Книги по разным темам Pages:     | 1 | 2 | Уфа : УГАТУ, 2011 Т. 15, № 1 (41). С. 165Ц170 ЭЛ ЕК Т РО НИ К А, И ЗМ ЕР ИТ Е ЛЬ НА Я Т ЕХ НИ КА, Р АД ИОТ ЕХН ИК А И СВ ЯЗ Ь УДК 621.313 Г. Н. Утляков, В. И. Каримов РАЗРАБОТКА И ИССЛЕДОВАНИЕ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ РЕГУЛИРОВАНИЯ ЧАСТОТЫ ВЫХОДНОГО НАПРЯЖЕНИЯ СИНХРОННЫХ ГЕНЕРАТОРОВ Приведены результаты разработки модели и моделирования интеллектуальных систем регулирования частоты выходного напряжения синхронных генераторов. Синхронные генераторы; математическая модель; нечеткая логика; нейронные сети;

системы регулирования частоты искусственного интеллекта на основе нечеткой Анализ перспектив развития авиационной логики и нейронных сетей [2Ц5].

техники показывает, что наряду с увеличением К достоинствам интеллектуальных систем единичной и суммарной мощности потребителей электрической энергии растет и доля потре- регулирования можно отнести возможность бителей с импульсноЦпериодическим характе- управления процессами, являющимися слишком ром нагрузки повышенной мощности. Это об- сложными для анализа с помощью общепринястоятельство, если не предусмотреть специаль- тых количественных методов, способность обучаться, то есть возможность обеспечить более ных мер, может серьезно отразиться на качестве генерируемой электроэнергии и работе потре- простые решения для сложных задач регулирования. Кроме того, нейронные сети имеют спобителей.

К системам регулирования частоты предъ- собность к самообучению, что исключает необявляется ряд требований, определяющих каче- ходимость иметь большой объем информации ство электрической энергии, среди которых та- для нейроконтроллеров и делает их пригодными кие как: точность стабилизации частоты в ста- для регулирования в условиях существенных неопределенностей. Высокая степень параллетических режимах работы, выбросы и провалы в переходных режимах работы, время переход- лизма нейронных сетей позволяет реализовывать очень быстрые методы многопроцессорной ных процессов.

обработки на основе использования нейронных Дальнейшее развитие и совершенствование кристаллов или параллельных аппаратных систем регулирования частоты, а также других средств [6].

систем автоматического регулирования (САР) Более широкое применение систем регулисвязано с использованием цифровых способов управления, реализуемых с помощью микро- рования частоты с использованием интеллектуальных алгоритмов для генераторов первичных ЭВМ или микропроцессоров [1]. По сравнению с аналоговыми, цифровые САР имеют ряд пре- и вторичных СЭС ограничено отсутствием маимуществ, основными из которых являются вы- тематических моделей для анализа процессов сокая точность, помехозащищенность, возмож- регулирования частоты в различных режимах ность реализации сложных алгоритмов управ- работы. Результаты моделирования позволят ления и гибкой перестройки структуры, просто- выработать требования к системам регулирования, определить входные и выходные параметта коррекции. При этом открываются широкие ры интеллектуального регулятора, поэтому разперспективы для построения оптимальных и адаптивных САР с использованием интеллек- работка математических моделей и анализ систуальных алгоритмов, расширения возможно- тем регулирования частоты с использованием стей контроля и диагностики основных элемен- интеллектуальных алгоритмов, обеспечивающих повышение качества электрической энертов системы электроснабжения (СЭС).

В университете проводятся работы по раз- гии, является актуальной научной задачей.

В работе приводятся результаты разработки работке, созданию и исследованию систем регуматематической модели и моделирования сислирования напряжения и частоты генераторов тем регулирования частоты с использованием переменного тока первичных и вторичных СЭС, нечеткой логики и нейронных сетей бесконустройств защиты с использованием элементов тактного синхронного генератора (БСГ) с пневКонтактная информация: (347) 272-36-166 ЭЛ ЕКТ РО НИ К А, И ЗМ Е Р ИТ Е ЛЬ НА Я Т Е Х НИ К А, Р АД ИО Т ЕХН ИКА И СВ ЯЗ Ь матическим приводом, широко используемого Постоянные времени пневматического прина летательных аппаратах. вода, элементов грубого и точного каналов реТеоретические исследования проведены ме- гулирования имеют значения [7]: TM = 1,5 с, тодами математического моделирования элек- T = 0,3 с, T = 0,1 с. Коэффициенты имеют слетромагнитных процессов. При анализе статиче- дующие значения: SM = 0,8, N = 5, = 1, kv = 5, ских и динамических режимов работы БСГ k = 0,4, k = 2,7. Статическая ошибка регулирос системами регулирования частоты на основе вания частоты равна нулю, так как в системе интеллектуальных алгоритмов применены среда используется интегрирующее звено - конденсалMatLab с пакетом расширений Simulink, торный двигатель в качестве исполнительного Neural Network, Fuzzy Logic, теория нечет- устройства точного канала регулирования часких множеств, теория нечеткой логики, про- тоты (ИУ2 на рисунке 1) [7].

