实时系统建模（精选7篇）
实时系统建模 篇1
电力系统计算机仿真是用数学模型代替实际电力系统,并基于数值计算方法对系统的运行特性进行试验和研究。通过这些仿真计算来确定系统规划设计方案、拟定运行方式、进行事故分析、开发保护和自动控制装置等[1]。实时数字仿真器RTDS也是基于数学模型实现的,但在计算速度上却有很大的优势,可达到实时的要求。电力系统过电压是发展高压、超高压和特高压电网所必须研究的课题。电力系统中含有具有非线性特性的避雷器、电磁电感以及具有分布参数特性的输电线路等电磁元件。各种类型的过电压,如正常运行或切除故障所引起的操作过电压等,也都是由电力系统中突然出现的电磁暂态过程激发产生的。电力系统中的电磁暂态过程一般很复杂。对电力系统过电压的暂态模拟,关键是根据所感兴趣的时间范围,选择与实际元件特性相符的分析模型。现代电力系统的控制和保护方案直接影响着系统暂态过程,比如直流控制保护系统对滤波器和补偿电容器的投切等,也是过电压分析中必须详细考虑的因素。而基于RTDS和实际控制系统的闭环控制仿真可实时记及电力系统中各种控制保护设备的作用,仿真结果更接近实际和拥有工程意义的参考价值。因此,探讨基于实时闭环交直流混联仿真系统的过电压研究具有重要的意义[2]。
1 RTDS实时仿真器简介
RTDS采用并行处理的硬件结构和高速DSP芯片,利用数学上可分隔子系统的概念在各运算芯片或芯片组之间分担计算任务,各子系统之间的联结使用传输线模型或变压器模型。RTDS是计算机并行处理技术和数字仿真技术发展的产物,是一套专门用来对电力系统电磁暂态过程进行全数字模拟的仿真装置。RTDS仿真能够经D/A转换后通过高性能的电压、电流放大器实时地输出,可用于进行自动控制和保护等设备的闭环试验,完成系统分析研究,设备研发及各种培训。
基于相似原理的物理动模仿真系统保留了实际系统的物理特征,仿真结果受到广泛认可。但其模拟电机的参数变化范围有限,难以满足具体不同机组的仿真需求,且参数调整和匹配困难;动模PI型线路品质因数较低,长线路模拟可能会暂态特性失真;与过电压研究息息相关的换流变磁饱和特性等参数难以与实际匹配。因此,动模在基于实际系统参数的系统研究分析中,越来越方便、快捷和灵活的数字仿真所取代。与BPA、Simpow和PSS/E等数字机电暂态程序相比,RTDS仿真器提供的暂态仿真结果要深刻得多,能够详细地模拟出一些在机电暂态程序中没有的现象,且RTDS仿真得到的系统特性包含了一个很大的频率范围(直流达几千赫兹),在这个频率范围内,RTDS仿真系统是分析电力系统各种现象的理想工具[3,4]。
在交直流混联系统的仿真计算中,直流输电系统的模拟对计算结果有较大的影响。能够在任何工况下准确模拟交直流混联输电系统行为的仿真方法只有电磁暂态仿真[5]。采用RTDS实时电磁暂态仿真器模拟直流系统,可以较充分地反映直流系统的固有特性,如直流系统的换相失败等;且可以实时考虑到实际直流控制保护设备的作用,从而仿真结论将更逼近真实和具有参考价值。
2 避雷器和换流变磁饱和特性模拟
2.1 换流站避雷器基本配置
目前RTDS已基本具备了各类电力元件的详细仿真模型,基本可实现与PSS/E仿真软件数据的互相转换,且一些特殊的非国际标准的发电机组等元件的控制模型和可控负荷等模型也可基于RTDS的自定义功能实现。在交直流混联输电系统过电压研究中,各类输电线路、变压器、换流变磁饱和特性、换流阀和各类避雷器等元件的准确模拟具有重要的意义。鉴于目前RTDS大量应用于针对线路、变压器和母线等交直流控制保护装备的研发和测试之中,且相关的研究文献也较多。本文主要介绍与交直流混联输电系统过电压研究息息相关的避雷器和换流变磁饱和特性的RTDS仿真模拟。
图1所示是直流换流站的避雷器基本配置图。参照图1,RTDS目前可详细模拟交流场的各种元件,但直流场的一些过电压研究元件RTDS尚没法模拟。譬如,RTDS没有并联与平波电抗器和直流电抗器的避雷器模型。据RTDS公司研究人员反馈,可能是并联的避雷器模型易产生数值计算问题。另外,由于阀桥和换流变在RTDS中为一个整体(直流换流器模型),阀相关的避雷器没法设置等。因此,RTDS尚不能用于全面分析研究直流场过电压,但RTDS仍然可用于交直流混联系统,双极闭锁甩负荷等故障扰动导致的交流系统过电压和抑制措施研究。
2.2 RTDS避雷器模型
避雷器是利用其伏安曲线的非线性特征去限制母线过电压幅值的大小。在数学模拟上可以利用描点或者基于试验的经验方程式的描述方法[6]。RTDS仿真器采用的是利用指数方程式并利用输入参数定值限制伏安曲线斜率的分段描述方法去模拟避雷器的伏安特性。
RTDS利用参数Rmin去限制避雷器的V-I特性斜率,其中Rmin的基准值是避雷器在放电点的V-I斜率。具体RTDS避雷器模型的仿真模拟采用如下两部分描述其非线性特征。
(1)当d V/d I>Rmin·(Vd/(N·Id))时,式(1)所示就是RTDS避雷器的V-I特性描述方程。式中:Vd和Id分别为避雷器拐点放电电流和电压;N为式(1)中的指数。
(2)当d V/d I≤Rmin·(Vd/(N·Id))时,避雷器V-I特性采用斜率恒定的直线描述。具体斜率表达式为:
图2所示是RTDS避雷器的伏安特性仿真模拟示意图。在该图中,Rmin是一个可供用户设置的斜率。Rmin用于修正避雷器V-I曲线的斜率。RTDS公司认为这种分段描述的方法比仅仅通过简单方程式的描述方法能更好描述避雷器的非线性特征。避雷器的模拟还需要设置能量衰减时间常数和用于防止出现数值计算问题的阻容支路。
2.3 RTDS磁饱和和磁滞特性模拟
RTDS换流变和换流阀组被组合成一单独整体模块,且该模块中并没有设置换流变磁饱和支路的模拟。因此,换流变的磁饱和特性需要另外设置元件模拟。图3所示是RTDS模型库中,可用于通过连接在换流母线上,去间接模拟换流变磁饱和支路的各种模型。
图3(a)为RTDS的非线性电抗模型,该模型在早期被应用于换流变磁饱和特性的模拟。后来,RTDS公司推出了专门的磁饱和支路非线性模型,如图3(b)所示。目前,RTDS公司已经对图3(b)所示的磁饱和支路模型进行了改进并推出了最新的磁饱和支路模型,如图3(c)所示。因此,可利用图3(c)所示的元件,通过连接于换流母线上去实现换流变磁饱和支路的仿真模拟。
因为实时仿真计算的需要,RTDS描述的磁饱和特性准-I曲线,事先由编译器根据输入的线性电感和饱和电感及其拐点等参数离线计算出来并储存在处理器的内存之中,以在RTDS实时仿真时直接参与计算,以提高运算速度。
3 典型过电压仿真分析案例
结合“十一五”国家科技支撑计划研究项目,通过直流双极闭锁甩负荷引起的送端交流系统过电压水平的研究,对基于RTDS实时闭环交直流混联仿真系统的过电压研究进行简单的说明。
基于某特高压直流输电系统电气参数、RTDS仿真器和实际特高压直流控制保护系统样机搭建了实时闭环交直流混联仿真系统研究模型,具体模型搭建和参数设置请参见文献[7,8,9]。该模型送端交流系统为“孤岛”运行方式,且送端电源仅仅通过四回紧凑型线路连接到换流站,如图4所示。在该模型中,分别在换流母线、滤波器组连接母线和电厂出口高压母线处安放避雷器模型并输入相应的参数;分别在各换流变交流母线上安放相应的磁饱和支路模拟各换流变的磁饱和特性。
选用的过电压研究案例为送端电厂出线距离改变对送端交流系统过电压水平的影响。该研究可为未来送端“孤岛”运行的直流系统规划和设计等提供参考。考虑到换流变磁饱和特性对过电压的抑制作用,过电压抑制措施选用双极闭锁后100 ms全切滤波器和电容器组,并在120 ms后全切换流变[9]。
考虑到RTDS实时仿真建模的实际情况,本次研究所选用的送端电厂出线长度如表1所示,占原始电厂出线距离(分别为299 km和248 km)的百分比分别为100%、80%、60%、40%和20%。并参照线路规划规程和高抗型号标准,分别在线路两侧设置合适的高抗。
