大型電力推進客船發電機勵磁控制與故障工況仿真

楊 鳴 施偉鋒

（上海海事大學物流工程學院，上海 201306）

近幾年來，世界郵輪經濟發展迅猛。全球郵輪市場的乘客人數由1996年的680萬增長至2002年1030萬，年平均增長率近 7%。一些國際大都市在經濟發展中相繼滲入了“郵輪經濟”的元素。有關資料顯示，未來3至5年內，國際市場上將建造幾十艘大型郵輪，并會紛紛相繼下水。雖然亞洲地區的郵輪經濟與歐美地區相比，尚處于發展階段，但亞洲地區郵輪經濟的發展潛力很大。2010年，亞洲地區郵輪乘客將達150萬人次，成為全球郵輪市場增長的主力軍。與此同時，隨著電子技術向大功率方向高速發展，高新技術的快速發展，使電力推進的靈活性、良好操縱性、轉矩特性和響應特性發生了更深刻的變化；采用模塊化、系列化、標準化，并進行綜合監控管理更高了船舶電力系統可靠性，使電力推進形成壓倒原動機直接傳動推進的絕對優勢。據統計，近3年來新建的油輪、渡輪、游輪、集裝箱船有60%采用電力推進系統。因此電力推進的船舶將是一個發展的趨勢。

船舶電力系統控制的重要目標是保證電能的連續穩定、可靠供給，防止船舶機損事故與海難事故的發生，防止造成人員傷亡、經濟損失和社會不良影響。船舶發電機勵磁系統控制性能的好壞直接影響到電力系統的電壓穩定。而大型船舶電力系統的高階強耦合非線性、惡劣海況、船舶機艙工業環境惡劣，會引起發電機、推進電機的參數發生變化，急劇增加了電力系統的穩定性控制。

本文針對某大型郵輪電力系統進行建模，如圖1所示，主要針對發電機勵磁控制進行探究，嘗試通過應用模糊智能控制、神經網絡控制的策略，進行發電機勵磁控制的方案，將模糊和神經網絡的優勢互補，使控制器具有更佳的控制效果、更強的魯棒性和適應性，并進行故障工況仿真。

圖1 某吊艙式電力推進船的單線圖

1 大型電力推進客船電力勵磁系統模型分析

電力推進船舶動力裝置核心系統是以“發電機組→配電與變換→大功率推進電機”的三部分形成的船舶動力鏈。在配電屏自動控制下，通過船舶電網向用電負荷進行供電。某大型郵輪的電力系統的總體結構如圖1所示。所示的主動力裝置為4臺大型柴油發電機組，有4臺（3200kW）、3687A柴油發電機組，1臺320kW、452A應急柴油發電機組。電力負荷配置有：側推器（2200kW）、舵機、冷藏集裝箱、錨機、滑油泵（240kW）、空壓機等機艙服務泵。電力系統通過主配電屏和應急配電屏進行控制和管理。在大型船舶電力系統中模型中，主要柴油發電機組模型、電站報警系統模型、電站控制管理模型、配電屏模型、負載模型、主電網與應急電網模型。本文重點研究柴油發電機組模型。

1.1 船舶發電機組模型[1]

該模型主要由原動機、發電機、調速器、調壓裝置組成。系統方框圖如圖2所示，由調壓與調速系統組成兩個閉環。用Matlab的進行建模，結構如圖3所示。此處并非本文論述的重點，不詳細進行介紹了。

1.2 發電機勵磁模型

該發電機勵磁系統，其結構如圖4所示，為無刷勵磁系統。交流勵磁機有兩套勵磁繞組WE1和WE2.從電力電流互感器的副邊獲得的與發電機負載電流成正比的二次電流，經整流橋向與WE1提供適量的勵磁功率。由發電機的出線端經過自動電壓調整器向WE2提供一定的勵磁功率。勵磁繞組WE1的勵磁電流與負載電流的變化成正比，即具有電流復勵的作用，因而動態性能優良。

圖2 柴油發電機組模型

圖3 柴油機與調速系統方框圖

通過分析對此勵磁系統進分析，如圖5所示。

圖4 勵磁系統結構圖

圖5 常規勵磁系統結構

圖5中，TR為測量環節濾波器時間常數，KA為調節器放大倍數，TA為調節器時間常數，SE勵磁機的飽和系數，KE為勵磁機的自勵系數，TE為勵磁機時間常數。KF為轉子軟反饋環節的放大倍數，T1為轉子軟反饋環節的時間常數[2]。通過 Matlab建模Simulink建模如圖6所示。

