摘 要：針對(duì)電網(wǎng)負(fù)荷變化時(shí)電網(wǎng)調(diào)節(jié)不穩(wěn)定的問題，提出了汽輪機(jī)電液控制系統(tǒng)模型的參數(shù)辨識(shí)優(yōu)化方法，并采用粒子群算法研究了汽輪機(jī)電液控制系統(tǒng)在不同負(fù)荷工況模型辨識(shí)參數(shù)的變化并將其應(yīng)用于其它負(fù)荷的方法在變負(fù)荷工況誤差較大；汽輪機(jī)電液控制系統(tǒng)的轉(zhuǎn)速前饋系數(shù)K 2 對(duì)變負(fù)荷模擬精度的影響最大，且其值隨機(jī)組負(fù)荷升高近似線性減小。采用擬合轉(zhuǎn)速前饋系數(shù)K 2 隨負(fù)荷變化的方法對(duì)汽輪機(jī)電液控制系統(tǒng)模型進(jìn)行仿真優(yōu)化，模擬所得的最大相對(duì)誤差由3.89%降低至2.68%。該研究汽輪機(jī)電液控制系統(tǒng)模型的精確仿真計(jì)算對(duì)保證電網(wǎng)穩(wěn)定性具有非常重要的意義。

關(guān)鍵詞：電網(wǎng)穩(wěn)定；電液控制系統(tǒng)；不同負(fù)荷；參數(shù)辨識(shí)優(yōu)化

中圖分類號(hào)：TQ016.5 + 5；TM311 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1001-5922（2025）03-0181-04

Simulation and optimization of steam turbineelectro-hydraulic control system model with variable load

GUO Hui 1 ，ZHAI Fei 2 ，GUO Hengming 3 ，GAO Pengfei 3 ，ZHANG Donghai 3

（1. Henan Jiuyu EPRI Electric Power Technology Co.，Ltd.，Zhengzhou 450001，China；

2. Henan Transformer Transmission Construction Co.，Ltd.，Zhengzhou 450001，China；

3. Henan United Electric Power Technology Co.，Ltd.，Zhengzhou 450001，China）

Abstract：Accurate simulation calculation of steam turbine electro-hydraulic control system is significant to ensurethe stability of the power grid. In this paper，an optimization model of the steam turbine electro-hydraulic controlsystem is proposed to solve the problem of the instability of the power grid regulation when the load changes. Thevariation of the identification parameters of the electro-hydraulic control system under different load conditions isstudied by using particle swarm optimization algorithm. The results show that the traditional method of identifyingthe model parameters of the electro-hydraulic control system using the rated load parameters of the steam turbineand applying them to other loads has significant errors in variable load conditions. The speed feedforward coeffi?cient K 2 of the electro-hydraulic control system has the greatest influence on the simulation accuracy of variableload. K 2 decreases approximately linearly with the increase of unit load. After simulation optimization using the fit? ted K 2 ，the maximum relative error is reduced from 3.89% to 2.68%.

Key words：power grid stability；electro-hydraulic control system；different load；parameter identification optimiza?Tion

隨著中國(guó)電力發(fā)展步伐的加快，電網(wǎng)的安全穩(wěn)定運(yùn)行引起了廣泛的關(guān)注 [1-5] 。其中，精確的電液控制系統(tǒng)模型對(duì)電網(wǎng)穩(wěn)定性的保證具有重要意義 [6-7] 。為此，國(guó)內(nèi)學(xué)者做了許多總結(jié)與研究 [8-13] ，但目前常用的電液控制系統(tǒng)模型基本都基于額定負(fù)荷工況的數(shù)據(jù) [14-16] ，并將額定負(fù)荷工況所得參數(shù)應(yīng)用到全負(fù)荷段和整個(gè)大修周期中，這忽略了對(duì)其他負(fù)荷工況下的參數(shù)變化研究，導(dǎo)致系統(tǒng)在電網(wǎng)負(fù)荷變化導(dǎo)致頻率波動(dòng)時(shí)，電網(wǎng)調(diào)節(jié)不穩(wěn)定。

