本文是土木工程论文，本论文对压力能回收系统中的燃气调压及发电系统控制策略进行了研究，采用双PWM变流器取代了原有的节流调速设备，提高了压力能利用率，并针对调压及发电系统传统控制方法控制效果不佳的情况，采用预测控制方法对两部分分别进行优化控制，提高出口压力的稳定性，并降低了转矩、磁链与功率的脉动。论文主要研究成果包括：（1）对基于神经网络的燃气调压系统非线性预测控制策略进行了研究，利用BP神经网络建立了燃气调压系统的预测模型，为了解决现有非线性优化算法计算量大的问题，将神经网络作为优化反馈控制器，以利用神经网络的非线性处理能力实现非线性预测控制，易于工程实现。将系统目标函数作为神经网络控制器的优化性能指标，基于拉格朗日变分法，采用梯度下降法对神经网络控制器进行在线训练，利用负荷预测和滚动优化及时克服负荷扰动的影响,维持出口压力稳定。
.......
第1章绪论
尹星等针对DTC控制方法转矩脉动大、电流畸变率高的问题，采用不同方法针对各自研究重点取代原有的查表法，改善了电流畸变率，降低了转矩脉动[34,35]。陈浩根据每个周期的转矩与磁链误差，采用简化的占空比计算方法，算出电压矢量对应的最优控制时间，采用空间电压矢量调制技术（SpaceVectorPulseWidthModulation，SVPWM），抑制转矩脉动[36]。张其松将滑膜控制与直接转矩控制相结合，设计了滑膜控制器，以磁链与转矩作为滑膜面进行控制，有效解决了定子磁链和转矩波动大的问题，同时还提高了系统响应速度[37]。姚绪梁对DPC控制中的开关矢量表进行了改进，提出双开关控制方法，通过对有功/无功功率的作用时间进行单独控制，降低了功率的波动[38]。金石运用模糊控制器取代DPC控制中原有的滞环比较器，实现了误差的精确调节，并建立了转子速模型，可对有功/无功功率进行单独控制，进而控制了功率因数，提高了功率环的响应速度[39]。以上控制方法虽然对DTC/DPC控制进行了改进，但是SVPWM方法在发电机参数发生变化时很难做到及时调整，无法保证控制精度；模糊控制虽然对系统模型精度要求不高，但面对复杂变化的系统，模糊规则也会较为复杂，会增加系统计算量；滑膜控制通过设计滑膜面来对非线性系统进行趋近，但滑膜轨迹易陷入死区，导致轨迹不可控，有可能形成抖振，影响控制效果。
......
第2章燃气调压及发电系统工作原理和数学模型
2.1燃气调压及发电系统
工作原理图2-1为某调压站燃气压力能发电装置图，左侧蓝色箱内为膨胀机与发电机，右侧管线为调压支路管线。燃气调压系统中的执行机构具有非线性特性，同时燃气流量与出口压力之间是非线性关系，因此燃气调压系统为非线性系统，很难建立其精确的数学模型，因此本论文基于北京市某调压站系统的运行数据，采用神经网络构建调压系统的预测模型，相关内容将在第4章进行详细论述。燃气发电系统结构如图2-4所示。系统通过膨胀机+永磁发电机+机/网侧变流器的结构回收压力能并进行发电并网，取代目前通常采用的膨胀机+永磁发电机+节流调速装置的结构，膨胀机提供给发电机驱动转矩，当膨胀机出口压力改变导致驱动转矩改变，发电机转速发生变化时，通过安装在发电机上的编码器获得发电机的转速与位置角，与转速设定值比较得出偏差，控制器根据控制算法输出控制信号，机侧变流器调节发电机的电磁转矩追踪膨胀机变化的转矩，使得系统在膨胀机出口压力波动的情况下保持发电机转速稳定不变；网侧变流器负责维持直流母线电压稳定，并减小输出电流谐波率，提高电能并网的输送効率。两部分变流器均采用全控功率变流器
2.2膨胀机数学模型
本章首先对燃气调压及发电系统的工作原理进行了概述，并建立了双PWM变流器燃气发电系统的数学模型，为后续章节建立调压及发电系统预测模型以及调压及发电系统的控制策略奠定基础。燃气调压系统受到下游用户用燃气负荷变化的影响，需要对用户用燃气负荷进行负荷预测，为下一步的燃气调压系统预测控制策略研究打好基础。本章利用改进的BP神经网络算法建立系统负荷预测模型，通过神经网络训练对未来燃气负荷进行预测根据所选择的预测时长不同，燃气负荷预测可分为长期预测、中期预测和短期预测，不同时长的负荷预测所受的影响因素也不尽相同。针对燃气调压系统预测控制要求，本论文选择短期燃气负荷预测作为研究内容。对于燃气短期负荷而言，其影响因素应包括气象因素与时间因素，气象因素包括环境温度、天气状况等，而用户用燃气负荷的变化规律与相近日期的负荷也有着一定的联系，因此燃气短期负荷主要影响因素包括温度、天气以及近期历史燃气负荷数据等。
..........