直流双极闭锁后,由于直流送端功率大量盈余,送端交流系统严重过电压。故障100 ms后,控制保护系统全切滤波器/电容器组,系统过电压水平迅速降低。表1所示是送端电厂出线选用不同的长度后,直流双极闭锁故障导致的楚雄换流母线的暂时过电压最大值。由该表可知,随着线路长度的减少,送端交流系统的过电压水平不断降低。图5所示是送端楚雄换流母线在不同电厂原始出线长度百分比距离情况下的工频过电压水平轨迹曲线比较图。该图也显示,随着送端电厂出线的减少,送端工频过电压水平不断降低。
在我国高压直流工程技术规范中对暂态过电压限值一般规定如下:
(1)直流输电部分或者完全中断不应在换流器的交流母线处产生持续时间超过5个周波、高于1.3×550/姨3 kV的工频电压,且电压变化不会超过扰动之前的电压的30%。
(2)从导致输电中断的干扰产生时起2 s之内,工频电压应在500 ms以内降到1.15×550/姨3 kV或以下,并在2 s之内降至扰动前电压的105%或者所有电容性分组都被切除后所能达到的电压水平(以两者中的较大值为准)。
图5的轨迹曲线显示出,各种出线长度下的工频过电压皆满足标准要求,说明了选用的过电压抑制控制措施的有效性。
4 结束语
电力系统过电压是发展高压、超高压和特高压电网所必须研究的课题。探讨了基于RTDS实时闭环交直流混联仿真系统的过电压研究。由于目前只有电磁暂态仿真能够详细模拟直流系统,因此基于RTDS实时电磁暂态仿真器模拟直流系统,可以较充分地反映直流系统的固有特性。实际直流控制保护系统的闭环实时参与控制,可得到更贴近实际和更具备工程参考价值的仿真结论。通过对RTDS交直流元件模型的研究和分析,认为RTDS可用于交直流混联系统,双极闭锁甩负荷等故障扰动导致的交流系统过电压和抑制措施研究。最后,通过基于RTDS的某实时闭环交直流混联仿真系统模型的过电压研究,进行了必要的说明。
参考文献
[1]高鹏,王超,曹玉胜,等.RTDS在电力系统稳定控制研究中的应用[J].江苏电机工程,2007,26(5):35-38.
[2]Electric Power Research Institute(EPRI).High-Voltage Direct Current Handbook[R].[California]:EPRI Distribution Centre,1994.
[3]FORSYTH P,KUFFEL R,WIERCHX R,et al.Comparisonof Transient Stability Analysis and Large-scale Real Time Di-gital Simulation[C].In Proceeding of IEEE Porto Power Tech Conference,Porto(Portugal).2001,(4):7-11.
[4]RTDS Technologies Co.,Ltd.Real Time Digital Simulator Po-wer System User Manual[C].2005.
[5]徐政.交直流电力系统动态行为分析[M].北京:机械工业出版社,2004.
[6]RAMASAMY N.Computer-Aided Power System Analysis[M].New York:Marcel Dekker,Inc.
[7]高鹏,赵中原,田杰,等.基于RTDS和实际控制系统的±800 kV直流输电系统仿真[J].中国电力,2007,40(10):33-37.
[8]高鹏,胡铭,蔡汉生,等.特高压直流输电系统实时闭环仿真建模研究[C].中国电力系统保护与控制学术研讨会,2008.
[9]胡铭,蔡汉生,田杰,等.云广直流孤岛运行过电压控制措施研究[J].高电压技术,2008,34(9):1905-1909.
实时系统建模 篇2
近年来,随着混合实时仿真技术的发展,其在电力电子领域应用也更加广泛,而混合实时仿真技术也因此受到越来越多人的关注。 混合仿真技术[1,2]又称为硬件在环HIL(Hardware- In- the- Loop)仿真,在电力电子装置测试、新能源并网和电力系统试验研究等领域发挥着重要作用。 根据接口特点[3],HIL分为控制器硬件在环CHIL(Controller HIL)和功率硬件在环PHIL(Power HIL)。 CHIL在电气工程中主要应用于继电保护装置测试与电力电子装置控制器性能测试[4,5]等,它大幅降低检测费用与检测风险,保证控制器安全可靠地投入运行。 但当前CHIL系统还存在一些问题:CHIL系统的数据传输、转换和采样等过程产生的延时作用[6],影响了仿真的稳定性与精度;当开关动作周期接近于仿真步长时,实时仿真器产生PWM触发脉冲宽度误差,从而导致开关动作延时,影响仿真精度,而目前对这方面的研究还比较少。
由于CHIL仿真存在数据传输、数据转换、数据采样、数据处理等延时环节,数字仿真器数字采样环节产生的PWM脉冲宽度误差造成数字仿真器中的逆变器模型开关延时动作[7,8],导致逆变器开关动作延时,对带宽要求较高和开关频率较高的仿真模型稳定性与精度产生重大影响。 针对这一问题,当前主要从硬件与软件2 个方面进行抑制,硬件方面,通过选用高速A / D转换芯片和微处理器以及具有相位补偿功能的互感器,可以有效降低系统采样和数据计算等环节造成的延时,但是会大幅提高成本;软件方面,文献[9 - 10]提出通过开关处理算法,如插值法、外推法和开关时间平均法等来解决PWM脉冲宽度误差影响造成的开关延迟动作问题,从而提高系统仿真效果,但是受到HIL仿真实时性的约束,在实时仿真中开关处理方法无疑将大幅增加仿真运算负担[11],在实时仿真不易实现。 因此,需要对CHIL仿真系统建立仿真数学模型,对其产生的误差影响与对系统的稳定性与精度影响进行详细分析。 目前,还没有CHIL仿真系统的精确数学模型。
针对非线性的CHIL仿真系统,常用的线性系统分析方法已不适用,本文采用非线性系统常用的相平面法对系统的动态性能及稳态性能进行分析。 相平面法通过图解法[12,13]将一、二阶系统的运动过程转化为位置和速度平面上的相轨迹,它是时域分析法在非线性系统中的应用和推广。 相平面法可以用来分析一、二阶非线性系统的稳定性、运动形式、平衡位置以及初始条件和参数对系统运动的影响。
本文以并网逆变器[14,15,16]的CHIL系统为例,根据PWM脉冲宽度误差问题对逆变器的影响分析与等效,建立精确的CHIL仿真数学模型,提出将PWM脉冲宽度误差问题考虑到模型中来增加其精确性,并以并网逆变器闭环控制系统为例做详细的模型推导。 利用相平面法对其进行稳定性分析。 仿真结果验证了所提建模方法和稳定性分析方法的正确性和有效性。
1 混合实时仿真PWM脉冲宽度误差产生机理
基于HIL的并网逆变器混合仿真系统[17]如图1所示。 混合仿真系统主要由两部分组成:实时数字仿真装置,搭建并网逆变器仿真模型;并网控制器装置,通过实时数字仿真装置采样电路模型中的模拟量,即并网电压ug、并网电流ig和直流电压udc,经过控制器计算处理,发出PWM脉冲控制实时数字仿真装置的并网逆变器模型。
如图2 所示,控制器对仿真模型发送控制逆变器开关的PWM脉冲信号[18],g(t)是控制器通过A/D接口发出的原始脉冲信号,gp(t)是经采样后的脉冲信号,p(t)是采样信号,每个仿真步长Δt内依次进行数据采集、数据处理和数据输出。
其中,是时域周期采样信号,Tsg是采样周期,ωsg= 2π/ Tsg是采样角频率。 由此可以得出:
由时域转换为频域为:
其中,“*”表示卷积;ωm为傅里叶变换后的角频率;ω为采样角频率。
G(jω)经傅里叶分解表示PWM脉冲触发信号:
P(jω)采样过程产生了一个延迟信号:
因此,采样后的Gp(jω)信号存在误差,使得实时仿真系统离散时间步长与电力电子系统当中的开关无法同步动作,从而导致开关的延时动作,逆变器输出产生谐波,影响仿真效果。
2 PWM脉冲宽度误差影响与逆变器的混合仿真系统建模
2.1 PWM脉冲宽度误差影响分析
以单相并网逆变器[19,20]的混合仿真系统为例分析PWM脉冲宽度误差影响,系统结构如图3 所示,图中VT1— VT4为功率开关管;VD1— VD4为反并联二极管;L为滤波电感,Lg为电网电感,不考虑电网电感特性时Lg= 0;Udc为直流母线电压;iL为逆变器输出电流;Ug为电网电压;逆变器调制方式采用双极性SPWM。 当载波频率远大于基波频率时,逆变桥部分等效为一个线性比例环节KPWM,考虑二极管及功率管的非理想特性,当ia> 0 时,输出电压波形如图4 所示。
图4 中,Uaoideal为理想输出电压,Uaodt为考虑PWM脉冲宽度误差产生的开关动作延迟时间的实际输出电压,ΔUao= Uaodt- Uaoideal为PWM脉冲宽度误差产生的的误差电压,Tpwm为PWM脉冲的导通时间。 同理,当电流ia< 0 时,可得各输出电压波形。 由文献[8]可知,由PWM脉冲宽度误差产生的开关动作延迟时间及开关管的非理想特性所造成的误差电压方向与输出电流方向相反,基于面积等效定则,可以将其等效为一个方波信号,如图5 所示。
此时方波信号的高度为:
其中,fc为载波频率。
因此,误差电压可以等效为一个幅值为h、频率为基波频率,且在电流过零点处进行正负切换的矩形波。在进行控制系统分析时,其作用效果等效为如图6所示的一个非线性环节。
采用双极性调制后:
Ue的大小正比于直流侧母线电压、载波频率及延迟时间,其方向与并网电流的方向有关。 因此,当一个系统确定后,误差电压就是一个恒定的值,只是方向随着输出电流的改变而改变。 相对理想情况,误差电压Ue叠加到逆变桥交流输出侧,从而改变了交流侧的实际输出电压,输出电压此时并不是纯正弦波,而是会带有一些低次谐波。
2.2 考虑PWM脉冲宽度误差影响的单相并网逆变器数学模型
图3 为单相全桥并网逆变电路的结构图,在加入电流控制器[21]后,整个系统的控制框图见图7。
由图7 可得闭环系统传递函数为:
由式(11)可以看出,输出电流除了与给定电流有关外,还与电网电压有关,当电网电压波动时,输出电流随之波动。
为了消除电网电压对输出电流的影响,采用电网电压前馈的方法来抵消电网扰动[22,23]。 同时考虑PWM脉冲宽度误差影响,等效为如图6 所示的非线性环节加入到控制系统中,得到如图8 所示的并网逆变器的数学模型。
加入前馈控制后,电网电压对输出电流的影响可以被忽略,本文为了分析方便,将电网电压扰动去掉,系统控制框图如图9 所示。
由图9 可以看出,加入PWM脉冲宽度误差影响后的闭环的控制系统为一个非线性系统,不能采用线性系统常用的分析方法,而必须寻找新的方法。
3 基于相平面法的闭环系统分析
相平面法通过图解法[24]将一、二阶系统的运动过程转化为位置和速度平面上的相轨迹,它是时域分析法在非线性系统中的应用和推广。 相平面法可以用来分析一、 二阶线性或非线性系统的稳定性、运动形式、平衡位置以及初始条件和参数对系统运动的影响。
对于图9 所示的控制系统,采用P控制时,系统的微分方程为:
由e =r-c ,可得:
从而,系统的微分方程为:
开关线为:
a. 当系统的输入为阶跃信号r = R时, 由式(7)可得系统的微分方程为:
由图10 可知,当考虑PWM脉冲宽度误差影响时,阶跃响应最终都会收敛至e0。 误差收敛速度的快慢正比于kpKPWM/ L,由于L很小,则kpKPWM/ L值往往很大,因此系统的响应时间很短,远远小于系统的周期。 同时,稳态误差的大小正比于Ue/ kpKPWM。 因此,如果PWM脉冲宽度误差引起的误差电压越大,则稳态误差越大,此时,可通过调节比例放大kp系数进行减小。
b.系统的输入为正弦信:r=Asinωt。
由式(13)可得:
图9 所示系统的微分方程为:
由式(18)可得:
分别绘制当Td、kp、L变化时误差信号的相轨迹图如图11—16 所示,图中de为相平面上的误差。
a. 当Td变化时。
从相轨迹图11 可以看出,当Td一定时,相轨迹为一围绕原点做周期运动的不规则闭合曲线。 在误差信号幅值比较大时,其变化率小;当误差幅值比较小时,其变化率大,误差信号在过零点时变化很快,从正的误差值瞬时变成负的误差值或从负的误差值瞬间跳变至正的误差值。 同时,误差信号的变化范围比较小,系统的输出能很好地跟踪输入信号。当Td越大时,闭合曲线的面积越大,即误差的幅值越大。但是,误差信号的变化趋势却是一样的,即误差信号的变化趋势与PWM脉冲宽度误差产生的时间Td无关,只是幅值受其影响。绘制不同Td时的误差信号的时间响应曲线如图12所示,从图12可知根据相轨迹图所得结论是正确的。
b. 当kp不同时。
由相轨迹图13 可知,相轨迹的运动趋势与Td类似,为不规则的闭合曲线,因此误差是周期信号,误差信号在过零点时变化很快,从正的误差值瞬时变成负的误差值或从负的误差值瞬间跳变至正的误差值。同时,kp对系统误差的影响很大。 当kp= 0.01 时, 系统的误差幅值有15 A,此时系统输出电流很差,而当kp= 0.1 时误差只有2 A,误差大幅减小了。kp越大,系统稳态误差越小,所以,可以通过调节kp的大小来减小系统的误差,相应的误差信号的时间响应曲线如图14 所示。
c. 当L不同时。
由图15 可以看出,当给定不同的L时,系统最终都会收敛,但是收敛的速度不一样。 L越小,误差的幅值越小,但是L太小,其滤波效果差,不能很好地滤除逆变器的开关次谐波,工程中一般取L=1 m H,此时有很好的滤波效果,且系统的收敛速度很快,稳态误差较小,输出可以较好地跟踪输入。 相应的时间响应曲线如图16 所示。
4 仿真验证
运用MATLAB / Simulink仿真系统搭建考虑PWM脉冲宽度误差影响的基于单相并网逆变器CHIL仿真系统结构。 其中,系统参数为直流侧电压Udc= 400 V,载波频率fc= 10 k Hz,死区时间Td分别取0 μs、6 μs及10 μs,则误差电压Ue分别0 V、48 V及80 V,滤波电感为1 m H,控制器采取P控制,P控制参数kp分别取0.01、0.05、0.1、0.5 时系统仿真结果如图17—19 所示,其中图17 对应kp= 0.1、PWM脉冲宽度误差时间Td变化的情况,图18对应Td=6μs、比例控制参数kp变化的情况,图19对应kp=0.1、Td=6μs、滤波电感L变化的情况。
从图17—19 可以看出,当系统参数发生变化时,误差信号的时间响应曲线的理论分析结果与仿真结果对应,因而验证了理论分析的正确性。
5 结论
本文根据数字仿真中PWM脉冲宽度误差问题对逆变器混合仿真的影响进行分析与等效,建立更加逼近实际的混合仿真模型,并且引入相平面法对以并网逆变器闭环控制系统为例的混合仿真系统建立做详细的模型进行详细的推导与理论分析。 仿真结果验证了所提出建模方法和稳定性分析方法的正确性和有效性。
a. 本文将PWM脉冲宽度误差影响引入并网逆变器模型中,对并网逆变器混合仿真系统进行了建模分析与研究。
b. 所提出的闭环相平面法对PWM脉冲宽度误差CHIL仿真系统等非线性系统的误差及稳定性分析具有重要的理论指导意义。
实时系统建模 篇3
自动化立体仓库以高层货架、 搬运设备和控制系统为三要素, 是以物联网技术为基础的现代物流系统重要组成部分[1]。在影响其作业效率的诸多因素中, 出入库调度策略是影响系统运行过程执行效能的关键。 作为 出入库作业调度的核心环节, 堆垛机任务调度建模与优化主要研究以满足约束条件为前提,对堆垛机作业任务按照运行路径最优、执行时间最佳进行排序,以便缩短立体仓库货位的运转周期和提高立体仓库设备资源的利用率。
