模糊切换多模型控制中的应用微

河北工程大学外文翻译1模糊切换多模型控制中的应用微水力发电厂摘要模型模拟水轮机发电系统，是不是一件容易的事，因为他们是非线性，不确定的作业点随时间变化的。克服这个问题的方法之一是使用takagie关野（TS）模型，它提供了应用于从线性控制理论的一些工具可能性，而这些模型是由关联的具有模糊激活功能的线性模型组成的。本文提出了一种使用TS模糊系统方法来模拟和控制作为一种非线性的一个微型水力发电厂的系统。局部TS模糊系统模型被用来获得一个全球性的模型研究电厂。然后，结合效率和设计简洁，PI控制器由用于电力负荷TS模糊控制器的结论每个考虑运行点合成。“尽管工作点的变化，后者确保全球稳定和理想的性能”。其中获得建议的方法（模型和控制器）在实验室的原型测试结果表明，其效率和能力能确保性能良好除了该电厂的非线形性质。1介绍，分散式发电技术的增加和对可再生能源资源的使用，表明全球对清洁能源的需求不断增长。这种能源的广泛使用以尽量减少对全球的变暖和气候变化威胁是必须的。[1]例如，微水电的电气能源被视为最强大的可再生能源之一能源。它是由河流的势能通过涡轮转换水的动能，然后通过一台发电机到电能。它代表了一种很好的解决方案针对远程并且远离电网网络的社区，因为低人口密度（不到几百一个人），长期使用输电线路是昂贵的。这被认为是最早的小规模可再生能源技术的发展，并有可能产生占有大部分的电力，特别是如果使用正确类型的站点，是比太阳能或风力更可靠的发电。良好的电能质量，必须坚持通过在一个特定的额定频率的不断电的和电压直接供电的负载。因此，电压是控制发电机的励磁和频率消除发电和负荷需求之间的差异。在后一种情况下，控制水流通过水的动作来调节汽轮机装置，可以实现一个使用经典伺服电机[2-4]。然而，这种解决方案不能在负载变化大时确保良好性能，从而导致不稳定。这些问题是可以使用“电气负载控制器“（ELC）克服的，正如汉德森在[5]中提到的。这种方法的主要思想是保持不断产生能量。根据用户的消费，镇流器负载调整稳定频率如图1[6.7]。此外，水轮机特性差异显著的伴随着水流和不可预知的用户负载变化。因此，根据量的水和用户负荷变化，ELC的应设计工作在任何工作点。设计获得所需的允许适当的控制器的性能，需要一个良好的微观动态行为分析水力发电厂（MHPP）。为了实现这一目标，有必要发展能描述这一过程的精确模型。分析模型吸引力，因为他们提供了一个基本的了解各种输入和输出参数之间关系的模型。由于其复杂性和非线性程度高，这就非常困难获得准确MHPP的模型。为了解决这个问题，用传统的方法[8,9]围绕给定的工作点该系统可被识别，。然而，根据考虑的经营点而构建的模型将被关闭。另一种方法，所谓的关野Takagie（TS）的类型模糊模型已被广泛用来近似表示复杂的和非线性的系统。这种模糊模型来描述一系列的模糊IF-THEN规则，每一个代都表本地该系统的的线性输出与输入关系。整体的模糊模型实现是通过模糊隶属函数图2顺利融合这些地方的线性模型。因此，传统的线性系统理论适用于全球控制器的合成。基于线性TS模糊模型，卓有成效的线性系统理论可以应用于综合分析和控制器非线性系统[10]。最近，模糊控制的稳定性问题系统已被广泛应用于线性矩阵不等式技术的研究[11-13]。其主要思想是使用反馈控制法，利用线性矩阵不等式理论确定每个局部模型河北工程大学外文翻译2和反馈增益控制法。然而，这些方法的缺点是计算时间长，设计过程复杂和非最优的计算收益。另一个理念是根据系统的状态空间的位置，为每个作业点合成本地控制器和使用TS模糊系统的本地控制器之间切换。故Essounbouli等人已提出[14]基于混合控制计划模糊主管管理相结合的控制器两种类型：滑模控制（SMC）和HNcontrol。凸凹制定的两个控制器造成了得益于两个控制器的优势的结构，保证了良好在瞬时状态（SMC）和跟踪性能稳态（HN）并提供了一种快速的动态响应，以扩大了系统的稳定极限，并有效降低有SMC引起振动现象。