[发明专利]基于神经网络的水轮机非线性建模方法

说明书

本发明公开了一种基于神经网络的水轮机非线性建模方法，该方法首先从水轮机模型综合特性曲线和飞逸特性曲线上读取数据，然后对数据进行处理延拓，获取足够充分的样本数据，将得到的数据样本通过适当的神经网络训练，利用训练得到的权值与阈值进行水轮机的非线性建模，为满足实时仿真的要求，采用一个6次多项式替代神经网络隐层神经元的传递函数，实现基于神经网络的水轮机非线性建模与实时仿真。

技术领域

本发明属于水力机械建模与仿真技术领域，尤其涉及一种基于神经网络的水轮机非线性建模方法。

背景技术

水电作为一种清洁能源，在我国的能源战略发展中占据重要地位，水电机组作为水电站生产的核心设备，其运行状态直接影响能源转换效率及电网的安全稳定运行，提高控制系统的控制质量已成为学者们关注的热点，也是水电站急需解决的实际问题。通过建立水电机组的数学模型，仿真模拟水轮机组运行情况，对水电站控制系统及其参数进行研究是一个有效的办法。目前的行业标准已经对现有模型进行了系统的归纳总结，有重要的参考价值，但由于模型系统过于简化，难以满足暂态、振荡、过渡过程等复杂过程的仿真要求，与实际情况有一定误差。

因此，有必要设计一种基于神经网络的水轮机非线性建模方法。

发明内容

本发明的目的是提供一种基于神经网络的水轮机非线性建模方法，能满足工业精度要求进行工作，运用神经网络技术直接得出流量特性与力矩特性相较于传统的分段线性化求传递系数方法，在大波动情况下精度提升明显，与实际情况误差较小。

本发明所述的基于神经网络的水轮机非线性建模方法，包括以下步骤：

步骤1、获取样本数据，对样本数据进行处理和延拓；其中：

获取样本数据是指在水轮机模型综合特性曲线上获取水轮机的流量特性和效率特性，从飞逸特性曲线上获取飞逸特性数据；

对样本数据进行处理是指基于已获取的流量特性和效率特性计算出力矩特性样本数据；

对样本数据的延拓是指用飞逸时水轮机输出力矩为零的特性和水轮机的飞逸特性曲线对所求流量特性和力矩特性样本进行扩充；

步骤2、对描述单位流量、单位转矩与单位转速和导叶开度之间的关系的神经网络进行类型选择、训练和校正；具体包括：

(1)神经网络的选择：选择双输入单输出的双层BP神经网络，神经网络隐层神经元的函数为其中，n为函数的输入变量；

(2)神经网络的训练：利用延拓后的流量特征和力矩特性样本数据，调用MATLAB神经网络工具箱的网络生成函数newff和训练函数train，得到各神经元权值w和神经元阈值b；

(3)神经网络的校正：获取水轮发电机组的出力、开度和水头运行数据，并将这些运行数据作为神经网络的训练样本数据，以实现对神经网络进行校正；

步骤3、提取已训练的神经网络的权值与阈值，进行建模仿真计算。

上述过程中对样本数据进行处理和延拓具体过程如下：

第一步，读取流量特性：在水轮机模型综合特性曲线的各等开度线上读取预设数量的数据点a_i，N_11i，Q_11i，i＝1,2,3,…,F，其中，a_i为水轮机模型综合特性曲线上第i点的开度，N_11i为水轮机模型综合特性曲线上第i点的单位转速，Q_11i为水轮机模型综合特性曲线上第i点的单位流量；