轴流转桨式机组非线性仿真的研究

轴流转桨式机组非线性仿真的研究

0混流式机组的非线性实时仿真机器仪是重要的辅助设备，其状态良好直接关系到电机的供电质量，影响着发电机构的安全、稳定和运营。因此,全面、有效、客观地对水轮机调节系统进行性能的评价是十分必要的。一般而言,完整的评价应包含静态和动态性能评价两个方面的内容,前者主要针对调速器,后者则针对整个系统。对于调速器静特性的测试而言,可在调速器生产厂或在电厂机组无水状态下实现。然而,对于调速系统的动特性测试,以往则必须等待机组开机条件具备后方可进行。为克服这种限制,利用实时仿真系统模拟机组的动态特性,并作为受控对象与真实调速器一起构成闭环系统,实现机组在无水状态下的各种调速系统动特性试验将是一种很好的出路。这不仅可提前预知调速设备质量和及早发现设备缺陷所在,为调速系统相关设备的安装和检修质量提供可信服的检验,而且也可以通过试验寻找调速器最优参数,减少真机系统试验成本,甚至可取消真机试验。图1给出了这种实时仿真系统的示意图。本文在混流式机组仿真的基础上,探讨轴流转桨式水轮机组的非线性实时仿真方法。其特点在于:在硬件上,采用了最先进的浮点型数字信号控制器(DigitalSignalController,DSC)TMS320F28335作为仪器的核心,保证了在进行非线性仿真情况下的实时性;在算法上,采用了两个BP型神经网络分别用以模拟轴流转桨式水轮机导叶开度、桨叶开度、单位转速与单位流量、单位转矩间的非线性关系,保证了仿真算法的通用性、准确性和易实现性;在软件上,采用专门用于测试系统的虚拟仪器开发平台(LabWindows/CVI)开发,保证了仪器软件的可靠性、多种操作系统下的可移植性和易学、易用性。1路由两部分组成仿真系统的硬件是基于浮点DSC的水力机组调速系统实时仿真测试仪,由上位机(PC机)和前置机两部分组成。前置机的核心部件是DSC处理芯片,其主要任务是:一方面,对各路调速器测点信号,如导叶接力器位移和轮叶开度进行采集和处理,并根据给定的数学模型进行实时仿真计算,最后输出仿真的频率信号。另一方面,将采集到的信息和仿真结果通过以太网传送至PC机,供上位机分析、记录和显示等软件模块使用。系统硬件电路由两部分电路组成。第一部分为信号调理电路或前置电路,第二部分是主控制板电路。信号调理电路:主要用于对试验和仿真所需的输入信号进行预处理,对各个从主控制板输出的参数进行变换。此电路板主要由以下3个部分组成。(1)调理电路电源系统;(2)模拟信号输入/输出调理电路;(3)频率及开关量信号输入/输出调理电路。主控制板电路:将对调理电路送来的相关物理量进行采集和计算处理,与上位机(PC)通过以太网连接对试验数据进行传送。主控制板电路由以下几个部分组成。(1)主控制板电路电源系统;(2)通信接口电路(主通讯TCP/IP);(3)AD/DA转换电路;(4)I/O接口电路;(5)外扩RAM电路;(6)CPLD电路;(7)DSC芯片及其外围电路。系统的软件由两部分构成,即前置机软件和分析机软件。其中,前置机的软件使用美国TI公司提供的DSP软件开发平台CCS3.3和所提供的浮点软件支持包,整个软件由C语言编写,并固化在DSP内部的Flash中。分析机软件采用了美国NI公司(NationalInstrument)的虚拟仪器开发平台Labwindows/CVI8.5完成。该开发平台以工程技术人员所熟知的ANSIC为核心,将功能强大、使用灵活的C语言平台与用于数据采集、分析和表达的测控专业工具相结合,从而使所开发的仿真应用软件更可靠、更易学、易用。图2给出了机组实时仿真系统结构示意图。2水系统的非线性设计所讨论的机组非线性实时仿真算法与工程上熟知的水轮机调节系统的大波动计算过程有所不同。考虑到对其实时性和连续运行的要求,其主要特点包括:①在引水系统中,由流量变化引起的水头变化采用了简单情况下的特征线法,即仅考虑单段单管对单机的情形。大量实验表明,这种方法的迭代收敛性要优于其他方法;②对于水轮机的非线性,采用了两个三输入单输出的BP型神经网络分别描述单位转速、导叶开度、桨叶开度到单位流量、单位转矩间的关系。这样做最大的益处是前置机不需要存储大量的用于插值计算的数据,同时,由于这种用神经网络描述的关系可保证导数的连续性,更进一步增强了迭代计算的收敛性。2.1种新的引引性仿真模型下面以图3所示的轴流转桨式水力机组数学模型的框图讨论其仿真算法的实现问题。非线性仿真用到的数学模型如下。(1)水轮机模型。水轮机模型以接力器开度y、桨叶开度φ、转速N、水轮机水头H为输入,以流量q和转矩mt为输出,并分别作用于引水系统和发电机模型。非线性仿真算法用到的基本关系:N11,k=NkD1/Hk−−−√(1)qk=Q11,kD21Hk−−−√/Qr(2)mt,k=M11,kD31Hk/Mr(3)非线性仿真算法中的非线性关系:ak=fa(yk)(4)Q11,k=fQ(N11,k,ak,φk)(5)M11,k=fM(N11,k,ak,φk)(6)式中:D1为转轮直径;a为导叶开度;φ为桨叶开度;N11为单位转速。