本文采用粒子群算法研究了電液控制系統(tǒng)在不同負(fù)荷工況的辨識(shí)參數(shù)及其變化規(guī)律，提出了適用于寬工況的仿真模型，解決了額定負(fù)荷工況參數(shù)不適用于全負(fù)荷工況的問題。

1 電液控制系統(tǒng)模型及辨識(shí)算法

1.1 系統(tǒng)模型

目前廣泛使用的汽輪機(jī)數(shù)字電液控制系統(tǒng)

（DEH）主要分為電子元件控制測(cè)量部分和油動(dòng)機(jī)液壓調(diào)控安保部分。

本文對(duì)經(jīng)典BPA模型中的電液控制系統(tǒng)模型 [17]結(jié)合電廠實(shí)際情況進(jìn)行了簡(jiǎn)化，最終采用的電液控制系統(tǒng)模型如圖1所示。

圖1中： T 1 為轉(zhuǎn)速偏差慣性常數(shù)；DT ω 為轉(zhuǎn)速偏差延時(shí)； Dω 為一次調(diào)頻轉(zhuǎn)速偏差； K 為轉(zhuǎn)速偏差比例常數(shù)；K 2 為轉(zhuǎn)速前饋系數(shù)；P’ E 為發(fā)電機(jī)電磁功率；P M1 為主汽壓力；P _ref 為發(fā)電機(jī)功率目標(biāo)；K P1 為主汽壓力PID比例常數(shù)；K I1 為主汽壓力PID積分常數(shù)；T E 為功率測(cè)量慣性常數(shù)；DT E 為功率測(cè)量延時(shí)；K P2 為功率PID比例常數(shù)；K I2 為功率PID積分常數(shù)；DT PID 為PID環(huán)節(jié)延遲；P CV 為主閥位指令。待辨識(shí)或校核的參數(shù)為：K、K 2 、K p1 、K i1_O 和K i1_C 。

1.2 辨識(shí)算法及優(yōu)化

有學(xué)者采用最小二乘法、輔助變量算法、遺傳算法和粒子群算法四種算法進(jìn)行參數(shù)辨識(shí) [18-19] 。結(jié)果表明，對(duì)于含有較多非線性模塊的模型，最小二乘法與輔助變量法的求解結(jié)果誤差較大；而采用以粒子群算法和遺傳算法為代表的智能算法，仿真結(jié)果與實(shí)驗(yàn)數(shù)據(jù)吻合較好。另一方面，粒子群算法將參數(shù)尋優(yōu)與模型仿真相結(jié)合，適用于不同模型以及不同組的數(shù)據(jù)，且粒子群算法智能尋優(yōu)的初值是隨機(jī)的，可排除人為因素的影響。因此，本文選擇粒子群算法來完成參數(shù)辨識(shí)過程。

對(duì)電廠實(shí)測(cè)數(shù)據(jù)，采用Simulink搭建電液控制系統(tǒng)模型，然后用Matlab軟件編程計(jì)算。最后將仿真數(shù)據(jù)與實(shí)驗(yàn)數(shù)據(jù)作比較，利用誤差函數(shù)式 [20] 來求得仿真與實(shí)驗(yàn)的相對(duì)誤差：

式中： f 為誤差值； P S 為模型輸出值； P A 為實(shí)測(cè)值；N 為數(shù)據(jù)個(gè)數(shù)。

傳統(tǒng)方法將額定負(fù)荷工況數(shù)據(jù)進(jìn)行仿真辨識(shí)所得的參數(shù)應(yīng)用于所有負(fù)荷。為了提高預(yù)測(cè)精度，本文優(yōu)化了參數(shù)辨識(shí)方法，對(duì)變負(fù)荷工況時(shí)的轉(zhuǎn)速前饋系數(shù)K 2進(jìn)行擬合，并將擬合后的K 2 值應(yīng)用于不同負(fù)荷的計(jì)算。

2 結(jié)果與討論

2.1 額定負(fù)荷參數(shù)辨識(shí)

對(duì)額定負(fù)荷660 MW的實(shí)驗(yàn)數(shù)據(jù)按圖1所示模型進(jìn)行辨識(shí)計(jì)算，得到的待辨識(shí)參數(shù)見表1。