基于这一事实，比例积分（PI）控制器，提供良好实施的成本和良好的跟踪性能之间的权衡，本文提出使用他们作为本地控制器。本文的问题是对MHPP常量频率进行分析。本文提出了一种控制系统，该系统适合手动的流量控制和涡轮机系统同步发电机，特别是没有永磁电机自动电压调节器。这项工作是出于考虑ELC的发展过程中遇到的没有水流量调速器MHPP的问题。允许一个简单的手动门调整现有的水流量河的数量。水轮机特和不可预知的负载有显著的特性以及前面水流解释。这提出了一个有难度的设计，电力系统中一个高效，可靠的可以了解负荷变化控制器，将在本文中考虑。从控制的角度来看，微水电机组作为一个具有两个输入和一个输出（2）系统建模。两输入便门的地位和所消耗的电力用户负载和输出电压波形的频率。在这项工作中，TS模糊模型，提出了代表MHPP所有操作条件下的原型。一些简单的线性模型的基于原型特征点多个操作点，被用来建立TS模糊模型。“开发的TS模糊模型进行了实验验证，考虑了各种工作条件（不同的水流和用户负载变化）。模糊建模中的应用为原型行为的所有作业点提供良好的估计，包括大用户负荷变化。灵感来自于[14]提出，TS模糊控制器，提出，以所有作业规范的MHPP原型输出条件，那里的最后一部分是由当地的PI控制器组成。适用于非线性和时变系统，这项技术是通过多模式控制模糊切换的经营点用来调整每个PI控制器的收益。每个作业点的PI控制器的增益值利用根轨迹法优化前获得的。本文的其余部分的结论如下描述：在第2节给出实验装置组件。在弟3节中介绍工厂模式。两者的线性化动态微型水力发电厂的原型和一个电执行机构分别在第3.1和3.3中。“在第4节描述频率控制合成。在第5节给出了TS模糊控制器实现。最后，在第6节给出结论。2说明本文所用的实验装置，在本文中，MHPP原型如图3用于开展实验研究。这个原型（生产200瓦）组成的水轮机，同步机发电机（单相，永磁，两极），输送形成了由六个灯负载，没有水的频率传感器调速器，但只有手动开闸。后者允许水流量变化因此用来模拟河水流量的变化。使用DSPACE主板的DSPACE控制的开发1104板连接到个人电脑的使用，以验证我们的仿真结果。安装允许变水流量（介于0和20L/S）。系统参数的标称值是；电力：200W。频率：50Hz。电压：220V。流量：6.5升/秒超速：1400转。河北工程大学外文翻译3转轮直径：21厘米。为了模拟真实的情况，在MHPP随机工作和不可预知的用户负载的步骤执行，使用着六个不同能力的灯（一盏灯，消耗60瓦，一个消耗40瓦，消耗25瓦的其他四个）。功能由图4实验系统描述的。3系统建模3.1MHPP线性模式电力系统的动态响应可以表示为不同类型的模型，这是需要几个如低频振荡的研究目的孤岛和孤立运行，伴随着系统恢复以中断，负载验收和在压力管道的水锤动态。一个近似高阶系统较低的秩序是非常有利，因为它减少了瞬态响应的计算时间，从而有利于控制器的设计和控制系统的分析。控制器的成本和复杂性增加了正比系统的命令。使用前面介绍的原型，一些测试需要提供不同输入（用户负载量，闸门开度的位置）对电厂输出行为总体思想的影响，也应对关联的电厂的最简单的表示形式进行评估。每个电路的位置（水流）产生额定功率Pn。对于一些位置的三柱门的开启，对一些电能排放，或过载电力消耗（Pe）进行了标注。图5测得的数据显示两个电路的位置。放电应用在时刻t¼4秒，在接下来的是10s的相关负载。可以看出，在每一种情况下，得到的反应是类似于根据双方负载（X）的消耗量变化和电路位置.一阶系统响应的增益和时间常数变化(△Pe=Pn-Pe)水轮发电机系统是一个复杂的非线性系统。然而，对于每个运行点“X”和“△Pe”）电厂可以表示为一阶系统如图6。其中Pn是基于如前所述闸门位置的功率等级。这里提出的模型是基于一个相对简单的线性模型，这是足以代表每个作业点附近的原型响应的重大动态。转让函数系数Ks和Ts一些经营点的原型响应的基础上重新计算。