目前国内外在堆垛机调度算法方面, 通常采用的方法有部分枚举法、启发式规则法、遗传算法、模拟退火算法和模拟仿真方法等[1,2],这些方法从不同角度解决较小规模的堆垛机任务调度问题, 但难以应对较大规模的问题求解。例如,西安理工大学的徐香玲等人将专家系统知识库思想应用于自动化立体仓库的作业调度和货位分配, 但在大问题空间的求解方面存在一定局限性[1];山东工业大学的田国会、 刘常有等采用模拟退火算法等对影响自动化立体仓库实际运行效率的若干调度问题进行模拟仿真优化研究,但在实际中不一定是最好的[3];天津大学的杨华等人将堆垛机作业调度抽象为TSP旅行商问题,采用遗传算法获取作业调度最佳路径, 提供了求解复杂调度问题的通用框架, 但在很多方面还存在进一步改进的要求[4];黄杨波等人通过改进初始种群的遗传算法提高双伸位堆垛机的运行效率, 但难以解决多堆垛机的调度优化问题[5];Donald Tepas采用知识信息系统,针对自动化立体仓库中的调度问题进行辅助决策, 但需要进一步提高搜索算法的效率[6];Kim Byung等针对自动化立体仓库中的货位拣选问题, 设计了可用于调度控制的复杂智能Agent结构,但Agent设计难以满足堆垛机的复杂任务[7]。 这些方法从不同角度解决较小规模的堆垛机任务调度的最优解问题, 但是当问题规模逐渐增大时, 这些算法在求解最优解方面就体现出自身的一些局限性。
1 堆垛机出入库调度问题
在生产物流系统中, 立体仓库中的各种资源可保证各生产工序间的有序生产, 但需通过堆垛机等搬运设备进行合理调度, 实现任务作业顺序的组合优化。 堆垛机作为立体仓库中货物出入库搬运的重要设备, 主要功能如图1所示。
图1中某生产物流系统自动化立体仓库设计为 6 巷道,每巷道 2 排货架;每排货架8 层 10 列, 每台堆垛机均为单叉双向, 负责对应巷道货架的出入库任务, 所有堆垛机初始状态均位于入库站台一侧。 出入库站台分布在立体仓库的两端, 由堆垛机负责从入库站台搬运货物到指定货位点, 或者从指定货位点搬运货物到出库站台,完成出入库任务,满足生产工序的要求。
堆垛机搬运货物出入库的流程主要包括:首先,堆垛机接到生产线上一批货物的出入库指令;然后,如果执行入库指令,则把货物从入库站台搬运到指定货位点,反之,如果执行出库指令,则把指定货位点上的货物搬运到出库站台;最终,堆垛机反复执行出入库指令直至完成所有任务。 一般堆垛机在执行指令时有两种方式: 单一工作模式和复合工作模式[2]。
单一工作模式指某巷道内某堆垛机仅执行出库指令或仅执行入库指令, 且堆垛机每次作业仅能装卸一件货物。 在单一工作模式下, 堆垛机的总运行路径和总执行时间是固定的,不受指令系列执行顺序的影响,不存在调度效率高低的问题。
复合工作模式指某巷道内某堆垛机混合执行出入库指令系列, 既包括出库指令又包括入库指令, 且堆垛机每次作业仅能装卸一件货物。 出入库指令的执行顺序将影响堆垛机的总运行路径和总执行时间, 最终影响调度效率的高低。
图2假设在复合工作模式时某巷道内某堆垛机出入库指令序列组成和指令执行顺序均为随机,堆垛机的入库站台为A、出库站台为a,横坐标表示某巷道内某货架的列号,纵坐标表示某巷道内某货架的层号,某货架内任意货位用方格表示, 可描述为二维坐标(i,j),其中i表示某货架的列号,j 表示某货架的层号,堆垛机仅允许从入库站台入库与从出库站台出库,实圈代表要出库的货物所在货位点,空圈代表要入库的货物到达货位点, 假定堆垛机的运行速度一定,采用不同的出入库指令序列调度策略,堆垛机的总运行路径不同,总执行时间也不同。
图2中堆垛机出入库指令序列包括入库指令I1和出库指令O1, I1入库货位点为M(5,6),O1出库货位点为 N(3,6),从而存在不同的调度策略 S1(先执行I1,再执行O1)和S2(先执行O1,再执行I1),其相应的运行路径分别为L1和L2,假定每个货位均为标准长宽2×2,则:
L1=LAM+LMN+LNa+LAa=
2(6+5+2+5+4+10)=64
L2=LAN+LNa+LaA+LAM+LMA =
2(8+5+5+2+10+6+5+5+6)=104
其中,LAM指调度策略S1执行I1时所走的路径长度, 水平方向上从入库站台A行进到货位5列, 垂直方向上从货位1层行进到货位6层;LMN指堆垛机完成 I1后转去执行O1所要走的路径长度,水平方向上堆垛机先从货位5列行进到货位3列, 垂直方向上没有移动;LNa指到达要出库的货位点取到货物后所走的路径长度,水平方向上从 3列行进到出库站台, 垂直方向上从6层行进到1层;LaA指堆垛机返回到原始出发点所要走的路径长度, 总路径长度为64。 调度策略S2运行路径的计算方法与S1类似, 因篇幅有限, 在此不再赘述, 相应结果 L2为104。由结果比较得知,调度策略S1优于S2。
如果某堆垛机收到包含n条出入库指令的任务, 其中, 入库指令p条,出库指令q条,p+q=n,则该堆垛机采用不同调度策略的总路径长度执行n条指令所需要的路径长度为如公式(1)所示:
在公式(1)中,LA,i表示堆垛机从入库站台 A 出发执行入库指令 i,将货物从入库站台搬运到指定货位点的路径长度;Lj,a表示堆垛机执行出库指令 j,将货物从指定货位点搬运到出库站台 a 的路径长度;r表示入库指令和出库指令交替执行的次数; Lk表示堆垛机执行完入库指令i之后,到指定货位点执行出库指令j的路径长度;La,A表示堆垛机从出库站台回到入库站台的路径长度。
堆垛机运行路径长度的第一部分
2 堆垛机任务调度混合算法
旅行商问题是尚未彻底解决的组合优化问题之一,属于 NP 完全问题范畴。计算复杂性是这一类问题的难点,NP 完全问题算法最坏情况下均为指数级时间复杂度[9]。
遗传算法和模拟退火算法是目前解决旅行商问题的主要策略[10];遗传算法较易获得全局最优解,但局部优化能力相对较弱, 且收敛性较差;模拟退火算法较易获得局部最优解,但参数难以确定, 且执行时间随问题规模的增大呈指数级增长[11]。 本文采用遗传—退火混合算法解决 TSP 问题,其算法流程[12,13]如下所示:
①参数初始化: 根据任务指令序列和任务量, 确定混合算法的初温和初始化种群数。
②评价种群中个体: 判断种群中连续几代个体的差异是否收敛于设定的阈值, 收敛则得到最优的输出结果, 如果不收敛则执行第③步。
③执行遗传算法: 遗传算法的复制、 交叉、 变异操作, 得到模拟退火算法的初始种群。
④执行模拟退火算法: 利用模拟退火算法对第③步得到的初始种群进行抽样操作, 根据模拟退火算法状态生成函数生成新个体, 用约束条件判断生成的新个体。
⑤稳定性检测: 根据模拟退火算法进行稳定性检测,不稳定继续执行第④步,否则退温执行第②步操作。
3 混合优化算法仿真
假定货位形态为固定箱体, 大小为固定值(长宽高均为 2m) ,堆垛机的水平运行速度为Vx=2.5m/s , 垂直运行速度为Vy=1.5m/s,堆垛机货叉取货送货速度为定值,在仿真计算时忽略不计。
假定某堆垛机在复合工作模式下接收到含15条指令的任务, 其中7条入库指令,8条出库指令,如图3所示,可得出入库指令中各货位点的坐标值,具体如表1所示。
在Matlab中分别采用遗传算法、模拟退火算法和混合算法,得到执行这15条指令的最优路径分别如图4所示。 根据图4计算结果, 执行这15条指令的平均路径长度,最优路径长度以及计算迭代次数如表2所示。
由图4的仿真结果可以得出结论, 在计算最优路径方面, 混合算法比任何一种单一算法更有效,同时由表2可以看出,在计算平均路径长度和迭代次数方面混合算法比单一的遗传算法和模拟退火算法更具优越性。
4 结束语
