前言：水輪機調節系統是集水、機、電于一體的綜合型的控制系統。根據電力系統負荷的變化不斷進行調節水輪機發電機組的有功功率輸出，并將其維持機組的轉速在一定的規定范圍內是水輪機的調節系統的基本任務。

　　1.水輪機調速器發展及控制規律現狀

　　從早期的機械液壓型的水輪機調速器開始，至30年代水輪機調速器才發展的相當完善，但其控制規律均為H型。隨著電力系統的發展，機組的成組調節與控制、按聯絡線輸送功率調節等方式相繼出現。但是，上述裝置都是電氣型的，所產生的信號不能被直接送入到機械液壓型調速器中。隨后在40年代出現了電氣液壓型調速器，其通過電液和接力器位移傳感器將機械和電氣部分聯成一體，一般為PID型控制規律或其改進型。由于電液調速器的功能是完全靠硬件來實現，所以改變和增加功能較困難。在80年代出現了微機型調速器，其已成為新建、待建或改建水電站水輪機調速器的首選。從微機硬件方面而言，現已投入使用了各種型式的微機調速器。

　　2.水輪機調速器控制技術的發展

　　2.1 PID控制

　　1922年美國的洛爾斯基首先提出了PID調速器。其憑借結構簡單、性能可靠、易于操作、方便調節的特點，至今仍是在生產過程自動化中所使用的最多的一種調節器，也是目前使用最廣泛、技術最成熟的一種水電機組調速器。PID控制是利用偏差的比例、積分、微分線性組合進行控制的方式，工況確定后，若選擇了適當的PID控制參數，可使水電機組得到較滿意的靜、動態性能。但是，即使整定了較滿意一組的PID控制參數，如果被控對象特性發生了變化，也會難以保持良好的控制性能。當過程的隨機、時滯、時變、非線性等、比較明顯時，采用常規的PID調節器將會很難收到良好效果的控制，甚至有可能無法達到控制的基本要求。

　　為了使控制效果較理想，國內外許多專家在經典PID控制策略基礎上，進行了大量、廣泛、深入的研究，產生了許多基于PID的改進控制策略。葉魯卿等提出了變結構變參數調速控制水輪機的思想;武漢長江控制設備研究所生產的GLT系列貫流式機組調速器，采用了變結構變參數的PID控制，在不同工況下使機組穩定運行;Louis和Bitz發展了以負荷水平進行調整PID參數的方法;蔣傳文等把混沌動力學加入到進化規劃的變異算子中，從而提出了一種混沌變異進化規劃方法，該方法能實現有效最優整定PID參數，具有系統穩定、響應快、超調量小等特點。

　　2.2 自適應控制

　　自適應控制運用現代控制理論在線辨識對象的特征參數，實時改變控制策略，將控制系統品質指標保持在最佳的范圍內。由于自適應控制的這種特性，對于水輪機的調節系統這類時變系統針對性很強，因此得到了廣泛的關注。實踐證明，引入自適應控制技術是改善系統控制性能的一條有效途徑。葉魯卿等提出了根據機組運行工況的特征參數插值，從而獲得PID控制參數的變參數PID控制思想，效果良好;當出現不可避免的高頻運動，以及不可測量的輸出擾動時，系統可能會失穩，O.P.Malik針對自適應控制的實際應用，提出了一種基于極點配置的魯棒穩定設計算法，從而改善了系統的閉環穩定和魯棒性。

　　2.3 智能控制

　　2.3.1 專家控制

　　在專家控制應用方面，申新衛等采用面向對象的層次式模塊化的故障診斷方法，提出了面向對象的水電廠智能故障診斷系統，把水電機組的故障按其結構、工作原理以及故障機理分析進行劃分，從而將整個對象的診斷問題劃分為不同規模、不同層次的子診斷對象，并逐塊逐層的深入診斷，從而提高水電機組故障診斷的準確性、可靠性。但是，由于目前專家控制存在著控制的實時性、機器學習問題，因而專家控制還不能直接實時控制水輪發電機組。

　　2.3.2 模糊控制

　　從水電機組的特點看，采用模糊控制思想是一種有效的解決方法。由于模糊控制不需了解對象的精確數學模型，對于處理非線性時變參數系統的控制問題可以收到良好的控制效果。李植鑫等在對水輪機調節對象模型特性作出分析的基礎上，針對采用Fuzzy控制規則和算法進行深入了研究，通過計算機仿真證明了模糊控制相比于其它經典控制，控制系統具有較快的魯棒性和收斂性，雖然在Fuzzy控制的基礎上，引入了積分控制，但是仍難以克服掉穩態偏差。結果表明，蔡維由等提出的Fuzzy—PID復合控制策略可以結合PID和模糊控制的優點，能夠使水輪機調節系統獲得更優良的動態品質。

　　2.3.3 神經網絡控制

　　在神經網絡的控制應用上，陳啟卷等針對多層前向神經網絡，利用遞推預報誤差算法，對水輪發電機組進行了非線性建模研究。實踐證明，神經網絡控制系統可以獲得較好的控制性能。目前，國內部分水電控制專家已著手于開發既可有效處理模糊知識又可有效學習的神經網絡與模糊集成技術。景雷等提出了一種智能模糊控制系統，該控制系統充分利用水輪機調速器的現有硬件資源，在智能模糊實時控制的同時，通過神經網絡完成對水輪機調節系統的學習和模擬，解決了以往在控制學習時由于模型未知，不能求反向傳播誤差的問題，從而為智能控制提供了新的解決途徑。

　　2.3.4 遺傳算法

　　遺傳算法(GA)在水電機組控制領域中應用也取得了一些成果。目前研究了把遺傳算法作為調節參數空間尋優的方法，用于水輪機的優化控制。通過模擬及數字仿真驗證表明，水電廠使用GA方法應是可行的，且對電廠噪聲、電網事故等具有較強的抗干擾能力。同時也研究了基于GA的自適應技術，結果表明，在各種頻率偏差條件下，該技術對水輪發電機組的識別方法，不論是在線、單機運行，還是對控制要求嚴格的電廠，都能有效的跟隨電廠參數的變化，從而對水輪發電機系統進行識別。從目前的研究現狀看，GA方法應用于智能控制將會是今后在水電控制行業中的發展方向。

　　結束語：

　　目前，國內絕大多數的水電站的水輪機調速器，已基本實現其微機化，但是大部分控制方法卻仍停留在常規的PID控制水平，所以在實時控制中當前應解決如何引入先進的控制方法，從而充分利用其硬件資源。

　　參考文獻：

　　[1]李均，郭磊.水輪機調節系統控制策略發展與應用[J].江西水利科技，2008，34(3)：196-199.

　　[2]葉魯卿，魏守平，徐海波，等.水輪發電機組變結構變參數控制[J].華中科技大學學報，1989,15(3)：91-98.