测得的输入和输出数据被加载到系统辨识工具箱。利用Matlab以确定环境（IDENT）传递函数系数。所提供的系统识别允许利用Matlab建立基于实测数据的动态系统数学模型。使用测量不同的门的位置和不同的负载变化获得的数据计算得到系数Ks和Ts。表1给出了一阶系数转让四门位置的功能（表1为T1-T4）和不同的负载变化。随着四个电源组合根据门的位置，并根据不同的紊乱水平网络负载的变化，要考虑10个不同的作业点。从表1，可以说系数Ks和Ts的非线性演化，证明了它是不可能代表所有的MHPP经营点通过相同的一阶模4100315.241(43309TD[044-(T)53(ab530.486042)3.2高木关野模糊模型在过去十年中，人工智能的应用已成功探索到建模到其他科学和工程学科。在水力发电厂的情况下仍然有机会发展这种可靠得模式[15]。模糊建模应该在充分有较大的不确定性或未知的电厂参数的变化的情况下。TakagieSugeno（TS）模糊模型是来描述非线性动力系统的显著方式，该动力系统采用局部线性模型。它成功采用了解决建模问题做法，在[16-19]提供进一步的细节[20,21]。本文的TS模糊系统的方法介绍明确的模型的的发展来捕捉模糊和非线性工厂的两个输入端输出（频率电压波形）之间的关系（变化电力消耗，闸位置）。一个使用模糊TS模糊模型如果当规则获得了一些线性模型的参数操作要点。河北工程大学外文翻译4图7显示了四个相应的工艺参数的隶属函数（X1）表征门的位置。产生的隶属函数对应于模糊集（X2）工艺参数质量的电器消耗量特征的变化，如图8所示。工艺参数x2的正值（这代表过负荷的情况下）和负值（代表放电的情况下）要考虑。使用模糊规则，根据相关的线性模型估计适当的TS模糊模型的输出（频率）。图9显示了使用Simulink块代表所研究的MHPP。模糊建模中的应用对涡轮机的特点和消费变化的所有组合的原型行为提供了一个良好的估计。这意味着对任何门水平和任何适用的负载变化，TS模糊模型适当近似于系统的线性模型。TS模糊推理引擎融合了局部线性模型，这个模型是根据输入向量确定的，是为了找到产生相应输出的合适模型。上线测试进行的原型研究，是为了验证所提出的TS模糊模型。DSPACE控制的与DSPACE和1104板连同个人电脑的结合的发展被应用。图10显示了针对不同的排放和重载的反应（实线）原型，反应是加载两个不同的作业点的消耗量。“放电适用于时刻t=4秒，其相应的重载在时刻t=14秒。虚线代表的TS模糊模型的响应。可以看出，仿真结果和实验是在接近一致，证实了这很接近确定的TS模糊模型。这样的结果也由图11验证了，这显示了实验和模拟结果计算之间误差的绝对价值。这可以从图中可以看出，误差小在3210（PU）以下，从而证实了针对性确定的TS模糊模型。3.3。驱动器的鉴别在控制方案的的执行机构必须弥补断开的电力消耗。一个模拟的功率控制器（APC）连接到镇流器负载被选作执行机构。当APC被的控制信号（U）激发，他就会消耗一些电功率（Pd）。根据镇流器负载控制的值，以确定其传递函数（G（P））方案在图12中。其中S（P）代表了详细模型的水利发电厂。APC通过脉冲改变控制输出值，这被用来作为几个工作点。反应得到下列传递函数G（P）的作为以下第二度传递函数：41.629.703.832pppG图13显示了从模拟得到的曲线实验测量结果4电力负荷PI控制器和局部稳定性分析在第2节中提到的，微水电是一种新兴的电能的主要贡献者。因此，它的控制过程变得非常重要。此外设备以及发电和运营成本，可以用足够的控制策略减少。此外，PI控制器的优化调整是确保稳定和令人满意的瞬态行为的MHPP至关重要的。为了获得一个好瞬态响应的形状，控制器增益Kc必须选择。它不能太高，否则可能会导致不稳定。虽然各种技术，大多是基于判断和错误做法，已解决选择积分时间Ti，但没有保证实现最适宜的反应，尤其是当参数系统的变化。频域的方法来确定PID控