圖6 發電機勵磁系統模型方框圖

圖6中，vref是電壓設定值；vq是q軸電壓；vd是d軸電壓。發電機端電壓通過有效值通過低通濾波，再和勵磁電壓的實際值與設定值的差值疊加，進入主調節器的閉環環節。

1.3 同步發電機模型

1）定子端電壓方程式[3]

根據同步電機理論，假設鐵心導磁系數為常數，不計飽和；三相完全對稱，空間分布相差120°，產生正弦分布的磁動勢，定子。轉子表面光滑，不計齒槽的影響。

同步發電機模型用Matlab的PSB（Power System Blockset）模塊集進行建模。

圖7 同步電機回路圖

圖8 同步電機各繞組軸線示意圖

2）定子端電壓方程式

式中，ud，uq為定子d，q軸繞組電壓，Ψq，Ψd為d，q軸繞組磁鏈，id，iq為d，q軸繞組電流；ω為同步電機轉速，r為定子繞組電阻。

3）轉子電壓方程式

轉子繞組除勵磁繞組有外加電壓外，其他都是自己閉合的，沒有外加電壓

4）磁鏈方程

5）轉矩方程式

6）轉子運動方程式

1.4 船舶電力系統模型

根據特定電力推進大型客船電力系統的相關數據，然后結合Matlab的Sim Power Systems Blockset（PSB）按照以上方法，在Matlab的仿真環境下，建立模型界面，如圖9所示。構建以4臺柴油發電機組并網運行，1臺應急發電機做備用電網的模型。發電機組主開關合閘后，通過主配電屏（MSB）向負載側推器（ASM1—3300V/2200kW）、滑油泵（ASM3—440V/240kW）供電、空壓機（ASM2—440V/240kW）。三相接地故障是通過“3一Phase Fault”單元來模擬的。

圖9 某電力推進大型客船電力系統仿真模型

對系統模型進行仿真，在錨機正常起動后，7s時突加負載 1000n·m，在8.1s時供電電網發生三相短路，8.4s故障恢復，觀察錨機的運行狀態圖像，可以發現：

圖10 錨機突加負載及三相短路仿真圖

圖11 發電機勵磁及端電壓曲線

1）在錨機空載起動時，為使錨機迅速起動，勵磁電壓Vf進入最大飽和限制，發電機端電壓逐漸升高，最終在額定電壓值處恒定。

2）7s時突加負載1000n·m時，錨機十分平穩，轉速、及電流僅有微小的波動。發電機勵磁電壓和端電壓也相對平穩。證明此勵磁控制在小干擾情況下，具備比較穩定的性能。

3）在8.1s時，發電機發生3相短路故障，在8.4s時故障排除。我們發現此時錨機的定子電流在8.1時刻劇增，轉速迅速下降至693r/min，降幅達到23%（額定轉速900r/min），8.4s故障排除，轉速逐漸上升，最終達到穩定。此時發現發電機勵磁也處在飽和的最大值，然而并沒有使發電機端電壓迅速上升，道指轉速上升緩慢。證明此PID勵磁系統在發生大干擾時，穩定性相對較差。

2 基于模糊神經網絡的勵磁控制器

在對非線性系統進行建模以及控制的方法中，模糊理論和神經網絡是較為有效的方法。模糊邏輯系統與神經網絡的有效結合，很可能會提高應用效能，這是一個新的熱點趨勢。

模糊系統和神經網絡的共同目標是模擬人類的智能行為，屬于非線性動力學系統。分布存儲、并行處理是他們共同的特點。樣本函數估計、表示、存儲，知識的表示以及推理等方面是他們的不同點。對于模糊邏輯系統來說，神經網絡向提供了連接式結構、學習能力；對于模糊邏輯系統來說，神經網絡提供了高級模糊思維、推理的結構框架。

