迭代学习控制不依赖于系统的精确数学模型,是一种以迭代产生优化输入信号,通过重复执行同一任务来减少误差,使系统输出尽可能逼近理想值的方法。由于算法结构简单,跟踪精度高,只需较少的先验知识,又能处理不确定度相当高的非线性强耦合动态系统,故引起了广泛的关注,逐步发展为控制理论的一个新的研究方向。 在电力系统的运行中,同步发电机的励磁控制对提高整个系统的稳定性及保证电压质量起着重要的作用,与其它为提高电力系统的稳定性而采取的措施相比,励磁控制具有投资少、易于实现等特点。 由于电力系统具有高度非线性、强耦合等特点,因此,本文从迭代学习控制的机理出发,将迭代学习控制理论应用到同步发电机励磁控制中,以期改善控制系统的动态品质,如抑制超调,加快控制律的收敛速度,获得较短的过渡时间等等。 本文首先采用时域分析法对一类线性和非线性时变系统的开闭环迭代学习控制算法进行了收敛性证明和仿真分析,同时采用频域分析法对一类具有传递函数形式的被控系统的反馈-前馈迭代学习控制算法进行了收敛性证明和仿真分析,通过仿真分析验证了算法的有效性,与以往的迭代学习算法相比,本文采用的算法具有更好的收敛性和稳定性。其次分析了单机无穷大系统和两机系统数学模型,采用SIMULINK搭建了两类系统的仿真模型。最后,设计出结构合理的迭代学习励磁控制器,分析了采用开闭环PID型迭代学习算法实现同步发电机励磁控制的收敛性,并通过严格的数学证明得出其收敛条件。通过迭代学习改善励磁控制器的特性,使其具有较强的维持同步发电机机端电压的能力,调压效果理想,实现方法简单,控制效果良好。 本文研究结果表明,迭代学习控制应用于电力系统是可行的。与常规PID控制器相比,本文所设计的迭代学习励磁控制器更有效,更利于提高电力系统的稳定性,具有一定的实用价值和非常广阔的应用前景。