自适应控制及电力系统
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1997 年 11 月 A uto电m ati力o n o系f E le统ct r ic自P o w动er Sy化stems 第 21 卷 第 11 期
49
自适应控制及其在电力系统中的应用
叶其革
王晨皓
吴 捷
( 华南理工大学电力学院 510641 广州) ( 广东省邮电学校 510630 广州) ( 华南理工大学电力学院 510641 广州)
摘 要 自适应控制是一种能保持高性能指标的控制理论与技术, 将其应用于电厂过程控制或电 网运行控制, 可保证在对象参数发生变化时, 仍能达到预期的控制目标。该文介绍自适应控制的理 论概况、现状及发展和自适应控制器的产品, 并探讨其在电厂过程控制及电力系统其它方面的应 用。
关键词 自适应控制 电厂过程控制 电力系统
2 自适应控制的现状与发展
尽管不同的自适应控制方式在特定的领域上各 有其优点, 但是传统的自适应控制的缺点, 如处理非 线性系统能力差, 无法处理系统模型结构的变化, 算 法耗时等, 限制了自适应控制在过程控制的广泛应 用, 这意味着自适应控制的理论研究还有待深入。 2. 1 基于模糊控制理论的研究
3 在电力系统的应用
随着微机技术的发展, 微机控制日趋完善, 自适 应控制技术在电力系统的智能仪表、PL C 控制器及
õ综述õ 叶其革等 自适应控制及其在电力系 统中的应用
51
集散控制系统有着广泛的应用领域。 3. 1 在电厂过程控制的应用
在电厂过程控制的发展史上, PID 控制是历史 最悠久、生命力最强的控制方式, 目前仍有90% 以上 的控制回路采用 P ID 控制器, 可见 P ID 控制在电厂 过程控制中占据了非常重要的位置。然而当工况发 生变化时, 需要操作者介入来重新整定的 PID 控制 器的参数不仅数量多, 而且难以确保在线安全调整, 因此, 自适应 PID 控制器在电厂过程控制应用上的 研究、开发仍有待深入。文献[ 13] 提出控制量在一定 条件约束下的自校正调节器的设计方法, 仿真表明 该方法能改善在输入约束下的跟踪与调节性能。文 献[ 14] 介绍根据用户期望的调节性能来设计自适应 PID 控 制器 的方 法, 具 有简 单、通 用的 特点。文献 [ 15] 采用 Sm it h 预估器直接辨识滞后时间常数, 并 用与基于最小二乘法的自适应控制相结合的方法来
的神经网络的学习和适应能力及 P ID 控制的较强 鲁棒性等特点。文献[ 17] 采用将一个或多个神经网 络与增量形式的 PID 控制相结合的方法来设计多 变量自整定 PID 控制器, 它适用于多变量耦合作用 的强或弱两种情况, 曾用于电 厂的温度控制。文献 [ 18] 把基于 B 样条神经网络自适应模糊控制器用 于锅炉过热蒸汽温度的串级控制系统, 实验表明该 系统与传统的串级控制系统相比, 具有低幅衰减振 荡、调节快的性能。
参考模型
ym
自适应机构
uc
y
控制器
被控对象 ·
u
1 自适应控制的理论概述
设某被控对象可用 以下非线性微分方程来描 述:
x′( t) = f ( x( t ) , u( t) , H, t ) y( t ) = h( x( t ) , u( t ) , H, t ) 其中 x( t) , u( t) , y( t ) 分别为 n, p , m 维列向量。 假设上述方程能线性化、离散化, 并可得出在扰 动和噪音影响下的方程:
对于复杂非线性系统, 文献[ 6～8] 把神经元网 络应用于自适应控制。文献[ 6] 把基于神经元网络的 自适应控制方法用于稳定的、有某些未知非线性函
数和可反馈线性化的对象, 仿真实验表明, 此方法有 一定的实用性, 但由于这一方法仅具有局部收敛性, 因此要求神经网络初始权系数充分接近 正确权系 数。文献[ 7] 设计了一种自适应神经网络的智能控制 器, 该控制器由两个自适应神经网络组成, 一个用于 评优, 另一个用于学习并产生控制信号, 仿真表明它 能适用于一定复杂程度的非线性对象的控制。文献 [ 8] 将神经网络作为补偿器应用于鲁棒自校正控制 器, 可使基于线性低阶模型的自校正算法适用于某 些复杂的非线性系统。 2. 3 基于多学科交叉的研究