第3章燃气系统负荷预测...............................................................................23
3.1燃气负荷影响因素分析............................................................................................23
3.2燃气负荷预测方法....................................................................................................23
3.3燃气负荷预测神经网络模型建立............................................................................24
3.4燃气负荷预测数据处理............................................................................................26
第4章燃气调压系统预测控制策略研究.......................................................33
4.1调压系统预测模型辨识............................................................................................33
4.2神经网络预测控制算法...........................................................................................37
4.3燃气调压系统预测控制策略...................................................................................42
第5章燃气发电系统模型预测控制策略研究...............................................46
5.1机侧变流器模型预测直接转矩控制.......................................................................46
5.2网侧变流器模型预测直接功率控制.......................................................................52
.........
第5章燃气发电系统模型预测控制策略研究
5.1机侧变流器模型预测直接转矩控制
传统直接转矩/功率控制方法利用滞环比较器结合开关矢量表对发电系统进行控制，但控制精度低，转矩、磁链或功率脉动大，模型预测控制通过建立被控对象预测模型，结合优化目标函数，选择使预测时域内整体目标函数最优的电压矢量序列，并将该序列的首项输出，能够提高系统的动态性能，降低转矩、磁链或功率的脉动。本章根据第2章的系统数学模型建立转矩、磁链与功率的预测模型；将模型预测控制与直接转矩/功率控制方法结合，研究了模型预测直接转矩/功率控制优化算法。机侧变流器MPDTC的的控制系统结构如图5-1所示。传统DTC控制系统是由两个闭环控制回路组成，外环为转速环，根据转速误差通过PI调节器得到给定转矩，将系统控制在稳定转速状态，内环利用滞环比较器与开关矢量表选择最优矢量对发电机进行控制；MPDTC控制算法外环仍为转速环，内环利用模型预测控制器取代了传统DTC控制中的滞环比较器与开关矢量表，模型预测控制器以预测模型为基础，转矩、磁链等发电机参数作为输入，预测各状态变量在不同电压矢量作用下的输出情况，并构建转矩与磁链误差组成的优化目标函数得出令函数值最小的最优电压矢量作为输出，令磁链与转矩误差最小。网侧变流器MPDPC的的控制系统结构如图5-5所示。
5.2网侧变流器模型预测直接功率控制
与MPDTC控制方法类似，MPDPC也由双闭环控制系统组成，外环为电压环，维持直流母线电压稳定，通过电压设定值与检测到的直流母线电压做差，电压误差经过PI控制后得到有功功率设定值，无功功率设定值为0，将电网电压、电流等参数作为输入计算出当前时刻有功与无功功率的数值，代入功率预测模型当中，计算出下一时刻功率的预测值，将预测值与有功无功功率设定值的偏差作为功率优化目标函数，进行矢量评估计算得到令函数值最小的电压矢量并输出。本节在MATLAB中对机侧与网侧的模型预测控制算法进行仿真验证，仿真包括三部分，分别是膨胀机模型（不对其进行控制）部分，机侧变流器MPDTC控制部分与网侧变流器MPDPC控制部分，结合燃气调压系统预测控制，膨胀机模型的输入参数为经调压系统控制后的出口压力数据与膨胀机转速，输出为膨胀机驱动转矩，永磁同步发电机与变流器和膨胀机同轴连接，其驱动转矩由膨胀机给定，电磁转矩通过机侧变流器控制，网侧变流器控制直流母线电压稳定，膨胀机、MPDTC、MPDPC参数如表5-2,5-3,5-4所示。
........
结论
目前我国利用燃气压力能回收发电技术还有很大的发展空间。燃气调压及发电系统目前还存在压力控制不稳定，压力能利用率低的问题。仿真实验结果表明神经网络预测算法可以有效抵抗干扰，在负荷不断变化的情况下可以快速稳定地追踪设定值的变化，相比传统PID控制，超调量降低了8％，响应时间降低了60%；（3）对燃气发电系统机/网侧模型预测控制方法进行了研究，建立了两部分被控对象预测模型，并进行延时补偿消除控制延时，将转矩、磁链、功率变量与设定值的平方误差作为优化目标函数，代入不同电压矢量进行评估，得到最优电压矢量并输出，降低系统脉动。仿真实验结果表明，在出口压力变化的的情况下，模型预测控制算法相比传统控制方法转速、转矩与功率的脉动降低3％、15％与8％，动态响应速度提高50％，输出电流谐波率降低6.92％，能够稳定控制发电机转速，并提高发电并网质量。
参考文献（略）
参考文献（略）
