预测控制的发展与现状以及在电力系统中的应用

预测控制的发展与现状以及在电力系统中的应用

李国（贵州盘江马依煤业有限公司，贵州贵阳550007）

作者简介：李国，贵州盘江马依煤业有限公司。

摘要：改善和提高电力系统运行稳定性的课题越来越受到人们的关注，本文主要介绍了预测控制的发展与现状以及在电力系统中的应用，分析同步发电机励磁对电力系统的稳定作用，提出多台发电机组进行非线性预测励磁控制设计思想。

关键词：预测控制；同步电机励磁；电力系统稳定性

现代电力系统是一个具有统一性、同时性和广域性特点的极端复杂的庞大系统。由于大范围的区域性、全国性以及跨国性的电网互联可以实现资源的优化配置，能够大大提高电网运行的经济性和可靠性，因而成为各国电力系统发展的必然趋势。然而随着大型电力系统互联的发展，确保这样一个系统的稳定安全运行的确是一个非常具有挑战性的问题。一个大规模电力系统要实现稳定运行即可靠供电必须保持完整并能承受各种干扰。发电机的励磁控制是改善电力系统稳定性有效而经济的措施之一。励磁控制系统的基本功能是维持电压稳定，使发电机端电压保持在允许水平上，进而保证发电机及电力系统设备的安全稳定运行，提高电力系统的稳定性。本文主要介绍了预测控制的发展与现状以及在电力系统中的应用，分析同步发电机励磁对电力系统的稳定作用，提出多台发电机组进行非线性预测励磁控制设计思想。

1预测控制的发展与现状

预测控制(PredictiveControl)的产生，首先是工业实践向控制理论提出的挑战。60年代初形成的现代控制理论，在航天，航空等领域获得了巨大的成就，但是，当人们把该理论应用于工业实践时，却发现这种经典的理论与控制实践之间还存在着巨大的差距。70年代，随着系统辨识、自适应控制、鲁棒控制等理论的进一步发展，预测控制综合各种理论，以计算机技术为平台，如雨后春笋般迅速发展起来，成为控制领域的一朵奇葩。预测控制技术最初由Riehalet和Cutler等人提出，经过20多年的深入研究和发展，其理论和方法日臻完善，并在工程实际中取得了广泛的应用，其基本原理可以概括为：基于信息处理功能的预测模型、基于有限时域的滚动优化策略和灵活有效的反馈校正机制。预测控制的基本算法有动态矩阵控制(DMC)，模型算法控制(MAC)和广义预测控制(GPC)。

1.1动态矩阵控制(CDMC)

DMC算法是一种基于对象阶跃响应的预测控制算法，它适用于渐进稳定的线性对象。对于弱非线性对象，可在工作点处首先线性化;对于不稳定对象，可先用常规PID控制使其稳定，然后再使用DMC算法。

1.2模型算法控制(MAC)

模型算法控制(MAC)又称模型预测启发控制(MPHC)，是Richalet在脉冲响应模型基础上于1979年提出的，与DMC相同，也是适用于渐进稳定的线性对象。

基于非参数模型的DMC和MAC具有易于获取模型、算法简单和理论分析相对容易等优点。然而这类算法存在两个致命的弱点：一是预测模型只能表示稳定的被控对象，并且这类模型是通过一定范围内各采样点上的脉冲响应(或阶跃响应)值来表示的，不可避免地存在模型截断误差。二是这类非参数模型不便于在线辨识，不适用于慢时变系统。

1.3广义预测控制（GPC）

广义预测控制(GPC)是在自适应控制的环境中发展起来的另一类预测控制算法。以自校正控制技术为基础的不少新算法对数学精度都有一定的要求，例如最小方差自校正调节器对于滞后十分灵敏，如果滞后估计不准或是时变的，控制效果将大打折扣，而极点配置自校正调节器则对系统的阶十分敏感，一旦阶数估计不准，算法将不能使用。克拉克等人在保持最小方差自校正控制的预测模型、最小方差控制、在线辨识等原理的基础上，汲取了DMC和MAC中的多步预测优化策略，提出了广义预测控制算法。作为一种自校正控制算法，GPC是针对随机离散系统提出的，不仅提高了预测控制对于不确定性环境的适应能力，而且增强了自适应控制的鲁棒性。

2预测控制的特点

预测控制的算法虽然种类繁多，但它们却又共同的方法机理，即包含预测模型、滚动优化、反馈校正三要素，这正是预测控制算法最本质的特征。

①预测模型:根据对象的历史信息和未来输入预测未来输出，它可以是参数模型或非参数模型，也就是说，状态方程、传递函数这类传统的模型可以作为预测模型，同样，对于线性稳定对象，阶跃响应、脉冲响应这类非参数模型也可以作为预测模型使用。