граммирование и компьютерное моделирова- Предлагаемая структура канала регулирование. ния частоты представлена на рис. 1.

Для исследования процессов регулирования частоты генераторов в статических и динамичеИУ2 УУ2 ИОских режимах работы необходимо иметь дифференциальные уравнения элементов системы регулирования.

ИО1 УУ1 ИУ1 ППЧВ Г Уравнение объекта регулирования, состоящего из синхронного генератора и привода поДТ стоянной частоты вращения, имеет вид [7]:

ИР (TM p + SM ) = N - 2u + + а.д., ИКМ где TM - постоянная времени привода, SM - коэффициент самовыравнивания привода, v - от- Рис. 1. Структурная схема системы регулирования частоты носительное изменение угловой частоты, N - коэффициент усиления привода по параметру управления, - относительное перемещение Разработана математическая модель систем управляющего устройства привода, u - относирегулирования частоты на основе нечеткой лотельное изменение напряжения, - относительгики и нейронной сети для БСГ, выполненных ное изменение сопротивления нагрузки, - копо схеме, представленной на рис. 1. На схеме эффициент, характеризующий влияние возмуИО1, УУ1, ИУ1 - измерительный орган, устщающего воздействия, vа.д. - относительное изройство усиления и исполнительное устройство менение частоты вращения авиационного двигрубого канала регулирования частоты, ИО2, гателя.

УУ2, ИУ2 - измерительный орган, устройство Грубый и точный каналы регулирования усиления и исполнительное устройство точного описываются уравнениями:

канала регулирования частоты, ППЧВ - привод (T p +1) = -k - k ; T = k, постоянной частоты вращения, Г - генератор, где T - постоянная времени регулятора по гру- ДТ - датчик тока, ИКМ - измеритель коэффибому каналу, kv - коэффициент усиления грубо- циента мощности, ИР - интеллектуальный рего канала регулирования частоты, k - коэффи- гулятор. Интеллектуальный регулятор вырабациент передачи сигнала от корректора, - отно- тывает сигнал коэффициента усиления точного сительное перемещение шайбы червячного ре- канала регулирования на основе значения входдуктора корректора, T - коэффициент, характе- ных сигналов тока нагрузки и коэффициента мощности нагрузки.

ризующий время перекладки шайбы корректора В интерактивной системе Simulink разрабоиз одного крайнего положения в другое, k - тана модель системы регулирования частоты коэффициент, характеризующий эффективность влияния точного канала регулирования на пере- выходного напряжения синхронного генератора, представленная на рис. 2.

мещение золотника.

Г. Н. Утляков, В, И. Каримов Разработка и исследование интеллектуальных системЕ Рис. 2. Структурная схема интеллектуальной системы регулирования частоты Модель содержит следующие блоки: и величины нагрузки. В качестве обозначений Generator - синхронный генератор, Intellectual нечетких термов выбраны следующие: VS - Controller - интеллектуальный регулятор, очень малое; S - малое; M - среднее; B - больTransfer Fcn - передаточная функция, Gain - шое; VB - очень большое.

коэффициент усиления, Integrator - интегри- База правил и вид функций принадлежности рующее звено, Switch - переключатель, Scope - нечеткого контроллера были определены на ососциллограф, Load Ratio - коэффициент мощно- нове зависимостей коэффициента усиления от сти нагрузки, Excitation Voltage - напряжение величины сопротивления нагрузки, которые бывозбуждения генератора, Clock - секундомер, ли получены, исходя из наименьшего времени Un - уставка напряжения, Rn - уставка сопро- регулирования для отдельно взятых значений тивления, kw - коэффициент усиления грубого сопротивления и коэффициента мощности наканала регулирования, kw1 - коэффициент влия- грузки.

ния точного канала регулирования на переме- База правил разработанного нечеткого конщение золотника, kw2 - коэффициент усиления троллера содержит 12 правил:

штатной системы регулирования, ke - коэффи- If (input1 is 0) and (input2 is VS) then (outputциент передачи сигнала от корректора, N - ко- is SM) (1) эффициент усиления привода по параметру If (input1 is 0) and (input2 is S) then (output1 is управления, Product - блок умножения. MB) (1) Для формирования базы правил нечеткого If (input1 is 0) and (input2 is M) then (outputконтроллера необходимо определить входные is S) (1) и выходные лингвистические переменные. If (input1 is 0) and (input2 is VB) then (outputВ качестве двух входных переменных выступа- is VVB) (1) ют значения коэффициента мощности нагрузки ЭЛ ЕКТ РО НИ К А, И ЗМ Е Р ИТ Е ЛЬ НА Я Т Е Х НИ К А, Р АД ИО Т ЕХН ИКА И СВ ЯЗ Ь ЭЛ ЕКТ РО НИ К А, И ЗМ Е Р ИТ Е ЛЬ НА Я Т Е Х НИ К А, Р АД ИО Т ЕХН ИКА И СВ ЯЗ Ь 168 ЭЛ ЕКТ РО НИ К А, И ЗМ Е Р ИТ Е ЛЬ НА Я Т Е Х НИ К А, Р АД ИО Т ЕХН ИКА И СВ ЯЗ Ь If (input1 is 0.8) and (input2 is VS) then (outIf (input1 is 0.8) and (input2 is VS) then (ou put1 is SM) (1) If (input1 is 0.8) and (input2 is S) then (outputIf (input1 is 0.8) and (input2 is S) then (outputis MBB) (1) If (input1 is 0.8) and (input2 is M) then (ou If (input1 is 0.8) and (input2 is M) then (output1 is BVB) (1) If (input1 is 0.8) and (input2 is VB) then (outIf (input1 is 0.8) and (input2 is VB) then (ou put1 is VB) (1) If (input1 is 1) and (input2 is VS) then (outputIf (input1 is 1) and (input2 is VS) then (outputis M) (1) If (input1 is 1) and (input2 is S) then (output1 is If (input1 is 1) and (input2 is S) then (output1 is B) (1) Рис. 4. Графики функций Графики функций принадлежности If (input1 is 1) and (input2 is M) then (output1 is 1) and (input2 is M) then (outputдля термов входной термов входной лингвистической переменной Величина is BBVB) (1) переменной Величина нагрузки If (input1 is 1) and (input2 is VB) then (outputIf (input1 is 1) and (input2 is VB) then (outputis VS) (1) На рис. 3, 4 и 5 изображены графики функизображены ций принадлежности входных и выходной певходных и ременных.

Рис. 5. Графики функций ункций принадлежности для термов выходной термов выходной лингвистической переменной Коэффициент Коэффициент усиления точного канала регулирования точного канала регулирования Рис. 3. Графики функций принадлежности функций принадлежности для термов входной лингвистической входной лингвистической переменной Коэффициент мощности Коэффициент мощности При этом в качестве обучающего в качестве обучающего алгоритма нагрузки выбран алгоритм Levenberg алгоритм LevenbergЦMarquardt (trainlm).

Этот алгоритм обеспечивает алгоритм обеспечивает быстрое обучение, В качестве входных параметров нейросетевходных параметров но требует много ресурсов. Критерием окончамного ресурсов вого регулятора используются значения сопроиспользуются значения ния обучения является значение отклонения, обучения является тивления и коэффициента мощности нагрузки.

коэффициента мощности при котором обучение будет считаться законобучение будет Была сформирована трехслойн хслойная сеть обратного ченным. Это значение было выбрано равным значение было распространения (рис. 6), включающая 2 нейровключающая 0.01. Максимальное количество циклов обучеМаксимальное количество на во входном слое (по числу компонент по числу компонент входния - 1000.

ного вектора) с передаточной функцией logsig, передаточной функцией Обучающие выборки Обучающие выборки для нейронной сети, 15 нейронов во втором слое с передаточной втором слое с состоящие из матриц входных значений и этаматриц входных функцией logsig и 1 нейрон в выходном нейрон в выходном слое (по лонов, были составлены на основе описанных лены числу компонентов выходного вектора) с перевыходного вектора выше зависимостей коэффициента усиления от зависимостей коэффициента даточной функцией purelin.

величины сопротивления сопротивления нагрузки.

Рис. 6. Конфигурация нейронной сети Г. Н. Утляков, В, И. Каримов Разработка и исследование интеллектуальных системЕ Г. Н. Утляков, В, И. Каримов Разработка и исследование интеллектуальных систем ВЫВОДЫ ВЫВОДЫ На рис. 7 показан график процедуры график процедуры обучения созданной нейронной сети.

ти.

1. Разработаны математические модели Разработаны математические Для того чтобы применить обученную сеть применить обученную систем регулирования частоты выходного нарегулирования частоты в качестве регулятора частоты, был частоты, был создан блок пряжения с использованием интеллектуальных использованием функции, производящей выработку выходного производящей выработку алгоритмов на основе нечеткой логики и нейове нечеткой сигнала нейронной сети на основе входных пасети на основе ронной сети для генераторов для генераторов первичных систем раметров: sim(net, [u(1); u(2)]), (2)]), где [u(1); u(2)] - электроснабжения, позволяющие электроснабжения позволяющие проводить исматрица входных параметров, net - идентифи, net следования процессов регулирования частоты процессов регулирования катор нейронной сети загруженной в рабочую сети, загруженной генераторов в статических и динамических рестатических область Matlab.

жимах работы что обеспечивает сокращение работы, что обеспечивает сроков разработки и отладки систем регулироки и отладки вания частоты с использованием интеллектучастоты с использованием альных алгоритмов.

0-2. Определены функции принадлежности Определены функции база правил 1 и составлена база правил нечеткого регулятора 0-частоты, определена структура, разработаны определена структура обучающие данные и проведено обучение нейданные и проведено росетевого регулятора частоты регулятора частоты.

Pages:     | 1 | 2 |    Книги по разным темам