水电站一次控制系统的孤立模型分析

杨弓

（国能德宏发电有限公司，云南 德宏 679300）

0 引言

小型水电站的使用具有环保、高效率的特点，水电站可以将水能转换为电能，此过程不涉及燃料问题，没有污染，并且维护成本相对较低。与其他类型的发电厂相比，水力发电厂的运营成本最低，使用寿命最长，具有明显的优势。但是，水电站自身也存在许多问题，通过分析前人文献，总结出水电站在运行过程中存在水位不稳定、电网接入困难、控制系统不稳定等问题。其中，水电站控制系统存在系统稳定性差、控制策略不合理、数据通信和传输延迟、故障诊断及容错控制性较差的问题［1-2］。

为解决上述水电站运行中存在的系统容错问题，本文以大盈江水电站为例，提出小型水电站一次控制系统容错控制方案。容错控制是指对小型水电站的控制系统进行容错分析和设计，以提高系统的可靠性和稳定性。容错控制系统主要包括硬件容错、软件容错、数据容错、通信容错等。控制的主要信号为产生的实际功率和IMG（孤岛微电网）频率。其中，孤岛微电网是指一个相对独立的电力系统，通常是在地理上一个相对孤立的区域内运行，能够自主地生成、分配和消耗电能，不必完全依赖大型中央电力网络。这种微电网通常由多种能源资源（如太阳能、风能、发电机等）及能量储存系统（如电池、储热设备等）组成，以满足特定地区的电力需求［3-4］。

1 原理过程分析

1.1 蝶阀驱动原理

大盈江一级电站主阀为新型的重锤式液压控制蝴蝶阀，全称为希斯威系列水轮机进水自动保压重锤式液控蝶阀。该蝶阀采用液压驱动，油压可达14 MPa，减小了接力器的体积，开启过程中能够同时举起2 个重锤，利用举起的重锤蓄能进行关闭操作，取消了蓄能罐。蝶阀开启后锁定自动投入，液压系统自动保压，重锤不下掉，蝶板不抖动；蝶阀关闭时不需要动力油源，自动解除锁定，按预定程序关闭蝶阀，极大地简化了液压系统。该蝶阀采用双偏心板，水平安装的阀轴在管道中心线上移一定距离，使阀板下半部迎水面积大于上半部，利用动水力的作用帮助组阀门关闭，以减少重锤的重量。该蝶阀将结构简单、体积小的压油装置、蝴蝶阀控制柜、电气自动控制箱、接力器、控制油管紧凑地集聚在一起，实现了就地控制、远方控制及联动控制。

蝶阀控制系统主要由油泵、油泵电机、溢流阀、调速阀、手动阀、电磁阀等各种控制阀组成，各阀之间的控制与配合动作如图1所示。

（1）蝶阀开阀流程：手阀1（SDF1）关闭→手阀2（SDF2）关闭→手阀3（SDF3）开启→开启命令→蝶阀启动主油泵→锁定电磁阀得电动作→压力油经高压胶管2 到达锁定油缸→拔出蝶阀锁定→电磁阀2 关闭→电磁阀1 关闭→压力油经高压胶管1 到达蝶阀接力器并对蓄能器冲压储能→蝶阀接力器动作开启蝶阀并将重锤举起→蝶阀全开后锁定电磁阀失电投入蝶阀锁定→蝶阀开启结束→油泵停止运行。

book=30,ebook=36

（2）蝶阀关阀流程：手阀1（SDF1）关闭→手阀2（SDF2）关闭→手阀3（SDF3）开启→蝶阀关闭命令→锁定电磁阀得电动作→压力油经高压胶管2 到达锁定油缸→拔出蝶阀锁定→锁定电磁阀得电动作→电磁阀1 得电开启→蝶阀在重锤作用下关闭→蝶阀关闭后锁定电磁阀得电动作投入锁定→电磁阀1 失电关闭→蝶阀关闭完成。当蓄能器压力足够时，油泵不会启动。