②滚动优化：通过某一性能指标的最优来确定未来的控制作用，控制矢量的作用是使预测输出尽量和未来的输出一致。预测控制中的优化与通常的离散最优控制算法有很大的差别，它是不断滚动的局部优化，而非全局最优。因为在每一采样时刻，优化性能指标只涉及到未来有限的时间，而到下一采样时刻，这一优化时段同时向前推移。因此，预测控制在每一时刻有一个相对于该时刻的优化性能指标，不同时刻优化性能指标的相对形式是相同的，但其绝对形式(即所包含的时间区域)则是不同的。因此，在预测控制中，优化不是一次离线进行，而是反复在线进行的，这种滚动优化策略更加符合过程控制的特点。

③反馈校正：把第一个u应用于对象，对预测模型进行修正，同时整个过程向后递推一步，然后重新开始预测模型和滚动优化工作。由于实际系统中存在的非线性、时变、模型失配、干扰等因素，基于不变模型的预测不可能和实际情况完全相符，因此，反馈策略是不可少的。滚动优化只有建立在反馈校正的基础上，才能体现出它的优越性。

3预测控制在电力系统中的应用

在国际上，V.Rajkumar以4机系统为例将非线性预测控制技术应用到具有柔性交流输电装置的电力系统当中；LiangZhi-shan首次把包含有功功率，角速度和同步发电机机端电压的非线性输出反馈模型应用于多机电力系统；Chian-ChuangDing将电力系统稳定控制器的设计问题概括为理想线性调节器控制问题，并与灰色预测PID控制原理相结合应用于2机系统，取得了良好的效果；LeiQingsheng把实时预测控制运用到多机电力系统暂态稳定性研究中；A.Molina实现了HVAC直接负荷控制的多变量预测控制。

在国内，梁志珊把同步发电机非线性励磁控制与预测控制有机结合起来，在改善功角稳定性，发电机端电压的动态特性方面取得了良好的效果；雎刚提出了单元机组负荷多变量模型预测控制，并将其应用于单元机组负荷控制研究；李国庆将预测控制应用于电力系统暂态稳定研究，以对发电机的电磁功率的实时测量来预测系统的稳定性；侯国莲采用基于阶跃响应模型的多输入多输出系统的预测函数控制算法实现火电厂单元机组的协调控制；王国良进行了广义预测在永磁同步电动机控制中的应用研究；胡兆庆将灰色预测引入发电机励磁控制系统，在对发电机状态量进行预测的基础上，对发电机励磁控制系统进行预测控制。

4同步发电机励磁对电力系统的稳定作用

由于电力系统运行稳定性的破坏事故，会造成大面积停电，使国民经济遭受重大损失，给人民生活带来重大影响，因此，改善与提高电力系统运行的稳定性意义重大。早在世纪年代，有电力系统专家就强调指出了同步发电机励磁的调节对提高电力系统稳定性的重要作用。

励磁控制问题是一个典型的非线性控制问题，原因在于电力系统具有高度的非线性特性。当系统的运行点改变时，系统的动态特性会显著改变，此时，单一变量的控制方式和线性控制器就难以满足电力系统稳定的要求，只有非线性控制方式的控制器才能有效地提高电力系统稳定能力。因此非线性励磁控制方式的采用是励磁控制方式发展的必然趋势。励磁控制的研究重点应放在提高系统参数的鲁棒性和在不精确模型下提高励磁控制效果，而预测控制算法对模型的精度要求低，具有兼顾被控对象的非线性、时变性及干扰影响的特点。

预测控制算法是一种新型计算机优化控制方法，它汲取了现代控制理论中的优化思想，用不断的在线有限优化，即滚动优化，取代传统的最优控制。由于在优化过程中利用实测信息不断进行反馈校正，所以能在一定程度上克服由于预测模型误差和某些不确定性干扰等的影响，增强系统的鲁棒性，解决了具有非线性、不确定性和时变性特点的复杂系统建模困难的难题。所以可以针对电力系统非线性的本质，运用预测控制理论的基本原理和方法，对多台发电机组进行非线性预测励磁控制设计，即以发电机为控制对象，融入预测控制的思想精髓，解决多机系统控制中出现的问题，以改善系统的稳定性，提高电网的稳定运行能力。

参考文献：

[1]蒋亮，朱向荣，杨利明．励磁控制系统在改善电力系统稳定性中发挥的重要作用[J]．机械制造与自动化，2006，06．

[2]李丹．电力系统稳定及发电机励磁控制对电力系统运行的影响[J]．电力设备，2008．