基于模糊免疫算法的汽輪發電機組OPC控制①

鄧 婧，李興源，魏 巍

（四川大學電氣信息學院，成都 610065）

超速保護器OPC（overspeed protection controller）是數字式電氣液壓DEH（digital electric hydraulic）調節系統的重要組成部分。保證熱動系統（汽輪機及調速系統）處于安全穩定的運行狀態是機組超速保護的目標。當OPC的轉速是額定轉速的103%時，通過快速關閉調節汽閥可實現對機組的超速保護［1］。在單一故障模式下，通常根據OPC所在電網的情況靈活整定OPC的動作特性［2］，但OPC控制策略的正確性需要在實際電網事故中進行校驗［3］。發電機組并網運行時，如果OPC控制策略選擇不當，不僅無法實現超速保護，而且會使汽門頻繁開關，產生“乓乓”現象，給機組軸系和熱力系統造成頻繁沖擊，嚴重影響機組安全，甚至可能使電網大規模地甩負荷，發生頻率振蕩或頻率失穩事故，最終造成整個電網崩潰。

在電站汽輪機調速系統中常常包括時滯、慣性、干擾、死區和飽和等非線性環節［3］。模糊控制由于無需知道被控制對像的數學模型，具有較強的魯棒性等特點，廣泛應用于難于獲得精確數學模型、非線性和大滯后系統的控制。

生物免疫系統具有獨特的識別機制、強大的自適應和記憶功能，已在國內外引起了廣泛的重視。許多領域的科研人員對生物免疫系統中蘊含的機制和功能進行了深人研究，期望從中找到解決實際問題的方法。適應性免疫應答過程中T細胞具有促進和抑制兩種作用，能保證免疫系統獲得較快的響應速度和足夠的穩定性，這種調節機制可用來有效改進控制系統的性能［4～6］。

在以往的模糊控制器設計中，通常的控制準則是離線整定，其缺點是不能修改，適應性較差。本文在OPC動作引起系統振蕩的機理分析基礎上，結合模糊控制的原理實現對OPC動作邏輯的修改，并通過免疫算法結合國際通行的NETOMAC仿真軟件分析得到的模糊控制規則對其控制規則進行自適應整定從而抑制系統的振蕩，實際系統的仿真論證了該OPC附加控制的效果。

1 OPC振蕩機理分析

1.1 OPC模型

DEH的保護系統OPC功能設定為轉速達到103%n0時快關中壓調節汽閥；在n0×103%＜n＜n0×110%時，超速控制系統通過OPC電磁閥快關高、中壓調節汽閥，實現對機組的超速保護［7～10］。

OPC的簡單動作特性如圖1所示［11］。可知OPC實現的是典型的開環控制快關快開規律。

圖1 OPC簡單動作特性圖Fig.1 Simple operating characteristics of OPC

OPC的基本動作描述如下：

通過邏輯電路控制調速和OPC動作的選擇，即當指令條件不滿足，OPC不動作時控制通路保持調速器調節，由調速器的調頻環節進行跟蹤調節；當指令條件達到，屏蔽調速器，控制通路轉到OPC邏輯，完全由OPC進行控制閥門。OPC的動作邏輯簡單類似于一個由轉速整定的二值電平控制模型，即轉速升至3090 r／min，由執行機構動作，汽門全關；轉速降至3000 r／min，由執行機構動作，閥門全開。

1.2 OPC振蕩機理分析

圖2表示OPC動作后系統的頻率振蕩，假如在t＝0時，負荷突減，機組功率過剩，轉速上升。若一次調頻能力不足，轉速上升至3090 r／min，OPC動作，全占閥門控制，關閉高壓調節門和中壓調節門，轉速降低至3000 r／min，OPC動作全開閥門，由于存在慣性和時滯，機組轉組繼續下降，如果OPC的控制策略不當，有可能會下降至低頻減載的動作值，從而使轉速重新升高至OPC的動作值，如此造成系統頻率振蕩。

圖2 OPC動作下的頻率動態Fig.2 Frequency dynamics of OPC when operating

1.3 OPC動作特性的修改

如圖1所示，OPC的動作是一個數字控制器，其動作邏輯是可以修改和整定的，見圖3，修改后的OPC動作特性中可以人為調整的參數有：

（1）上升階段和下降階段采取的控制策略；

（2）汽門最小開度x1；

（3）汽門最終開度x2；

（4）汽門關閉時間tno。

圖3 修改后的OPC動作特性圖Fig.3 Simple operating characteristics of OPC after the revision

2 模糊免疫控制原理

模糊控制是建立在人類思維具有模糊邏輯特性的基礎上的。其控制核心是在于它用具有模糊性的語言條件語句，作為控制規則去執行控制。但模糊控制規則存在精度不高，自適應能力有限和易產生振蕩現象等問題，使模糊控制器的應用場合受到了很大限制。免疫是生物體的一種特性生理反應。生物的免疫系統對于外來侵犯的抗原，可產生相應的抗體來抵御。抗原和抗體結合后會產生一系列的反應，通過吞噬作用或產生特殊酶的作用而毀壞抗原。通過免疫控制的反饋機理對模糊控制規則的加權函數進行自適應調整，可在保持控制本身優點的同時，也提高模糊控制的精度。