1.2 电能产生过程

能量生产过程的建模包括确定输入信号［涡轮机室中的输入流量F（t）累积每个涡轮机叶片上释放的输入流量］和主输出信号［两个同步发电机产生的总实际功率P（t）之间的数学联系］。实际上，能源生产过程的建模代表了2 个涡轮机同步发电机组作为一个整体的动力学建模。由于小型水电站运行过程中获得的实验数据是可以采集的，为确定数学模型的结构和参数，本研究应用实验识别。水电站运行一天出现3 个输入流量的过渡状态，表1 列出了3 种过渡状态（序号1～3，4～5，6～8）的实测数据。

表1 过程识别相关实验数据

前2 个过渡状态是递减的（序号1～3，4～5），并且分别通过输入信号值从1.34 m3/s下降至0.93 m3/s、通过输入信号数值从0.93 m3/s连续下降至0.91 m3/s。从表1 可以看出，在这2 种情况下，过渡状态持续时间都低于58 s。考虑到2 种类型的设备参与建模过程的结构（涡轮机和同步发电机），可以突出显示2个时间常数，它们的总和略小于10 s。此外，建模过程的结构中包含1 个电气子过程和1 个机械子过程，2 个时间常数中的一个（与机械子过程相关的）始终高于另一个。因此，确定值T1＝1.6 s 和T2＝8 s。该过程的比例常数也使用表1中给出的实验数据确定。

2 容错控制策略

本文提出的容错控制策略如图2所示。孤岛微电网（IMG）中输送的实际功率使用级联结构进行控制，该级联结构包含主控制器（MRPC）和辅助控制器（SFC）。使用有功功率传感器（RPS）和流量传感器（FS），获得2 个控制器的反馈信号r1（t）和r2（t）。来自内部回路的子过程由阀门驱动系统（VAS）和阀门（V）组成并共同进行建模。元件RPS、FS 和VAS+V 的传递函数由它们的技术规范获得，需要注意的是VAS 结构中使用的液压伺服电机是PI类型的伺服电机。因此，流量F（t）是连接2个级联结构子过程（来自内环的VAS+V 和来自外环的T+SG）的中间信号。实际功率设定点信号为Psp（t），控制器产生的2 个控制信号为c1（t）和c2（t），SFC 的设定点信号a1（t）、a2（t）分别为2 个控制器的误差信号。此外，流量扰动信号是Fd（t），这2 个控制器可以通过信号fC（t）=0，c3（t）=0 和Fd（t）=0调谐。

图2 一次控制系统容错控制结构

首先，使用来自内环的元件的数学模型并应用对称性准则（用于在跟踪状态中获得良好性能）调谐SFC。经过计算，得到的SFC传递函数：

book=31,ebook=37HSFC（s）具有一阶滤波器的PID（比例-积分-微分）类型。使用HSFC（s）传递函数和模块准则对MRPC控制器进行调谐（以在稳定状态下获得良好性能）。经过计算，得到的MRPC的传递函数：

公式（1）和公式（2）是PI 型的传递函数。IMG 的数学模型将输送功率P（t）与微电网频率f（t）联系起来，可以表示为二阶模型。适用于略微降低F（t）信号值的直接解决方案是修改SFC 的初始形式，将其替换为分数阶形式，如公式（3）所示：

其中：α参数的增加是正的，意味着控制器导数分量微分阶数的降低在应用该程序之后，获得值α=0.11。

与T+SG+RPS元件相关联的过程是三阶方程，在输入信号和反馈信号上都使用3 条延迟线。经过训练，获得高质量的神经模型，其响应高精度地叠加在实验模型上。NM1的输出信号rN1（k）如下：

其中：k是与当前时刻相关联的序列；Wl是连接隐藏层和输出神经元的权重的向量；Wi是输入权重的矩阵；Bl是包含隐层神经元的偏置值的向量；IV是以转置形式写入的输入矢量；bo是信号输出神经元偏置值常数。

