燃?xì)廨啓C(jī)神經(jīng)網(wǎng)絡(luò)前饋控制對(duì)一次調(diào)頻的影響

1、第44卷第2期2015年6月熬力it年THERMAL TURBINEVol. 44 No. 2Jun 2015127127文章編號(hào)：1672-5549(2015)02-0127-06令輪inioi經(jīng)網(wǎng)絡(luò)削饋控制戀一樂(lè)謐頻的酌晌鄧奇超，劉尚明，孫暉（清華大學(xué)熱能工程系熱科學(xué)與動(dòng)力工程教育部重點(diǎn)實(shí)驗(yàn)空北京100084）摘要：頻率是保證電力系統(tǒng)穩(wěn)定的重要指標(biāo)之一。隨著電力系統(tǒng)的快速發(fā)展其復(fù)雜性也不斯增加，對(duì)電 網(wǎng)頻率的控制顯得更加困難，但也更加重要。根據(jù)發(fā)電機(jī)和負(fù)荷的頻率特性建立了電力系統(tǒng)模型，并提出了 神經(jīng)網(wǎng)絡(luò)前饋控制在此基越上分析對(duì)比了不同控制策略的一次調(diào)頻效果聶后用仿真驗(yàn)證了神經(jīng)網(wǎng)絡(luò)前飭 披制

2、的優(yōu)勞對(duì)改進(jìn)燃?xì)廨啓C(jī)電廠的控制策略有積極的夠響。關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò)；苗饋；一次調(diào)頻；電網(wǎng)系統(tǒng)中圖分類(lèi)號(hào)：TK472文猷標(biāo)識(shí)碼：Adoi： 10. 13707/j. cnki. 31-1922/th. 2015. 02. 013Effect of Gas Turbine Feed Forward Neural Networks onPrimary Frequency RegulationDENG Qi-chao 丄Shang-ming, SUN Hui(Key Laboratory for Thermal Science and Power Engineer of Ministry of Ed

3、ucationDepartment of Thermal Engineering Tsinghua University Beijing 100084 China)Abstract: Ir order to guarantee the power quality* power grid and management of gas turbine power plant* a series of requirements about primary frequency regulation arc developed. Because the gas turbine unit is a mult

4、i-variable nonlinear system with delay, there are some defects on the traditional PID control Thus, a feed forward controller consisting of neural network is presented The simulation result shows that the controller can improve the effect of the primary frequency regulation and it has a positive imp

5、act on the improvement of control strategy of gas turbine.Key words： artificial neural network； feed forward； primary frequency regulation； power system127頻率是衡量電能質(zhì)量的三大參數(shù)之一，它是 保證用電設(shè)備和發(fā)電機(jī)正常運(yùn)行的垂要指標(biāo)，在 電力系統(tǒng)正常的情況下，系統(tǒng)的功率和負(fù)荷的有 功功率是相等的。如果功率或負(fù)荷發(fā)生變化會(huì) 引起系統(tǒng)用電頻座的變化，因此需要對(duì)系統(tǒng)實(shí)施 頻率控制，使其穩(wěn)定在50 Hz。頻率的調(diào)節(jié)分為 三種分別是一次調(diào)頻、二次調(diào)頻

6、以及三次調(diào) 頻。一次調(diào)頻與燃?xì)廨啓C(jī)的控制系統(tǒng)有直接關(guān) 系，它的作用是當(dāng)電網(wǎng)的功率或電力設(shè)備的負(fù)荷 因?yàn)槭鹿驶蚱渌虬l(fā)生變化，導(dǎo)致有功功率不 平衡，引起頻率的波動(dòng)時(shí)快速改變機(jī)組功率，減 小頻率的變化。在水電、風(fēng)電等領(lǐng)域的一次調(diào)頻 已經(jīng)有不少?lài)?guó)內(nèi)外的學(xué)者進(jìn)行過(guò)研究2如，與之相 比燃?xì)廨啓C(jī)機(jī)組具有更強(qiáng)的可控性，對(duì)調(diào)頻應(yīng)承 擔(dān)更大責(zé)任。而且隨著裝機(jī)容駅越來(lái)越高，對(duì)發(fā) 電質(zhì)量也提出了更高的要求，所以改進(jìn)燃?xì)廨?機(jī)機(jī)組的一次調(diào)頻效果也顯得更加重要。本文利 用神經(jīng)網(wǎng)絡(luò)的萬(wàn)能近似特征，訓(xùn)練出燃?xì)廨啓C(jī)機(jī) 組的逆系統(tǒng)作為前饋控制器，達(dá)到了更為迅速更 為理想的控制效果。1神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)本文采用BP神經(jīng)網(wǎng)絡(luò)方法，它屬