生物的免疫系統由淋巴細胞和抗體分子組成，淋巴細胞又由胸腺產生的T細胞（分別為輔助細胞TH和抑制細胞TS）和骨髓產生的B細胞組成，當抗原侵入機體并經過周圍細胞消化后，將信息傳遞給T細胞，即傳遞給TH和TS細胞，然后刺激B細胞，B細胞產生抗體以消除抗原。當抗原較多時，機體內的TH細胞也較多，而TS細胞卻較少，從而會產生較多的B細胞。隨著抗原的減少，體內TS細胞增多，它抑制了TH細胞的產生，而B細胞也隨著減少［12～14］反饋系統便趨于平衡。抑制機理和主反饋機理之間的相互協作，是通過免疫反饋機理對抗原的快速反應和穩定免疫系統完成的［15］，見圖4。

圖4 體液免疫響應過程示意圖Fig.4 Diagram of humoral immune respone process

生物信息系統的這些智能行為，為科學和工程領域提供了各種理論參考和技術方法。基于上述免疫反饋原理，各個領域的專家學者提出了多種免疫控制算法。比較典型一種的是模糊免疫控制算法：假設第k代的抗原數量為ε（k），由抗原刺激的TH細胞的輸出為TH（k），TS細胞對B細胞的影響為TS（k），則B細胞接收的總刺激為

其中TH（k）＝k1ε（K）

TS（k）＝k2f（S（k），ΔS（k））ε（k）

若以抗原的數量ε（k）作為偏差e（k），B細胞接收的總刺激S（k）作為控制輸入u（k），則有

本文采用上述模糊免疫反饋原理所設計的OPC附加控制器中的控制規則加權函數α（t）隨控制器輸出的變化而變化，具備自適應的功能。

由此，得到如下的反饋控制規律

其中kp1＝K（1－ηf（u（k），Δu（k））），K＝k1，K為控制反應速度，

3 貴陽南部電網和OPC動作過程

事故前，貴陽南部電網發電出力為1050 MW，負荷為917 MW，通過青巖變向500 k V系統上網86 MW。事故中，解網后，貴陽南部電網因功率過剩，造成頻率上升，約5 s時上升到最高頻率（記錄到的最高頻率為51.44 Hz），爾后下降至最低頻率（46.47 Hz），隨后出現多次大幅波動，機組有功也在波動。

貴陽電廠8號和9號機組因機組過速跳閘保護（3100 r／min、0”關主汽門，機組跳閘）動作而造成機組跳閘。清鎮電廠7號和8號機組因機組過速保護OPC（3090 r／min、0”關調節汽門，機組不跳閘）動作造成功率波動，關閉調節汽門，7號機組功率的波動從200 MW降至0后，由于OPC保護在電網頻率降至50 Hz以下時，OPC返回，全打開調節汽門，造成功率又上升至200 MW，電網頻率上升至51.5 Hz，OPC又動作，機組調節汽門全關，功率的波動又從200 MW降至0，共重復19次。由于8號機組OPC動作后，8號機組機調節汽門的開度置為0，故在OPC第一次動作關閉調節汽門后，8號機組功率的波動從200 MW降至0后，由于OPC保護在電網頻率降至50 Hz以下時，OPC返回，不打開調節汽門，功率僅在0到20 MW間波動，共波動12次，直至逆功率保護動作，＃8機跳閘。

圖5 貴陽南部電網故障前接線方式Fig.5 Connection mode of guiyang southern power grid before the fault

4 OPC附加模糊控制器的設計

本文所設計的OPC附加模糊控制器結構如圖6所示。

圖6 OPC附加模糊控制器Fig.6 Fuzzy controller added to OPC

從OPC的動作條件及其引起系統振蕩機理分析可知，對OPC的控制信號中頻率變化和功率變化同等重要，因此本文在設計OPC的附加控制時，將頻率變化及頻率變化率同時作為模糊控制器的輸入，而功率變化信號對OPC的控制作用則體現在對控制規則加權函數α（t）的修正上，這樣既避免了模糊控制器輸入量導致的規則維數災，又可以在OPC的控制中同時計及頻率和功率的影響，更好地反饋系統的狀態。