通过对生产物流系统自动化立体仓库中堆垛机任务调度问题设计系统模型, 分析并将其抽象为 TSP 问题,采用遗传—退火混合算法求解最优调度方案, 仿真实验结果表明混合算法比单一遗传算法或模拟退火算法在计算性能和最优值求解方面更具优越性,一定程度上提高了调度效率,优化了堆垛机任务指令的执行路径。 遗传算法在堆垛机任务调度方面还可与其他算法结合, 但遗传—退火混合算法表现出来的优越性,使其在堆垛机任务调度优化方面有较好的研究价值,值得进一步的研究。
摘要：堆垛机任务调度是自动化立体仓库提高作业效率、实现智能控制的核心要素之一。首先建立堆垛机实时调度系统的任务指令模型,进而将模型求解抽象为作业路径长度最短的旅行商TSP问题。利用遗传—退火混合算法解决TSP问题,根据混合算法特点设计算法流程,运用数学工具进行任务调度方案仿真,结果证明遗传—退火混合算法比单一的遗传算法或模拟退火算法在最优路径求解和时间耗费上具有优越性。
实时系统建模 篇4
关键词：微型涡喷发动机,容错控制,系统辨识,动态系数法,实时模型
0引言
微型涡喷发动机控制系统传感器的稳定性对于保证发动机全权限数字电子控制系统正常工作至关重要[1]。针对微型涡喷发动机传感器故障诊断与容错控制的需求,本文建立了用于故障诊断的发动机实时机载模型。
目前,国内外常用的发动机建模方法有解析法和试验法[2,3,4,5,6]。解析法建模先根据气动热力学公式,结合部件特性和工作状态,建立发动机非线性部件级模型,再根据台架试车数据或试飞数据对其进行修正[7]。用解析法建立的模型一般比较精确,但由于算法复杂,迭代量较大,从而使得解析法建立的模型运算耗时太长,甚至导致模型运算不收敛,故不适合作为机载实时模型。试验法建模根据发动机系统的输入输出数据关系建立模型,将发动机整体看作“黑箱”或“灰箱”,传统试验法建立的模型虽然实时性较好,但模型的精度低,难以在全包线范围内模拟发动机的稳态和动态特性[8,9,10]。
为了建立精度高、实时性好、可在全包线范围内模拟发动机各种工况的微型涡喷发动机模型,本文在试验法的基础上,提出了一种新的建模思路[8],即根据发动机台架试车数 据,运用系统 辨识、插值算法和动态系数法建立微型涡喷发动机模型。由于发动机起动过程比较复杂,故本文主要研究发动机起动过程以上工作状态(起动过程模型利用最小二乘法拟合得到)。起动过程以上工作状态建模过程如下:首先利用时域系统辨识法[11,12]获得发动机一系列稳态点附近的转速-燃油流量稳态特性和动态特性,通过插值算法获得全范围稳态关系和加速度系数,采用动态系数法建立发动机全范围实时模型;然后利用实时模型对微型涡喷发动机开展从慢车状态到最大状态的数值仿真。仿真结果与原始试车数据的比较结果表明,该模型具有较好的稳态和动态精度,可以用作传感器故障诊断机载模型。
1建模数据的获取与预处理
由于发动机具有非线性特点,所以应通过台架试验得到发动机运行过程中不同工作点的输入输出数据,试验台如图1所示。本文用油泵电压占空比来控制燃油流量,经过多次试验测试,在相同工作状态下,油泵电压占空比与燃油流量之间为固定的线性关系,故将燃油流量作为输入,将发动机转速作为输出。
为了准确获得发动机的动态特性,必须对其进行动态激励。本文采用的激励措施为在各个稳态工作点附近加入M序列信号。本文选取5级线性移位寄 存器的M序列信号[10],其步长为0.2s,幅值为输入信号最大幅值的5%。激励的具体实验步骤为先将发动机运行至慢车状态,之后在各个稳态工作点施加4~5个周期的M序列激励,图2所示为70000r/min下的动态试车曲线,转速信号的采样周期为20ms。
由试车数据可以获取各个稳态工作点的燃油流量与发动机转速稳态关系,以及稳态工作点附近的燃油流量与发动机转速动态关系。
下面利用野点剔除、滤波、相似变换以及归一化等方法对原始试车数据进行预处理。
以燃油流量为横坐标,稳态转速为纵坐标,得到发动机转速-燃油流量稳态特性曲线。参照该曲线,对明显偏离曲线的个别数据进行修正或直接舍去;对慢车以上动态曲线进行滤波处理,以提高原始试验数据的有效性。
为了建立适用于全包线范围内发动机动态仿真的数学模型,需对原始试车数据进行相似变换,将其换算至标准大气状况(p0=101325Pa,T0=288.15K)下,以便将其用于不同大气条件的发动机模型计算。在环境温度为T1、环境压力为p1的大气条件下,发动机转速n、燃油流量q的换算公式如下[13]:
将得到的相似参数进行归一化处理:
式中,下标max表示最大值。
2 动态系数法
2.1动态系数的物理意义
根据微型涡喷发动机稳态转速与燃油流量的对应关系,采用一维插值法,建立其稳态模型:
式中,f(*)为一维插值函数,φ(*)= f-1(*);下标s代表稳态。
发动机在动态工作过程中,若t时刻转速为n(t),燃油流量为q(t),定义当前剩余燃油流量为
Δq>0即燃油流量有剩余时,涡轮产生的功率大于压气机所需功率,发动机将加速;Δq <0即燃油流量减少时,涡轮产生的功率小于压气机所需功率,发动机将减速。Δq越大,发动机加速或减速得越快。由此可见,发动机的转速变化量与剩余燃油量存在某种关系,用燃油加速度动态系数C来量化此关系,即
式中,Δn为剩余燃 油流量产 生的转速 增量;Δt为采样周期。
2.2动态系数的获取
下面采用系统辨识法推导出动态系数[9]。由于发动机内部的气动热力学过程比较复杂,为了简化发动机模型公式的推导,特作以下假设:1只考虑发动机转子惯性对发动机动态 特性的影响,忽略热惯性和部件通道容积动力学的影响;2只研究发动机在其稳态点附近的小偏离运动,并认为动态过程中,部件效率及总压损失系数保持不变;3台架试车环境条件不变;4燃油泵不由发动机带动,而是由控制器驱动;5忽略燃烧延迟及燃气与空气流量的差别。
根据假设1,描述发动机动态特性的方程就是发动机转子的动态力矩平衡方程,即
式中,J为微型涡喷发动机转子的转动惯量,kg·m2;ω为微型涡喷发动机转子的角速度,rad/s;ΔM为作用在转子轴上的外 力矩之和 即剩余力 矩,N·m;MT为涡轮扭矩,N·m;MC为压气机扭矩,N·m。
根据微型涡喷发动机的工作原理,涡轮扭矩MT 和压气机扭矩MC是转速n、燃油流量q和外界干扰量d的函数。假设d=0,则
对式(9)、式(10)按Talor公式展开为幂级数,并只取级数的一次项,得到线性函数,即将式(9)和式(10)在稳态点附近线性化,得
稳态时,涡轮扭矩 等于压气 机扭矩,即MTs=MCs=Ms。
将式(11)、式(12)代入式(8),得
为了分析方便,通常采用相对增量即参数的绝对增量与基准值之比的形式进行计算。基准值可以选取原稳定状态参数值或取最大状态稳态值等。令转速的相对增量δn=Δn/nb,燃油量的相对增量δq=Δq/qb,下标b表示基准值,将二者代入式(13),得
式中,T为微型涡喷发动机基本时间常数;K为微型涡喷发动机基本放大常数。
将式(14)在零初始条件下进行拉氏变换,得微型涡喷发动机的传递函数:
式(15)为微型涡喷发动机简化后最基本的数学模型。由式(15)可知,微型涡喷发动机的基本简化数学模型为无零点的一阶系统,即惯性环节。t=0、δn=0的条件下,输入δq为阶跃量时,动态方程(式(14))的解为
对式(16)两边同时求导,得
根据假设2,微型涡喷发动机只在原平衡状态附近做小偏离运动,原平衡状态点即为t=0的时刻。于是,式(17)可以变形为
本文通过MATLAB自带的系统辨识工具箱,将燃油流量作为输入,将转速作为输出,选择一阶惯性环节作为辨识的传递函数模型,可快速地求得T和K。则发动机当前时刻转速为
式中,C(t)可由上一时刻转速n(t-1)插值得到。
在每个稳态点,利用系统辨识算法得到此状态下的T和K,根据式(18)计算出燃油加速度动态系数。将各稳态点的系数组合在一起,形成动态系数插值表(表1),供一阶模型插值调用。
3 模型仿真及结果分析
根据已得到的动态系数插值表,采用MATLAB进行编程,建立发动机数学模型。随机选取2组原始台架试车数据,对实时模型进行验证并检验建模误差。模型仿真结果如图3、图4所示。
定义转速的仿真误差为