其次，为量化Fd（t）扰动效应，应用与故障识别情况类似的程序。使用生成输出信号rN2（t）的INM2 神经网络学习串行结构VAS+V+FS 的动力学，误差信号a4（t）=r2（t）-rN2（t）表示Fd（t）值的测量值。这些扰动补偿是利用前馈控制结构原理进行的，因此补偿器由INM3 神经网络建模，该神经网络实现串行结构FS+VAS+V+SFC的滤波逆模型。

最后，通过使用微调控制元件（FACE）对初始补偿信号c3i（t）进行微调，该微调控制元件是用于获得最佳干扰效果抑制的比例元件（P）。FACE 产生的补偿信号c3（t）修改了SFC的设定点信号，SFC的误差信号由a2（t）=c1（t）-r2（t）c3（t）给出。

3 仿真试验分析

本文的仿真试验在MATLAB/Simulink 软件中进行，为测试在启动阶段使用级联控制结构的效率，考虑用于水电站控制的不同控制结构，即简单反馈控制结构、级联控制结构和IMC（内部模型控制）结构的阶跃响应（如图3所示）。在不考虑系统故障或受其他因素干扰的情况下，Fd（t）=0和fd（t）=0，呈现了IMG频率与时间的动态关系。

图3 不同控制策略之间的比较

从图3 可以看出，使用级联结构的优点在于，它产生的稳定时间ts1=25.82 s，显著低于其他2 种研究的控制结构，并保持超调σ=0%。此外，如图4 所示，涡轮机叶片水流响应状态是在F（t）信号未达到饱和极限的情况下获得的，图4中的F（t）信号的最大值为2.76 m3/s，值略低于标准频率（f）。

图4 与系统响应相关的F（t）信号变化

本仿真试验的一个重要部分是研究故障发生的运行机制，在本文的研究中，如果电厂在运行开始100 s 后发生故障，意味着实际功率突然下降100 kW，使用与不使用故障识别器和补偿器的控制系统响应之间的比较结果如图5 所示。从图5 可以看出，使用故障补偿器相比不使用故障补偿器，能更有效地抑制故障效应。本试验考虑的故障是一个平均值故障，可以被控制系统作为效应抑制，故障分析器生成的决策是继续进行操作。

图5 在补偿和不补偿故障影响的情况下F（t）信号的变化

控制策略也在系统发生Fd（t）扰动（流量扰动）的情况下进行测试。信号Fd（t）＝-0.15 m3/s 在工厂操作book=32,ebook=38开始的150 s 之后被引入。在使用本文提出的策略后，获得对干扰效应更有效的抑制，但并不明显优于不使用NM2 元件的情况，其原因是使用了级联结构后，该结构能高效地抑制内环中发生的所有扰动的影响。系统中输送的实际功率随时间的变化而变化（如图6 所示）。图6 中的大椭圆圈内显示的是断层效应，小椭圆圈内显示的是流动扰动的影响。由于容错控制效果，在具备故障识别器、无故障识别器2种情况下，实际功率值在小的变化后施加值达到1 717 kW。实际上，在流量扰动的情况下，过渡状态并不重要，在发生故障时，过渡状态的持续时间仅为3.1 s，证明了所提出的控制策略具有高性能。此外，所有呈现的高性能都是在未达到阀门V 的饱和极限的情况下获得的。由此可以得出结论，所提出的容错控制策略具有可行性。

图6 F（t）信号变化

4 结语

本文提出的用于小型水电站（以大盈江水电站为例）一次控制系统的容错控制策略，是一种具备高控制性能的原始解决方案。通过仿真试验验证了无论是在启动运行状态还是在故障影响抑制状态，所提出的控制策略均能获得高性能，并且允许水电站在故障模式下运行，直到故障（广义故障）达到影响无法消除的极限值，即水电厂运行中断的时刻。本文提出的能源生产过程的数学模型实效性高，能利用实验数据进行故障识别。为实现故障识别和补偿机制，还在建模的过程使用递归神经网络，确保了模型的高精度，并且易于在计算设备上实现。该控制系统可以很好地应用于水电站实际生产中，为同类小型水电站系统建设提供了参考。