在實際功頻電液調節系統中，本應測取汽輪機的實發功率，由于技術上的困難而采用了用發電機功率代替汽輪機功率。但由此而帶來的問題是反調現象的產生。在本文所設計的控制器中采用了發電機功率信號對加權函數進行修正，為避免上述反調現象的產生，引入轉速微分信號，把發電機功率信號校正成為汽輪機功率信號。

4.1 OPC控制邏輯修改的設計

本文通過輸入頻率偏差和頻率偏差變化率，輸出OPC的閥門控制指令，采用模糊控制原理對OPC的控制邏輯進行整定。

4.1.1 模糊控制器的輸入變量和輸出變量

輸入變量為頻率偏差E和頻率偏差變化率ΔE，輸出變量為閥門開度指令u。

4.1.2 輸入變量和輸出變量的語言描述

ΔE和u的模糊集均為

［NB，NM，NS，O，PS，PM，PB］

E的模糊集為

［NB，NM，NS，NO，PO，PS，PM，PB］

E和ΔE的論域均為［－6，6］，u的論域為［－7，7］。

4.1.3 模糊控制規則的確定

當誤差較大時，選擇控制量以盡快消除誤差為主；而當誤差較小時，選擇控制量要注意防止超調，以系統的穩定性為主要出發點。

根據以上原理，得到初始控制規則如表1所示。

表1 初始模糊控制規則Tab.1 Initial fuzzy control rules

以上得出的控制規則是經離線整定得出的，不能適應外界干擾條件的變化，因此本文把控制規則數字化，把語言變量值定義為相應的整數對應的控制基［16］，選擇一個帶有加權因子調整控制規則的輸出量解析表達式

其中α（t）為調整函數，又稱加權函數。

4.2 控制規則加權函數的在線調整

根據生物免疫系統的反饋規律可知免疫控制實際上是一個將比例系數采用模糊免疫調節的變比例控制，參數K控制反應速度，參數η控制穩定效果。因此，合理的調整K和η，可以使系統響應加快，超調量減小，偏差［4］。

將功率變化ΔP作為模糊調節器的抗原，輸出的閥門指令u（t）作為模糊調節器的輸入。則有

令

f（·）采用模糊控制規則逼近。經仿真調整后取K＝20為一固定比例系數，η為控制穩定效果調整系數，這里設置為1。

首先將輸入變量u（k），Δu（k）模糊化，其基本論域分別定義為［－u，u］和［－Δu，Δu］。u的語言變量定義為NB，NM，NS，NO，PO，PS，PM，PB；Δu的語言變量定義為NB，NM，NS，PS，PM，PM，PB。描述模糊子集的隸屬函數均為正態分布型隸屬函數。

將對應的輸出變量f（·）在（－1，＋1）區間采用正態分布型隸屬函數定義為NB，NM，NS，O，PS，PM，PB。依據OPC的動作原理并經仿真實驗調整，制定模糊控制規則共48條，具體內容如表2所示。

輸入量u（k），Δu（k）由模糊產生器映射為模糊集合后，經模糊推理及重心法去模糊，得到確定的輸出量f（·），然后代入上式，計算出α（k）。

表2 加權函數的調整控制規則Tab.2 Regulation control rules of weighting function

得到控制規則的自適應調整后，可存儲于OPC的控制邏輯中，實時控制時，不斷根據功率變化、頻率變化及其變化率進行掃描以查詢控制表得到相應的控制值。

5 仿真測試及結果分析

本文利用2006－07－07貴陽南部電網故障及發生的OPC的動作過程，用NETOMAC程序建立原動機，調速器和OPC及其控制邏輯的詳細模型。圖7和8給出了仿真測試結果。

圖7 未投入OPC附加模糊控制器時的仿真圖Fig.7 Simulation results when not inputting the extra－OPC fuzzy controller

將本文所設計的OPC附加模糊控制器分別加入到清鎮電廠7號和8號機組OPC的控制策略中，得到的結果如圖8所示。

圖8 投入OPC附加模糊控制器后的仿真圖Fig.8 Simulation results when inputting the extra－OPC fuzzy controller

故障發生時，清鎮電廠7號機組的OPC完全代替調速器對汽輪機高中壓閥門進行控制，最終導致7號機組的有功功率大幅度波動，系統振蕩。對實際機組的動作特性進行仿真，得到故障時未加入OPC附加模糊控制器時貴陽南部電網頻率偏差、清鎮電廠7、8號機組的高壓閥門、中壓閥門以及有功功率的結果如圖7所示。

從圖7和圖8可以看出，采用控制規則的加權函數自適應調節的模糊控制器以后，系統不會出現切機，切負荷等情況，可以迅速穩定系統頻率，較好地抑制系統振蕩。

7 結論

本文基于OPC的動作原理及模糊免疫方法設計了OPC附加模糊控制器。該控制器設計方案可以有效解決汽輪機調速系統中的時滯，非線性及數學模型不易獲取的難點，易于編入OPC的控制邏輯中，便于工程實現。此控制器可根據系統頻率變化及頻率變化率得到閥門輸出指令，并根據功率的變化對控制規則加權函數進行自適應調整，具有一定的魯棒性。通過OPC簡單控制邏輯與本文所設計的控制器對比用Netomac仿真結果證明了其有效性。

［1］ 肖增弘，徐豐.汽輪機數字式電液調節系統［M］.北京：中國電力出版社，2003.