以表1得到的辨識(shí)參數(shù)進(jìn)行仿真，結(jié)果與實(shí)測(cè)數(shù)據(jù)的對(duì)比見圖2，對(duì)應(yīng)的誤差見表2。仿真結(jié)果與實(shí)測(cè)數(shù)據(jù)誤差較小，表明本文采用的模型及處理方法合理。

將表1的辨識(shí)參數(shù)應(yīng)用于變負(fù)荷工況，仿真結(jié)果與實(shí)測(cè)數(shù)據(jù)的誤差見表3?？梢钥闯?，500MW工況升負(fù)荷段誤差最大，最大相對(duì)誤差3.897%。圖3和圖4給出了400MW和500MW工況仿真結(jié)果與實(shí)測(cè)數(shù)據(jù)的對(duì)比。

2.2 變負(fù)荷參數(shù)辨識(shí)

為提高仿真精度，用機(jī)組不同負(fù)荷下的實(shí)測(cè)數(shù)據(jù)進(jìn)行參數(shù)辨識(shí)，得到各負(fù)荷下的待辨識(shí)參數(shù)值，并尋找待辨識(shí)參數(shù)與負(fù)荷之間的關(guān)系。

分析表明，除轉(zhuǎn)速前饋系數(shù)K 2 外，其余模型參數(shù)對(duì)于確定結(jié)構(gòu)的機(jī)組來說不隨負(fù)荷變化。采用圖1所示電液控制系統(tǒng)模型，對(duì)不同負(fù)荷實(shí)測(cè)數(shù)據(jù)進(jìn)行辨識(shí)，求得K 2 隨負(fù)荷的變化曲線，如圖5所示。

由圖5可知，K 2 隨負(fù)荷近似成線性變化。對(duì)其進(jìn)行線性擬合，并將擬合得到的不同負(fù)荷下K 2 值代入電液控制系統(tǒng)模型，所得仿真誤差見表4。

圖6和圖7為400 MW和500 MW工況，變負(fù)荷仿真結(jié)果與實(shí)測(cè)結(jié)果的比較。

2.3 對(duì)比分析

表5為采用額定負(fù)荷K 2 和擬合K 2 仿真結(jié)果在升負(fù)荷段的誤差對(duì)比?？梢钥闯?，采取擬合K 2 計(jì)算的誤差普遍較小，500 MW工況仿真最大相對(duì)誤差由3.89%下降為2.68%。采取線性規(guī)律對(duì)K 2 進(jìn)行擬合，最終結(jié)果更優(yōu)。

3 結(jié)語(yǔ)

本文針對(duì)電網(wǎng)負(fù)荷變化導(dǎo)致的頻率波動(dòng)和電網(wǎng)調(diào)節(jié)不穩(wěn)定問題，采用粒子群算法研究了電液控制系統(tǒng)在不同負(fù)荷工況辨識(shí)參數(shù)的變化規(guī)律，解決了額定負(fù)荷工況參數(shù)不適用于全負(fù)荷工況的問題。仿真結(jié)果表明，電液控制系統(tǒng)的轉(zhuǎn)速前饋系數(shù)K 2 對(duì)變負(fù)荷模擬精度的影響最大，且其值隨機(jī)組負(fù)荷升高近似線性減小；優(yōu)化后最大模擬相對(duì)誤差從3.89%降低到2.68%。本文的參數(shù)辨識(shí)優(yōu)化方法可為深度調(diào)峰時(shí)調(diào)速系統(tǒng)各參數(shù)精準(zhǔn)預(yù)測(cè)提供參考。

【參考文獻(xiàn)】

[1] 劉翌，潘小輝，胡潯惠. 基于脆弱性的電力系統(tǒng)可靠性評(píng)估及其算例分析[J]. 電子測(cè)量技術(shù)，2019，42（20）：20-53.

[2] 俞曉峰，袁嶺，崔藝林，等. 分布式光伏電源的配電網(wǎng)故障特征計(jì)算模型分析[J]. 粘接，2023，50（1）：140-143.

[3] 羅艷，王庭剛，高浩，等. 雙碳-節(jié)能型電磁新材料背景下的人工智能風(fēng)險(xiǎn)防控技術(shù)[J]. 粘接，2023，50（1）：70-74.