式中,ne为各转速模型仿真值;n为转速实际采集值。
由于篇幅所限,这里只给出了部分的仿真曲线图。从图3、图4可以看出,仿真结果与试车数据一致,说明本文所采用的方法是可行的。仿真精度达到了 预期要求,模型稳态 点误差不 超过1%,过渡过程误差不超过6%,可作为控制系统传感器故障诊断的发动机模型。
进一步将该模型嵌入到以主频100MHz的DSP芯片TMS320F2808为核心的电子控制器中进行测试,利用定时器测试出模型单步运行时间仅需0.2ms,这对于以20ms为控制步长的发动机容错控制器来说已具有极好的实时性。
4结语
实时系统建模 篇5
模块化多电平换流器(MMC)因其在新能源接入、异步联网、城市供电等方面的独特优势,已经在美国Trans Bay Cable工程和法国—西班牙INELFE工程,以及中国上海南汇柔性直流输电工程、南澳三端柔性直流输电工程、舟山五端直流工程和厦门柔性直流输电工程得到了应用。国内正在建设的张北四端柔性直流输电工程、渝鄂异步联网工程、广东电网东西异步联网工程也将采用MMC结构[1,2,3,4,5,6,7],并且朝着高压大容量多端的方向发展,具有良好的发展前景。
目前,国内外关于MMC的研究已经成为热点,主要集中在数学建模[3,4,5,6,7]、调制方法[8,9,10]和控制策略方面[10,11],实时仿真平台或实物仿真更加接近工程实际,可以在工程投运之前对控制系统进行测试,对实际工程具有重要的意义。为获得较高的电压和容量等级及较好的谐波特性,现有MMC电平数通常采用从几十到数百电平,这给高电平的MMC电磁暂态离线、实时仿真带来了巨大的挑战。
国内外学者针对不同的适用场景,分别提出了不同简化原理的MMC等效模型,能有效地解决高电平MMC电磁暂态离线仿真速度慢的问题[3,4,5,6]。MMC中的阀控系统需要单独控制每个开关器件,导致阀控系统和实时仿真器之间信道多且数据量大[12,13,14,15,16]。为此,加拿大RTDS公司提出了一种MMC桥臂替代网络拓扑,使得仿真时需要的计算资源显著减少[13,14],有利于在其实时仿真器中实现高电平的MMC系统仿真。OPAL_RT公司基于文献[3]中MMC的简化原理,开发了基于RT-LAB实时仿真器的MMC模型,能够实现高电平的MMC系统实时仿真[15,16]。但以上两种实时仿真模型在仿真超大规模的MMC系统时仍占用较多资源,且国内的实时仿真模型研究较少,因此,研究超大规模MMC的实时仿真高效建模对实际工程的投运和运行具有重大意义。
本文开发了一种基于RT-LAB的高效MMC实时仿真戴维南整体等效模型[4],该模型既对换流器进行简化,又根据简化结果提出了相应的分组排序算法,每次电容电压更新排序次数仅为N-1(N为每个桥臂子模块个数)[5],使得本文MMC整体等效模型的计算复杂度随着电平数的增加呈线性增长。在MTALB/Simulink中,分别搭建了基于MMC的详细模型和本文模型的双端21电平MMC系统,对其稳态和暂态工况下的特性进行了精度对比,验证了本文模型的精确性和有效性。在OPAL_RT公司开发的实时仿真器OP5600中实时仿真,采用状态空间节点(SSN)算法[17],使本文提出的基于RT-LAB的MMC高效实时仿真模型能够仿真超过601电平双端MMC系统。最后,通过实时仿真平台,连接外部物理控制器进行硬件在环测试,实验结果表明本文模型具有良好的适用性和有效性。
1 MMC通用结构和简化原理
1.1 MMC基本结构
MMC是由德国慕尼黑联邦国防大学教授Rainer Marquardt在2002年提出的[18]。尽管此后许多专家从切断故障电流、降低运行损耗以及提高系统稳定性等方面提出了许多MMC改进拓扑,但大都处于理论研究阶段,尚无工程应用。基于此,本文选取理论研究充分且具有一定工程实际经验的半桥型MMC作为研究对象。三相MMC的通用结构见附录A图A1,共包含6个桥臂,每个桥臂包含N个子模块和一个桥臂电抗器Larm。文献[3,4,5,6,7,8,9]介绍了MMC的基本运行原理及模块化多电平换流器型高压直流输电(MMC-HVDC)的控制策略。
MMC的子模块由两个绝缘栅双极型晶体管(IGBT)开关器件、两个反并联二极管和一个直流存储电容构成,并且存在投入、旁路和闭锁三种开关状态。通过两个开关器件T1和T2工作状态的切换,子模块输出电压VSM可以在电容电压VC和0之间切换。通过触发导通上下桥臂不同的子模块数量,使得交流侧输出多电平波形。
1.2 MMC戴维南整体等效模型简化原理
MMC戴维南等效模型的目标是从附录A图A1所示的MMC出发,建立包含N个子模块的一个MMC桥臂的戴维南等效模型[3],其核心内容是建立单个子模块的戴维南等效模型后进行代数叠加[6,7]。MMC子模块等效原理如图1所示。图1(a)中每个IGBT开关组(即一个IGBT和一个二极管的反并联)可以看作在高、低电阻值间切换的可变电阻,如图1(b)中R1和R2所示。它们均根据自身开关状态决定阻值为开通电阻RON(非常小的值)或关断电阻ROFF(非常大的值),其开关状态由MMC的控制器决定[6]。
本文开发的MMC整体等效模型的简化原理是在经典戴维南等效[3]模型的基础上从换流器模型与均压算法两个方面出发进行改进,是基于后退欧拉法的MMC戴维南等效整体模型,三点重要改进如下[4,5,6]。
1)假设每个开关组的关断电阻为无穷大。基于该假设可使得更新MMC桥臂戴维南电路并反解出每个子模块电容电压时的计算复杂度大大降低。
2)在子模块电容离散化处理上,采用了后退欧拉法,如式(1)所示。因此,子模块电容电压增量只与当前时刻子模块的导通状态有关,而与历史时刻导通状态无关,如式(2)所示。
式中:上标E表示后退欧拉法;RC为子模块电容电阻;ΔT为仿真步长;ΔVC为子模块电容电压增量;IARM为桥臂电流;C为子模块电容容值。
因此,子模块电容电压计算公式如下[5]:
3)考虑到导通组和切除组的子模块电容电压增量完全一致的特点,采用高效的排序均压算法[4,5,6]。该算法的具体步骤本文不再赘述,详细过程请参考文献[4]。高效均压算法适用于后退欧拉,排序算法的计算复杂度仅为O(N),最大计算复杂度为N-1。而对N个乱序的子模块电容电压进行全排序,如采用冒泡排序等算法,其复杂度通常为O(N2)。
值得注意的是,该高效排序算法在基于第1点和第2点改进的基础才能使用,无法扩展至常规的MMC均压排序。此外,MMC在第1点和第2点改进的简化基础上也可以结合其他排序算法(如冒泡、希尔排序等)进行电容电压的平衡控制,但是使用其他排序算法时的计算复杂度远高于该高效排序算法[5]。
本文开发的MMC整体等效模型分别对经典MMC戴维南等效模型从以上三点进行改进,在仿真超大规模MMC时仿真时间随电平数的增加成线性关系,仿真效率极高。
2 实时仿真模型实现
2.1 戴维南整体等效模型的实现
根据1.2节中的MMC子模块的简化原理,可以得到如附录A图A2所示的MMC桥臂戴维南整体等效电路,MMC桥臂戴维南等效电压VARMEQ和等效电阻RARMEQ由每个子模块叠加而来,可由式(4)、式(5)计算得到,闭锁期间的桥臂等效开通电阻RONEQ可由式(6)计算得出。
式中:NON为桥臂子模块开通个数;RB为开通电阻RON或二极管开通电阻RD,取0.01Ω;VCEQ_k为第k个开通子模块的等效电容电压。
如附录A图A2所示,T1为IGBT,节点A和B等电位,节点C和D等电位。MMC充电阶段,开关BRK1断开,T1关断,此时处于闭锁状态,电流经节点A和B流过二极管D1至节点C。MMC正常导通阶段,开关BRK1断开,T1开通,桥臂电流IARM>0时,电流由节点A和B经二极管D1流至节点C;桥臂电流IARM<0时,电流由节点A和B经T1流至节点C。其中,T1支路是为了有效地仿真MMC直流故障而设置的,在直流故障发生瞬间,桥臂电流激增,电容迅速放电,若T1为普通开关,MMC简化模型的桥臂电流将远大于MMC详细模型的桥臂电流,导致模型误差增大。T1的存在有效抑制了桥臂电流瞬时激增,使得本文模型的精度极高,具体效果见下文仿真。
