一种基于水轮发电机的T-S模糊模型的建立方法及系统技术方案

本发明专利技术公开了一种基于水轮发电机组的T

【技术实现步骤摘要】
一种基于水轮发电机的T-S模糊模型的建立方法及系统


[0001]本专利技术属于水力发电
，更具体地，涉及一种基于水轮发电机组的T-S模糊模型的建立方法及系统。

技术介绍

[0002]由于水轮发电机组具有时变、强非线性和非最小相位等特点，因此，实现水轮机的精确建模相当困难。由于水轮自身的粘性及水轮机边界条件的局限性等若干因素，水轮机内部水流的动态特性十分复杂，用解析法很难描述其运动规律，目前主要依靠真机或者模型实验测得的水轮机特性曲线来建立模型，常用的水轮机模型分为线性模型和非线性模型。线性模型依据流量和力矩动态方程局部近似线性获取，只能描述水轮机的某一特定工况。常用的非线性模型包括采用全特性曲线插值建立的全特性非线性模型，以及采用基于水轮机本身的物理原理的内特性数值解法建立的内特性非线性模型。但这些已有的模型都不够精确。考虑到利用系统输入输出数据集进行系统辨识可以得到精确模型，采用高效的Takagi
–
Sugeno(T
–
S)模糊模型辨识方法对水轮发电机组进行建模是一个可行的研究方向。
[0003]T-S模糊模型辨识方法是对复杂系统建模的一种有效方式，它包含前提参数辨识和结论参数辨识两部分，空间划分是前提参数辨识的前提，而模糊聚类算法常常被用以实现空间划分。模糊C回归聚类算法由于考虑了输入输出之间的关系，能够更好地保障了划分后子模型的线性度，从而更适用于T-S模糊模型辨识。目前，基于模糊C回归聚类的T-S模糊辨识方法在辨识前提参数时，通常将聚类超平面转换为超球形聚类中的聚类中心和宽度参数，然后采用超球型隶属函数计算聚类样本的隶属度；在辨识结论参数时，多采用最小二乘法。
[0004]但是，现有的基于模糊C回归聚类算法的辨识方法存在以下缺陷：一方面，在划分空间时将聚类超平面转换为超球形聚类参数，不仅削减了模糊C回归聚类算法的优势，而且增加了计算量；另一方面，辨识方法的精度和泛化能力有待提高。

