电力系统迭代学习励磁控制器设计.docVIP

电力系统迭代学习励磁控制器设计 导语：?本文介绍了励磁系统的基本原理，并将迭代学习控制理论应用于励磁控制器的设计中。 摘 要： 本文介绍了励磁系统的基本原理，并将迭代学习控制理论应用于励磁控制器的设计中。基于单机无穷大系统将开、闭环迭代学习控制规律与常规PID控制规律进行了比较。仿真结果表明迭代学习励磁控制器有较强的维持机端电压的能力，能有效地提高发电机的功角稳定性，展示出良好的应用前景。关键词：电力系统；迭代学习控制；发电机励磁控制[b][align=center]Iterative Learning Excitation Controller Design for Power SystemsBAI Jing-cai, YU Shao-juan, HAN Ru-cheng（School of Electronic Information Engineering, Taiyuan University of science and technology, Taiyuan 030024, China）[/align][/b]Abstract: The principle of excitation system is introduced, and iterative learning control is applied to the design of excitation controller in the paper. Based on single machine to infinite system, the open-loop and closed-loop iterative learning control algorithms are compared with traditional PID control rule. Simulation results show that the designed iterative learning excitation controller can maintain the terminal voltage of generator on constant value, improve the generator angle stability greatly and would be applied in more fields.Key words: power system; iterative learning control; generator excitation controller引 言 电力系统是一个具有多目标要求的、非线性的、既有连续控制又有断续控制的动态大系统，在当前，为提高电力系统稳定性而采取的措施中，励磁控制是最行之有效而又经济的手段之一，并且具有投资少、效果好、易于实现等优点。电力系统中的励磁控制系统除了完成其基本任务之外，还可以改善发电机励磁控制系统的动态品质，提高电力系统的运行稳定性。在众多改善同步发电机稳定运行的措施中，运用现代控制理论、提高励磁系统的控制性能是公认的经济而有效的手段之一。随着控制理论和技术的发展，基于现代控制理论的最优控制、鲁棒控制及变结构控制等应用于励磁控制系统中也取得了令人瞩目的成绩。但这些控制方式是基于被控对象的精确数学模型来设计的，理论上这一类方法不具备对系统参数不确定性的鲁棒性，用于解决大系统、适应性和强非线性带来的问题时有很大局限性。同时基于样本实验的智能控制、人工神经网络控制、模糊控制、专家系统等,这类控制的效果决定于样本的质量、数量和试验方法, 仍然很难解决大系统、适应性和非线性等提出的问题。 与此同时，迭代学习控制理论在近20年取得突破性进展，并且在电力系统中的研究也逐步引起了人们的重视。迭代学习控制通过得到的经验信息，在控制过程中不断地修正控制量，逐步改进自身的未来性能，而且不依赖于被控系统的详细模型，对于解决电力系统的非线性问题具有很好的适应性。 本文介绍了励磁系统的工作原理，基于三阶发电机模型分析了两种迭代学习励磁控制方案，并利用Matlab/Simulink建立一个典型的单机无穷大系统的仿真模型。仿真结果表明采用在迭代学习励磁控制器上附加电力系统稳定器的控制方案，能使发电机端电压和功角迅速收敛到允许范围内，有效增强了发电机励磁系统的阻尼，提高电力系统稳定性。电力系统基本模型 单机无穷大系统如图1所示，其中无穷大系统电压U[sub]S[/sub] 假定不变， X [sub]τ[/sub]为变压器电抗， 为输电线路电抗。[align=center]图1 单机无穷大系统[/