[4] 沈根才. 正確規(guī)劃電網(wǎng)結(jié)構(gòu) 重視電網(wǎng)穩(wěn)定性[J]. 電力系統(tǒng)自動(dòng)化，2002，25（9）：38-41.

[5] 葉一博. 大區(qū)電網(wǎng)互聯(lián)對(duì)電力系統(tǒng)動(dòng)態(tài)穩(wěn)定性的影響[J].電力系統(tǒng)，2023，8：52-54.

[6] KOSTEREV D. Hydro turbine-governor model validationin pacific northwest[J]. IEEE Transactions on Power Sys?tems，2004，19（2）：1144-1149.

[7] 姜冰. 發(fā)電機(jī)組對(duì)電網(wǎng)穩(wěn)定性的適應(yīng)能力分析[J]. 電站系統(tǒng)工程，2009，25（2）：59-60.

[8] 趙平，戴懿. 淺談局域電網(wǎng)中發(fā)電與負(fù)荷的匹配以及如何提升發(fā)電機(jī)組在區(qū)域電網(wǎng)的穩(wěn)定性[J]. 電網(wǎng)運(yùn)維，2021，8：57-59.

[9] 饒紀(jì)杭. 我國(guó)大容量汽輪機(jī)電液控制系統(tǒng)的現(xiàn)狀[J]. 中國(guó)電力，1997，20（2）：3-6.

[10] 田云峰，郭嘉陽(yáng)，劉永奇，等. 用于電網(wǎng)穩(wěn)定性計(jì)算的再熱凝汽式汽輪機(jī)數(shù)學(xué)模型[J].電網(wǎng)技術(shù)，2007，31 （5）：39-44.

[11] 李陽(yáng)海，張才穩(wěn)，楊濤，等. 基于電網(wǎng)穩(wěn)定性分析的汽輪機(jī)調(diào)速系統(tǒng)建模試驗(yàn)研究[J]. 汽輪機(jī)技術(shù)，2011，53（4）：291-294.

[12] 谷俊杰，陳順青. 適用電網(wǎng)穩(wěn)定性計(jì)算的一種超臨界汽輪機(jī)動(dòng)態(tài)數(shù)學(xué)模型[J]. 汽輪機(jī)技術(shù)，2013，55（3）：175-177.

[13] 李艷，拓福婷，張孝杰. 汽輪機(jī)電液伺服系統(tǒng)建模及控制方法[J]. 熱力發(fā)電，2017，46（9）：117-123.

[14] 房德明，張亞夫，李明亮. 汽輪機(jī)蒸汽容積對(duì)轉(zhuǎn)速飛升影響的計(jì)算分析[J]. 汽輪機(jī)技術(shù)，1987，31（6）：41-46.

[15] 張家琛，向春梅，馬芳梅，等. 引進(jìn)型300 MW汽機(jī)數(shù)字電液控制系統(tǒng)動(dòng)態(tài)特性研究[J]. 湖北電力技術(shù)，1994，4：34-38.

[16] 胥建群，曹祖慶. 汽輪機(jī)實(shí)時(shí)仿真數(shù)學(xué)模型[J]. 熱能動(dòng)力工程，1996，11（6）：45-50.

[17] 中國(guó)電力科學(xué)研究院. 中國(guó)版 BPA暫態(tài)穩(wěn)定程序用戶手冊(cè)[Z]. 北京：中國(guó)電力科學(xué)研究院，2000.

[18] 王平，范磊，梁鈴，等. 基于改進(jìn)微分進(jìn)化算法的發(fā)電機(jī)調(diào)速系統(tǒng)參數(shù)辨識(shí)[J].自動(dòng)化與儀器儀表，2018，1：47-50.

[19] KENNEDY J，EBERHART R. Particle swarm optimiza?tion[C]. Proceedings of ICNN'95- International Confer?ence on Neural Networks，1995.

[20] 江效龍，汽輪機(jī)及其調(diào)速系統(tǒng)參數(shù)辨識(shí)與仿真校核研究[D]. 保定：華北電力大學(xué)，2015.

（責(zé)任編輯：張玉平）