X ( k + 1) = 5 ( H, k ) X ( k ) + Q( H, k ) U( k) + X( k )
Y( k ) = H( H, k) X( k) + V( k) 其 中 X( k ) , X( k ) , U( k) , Y( k) , V( k) 分 别为 n, n,
p , m, m 维 列向 量; 5 ( H, k ) , Q( H, k) , H( H, k) 分别为 n × n 系统矩阵、n × p 控制矩阵、m × n 输出矩阵。 那 么自 适 应控 制 就是 研 究: 在 矩阵 5 ( H, k) , Q( H, k ) , H( H, k ) 中 的参数向 量, 随机 序列{ X( k) } , { M( k) } 的统计特性及随机向量 X( 0) 的统计特性都 未知的条件下的控制问题, 也就是说自适应控制的
0 引言
自从本世纪50年代 末期由美国麻省理工学院 Whitaker 等人提出第一个自适应控制系统以来, 已 先后出现许多形式的自适应控制系统, 特别到70年 代在航天工业及计算机技术的推动下, 自适应控制 理论与技术迅速发展, 到90年代初自适应控制理论、 设计方法、实现条件已日趋成 熟, 特别是与模糊控 制、神经网络相结合的自适应控制设计方法将使自 适应控制技术成为现代工业生产过程及航天技术上 的一种高性能、高效率、高可靠的有效控制方法及手 段。
1. 1 模型参考自适应控制系统 模型参考自适应控制系统由参考模型、反馈控
制器、自适应机构及被控对象组成( 如图1) 。此系统 的主要特点是具有参考模型, 其核心问题可归纳为 如何确定自适应调节律及算法。目前设计自适应律 所采用的方法主要有两种: ¹ 局部参数最优法, 如梯 度算法等, 该方法的局限性在于不一定能保证调节 过程总是稳定的; º基于稳定性理论的设计方法, 如 L y apunov 稳定性理论和 Popov 超稳定性理论的设 计方法。
针对对象模型不准确、非线性、慢时变性和时滞 性等情况, 文献[ 2～5] 中采用了基于模糊控制理论 的自适应控制策略, 使自适应控制有了更广的适用 范围, 更容易实现。文献[ 2] 把模型参考自适应控制 与模糊控制相结合的控制策略应用于在环境干扰 下、系统本身动态变化及模型不准确的对象, 仿真表 明, 与模型参考自适应控制相比, 这一控制方法具有 算法简单、实时性及鲁棒性强、自适应过程快的特 点。文献[ 3] 中介绍了基于模糊控制的多模型参考自 适应控制, 仿真表明该方法跟踪迅速。文献[ 4] 中采 用基于模糊模型的自校正控制, 仿真和实验表明此 方法适用于非线性、慢时变和时滞性系统, 具有鲁棒 性强的特点。文献[ 5] 中阐述了自调整模糊控制, 即 将自适应控制、Sm ith 预估器和模糊控制结合起来, 对模糊量化因子及系统增益按误差及其变化率进行 自调整, 该方法已通过仿真与现场的考验。 2. 2 基于神经元网络的研究
3. 2 在电力系统稳定器的应用 针对电力系统工况的变化及各种扰动的存在,
可采用各种自适应控制律来设计电力系统稳定器。
文献[ 19] 提出基于最小方差自校正控制的同步机稳 定器的设计方法, 由变遗忘因子的辨识算法改善暂 态及稳态下的参数跟踪, 由自搜索极点移动技术提 高变工况下的适用范围, 具有 较强的鲁棒性。文献 [ 20] 把预测控制与参数最优法结合起来设计稳定 器, 该稳定器能离线选择自己的结构, 在线调整有关 的参数, 因此具有阶次及结构的可变性。文献[ 21] 采 用广义极点移动技术设计鲁棒稳定器, 适用于输入 变量与输出变量的个数相等或不相等的系统。文献