在MATLAB/Simulink中通过自定义函数S-function实现MMC桥臂戴维南等效电压和等效电阻的计算和更新,将计算得到的戴维南电压和电阻值输出给受控电压源和可变电阻。将VARMEQ用受控源代替,RARMEQ用可变电阻代替,就得到了MMC桥臂的戴维南等效电路。本文开发的MMC戴维南整体等效模型采用复杂度低的高效排序电容电压平衡控制算法,将电压平衡控制算法与戴维南等效算法在同一个自定义函数中实现,省去了子模块电容电压值和子模块触发信号的传递,可以进一步减少对计算机资源的占用[18]。
2.2 基于RT-LAB的仿真建模
在上述MMC戴维南整体等效模型的基础上,本文还采用SSN算法[17]将换流器的6个桥臂分割成6个子网络,每个子网络分别使用状态空间法进行建模和计算,求解出每个桥臂的单端口戴维南等效电路,然后再使用经典的节点法进行求解。SSN算法能够有效减少电力节点数,即降低矩阵阶数,从而降低计算复杂度,即在实时仿真中可减少计算时间。本文搭建的MMC系统以MATLAB/Simulink为上位界面,以RT-LAB为底层处理系统。MMC-HVDC模型顶层界面架构见附录A图A3,包括一个主子系统(SM_MMC1)、两个从子系统(SS_MMC2和SS_controller)和一个监控子系统(SS_monitor)[19,20]。将换流站1设置为主子系统,换流站2设置为从子系统,控制系统也设置为从子系统。
3 仿真验证
本节首先介绍对本文开发的MMC整体建模方法进行验证所用的仿真测试系统,然后将本文模型与详细模型进行仿真测试对比,测试包括稳态、交流暂态和直流暂态三种工况,以此来验证本文模型的准确性。最后,将本文模型与OPAL_RT公司开发的模型进行加速比和实时仿真测试,结果表明本文模型仿真速度更快,占用资源更少。
本文采用附录A图A4所示的双端MMC系统,系统参数如下:交流系统电压为230 k V,短路比为20,变比为230 k V/225 k V,变压器漏感为50 m H(副边),桥臂电感为61 m H,变压器额定容量为450MVA,有功功率为200 MW,直流电压为±200 k V,子模块电容为1.6 m F。在MATLAB/Simulink中搭建21电平双端MMC-HVDC系统,将本文MMC戴维南整体等效模型与MMC详细模型(系统参数相同)进行对比。
3.1 模型精度验证
本节中MMC详细模型和本文模型都采用最近电平逼近控制策略,仿真步长为30μs,仿真时长为6 s。当系统运行在t=4.1 s时刻,在附录A图A4变压器T1的高压侧引入持续100 ms的交流三相短路接地故障。在同一模型中,也在t=4.1 s时刻,在直流线路上引入直流双极短路永久故障,考虑5 ms的延时,4.105 s时全站闭锁。
21电平双端MMC系统中详细模型和本文模型的波形对比图如附录A图A5所示。附录A图A5(a)(d)(g)表明:在稳态运行时,本文MMC模型两个周期内的A相上桥臂电流波形与MMC详细模型波形几乎完全一致;阀侧A相交流电压波形十分吻合;直流电压波形与相应的详细模型误差不超过千分之一。附录A图A5(b)(e)(f)表明,在三相短路故障下本文MMC模型与MMC的详细模型相比,有功功率、直流电压和A相上桥臂电流波形与详细MMC模型几乎完全一致(与额定值相比误差不超过千分之一)。附录A图A5(c)(f)(i)表明,本文MMC戴维南整体等效模型可以精确地模拟MMC详细模型的直流故障期间的暂态过程和闭锁后的不控整流过程,仿真精度误差在0.5%以内,完全可以满足仿真需求。
综上,本文MMC戴维南整体等效模型能够在稳态和交直流暂态精确仿真MMC的运行特性。
3.2 模型资源占用测试
为了测试本文开发的MMC等效模型的资源占用率情况,在MATLAB/Simulink中搭建基于OPAL-RT公司开发的MMC等效模型和本文MMC整体等效模型的双端MMC系统(与附录A图A4相同)。在RT-LAB中编译、下载运行。本文所用的RT-LAB为OP5600,中央处理器(CPU)配置为Intel Xeon Six-core 3.46 GHz 12 MB Cache,使用了其中三个CPU核,使用的是OP5142的板卡。将系统分至CPU1,CPU2,CPU3这三个CPU中,分别对应附录A图A3的SM_MMC1,SS_MMC2和SS_controller。在101电平MMC系统中,测试两者在实时仿真过程中的CPU占用率,结果如表1所示。
在MMC系统中使用SSN算法[19]后,本文MMC模型在不同电平下的CPU占用率见表2。
在三个CPU核的前提下,每个CPU的占用率都不能达到100%才能实现实时仿真。从表1可以看出,在仿真101电平MMC系统时,OPAL_RT公司的等效模型已经不能实现实时仿真,而本文模型的综合占用率为61.3%,资源占用率远少于OPAL_RT模型。
从表2可以发现,在采用SSN算法后,CPU的占用率下降近一半,且本文模型可以实现超过601电平的MMC双端系统实时仿真。本文开发的模型将桥臂等效和阀控在同一个自定义程序中实现,故SS_controller中只有站控,因而随电平数增加CPU1和CPU2的资源占用率增加较多,而CPU3的资源占用率增加不多。
本文提速模型效率高的原因在于:①基于戴维南整体等效简化算法使得矩阵求逆的阶数降低,新型均压算法进一步降低了计算复杂度;②在MATLAB/Simulink仿真平台中,与PSCAD/EMTDC不同的是,在信号传递过程中需要占用资源,而本文在开发等效实时仿真模型的过程中,将新型均压算法与桥臂等效算法在同一个S-function中实现,省去了子模块触发信号和电容电压值传递过程,大大节省了资源。
除此之外,在实时仿真测试阀控设备时,本文的实时仿真模型可以将子模块电容电压输出进行电容电压平衡控制,删除均压算法的本文模型将可以进行更高电平的MMC实时仿真,可以做到测试包括阀控设备在内的物理控制器的功能。
4 硬件在环实验
为了进一步验证本文模型在实时仿真平台中的适用性和有效性,本文搭建了201电平MMC硬件在环系统,系统的子模块电容为16 m F,单个桥臂的子模块个数为200,其他参数同第3节。一次系统由RT-LAB实现,数据采集及控制算法由物理控制器实现,采用定直流电压和定无功功率控制策略。硬件在环系统架构见附录A图A6,相应的实物图见附录A图A7。
RT-LAB核心板卡型号为OP5142,主要实现MMC主回路及阀控部分的排序均压功能和子模块触发脉冲生成。采集系统采集RT-LAB输出的网侧及阀侧三相电压和电流、直流侧双极电压等参数,经采样板的霍尔元件(电压霍尔无件CHV25P,电流霍尔无件CHB25NP)采样及硬件滤波后,输入AD7606转换为16位有符号数据。
主控系统包括上位机、PCP板和光纤板(FIB板)三部分。其中,上位机通过分析一次回路电压、电流等参数监测MMC运行工况,并下发控制算法的比例—积分参数、限值、启停标志位等运行参数。PCP板包括数字信号处理器(DSP)和现场可编程门阵列(FPGA)两部分。FPGA负责采集数据计算、调制波生成、子模块开通个数计算及子模块级故障监测和判断,型号为Altera公司的Cyclone V系列5CEFA5F23;DSP28335起控制和数据中转作用,负责上位机和FPGA间的通信连接,以及系统级故障的判断和处理。将采集和主控分列在两个机箱中,采集机箱由多块电压、电流采集板卡组成,通过光纤将采样数据上送至主控机箱的光纤板汇合,经解码重组及软件滤波后传送至PCP板的FPGA,用以计算有功、无功功率等运行参数和运行工况监测。