1）模糊神經網絡勵磁控制器

較典型的模糊神經混合系統如圖12所示。

圖12 模糊神經網絡勵磁控制器的結構圖

輸入信號處理等工作由神經網絡來完成，輸出行為的決策控制由模糊邏輯子系統來處理。

本文所設計的具有雙閉環勵磁控制器如圖13所示，兩環互相作用，使誤差快速收斂并趨于0。其中一閉環為PID勵磁控制器，另外一個閉環為模糊神經網絡控制器勵磁控制系統。一方面PID調節器對系統進行自動調整，使系統的誤差趨于零，另一方面FNN控制器對PID的調整結果，使誤差加速收斂。

圖13 模糊神經網絡勵磁控制器的方框圖

圖14 相應自適應模糊神經推理系統的結構

2）模糊神經的自適應推理系統

自適應網絡是分為多層次的，前饋的神經網絡網絡如圖14所示，通過不斷的學習，可以對個節點進行相應調整。

網絡第一層的作用是信號模糊化，節點函數的表達形式如下：

式中，xy分別表示第 i節點的輸入，Ai，Bi分別表示模糊集。表示為x，y隸屬Ai，Bi的程度。

網絡的第二層的作用：將輸入信號相乘。

節點的輸出表示此條規則的可信程度。“X”是滿足T規范的AND算子。

網絡的第三層中，節點主要反應相對規則的歸一化可信程度：

第四層：節點輸出：

第五層：總輸出：

在初始參數確定后，系統輸出表示為結論參數的線性組合。

3）算法

大多數適用于BP神經網絡的學習算法也同樣適用于模糊神經網絡，如擬牛頓法、共扼梯度法等。也可以考慮采用基于梯度方向的一類方法。

3 基于模糊神經網絡的大型電力推進客船發電機勵磁控制仿真

對勵磁控制系統進行模糊神經網絡控制器后，同樣對系統模型進行仿真如圖15、16、17所示，在錨機正常啟動后，7s時突加負載 1000n·m，在 8.1s時供電電網發生三相短路，8.4s故障恢復，觀察錨機的運行狀態。

圖15 FNN勵磁控制器錨機突加負載及三相短路仿真圖

圖16 FNN勵磁控制器發電機勵磁及端電壓曲線

圖17 錨機故障仿真轉速曲線――（FNN勵磁控制器－PID控制器勵磁）

本次仿真從錨機起動、突加負載、電網三相短路3個方面，對FNN勵磁控制器（藍色）與PID勵磁控制器（綠色）的效果進行了比較，結論如下：

1）在相同的條件下，FNN勵磁控制器的發電機錨機的起動略快。

2）在7s時，錨機突加負載，在兩種控制器的作用下，錨機轉速曲線性能相當。

3）在8.1s，電力系統發電機發生3相短路故障，在8.4s時故障排除。我們發現此時錨機的定子電流在8.1s時刻劇增，轉速迅速下降。在FNN勵磁控制器的發電機在此情況下使錨機轉速降至至785r/min，而PID勵磁控制的發電機使錨機轉速降至683r/min.

4）同時8.4s故障排除，錨機的轉速逐漸上升，最終達到穩定。在FNN勵磁控制器的發電機在此情況下使錨機轉速上升速度快于PID勵磁控制的發電機的錨機，同時率先達到穩定。

4 結論

從仿真結果可以看出，本文所設計的 FNN 勵磁控制器能夠起到明顯減少控制的調節時間、抑制過程的作用，在這兩個方面都比常規的PID 控制器要表現突出。在船舶電力系統受到大干擾的情況下，優越性能尤為突出。模糊控制的突出魯棒特性加之神經網絡的非線性擬合的優勢，使FNN 控制器在各種擾動時和故障情況下均能保持良好的控制效果，這也充分說明了本文提出的FNN 勵磁控制器保持了模糊控制和神經網絡的優點，將模糊和神經網絡的優勢互補，充分發揮各自的潛能。

[1]施偉鋒.船舶電站仿真器系統的研究與開發[J].中國航海,2002,50(1):63-68.

[2]劉取.電力系統穩定性及發電機勵磁控制[M].北京:中國電力出版社,2007.

[3]倪以信.動態電力系統的理論和分析[M].北京:清華大學出版社,2002.

[4]SUEGENO T. Fuzzy identification of systemanditsa PP licationstomodeling and control[C]. IEEE Trans actionon System, Man, and Cybernetics, 1985, 15:116- 132.

[5]李少遠,李檸.復雜系統的模糊預測控制及其應用[M].北京:科學出版社,2003.

[6]李國勇.神經模糊控制理論及應用[M].北京:電子工業出版社,2009.