相应的,Q11表示单位流量,q表示水轮机流量,M11表示单位力矩。mt表示水轮机输出力矩。fQ(N11,a,φ)和fM(N11,a,φ)分别表示单位流量和单位转矩与单位转速、导叶开度以及桨叶开度间的非线性关系,其实现将在后面讨论。而接力器开度到导叶开度的非线性关系ak=fa(yk),为计算方便,在算法实现过程中用一个5次多项式描述,即a=K6+K5y+K4y2+K3y3+K2y4+K1y5(7)这里的K1…K6为拟合系数,由给定的样本数据用MATLAB的fit()工具确定。(2)引水系统模型。考虑如图4所示简单引水系统。图中的s和q分别为引水管道在水库端入口和机组端出口(水轮机蜗壳进口)的流量。为简单起见,将引水系统视为长度为L,直径为D的单一管道系统,同时计算段也选为1段。考虑到工程技术人员的习惯和软件使用的便捷性,模型计算前给定采样周期(即计算步长)TS和水流加速时间常数TW:TS=L/VW(8)TW=2TShW(9)式中的VW为水击波速,通常可视为一常数。hW为管道常数。如果进一步考虑基值流量时的水头损失相对值kf为常数,则在这种情况下的特征线法可描述为Cp,k=sk−1−Cakf|sk−1|sk−1(10)qk=Cp,k−CaΔhk(11)sk=qk−1−CaΔhk−1−Cakf|qk−1|qk−1(12)这里,Δh表示水轮机蜗壳进口水头的增量值。Ca=TS/TW在仿真过程中可视为常数。显然,给定流量s0,q0和水头增量Δh0,则可利用式(10),(11),(12)不断地递推下去,从而获得引水管道两端的流量和水头增量值。式(11)事实上包含两个未知数,即引水管道出口的流量qk和水头增量Δhk。为求得这两个值,必须增补一个边界条件方可求出。考虑到引水管道出口的流量即为水轮机流量,将式(2)与式(11)联立求解,并令q11=Q11,kD21Hr−−−√/Qr则有Δhk=(−q11+(q11)2+4Ca(Ca+Cp,k)√2Ca)2−h0(13)式(10),(11),(12)和(13)即为所使用的引水系统实时仿真计算模型。(3)发电机模型。发电机模型较为简单。采用常规的一阶模型并离散化后得转速的增量值为Δnk=Ts(mt,k−mσ,k)/Ta(14)式中的mσ为作用于机组的所有阻力矩之和,Ta是机组的惯性时间常数。这样,当前步的机组转速就可确定为:nk=nk−1+Δnk(15)3.2两个神经网络的实现在水轮机计算模型中,包含两个重要的非线性关系fQ(N11,a,φ)和fM(N11,a,φ)。它们不仅是区别于不同机组特性的关键所在,也决定了实时仿真结果的真实性。一般而言,这两个非线性关系需从机组的模型综合特性曲线上直接读取,并将获得的数据(样本数据),进行适当的工况延拓,制成相应的数据表格存储在计算机的内存中。仿真时,根据当前工况和该数据表格,采用适当的插值方法,获取机组的单位流量和单位转矩。这种方法的优点是计算量相对较小,但缺点是数据量大较大,占用的存储器较多,同时也不能保证非线性关系导数的连续性,给迭代的收敛带来一定的困难。为此,在我们的非线性仿真实现中,采用了两个BP型神经网络来实现这种非线性关系。其方法是将来自于机组综合特性曲线的样本数据,用MATLAB提供的神经网络工具,离线训练两个结构确定的网络。然后,将获得的神经网络参数,包括所有的权值和阈值下载到前置机中。仿真时,根据当前工况直接利用这些下载的权值和阈值进行神经网络的模拟计算,从而获得机组在该工况下的单位流量和单位转矩。为获得合理的拟合精度和尽量小的计算工作量,必须合理地选择神经网络结构。在大量实验的基础上,选择了如图5所示所示的神经网络结构。同时,为实现上的方便,两个非线性关系实现的神经网络采用了完全相同的结构。如图5所示,它们均包含有3个输入和1个输出。图中bx为各神经元的阈值,wxx为连接各神经元和输入输出的权值。其输入层由14个神经元组成,传递函数Fo(x)选择为近似的logsig函数。为计算简单,输出层选择为一个纯线性神经元。为说明方法的可行性,图6和图7给出了对于ZZ500型轴流转桨式机组的两个神经网络输入和输出间的关系(图(a))以及神经网络输出和训练样本数据间的比较误差(图(b))。对于每个神经网络,其训练用的样本数据来自于该水轮机的模型综合特性曲线,经工况延拓后,形成的864组样本数据。如图所示,这种方法克服了传统方法的缺点,每一神经网络对应的数据量,包括所有的权值、阈值及输入输出的调整系数共79个,不仅大大小于插值方法的数百到数千个数据,也保证了关系曲面的平滑性。若要提高仿真精度,可通过适当增加网络输入层的神经元个数来实现。3.3运行一次非线性仿真算法安排在前置机的中断服务程序中,由采样周期定时器定时启动。中断服务程序每启动一次,则算法运行一次。该过程在一预先设定的仿真时间(由上位机设定并下载)里反复进行直至完成,或当接收到上位机的停止