问题可归结为在对象及扰动的数学模型不完全确定 的条件下, 设计控制序列 u( 0) , u( 1) , …, u( N - 1) , 使得指定的性能指标尽可能接近最优和保持最优。
文献[ 1] 阐述了各种类型的自适应控制系统, 并 归纳为模型参考自适应控制系统及自校正调节器两 种主要类型, 分别用图1, 2表示。
尽管基于模糊控制或神经网络的自适应控制可 扩大自适应控制的适用范围, 或在某方面能改善控 制性能, 但是仍有缺点, 因此科学研究人员进行了基 于多学科交叉的自适应控制理论研究[ 9～12] 。
文献[ 9] 介绍如何设计单个神经元学习单个变 量的自适应模糊控制器, 以改善控制性能, 尽管这种 设计方法在理论上能一定程度地改善基于神经网络 的自适应控制性能, 但是实验结果并不十分理想。文 献[ 10] 把单层神经网络应用于自适应模糊控制器, 并提出由单层神经网络学习多变量模糊控制规则中 的未知参数, 实现多变量模糊推理过程, 该方法能解 决多变量模糊控制规则难以获取及实时自适应控制 难以实现的问题, 但速度仍不理想。文献[ 11] 又把神 经元学习的赫布( Hebb) 规则与梯度算法相结合, 构 成梯度—赫布学习法, 并应用于自适应模 糊控制器 中, 这种方法可提高学习速度, 减少实时 控制超调 量。文献[ 12] 利用模糊逻辑和 BP 算法相结合来设 计模型参考模糊神经网络控制器, 这种控制器可适 用于缺乏准确数学模型的对象。 2. 4 自适应控制器的产品
1997- 03- 03收稿, 1997- 05- 22改回。
图1 模型参考自适应控制系统 Fig. 1 Model reference adaptive system
对象参数估计
设计机构
估计器
调节参数估计
uc
调节器
y 被控对象 · u
பைடு நூலகம்
图2 自校正调节器 Fig. 2 Self -tuning regulator
50
1. 2 自校正调节器 自校正调节器可分为设计机构、估计器、调节器
及 被控 对象4 个部 分。此 控制 器的 主要 特点 是具 有在 线测量及在线辨识环节, 其核心问题可归纳为如何 把不同参数估计算法与不同控制算法相结合。根据 参数估计算法与控制算法相结合的情况把自校正控 制分为: ¹ 最小方差自校正控 制, 其特点是算法简 单、易理解、易实现, 但只适用于最小相位系统, 对靠 近单位圆的零点过于灵敏, 而且扰动方差过大时调 节过程过于猛烈; º广义最小方差自校正控制, 可用 于非逆稳系统, 但难以实现; » 基于多步预测的自适 应控制, 适用于不稳定系统等, 具有易实现、鲁棒性 强的优点; ¼ 自校正极点配置 控制, 具有动态性能 好、无控制 过激现 象的 特点, 但 静态 干扰特 性差; ½ 自校正 PID 控制, 具有算法简单、鲁棒性强、待定 参数少的特点; ¾ 增益调度控 制, 优点是参数适应 快, 缺点是选择合适的列表需要大量的仿真实验, 另 外离线的计算量大。
设计适用于时变时滞系统的自适应 P ID 控制器。该 方法有效解决了控制器阶次随滞后时间变化而变化 的 难题, 但其收敛性有待证明。文献[ 16] 把神经网 络、模糊控制与 PID 调节器相结合, 采用基于 BP 神 经网络的自适应模糊 P ID 控制器的设计方法, 该控 制器具有模糊控制算法的简单、适用于非线性系统
由于上述理论在设计方法上还不够完善, 且科 学技术与应用环节有脱节现象, 致使目前用于电力 系统及其它工业过程控制的自适应控制器产品并不 多。据不完全统计, 目前的产品主要有: 美国 L eeds 和 Nort hrup 的 自 校 正 PID 控 制 器, 瑞 士 Asea Brow n Bov er i 公司的自适应调节器, 美国 F ox bo ro 公司的自整定的 P ID 调节器 EXACT , 英国 T ur bull Cont rol 公 司 的 自 适 应 PID 控 制 器, 瑞 典 F irst Cont rol Systems 公司的自适应调节器, 日本横河公 司 的 自 整 定 PID 调 节 器 Y S—80E, 美 国 Fisher Cont rol 公司的 DP R—9000自动整定 PID 调节器。