技术实现思路

[0005]针对现有技术的缺陷，本专利技术的目的在于提供一种基于水轮发电机组的T-S模糊模型的建立方法及系统，旨在解决水轮发电机组采用T-S模糊模型辨识方法，存在辨识精度较低的问题。
[0006]为实现上述目的，本专利技术提供了一种基于水轮发电机组的T-S模糊模型的建立方法，包括如下步骤：
[0007](1)以历史导叶开度和历史转速构建聚类样本的输入向量，以当前实际转速为聚类样本的输出；
[0008](2)令t＝0，将权重矩阵初始化为单位矩阵，基于聚类样本，利用加权最小二乘法初始化聚类超平面；t为迭代次数；
[0009](3)将聚类样本隶属于聚类超平面的隶属度与转速误差倒数相乘，对权重矩阵进
行更新；其中，转速误差为当前实际转速与聚类超平面之间的距离；
[0010](4)采用聚类样本和更新后的权重矩阵，更新聚类超平面；
[0011](5)若满足约束条件||ω
i
(t)-ω
i
(t-1)||>ε且t<T
max
，则令t＝t+1，转至步骤(3)；否则终止迭代，输出聚类超平面ω
i
(t)；其中，ω
i
(t)为当前迭代t获取的第i个超平面；
[0012](6)基于步骤(5)获取的聚类超平面和聚类样本，计算T-S模糊模型的前提参数；
[0013](7)利用T-S模糊模型的前提参数和聚类样本，采用带遗忘因子的递推最小二乘法，获取T-S模糊模型的结论参数，完成T-S模糊模型的构建；
[0014]其中，T-S模糊模型用于描述当前时刻转速与历史导叶开度及历史转速之间的关系，并以历史导叶开度和历史转速为输入，对当前转速进行预测。
[0015]具体地，聚类超平面的表达式为：
[0016]ω
i
＝[X
T
P
i
X]-1
X
T
P
i
y
[0017]其中，X＝[x
k 1]n
×
(M+1)
，其中x
k
是第k个输入向量，输入向量为由历史时刻的导叶开度和历史转速构建的向量；y＝[y
k
]n
×1，y
k
为机组第k个输入向量对应的输出，输出为当前实际转速；k为元素编号；n为样本中包含的总元素数量；M为x
k
的维数；P
i
为权重矩阵：i表示聚类超平面的编号；
[0018]优选地，步骤(3)具体包括如下步骤：
[0019](3.1)计算转速误差；转速误差为实际转速与聚类超平面之间的距离；
[0020]E
ik
＝|y
k-f
i
(x
k
,ω
i
)|
[0021]其中，y
k
为当前实际转速；
[0022](3.2)基于当前实际转速与聚类超平面之间的距离，利用拉格朗日乘子法，获取聚类样本隶属于聚类超平面的隶属度；
[0023][0024]其中，m为模糊加权指数；r为模糊聚类的编号；
[0025](3.3)将聚类样本隶属于聚类超平面的隶属度与转速误差倒数相乘，更新权重矩阵：
[0026][0027]其中，W
ik
＝1/E
ik
(ω
i
)；
[0028]需指出，将转速误差倒数作为权值赋给对应聚类样本对应的隶属度更新权重矩阵P
i
，权重矩阵参与后续的迭代计算，可以加速聚类朝向最有聚类结果的收敛；
[0029]具体地，T-S模糊模型的前提参数为：
[0030][0031][0032]其中，d
ik
(ω
i
)表示第k个输入向量到第i个聚类超平面的距离：为第k个输入向量隶属于第i条模糊规则的隶属度；η为调节系数；
[0033]具体地，步骤(7)包括如下步骤：
[0034](7.1)对前提参数进行归一化处理，建立系数矩阵；
[0035](7.2)将系数矩阵和实际转速矩阵按相同的标准划分成若干数据块；
[0036](7.3)以数据块为单元，采用最小二乘法计算结论参数，完成T-S模糊模型的构建。
[0037]优选地，步骤(7.3)具体为：
[0038]令j＝0，初始化结论参数，其中，j为数据块的编号；
[0039][0040]令j＝j+1，利用以下公式，迭代计算完各数据块对应的结论参数，完成T-S模糊模型的构建；
[0041][0042]其中，为第j次迭代的结论参数；M(j)为协方差矩阵；K(j)为调节增益；λ为遗忘因子，常在[0.95,1]范围内取值。
[0043]基于水轮发电机组的T-S模糊模型的建立方法，本专利技术提供了相应的建立系统，包括：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于水轮发电机的T-S模糊模型的建立方法，其特征在于，包括如下步骤：(1)以历史导叶开度和历史转速为输入向量，以当前实际转速为输出，构建聚类样本；(2)令t＝0，单位矩阵为权重矩阵，基于聚类样本，利用加权最小二乘法初始化聚类超平面；t为迭代次数；(3)通过聚类样本隶属于聚类超平面的隶属度与转速误差倒数相乘，对权重矩阵进行更新；其中，转速误差为实际转速与聚类超平面之间的距离；(4)采用聚类样本和更新后的权重矩阵，更新聚类超平面；(5)若满足约束条件||ω
i
(t)-ω
i
(t-1)||>ε且t<T
max
，则令t＝t+1，转至步骤(3)；否则终止迭代，输出聚类超平面ω
i
(t)；(6)基于步骤(5)获取的聚类超平面和聚类样本，计算前提参数；(7)基于聚类样本和前提参数采用带遗忘因子的递推最小二乘法，获取结论参数，完成T-S模糊模型的构建；其中，T-S模糊模型用于以历史导叶开度和历史转速为输入，估计当前转速。2.根据权利要求1所述的建立方法，其特征在于，所述步骤(3)具体包括：(3.1)计算转速误差；转速误差为实际转速与聚类超平面之间的距离；(3.2)基于转速误差，利用拉格朗日乘子法，获取聚类样本隶属于聚类超平面的隶属度；(3.3)将聚类样本隶属于聚类超平面的隶属度与转速误差的倒数相乘，更新权重矩阵。3.根据权利要求2所述的建立方法，其特征在于，更新后的权重矩阵为：其中，W
ik
＝1/E
ik
(ω
i
)；E
ik
(ω
i
)为当前实际转速与聚类超平面之间的距离；u
ik
为聚类样本隶属于聚类超平面的隶属度。4.根据权利要求1或3所述的建立方法，其特征在于，所述步骤(7)具体包括如下步骤：(7.1)对前提参数进行归一化处理，构建系数矩阵；(7.2)将系数矩阵和实际转速矩阵按相同的标准划分为若干数据块；(7.3)以数据块为单元，采用最小二乘法计算结论参数，完成T-S模糊模型的构建。5.根据权利要求4所述的建立方法，其特征在于，所述前提参数为：其中，d
ik
(ω
i
)为第k个输入向量到第i个聚类超平面的距离；c为模糊聚类数；r为模糊聚类的编号；η为调节系数。6.一种基于权利要求1所述的建立方法的建立系统，其特征在于，包括：聚类样本构建模块、前提参数辨识模块和结论参数辨识模块；前提参数辨识模块包括权重矩阵构建单元、判断单元、聚类超平面构建单元和前提参数...

【专利技术属性】
技术研发人员：张官祥，马龙，廖李成，李超顺，杨廷勇，罗红俊，乐绪鑫，魏春阳，陈绪鹏，何宏江，王永伟，董刚，
申请(专利权)人：长江三峡能事达电气股份有限公司华中科技大学，
类型：发明
国别省市：