF u n c t i o n-R B F)1 9 8 8 年，B r o o m h e a d 和L o w e 首先将R B F 应用于神经网络设计，从而构成R B F 神经网络R B F 网络是一种3 层前向网络，由输入层、隐含层以及输出层组成隐合层单元的变换函数是R B F，它是一种局部分布的对中心点径向对称衰减的

14、非负非线性函数【5】R B F 网络结构如图2 所示在R B F 网络结构中，x-i x,，恐，矗】为网络的输入向量R B F 网络的径向基向量H _ 曩，勺，】7，其中乃高斯基函数5 3 2葫c 己口0 7 第八届工业仪表与自动化学术会议h,=o x p(_ I X 叶-O；I I 问p【-刍喜(鸣)2】=-，o 所输入层隐含层H图IR B F 网络结构在R B F 网络结构中，X=阮，x 2，】7 为网络的输入向量R B F 网络的径向基向量=【啊，勺，九r，其中乃高斯基函数忙醑掣一卜击打砒川怎，肌网络的第J 个节点的中心矢量即高斯函数的中心为g=劬。，q j 2，q 加】7，其中，i=1

15、，2，n设网络的基宽向量即高斯函数的方差为仃=【q，呸，吒】7，q 为节点J 的基宽度参数，且为大于零的数。网络的权向量为W=【川，】r则R B F 网络的输出为儿(后)=w l 啊+，岛+w 刖吃R B F 网络性能指标函数7】为-，=三1【，(七)一y(七)】2=j 1P 2(后)P(七)=，(七)一y(七)依最速下降法修正网络的权值w；。F f f$安c J 对权值的负梯度方向搜索调整，并附加一使搜索快速收敛全局极小的惯性项。高斯函数的中心q j 和方差巳也可采用与类似的学习算法求出，编B 羽0 7 第八届工业仪表与自动化学术会议则有：w j(k)2 一(庀一1)+(七)一(忌)2 叫苦

16、_ 必M(七一1)=柑(七)-y(纠乃+必M(庀一1)q(七)=巳(后一1)+q(七)q(七)=r l r(k)一y(k)w j h jl I X g仃j1 1 2-1-e r a哆(后一1)留，(七)=q，(七一1)+卸，(七),a q)：斫，(后)一m)孚+a：A q 肚一1)V 式中：r 一一学习速率；口一一惯性系数：J a c o b i a n 阵(即被控对象的输出对输入的灵敏度信息)算法为襄，但是由于宝未知，所以可以近似用符号函数s g n【襄罴)取代】3 2 模糊推理的实现采用R B F 网络构成模糊神经网络的最大优势在于R B F 网络和模糊推理过程的函数等价性根据等价性，可将

17、两种不同结构的系统在函数上统一起来本文所用模糊控制系统，其模糊规则可以表示为i fP )i sAa n dA e(k)i sBt h e nUi sC式中，e(k)、A e(k)、U 分别表示为误差，误差变化率、控制量输出，A、B、C 分别为相应论域上的模糊子集采用模糊关系合成法作为推理算法，并且在模糊推理算法中取各隶属度函数为高斯函数，则规则的合成函数可以写成删心(A e)-e X p 一半】e x p 一譬】由上式和高斯函数相比较可以看出，模糊推理过程和R B F 网络具有内在的相似性，当模糊规则的个数和R B F 中心值的个数相等时，两式是一致的，即在函数上是等价的。从模糊知识的表达观点

18、看，R B F 网络本质上是“i f t h e n”规则的网络表达形式，其每一个隐含层节点映射了一条模糊规则4 仿真研究为了进一步检验本文提出的基于R B F 的模糊P I D 励磁控制系统对同步发电机控制的优越性能，选用控制系统各部分参数为【7 1：同步发电机f o o=6 s，K=1 O；电压测量比较单元=0 0 2 s，5 3 4编B 己叩7 第八届工业仪表与自动化学术会议1 21 00 80 60 40 200 202 04 06 08 01 0 01 2 01 4 01 6 01 8 02 0 0图2 阶跃响应曲线对比=1 O；整流功率单元乞=O 3 s，屹-1 0 并借助M A

19、T L A B 中的s i m u l i n k 进A-?7 仿真研究图2 中曲线l 是基于R B F 的模糊P I D 励磁控制的阶跃响应曲线，曲线2 是传统P I D 励磁控制的阶跃响应曲线从上述两组仿真曲线可以看出，本文提出的控制策略与传统P I D 控制相比，具有调节速度快、超调量小及鲁棒性能强等优点。5 结束语鉴于传统P I D 励磁控制系统不能适应现代电力系统发展要求的现状，本文提出了基于R B F的同步发电机模糊P I D 励磁控制策略，从仿真结果可以看出，基于R B F 的模糊P I D 励磁控制与传统P I D 控制相比，调节更为平稳，调节速度更快，超调量减小当系统的工况参

20、数发生变化或有扰动出现时，系统的动态品质劣化程度较小，这说明本文提出的用R B F 网络实现模糊推理的同步发电机模糊P I D 励磁控制提高了控制系统的适应能力和鲁棒性，改善了系统的动、静态品质和稳定性。参考文献I闫小伟，杨洁明基于R B F 的模糊神经网络控制器设计与仿真分析【J】微计算机信息2 0 0 6，2 2(3)，6 8 7 02 陈祥光，裴旭东人工神经网络技术及应用f M J 北京：中国电力出版社，2 0 0 33 黎平基于M a t l a b 的励磁控制系统性能分析与设计的软件开发【J】东北电力学院学报，2 0 0 0 2 0(4)：2 年一2 94 李士勇模糊控制神经控制和智

21、能控制论【M】哈尔滨：哈尔滨工业大学出版社，1 9 9 85 王洪元，史国栋人工神经网络技术及其应用【M】北京：中国石化出版社，2 0 0 26 陶永华，尹怡欣，葛芦生新型P I D 控制及其应用【M】北京：机械工业出版社，1 9 9 87 张小勇，谷俊杰基于不同性能指标的励磁控制系统的分析与比较【J 1 河北电力技术，2 0 0 3，2 2(2)：3 1-3 2第一作者侯树文男，1 9 5 3 年生，华北水利水电学院副教授，研究方向为计算机智能控制5 3 5基于RBF的同步发电机模糊PID励磁控制系统基于RBF的同步发电机模糊PID励磁控制系统作者：侯树文，王建伟，段爱霞作者单位：华北水利水电学院,河南郑州,450011 本文链接：http:/