49
自适应控制及其在电力系统中的应用
叶其革
王晨皓
吴 捷
( 华南理工大学电力学院 510641 广州) ( 广东省邮电学校 510630 广州) ( 华南理工大学电力学院 510641 广州)
摘 要 自适应控制是一种能保持高性能指标的控制理论与技术, 将其应用于电厂过程控制或电 网运行控制, 可保证在对象参数发生变化时, 仍能达到预期的控制目标。该文介绍自适应控制的理 论概况、现状及发展和自适应控制器的产品, 并探讨其在电厂过程控制及电力系统其它方面的应 用。
关键词 自适应控制 电厂过程控制 电力系统
2 自适应控制的现状与发展
尽管不同的自适应控制方式在特定的领域上各 有其优点, 但是传统的自适应控制的缺点, 如处理非 线性系统能力差, 无法处理系统模型结构的变化, 算 法耗时等, 限制了自适应控制在过程控制的广泛应 用, 这意味着自适应控制的理论研究还有待深入。 2. 1 基于模糊控制理论的研究
3 在电力系统的应用
随着微机技术的发展, 微机控制日趋完善, 自适 应控制技术在电力系统的智能仪表、PL C 控制器及
õ综述õ 叶其革等 自适应控制及其在电力系 统中的应用
51
集散控制系统有着广泛的应用领域。 3. 1 在电厂过程控制的应用
在电厂过程控制的发展史上, PID 控制是历史 最悠久、生命力最强的控制方式, 目前仍有90% 以上 的控制回路采用 P ID 控制器, 可见 P ID 控制在电厂 过程控制中占据了非常重要的位置。然而当工况发 生变化时, 需要操作者介入来重新整定的 PID 控制 器的参数不仅数量多, 而且难以确保在线安全调整, 因此, 自适应 PID 控制器在电厂过程控制应用上的 研究、开发仍有待深入。文献[ 13] 提出控制量在一定 条件约束下的自校正调节器的设计方法, 仿真表明 该方法能改善在输入约束下的跟踪与调节性能。文 献[ 14] 介绍根据用户期望的调节性能来设计自适应 PID 控 制器 的方 法, 具 有简 单、通 用的 特点。文献 [ 15] 采用 Sm it h 预估器直接辨识滞后时间常数, 并 用与基于最小二乘法的自适应控制相结合的方法来
的神经网络的学习和适应能力及 P ID 控制的较强 鲁棒性等特点。文献[ 17] 采用将一个或多个神经网 络与增量形式的 PID 控制相结合的方法来设计多 变量自整定 PID 控制器, 它适用于多变量耦合作用 的强或弱两种情况, 曾用于电 厂的温度控制。文献 [ 18] 把基于 B 样条神经网络自适应模糊控制器用 于锅炉过热蒸汽温度的串级控制系统, 实验表明该 系统与传统的串级控制系统相比, 具有低幅衰减振 荡、调节快的性能。
参考模型
ym
自适应机构
uc
y
控制器
被控对象 ·
u
1 自适应控制的理论概述
设某被控对象可用 以下非线性微分方程来描 述:
x′( t) = f ( x( t ) , u( t) , H, t ) y( t ) = h( x( t ) , u( t ) , H, t ) 其中 x( t) , u( t) , y( t ) 分别为 n, p , m 维列向量。 假设上述方程能线性化、离散化, 并可得出在扰 动和噪音影响下的方程:
对于复杂非线性系统, 文献[ 6～8] 把神经元网 络应用于自适应控制。文献[ 6] 把基于神经元网络的 自适应控制方法用于稳定的、有某些未知非线性函
数和可反馈线性化的对象, 仿真实验表明, 此方法有 一定的实用性, 但由于这一方法仅具有局部收敛性, 因此要求神经网络初始权系数充分接近 正确权系 数。文献[ 7] 设计了一种自适应神经网络的智能控制 器, 该控制器由两个自适应神经网络组成, 一个用于 评优, 另一个用于学习并产生控制信号, 仿真表明它 能适用于一定复杂程度的非线性对象的控制。文献 [ 8] 将神经网络作为补偿器应用于鲁棒自校正控制 器, 可使基于线性低阶模型的自校正算法适用于某 些复杂的非线性系统。 2. 3 基于多学科交叉的研究
