用户与研究成果简介：

东北电力大学祝国强老师的科研团队提出了一种基于复合学习和干扰观测器的多机电力系统自适应模糊动态面控制方法。该方法利用模糊逻辑系统和扰动观测器进行复合扰动估计，有效地消除了多机电力系统的不确定性和外部干扰；使用复合学习算法改进模糊逻辑系统，使其能够逼近系统真实的不确定性，提高系统的鲁棒性；并将滤波补偿信号引入动态面控制中，消除了动态面方法由于使用滤波器而引起的滤波误差，提高了系统的控制精度。

研究利用上海远宽的StarSim电力电子小步长实时仿真器进行实验，通过实验结果验证了所提出的基于复合估计的自适应模糊动态面控制方法的有效性，并把成果总结发表于《IEEE ACCESS》。

Guoqiang Zhu, Linlin Nie, Miaolei Zhou. Adaptive Fuzzy Dynamic Surface Control for Multi-Machine Power System Based on Composite Learning Method and Disturbance Observer [J]. IEEE Access, 2020. （SCI收录，DOI号10.1109/ACCESS.2020.3022293，IF=3.745）

课题研究背景

多机电力系统控制问题的研究意义与现状

随着电网规模的扩大，现代电力系统逐渐形成了强耦合的动态非线性系统。但是，由于电力系统复杂的非线性特性或三相电压短路故障等事故，电力系统更容易发生振荡，安全稳定地运行变得更加困难。为了保证电力系统安全稳定运行，需要提出更有效的控制策略，设计性能优异的控制器。对于具有不确定性的非线性电力系统，结合实际控制需要，多机系统励磁控制器的设计应满足如下需求：控制器的跟踪性能满足实际控制精度需要；具有较好的鲁棒性，以应对系统实际运行中受到的持续小干扰或突发故障；控制器设计简明，利于实时控制。在以前的工作中，对于系统的不确定性和外部干扰，在鲁棒性设计中广泛采用神经网络或模糊逻辑系统。然而，这些研究通常只关注系统的渐进跟踪稳定性，而忽略了神经网络或模糊逻辑系统作为逼近器的工作原理和真实性，东北电力大学祝国强老师的科研团队针对大型电力系统不确定性和外部干扰提出一种基于复合学习和干扰观测器的多机电力系统自适应模糊动态面控制方法，解决了传统方法中存在的上述问题。

研究重要内容和创新点

含SVC的多机电力系统模型的建立及控制目标

考虑电网的实际情况，建立具有强耦合性和高非线性特点的含SVC的多机电力系统模型。励磁电力系统简化模型可表示为:

多机电力系统复合估计自适应模糊动态面控制器设计

传统电力系统控制方法中一般用基于系统跟踪误差的神经网络逼近系统的外部干扰或不确定性，而这种方法不能保证得到的外部干扰模型或不确定性的真实性和准确性。对此，东北电力大学祝国强团队提出的基于复合学习和干扰观测器的多机电力系统自适应模糊动态面控制方法，设计自适应模糊动态面控制器。控制策略示意图如图1所示。

图 1基于复合学习和干扰观测器的多机电力系统自适应模糊动态面控制方案结构

完整的基于复合学习和干扰观测器的多机电力系统自适应模糊动态面控制器推导公式及稳定性分析详见东北电力大学祝国强科研团队发表的文章。

多机电力系统自适应模糊动态面控制方法的仿真实验

研究已经完成了仿真实验验证。实验验证了所提出的方法能否有效地改善含SVC的双机励磁系统的跟踪性能和暂态稳定，将基于跟踪误差的一般自适应神经网络控制方法作为对照，进行了两组实验：1. 假设三相短路故障发上在两个发电机和之间的一条传输线路上的实验；2. 在系统稳定运行时切换运行点的实验。一般来说，输电线路三相电压短路故障和切换运行点这类实验一般较难在实物系统上实现；纯软件仿真又有无法接入真实控制器的缺点，较难反应出真实控制器中的延迟和有限精度。实时仿真器可以同真实控制器连接，又不会有故障实验危险的问题，是多机电力系统控制方案验证的理想测试设备。

基于StarSim实时仿真器的策略验证

任意拓扑小步长实时仿真对于电力系统控制方法验证的重要性

电力电子系统通常含有高速动作的开关元件，其实时仿真有一定挑战，通常有两种方法来实现电力电子系统的实时仿真，一种是基于PWM占空比测量的平均值大步长方法，一种是基于细节模型的小步长实时仿真。

对于多机电力系统励磁与SVC自适应控制来说，它需要检测到瞬时电路反应，而不是经过大步长平均的信号，因此基于PWM占空比的平均值大步长方法不适用于此研究。同时实时仿真器要能够仿真各种故障工况，或者说任意的拓扑组合；一些只能仿真正常工况的实时仿真器也不适用。

远宽能源（www.modeling-tech.com）提供的StarSim实时仿真器，基于电力电子器件的细节模型，利用最新的FPGA技术，可以实现1微秒步长、任意拓扑、任意工况的电力电子系统实时仿真，被广泛应用于牵引供电系统故障诊断、控制策略验证、可再生能源并网、电机驱动等的实时仿真中；东北电力大学的科研团队就采用了StarSim电力电子实时仿真器来进行所提出的机电力系统励磁与SVC自适应模糊动态面滑模控制方法的试验验证。  

下图是HIL+RCP测试平台示意图，其包括实时仿真系统HIL和快速控制原型RCP， 其中电力电子系统是利用StarSim FPGA Solver按1微秒的步长实时仿真；控制算法运行在RCP控制器上，电力系统模型运行在HIL实时仿真器上，两者通过真实的物理IO互连。

图 2 HIL+RCP测试平台示意图

下图为在小步长实时仿真实验平台上两种工况下的跟踪误差信号的实验波形。

图 3 突发短路故障下发电机功角跟踪曲线图

图 4切换运行点的发电机功角跟踪曲线图

由图3和图4可以看出，与基于跟踪误差的一般神经网络自适应控制方法相对比，所提出的基于复合学习和干扰观测器的多机电力系统自适应模糊动态面控制方法调节时间更短、鲁棒性更强、跟踪精度更高。验证了这种控制方法在多机电力系统鲁棒控制上的有效性。