［2］ 宋銘，葉昭龍，何奉奎（Song Ming，Ye Zhaolong，He Fengkui）.納雍發電總廠4＃300MW機組OPC功能改造（Nayong power 4＃300MW generator′s OPC function remoulding）［J］.貴州電力技術（Guizhou Power Technology），2005，77（11）：1－3.

［3］ 王爽心，姜妍，李亞光（Wang Shuangxin，Jiang Yan，Li Yaguang）.汽輪機調速系統模糊免疫PID控制的混沌優化策略（Chaos optimization strategy on fuzzy－im－mune－PID control of turbine regulating system）［J］.系統仿真學報（Journal of System Simulation），2006，18（6）：1729－1732.

［4］ 王斌，李愛平（Wang Bin，Li Aiping）.模糊免疫非線性PID控制的優化設計（Optimal design of fuzzy immune nonlinear PID control）［J］.控制工程（Control Engineering of China），2007，14（S）：81－83，95.

［5］ Perelson A S.Immune network theory［J］.Immunological Review，1989，110（8）：5－36.

［6］ 王磊，潘進，焦李成（Wang Lei，Pan Jin，Jiao Licheng）.免疫算法（The immune algorithm）［J］.電子學報（Acta Electronica Sinica），2000，28（7）：74－78.

［7］ 田豐，張俊杰（Tian Feng，Zhang Junjie）.大型機組電超速保護裝置綜述（Comment on over－speed protection control system of large size turbine unit）［J］.國際電力（International Electric Power For China），2001，（4）：13－18.

［8］ 張鎮一，朱程濱（Zhang Zhenyi，Zhu Chengbin）.電超速保護裝置的分析與評價（The analysis and evaluation of overspeed protection device）［J］.汽輪機技術（Turbine Technology），1995，37（6）：321－326.

［9］ 田豐，余天龍（Tian Feng，Yu Tianlong）.大型機組甩負荷試驗若干問題的探討（Discussion on the problems in load－rejection test of large size generating units）［J］.電力建設（Electric Power Construction），2000，33（9）：48－51.

［10］田豐，余天龍，歐堅，等（Tian Feng，Yu Tianlong，Ou Jian，et al）.珠海電廠700MW機組超速限制系統特性分析（Characteristics analysis to overspeed limiting system of 700 MW unit at Zhuhai power plant）［J］.熱力發電（Thermal Power Generation），2001，（2）：46－48，58.

［11］黃宗君，晁劍，李興源，等（Huang Zongjun，Chao Jian，Li Xingyuan，et al）.貴陽南部電網高頻問題與超速保護器仿真研究（High frequency phenomenon caused by fault occurred in southern part of Guiyang power grid and simulation of overspeed protection controller）［J］.電網技術（Power System Technology），2007，31（15）：26－32.

［12］廖亦凡，劉忠，侯玉寶（Liao Yifan，Liu Zhong，Hou Yubao）.數字液壓系統的模糊免疫PID控制研究（Research on fuzzy immunity PID control of digital hydraulic system）［J］.微計算機信息（Microcomputer Information），2008，24（5－1）：68－69，7.

［13］江中央，蔡自興，龔濤（Jiang Zhongyang，Cai Zixing，Gong Tao）.一種改進的模糊免疫反饋PID控制器（An improved fuzzy immune feedback PID controller）［J］.控制工程（Control Engineering of China），2008，15（5）：485－488.

［14］呂崗（LüGang）.免疫算法及其應用研究（Study on Immune Algorithm and Its Application）［D］.北京：中國礦業大學信息與電氣工程學院（Beijing：School of Information and Electrical Engineering of China University of Mining and Technology），2003.

［15］鄭恩讓，回立川（Zheng Enrang，Hui Lichuan）.免疫優化模糊控制及其應用（Fuzzy control with immune optimization and its application）［J］.控制工程（Control Engineering of China），2006，13（5）：460－462.

［16］周力，崔袆（Zhou Li，Cui Yi）.一種帶折衷因子的FUZZY控制器的研究（Fuzzy controller with compromise factor）［J］.安徽工程科技學院學報（Journal of Anhui University of Technology and Science），2004，19（3）：37－40.