X ( k + 1) = 5 ( H, k ) X ( k ) + Q( H, k ) U( k) + X( k )
Y( k ) = H( H, k) X( k) + V( k) 其 中 X( k ) , X( k ) , U( k) , Y( k) , V( k) 分 别为 n, n,
p , m, m 维 列向 量; 5 ( H, k ) , Q( H, k) , H( H, k) 分别为 n × n 系统矩阵、n × p 控制矩阵、m × n 输出矩阵。 那 么自 适 应控 制 就是 研 究: 在 矩阵 5 ( H, k) , Q( H, k ) , H( H, k ) 中 的参数向 量, 随机 序列{ X( k) } , { M( k) } 的统计特性及随机向量 X( 0) 的统计特性都 未知的条件下的控制问题, 也就是说自适应控制的
0 引言
自从本世纪50年代 末期由美国麻省理工学院 Whitaker 等人提出第一个自适应控制系统以来, 已 先后出现许多形式的自适应控制系统, 特别到70年 代在航天工业及计算机技术的推动下, 自适应控制 理论与技术迅速发展, 到90年代初自适应控制理论、 设计方法、实现条件已日趋成 熟, 特别是与模糊控 制、神经网络相结合的自适应控制设计方法将使自 适应控制技术成为现代工业生产过程及航天技术上 的一种高性能、高效率、高可靠的有效控制方法及手 段。
1. 1 模型参考自适应控制系统 模型参考自适应控制系统由参考模型、反馈控
制器、自适应机构及被控对象组成( 如图1) 。此系统 的主要特点是具有参考模型, 其核心问题可归纳为 如何确定自适应调节律及算法。目前设计自适应律 所采用的方法主要有两种: ¹ 局部参数最优法, 如梯 度算法等, 该方法的局限性在于不一定能保证调节 过程总是稳定的; º基于稳定性理论的设计方法, 如 L y apunov 稳定性理论和 Popov 超稳定性理论的设 计方法。
针对对象模型不准确、非线性、慢时变性和时滞 性等情况, 文献[ 2～5] 中采用了基于模糊控制理论 的自适应控制策略, 使自适应控制有了更广的适用 范围, 更容易实现。文献[ 2] 把模型参考自适应控制 与模糊控制相结合的控制策略应用于在环境干扰 下、系统本身动态变化及模型不准确的对象, 仿真表 明, 与模型参考自适应控制相比, 这一控制方法具有 算法简单、实时性及鲁棒性强、自适应过程快的特 点。文献[ 3] 中介绍了基于模糊控制的多模型参考自 适应控制, 仿真表明该方法跟踪迅速。文献[ 4] 中采 用基于模糊模型的自校正控制, 仿真和实验表明此 方法适用于非线性、慢时变和时滞性系统, 具有鲁棒 性强的特点。文献[ 5] 中阐述了自调整模糊控制, 即 将自适应控制、Sm ith 预估器和模糊控制结合起来, 对模糊量化因子及系统增益按误差及其变化率进行 自调整, 该方法已通过仿真与现场的考验。 2. 2 基于神经元网络的研究
3. 2 在电力系统稳定器的应用 针对电力系统工况的变化及各种扰动的存在,
可采用各种自适应控制律来设计电力系统稳定器。
文献[ 19] 提出基于最小方差自校正控制的同步机稳 定器的设计方法, 由变遗忘因子的辨识算法改善暂 态及稳态下的参数跟踪, 由自搜索极点移动技术提 高变工况下的适用范围, 具有 较强的鲁棒性。文献 [ 20] 把预测控制与参数最优法结合起来设计稳定 器, 该稳定器能离线选择自己的结构, 在线调整有关 的参数, 因此具有阶次及结构的可变性。文献[ 21] 采 用广义极点移动技术设计鲁棒稳定器, 适用于输入 变量与输出变量的个数相等或不相等的系统。文献
问题可归结为在对象及扰动的数学模型不完全确定 的条件下, 设计控制序列 u( 0) , u( 1) , …, u( N - 1) , 使得指定的性能指标尽可能接近最优和保持最优。