7、于靜態(tài)網(wǎng) 絡(luò)，如圖1所示。它一般是3層結(jié)構(gòu)：輸入層、隱 含層和輸出層，同層之間互不影響，但前一層的結(jié) 果會(huì)影響后一層的輸出，且不存在反饋關(guān)系。BP 神經(jīng)網(wǎng)絡(luò)是通過(guò)誤差的反向傳播修正各層的連接127127收積日期：2015-01-27 修訂日期：2015-04-27作者簡(jiǎn)介:鄧奇超（1991-）.男.湖北武漢人,2013年畢業(yè)于清華大學(xué)熱能工程系能源動(dòng)力系統(tǒng)及自動(dòng)化專(zhuān)業(yè).現(xiàn)攻讀清華大學(xué)熱能工程系 動(dòng)力機(jī)械及匸程熱物理碩士學(xué)位，主耍從事燃?xì)廨啓C(jī)建模與控制算法的研究.127127127第2期燃?xì)廨啓C(jī)神經(jīng)網(wǎng)絡(luò)前饋控制對(duì)一次調(diào)頻的彩響或取為(一1,1)內(nèi)的雙曲正切S型函數(shù)(4)以該神經(jīng)網(wǎng)絡(luò)作為燃?xì)廨啓C(jī)燃

8、料量的前饋控 制器。同時(shí),為了彌補(bǔ)前饋控制無(wú)法滿(mǎn)足精確控 制的缺陷，加入PI反饋環(huán)節(jié)作為輔助調(diào)節(jié)，控制 邏輯如圖3所示圖3神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)權(quán)值。隱含層圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)文獻(xiàn)5介紹了 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，BP網(wǎng)絡(luò) 模型包括其輸入輸出模型、傳遞函數(shù)模型、誤差計(jì) 算模型和自學(xué)習(xí)模型。隱層節(jié)點(diǎn)輸岀為。(1) 輸出層節(jié)點(diǎn)輸出為Y*=y(Z：T4XO 廠砧(2)式中；訶,為輸入層到隱含層的權(quán)值系數(shù)；誠(chéng)為 隱含層到輸出層的權(quán)值系數(shù)；仍、bk為偏置值。而傳遞函數(shù)是反映下層輸入對(duì)上層節(jié)點(diǎn)刺激 脈沖強(qiáng)度的函數(shù),又稱(chēng)刺激函數(shù)一般取為(01) 內(nèi)連續(xù)取值的Sigmoid函數(shù)：/(j)=r+F其誤差計(jì)算方式為aC式中

9、：為輸岀層節(jié)點(diǎn)的期望輸出；卩為節(jié)點(diǎn)的 實(shí)際輸出。BP神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)功能，根據(jù)經(jīng)驗(yàn)數(shù)據(jù)進(jìn) 行有師學(xué)習(xí)，自動(dòng)修正權(quán)重矩陣3“，其修正過(guò)程 根據(jù)下式進(jìn)行： (6) 式中：9為學(xué)習(xí)因子。此權(quán)值的修正過(guò)程將一直循環(huán)進(jìn)行下去，直 到誤差滿(mǎn)足要求;或循環(huán)次數(shù)達(dá)到上限為止。燃?xì)廨啓C(jī)是一個(gè)多輸入多輸出的對(duì)象，輸入 參數(shù)包括燃料量、環(huán)境溫度、空氣濕度、大氣壓力 等，輸出參數(shù)包括功率、排氣溫度、空氣流量、轉(zhuǎn)速 等。根據(jù)本文研究的需要，為簡(jiǎn)化模型，這里只考 慮如下的主要參數(shù):燃料量、環(huán)境溫度、功率和轉(zhuǎn) 速。對(duì)于并網(wǎng)的燃?xì)廨啓C(jī)，轉(zhuǎn)速跟隨電網(wǎng)頻率，所 以輸出童只有功率。以某燃?xì)廨啓C(jī)在不同負(fù)荷、 不同環(huán)境溫度下的運(yùn)行參數(shù)為訓(xùn)練數(shù)據(jù)，其中，負(fù) 荷和環(huán)境溫度為輸入，燃料流量率為輸出。在Matlab環(huán)境下，對(duì)BF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn) 練，隱含層設(shè)置5個(gè)神經(jīng)元。由于溫度和負(fù)荷 對(duì)燃料需求量的影響具有單調(diào)性,所以訓(xùn)練結(jié)果 容易收斂，誤差收斂情況如圖2所示。訓(xùn)練完成 后神經(jīng)網(wǎng)絡(luò)的輸出與訓(xùn)練值的偏差在0. 1%以2電力系統(tǒng)建模在電力系統(tǒng)中，有發(fā)電部分和用電部分，這兩 部分的功頻關(guān)系完全相反發(fā)電機(jī)的功率和電網(wǎng) 頻率呈負(fù)相關(guān)，而用電設(shè)備的負(fù)荷和電網(wǎng)頻率呈 正相關(guān)，這兩部分的功頻關(guān)系可以用下式