文献[ 1] 阐述了各种类型的自适应控制系统, 并 归纳为模型参考自适应控制系统及自校正调节器两 种主要类型, 分别用图1, 2表示。
尽管基于模糊控制或神经网络的自适应控制可 扩大自适应控制的适用范围, 或在某方面能改善控 制性能, 但是仍有缺点, 因此科学研究人员进行了基 于多学科交叉的自适应控制理论研究[ 9～12] 。
文献[ 9] 介绍如何设计单个神经元学习单个变 量的自适应模糊控制器, 以改善控制性能, 尽管这种 设计方法在理论上能一定程度地改善基于神经网络 的自适应控制性能, 但是实验结果并不十分理想。文 献[ 10] 把单层神经网络应用于自适应模糊控制器, 并提出由单层神经网络学习多变量模糊控制规则中 的未知参数, 实现多变量模糊推理过程, 该方法能解 决多变量模糊控制规则难以获取及实时自适应控制 难以实现的问题, 但速度仍不理想。文献[ 11] 又把神 经元学习的赫布( Hebb) 规则与梯度算法相结合, 构 成梯度—赫布学习法, 并应用于自适应模 糊控制器 中, 这种方法可提高学习速度, 减少实时 控制超调 量。文献[ 12] 利用模糊逻辑和 BP 算法相结合来设 计模型参考模糊神经网络控制器, 这种控制器可适 用于缺乏准确数学模型的对象。 2. 4 自适应控制器的产品
1997- 03- 03收稿, 1997- 05- 22改回。
图1 模型参考自适应控制系统 Fig. 1 Model reference adaptive system
对象参数估计
设计机构
估计器
调节参数估计
uc
调节器
y 被控对象 · u
பைடு நூலகம்
图2 自校正调节器 Fig. 2 Self -tuning regulator
50
1. 2 自校正调节器 自校正调节器可分为设计机构、估计器、调节器
及 被控 对象4 个部 分。此 控制 器的 主要 特点 是具 有在 线测量及在线辨识环节, 其核心问题可归纳为如何 把不同参数估计算法与不同控制算法相结合。根据 参数估计算法与控制算法相结合的情况把自校正控 制分为: ¹ 最小方差自校正控 制, 其特点是算法简 单、易理解、易实现, 但只适用于最小相位系统, 对靠 近单位圆的零点过于灵敏, 而且扰动方差过大时调 节过程过于猛烈; º广义最小方差自校正控制, 可用 于非逆稳系统, 但难以实现; » 基于多步预测的自适 应控制, 适用于不稳定系统等, 具有易实现、鲁棒性 强的优点; ¼ 自校正极点配置 控制, 具有动态性能 好、无控制 过激现 象的 特点, 但 静态 干扰特 性差; ½ 自校正 PID 控制, 具有算法简单、鲁棒性强、待定 参数少的特点; ¾ 增益调度控 制, 优点是参数适应 快, 缺点是选择合适的列表需要大量的仿真实验, 另 外离线的计算量大。
设计适用于时变时滞系统的自适应 P ID 控制器。该 方法有效解决了控制器阶次随滞后时间变化而变化 的 难题, 但其收敛性有待证明。文献[ 16] 把神经网 络、模糊控制与 PID 调节器相结合, 采用基于 BP 神 经网络的自适应模糊 P ID 控制器的设计方法, 该控 制器具有模糊控制算法的简单、适用于非线性系统
由于上述理论在设计方法上还不够完善, 且科 学技术与应用环节有脱节现象, 致使目前用于电力 系统及其它工业过程控制的自适应控制器产品并不 多。据不完全统计, 目前的产品主要有: 美国 L eeds 和 Nort hrup 的 自 校 正 PID 控 制 器, 瑞 士 Asea Brow n Bov er i 公司的自适应调节器, 美国 F ox bo ro 公司的自整定的 P ID 调节器 EXACT , 英国 T ur bull Cont rol 公 司 的 自 适 应 PID 控 制 器, 瑞 典 F irst Cont rol Systems 公司的自适应调节器, 日本横河公 司 的 自 整 定 PID 调 节 器 Y S—80E, 美 国 Fisher Cont rol 公司的 DP R—9000自动整定 PID 调节器。