三者的通信方式如下:RT-LAB模拟输出板卡的最大输出电压为±16 V,且带负载能力较弱,因此一次系统的电压、电流参数均需在RT-LAB内成比例缩小后,以模拟电压量的形式输出,经采样箱采入供主控算法计算,如图2(a)所示为网侧A相交流电压的采样值。PCP板FPGA在参数计算前对数据先成比例转换回实际大小。考虑电磁兼容问题,采集机箱与主控机箱的数据传输采用光纤形式,机箱内各板卡间的数据交互采用差分线号走线。主控机箱下发至RT-LAB的三相各上桥臂子模块开通个数值,采用8位并行LSB(least significant bit)数字信号形式输出,A相上桥臂的开通个数的第一路信号如图2(b)所示,是8位并行LSB中的第一位。RT-LAB中的阀控部分接收到开通个数后,即可根据电容电压排序结果选择开通的子模块序号,进行触发。
为了验证本文模型的适用性和有效性,对实时仿真模型在稳态时进行硬件在环测试,得到结果见附录A图A8。可见,本文实时仿真平台模型可以很好地模拟稳态特性,证明了本文模型的正确性。
5 结论
本文结合MMC仿真建模发展的潮流趋势,研究了MMC经典戴维南等效原理,在简化算法上从换流器模型与均压算法两个方面出发进行改进,开发了一种基于RT-LAB的高效实时仿真等效模型,搭建了MMC实时仿真平台,得到了以下结论。
1)在MATLAB/Simulink中搭建21电平MMC双端系统,对比本文等效模型与详细模型在稳态、交直流暂态精度,验证了本文开发模型的正确性,在仿真直流故障时,本文开发模型的精度相比经典戴维南等效模型略差,但是在可以接受的范围内。
2)搭建了一系列电平MMC双端系统,对比了本文MMC等效模型和OPAL_RT公司MMC模型实时仿真时的CPU占用率,仿真结果表明本文模型实时仿真占用资源更少,本文模型可以实现601电平以上MMC双端系统实时仿真。
3)通过RT-LAB搭建201电平MMC一次系统,连接外部物理控制器,进行硬件在环测试,实验结果证明了本文模型在实时仿真平台中的有效性和适用性,但目前的实验仅能够测试系统级控制,阀控设备的测试有待进一步的研究。
4)本文开发的MMC实时仿真等效模型为基于CPU的MMC实时仿真平台提供了模型基础,基于FPGA硬件的MMC纳秒级实时仿真模型和平台仍有待深入研究。
附录见本刊网络版(http://www.aeps-info.com/aeps/ch/index.aspx)。
摘要：模块化多电平换流器(MMC)因其独特的优势已在世界范围内取得广泛的应用。MMC实时仿真平台可以对控制系统进行测试,对实际工程具有重要的意义。文中开发了一种基于RT-LAB的高效MMC实时仿真模型,在MATLAB/Simulink中搭建21电平双端系统,在稳态、交直流暂态工况下与详细模型进行对比测试,验证了该MMC实时仿真等效模型的正确性。相比于OPAL-RT公司开发的提速模型,在相同条件下所述模型占用资源更少,能够仿真更大规模MMC系统;采用状态空间节点算法,将换流器的6个桥臂分割成6个子网络求解,可以实现超过601电平MMC双端系统的实时仿真。通过实时仿真平台,连接外部物理控制器进行硬件在环测试,实验结果表明所述模型具有良好适用性。
实时系统建模 篇6
为支持现代发动机电控单元 (electronic controlunit, ECU) 从需求定义到最终产品的整个开发过程, 需要设计建立不同精度不同运算速度的发动机模型。高精度的快速模型不仅可以应用于电控单元的开发, 还可用于发动机和整车的匹配设计及动态性能优化等设计环节。
传统的发动机实时模型主要是基于Matlab/Simulink平台搭建的平均值模型。这种由经验公式和数据MAP组成的发动机模型, 不能很好地体现发动机的动态过程 (如增压器、管路压力波动等) , 模型精度主要依赖于大量的试验数据, 模型的可重用性差, 其精度基本在70%~80%范围内 (不考虑试验数据误差) ［１－２］, 尤其是在模拟内燃机燃烧和能量转化过程时, 平均值模型是根据不同工况下的效率MAP进行计算的。该效率MAP不仅需要大量试验数据的支撑, 而且不能全面地考虑影响柴油机燃烧过程的因素, 特别在瞬态工况时存在较大误差。
近年来, 随着计算机水平的提高, 出现了不少基于一维物理模型开发实时模型的研究文献。例如, 文献[3-4]应用Modelica语言建立面向控制的实时模型, 并形成了ModEngine模型库, 包含了超过250个子模型, 但要保证实时性对软硬件有较高的要求;文献[5]在GT-Suite平台下提出了物理模型和MAP模型混合的建模方法, 能够建立满足不同精度需求的模型, 为建立发动机实时模型提供了新的思路;文献[6]基于一维物理模型, 结合人工神经网络构建了具有实时能力的发动机模型, 但该项目只针对汽油机的建模进行研究。随着人工智能技术的成熟, 人工神经网络技术在建立体现柴油机燃烧过程的MAP时, 也表现出其独特的优势, 并取得了较好的效果［７－８］。
本文旨在研究基于发动机一维性能仿真物理模型的发动机实时模型的建模方法, 重点探讨DOE和人工神经网络方法在发动机气缸模型建模中的应用, 并以道依茨BFM1015增压中冷柴油机为对象进行验证。
1 发动机实时模型建模理论
在涡轮增压柴油机工作过程数值计算中, 常依据各部件不同的工作特点和物理意义, 将柴油机热力系统划分为进排气管路、中冷器、涡轮增压器和气缸四个子系统［９］, 如图1 所示。下面结合实时模型的要求分别简述各个子系统建模理论。
1.1 气缸模型
此处的气缸模型是指将燃油的能量转化为热能和机械能的系统, 由喷油器、气缸、活塞、气门等零部件组成。模型的关键参数为:进气流量m.ａ、指示转矩Tｉ和排气温度Tｅｘｈ［１０］。通常影响这三个参数的变量包括发动机转速、进气歧管温度和压力、排气歧管压力、喷油量及喷油规律等。其控制方程如下:
式中, ρａ为进气空气密度;Vｄ为发动机排量;N为发动机转速;ηｖｏｌ为容积效率;pｉ为指示平均有效压力;x为输入变量。从上式可以看出, m.ａ和Tｉ可以用ηｖｏｌ和pｉ替代。
一维性能仿真数值计算过程中, 内燃机摩擦损失常使用Chen-Flynn模型来计算, 如式 (4) 所示。
式中, pｍ为摩擦平均有效压力;A、B、D分别为最高燃烧压力系数、活塞平均速度系数、活塞平均速度平方系数;C为摩擦损失的常量部分;pｍａｘ为最高燃烧压力;Vｍｐ为活塞平均速度。此模型需要已知最高燃烧压力, 基于曲轴转角的缸压计算需要较小的时间步长 (通常为1°CA, 而模型其他部分时间步长通常为5~10°CA) , 影响模型计算速度。因此, 在实时模型建模时, 需要直接获得摩擦平均有效压力pｍ的MAP。
从上述理论分析可知, 建立气缸模型的关键是确定各输入变量与容积效率、指示平均有效压力、排气温度和摩擦平均有效压力等四个参数之间的关系。根据发动机的复杂程度, 输入变量可能多达十几个, 而且各输入变量之间相互影响, 呈现出复杂的非线性关系。因此, 本文中引入人工神经网络的方法来确定输入变量和容积效率、指示平均有效压力、排气温度及摩擦平均有效压力之间的关系, 进而获得构建发动机气缸模型所需要的MAP。
1.2 进排气管路
发动机进排气管路模型主要用来计算管路压降和壁面传热。因此, 在保证压降和传热正确的前提下, 应尽量加快模型计算速度, 以满足实时要求。而决定模型计算速度的重要指标就是管路的离散长度。离散长度和时间步长的选取由柯朗条件 (Courant condition) 决定:
式中, Δt为时间步长;Δx为最小离散长度;uｖ为气流速度;cｓ为声速。从上述方程可以看出, 加大离散长度可以获得较大的时间步长, 进而提高模型的计算速度。因此, 建立实时模型时, 在保证模型计算精度的基础上, 要尽量减少部件的数量, 以增大离散长度, 提高计算速度。
1.3 中冷器
在发动机一维物理模型中, 中冷器模型为非预测模型或预测模型, 即通过设置较大的壁面导热系数和管道壁面温度, 使中冷器出口气体温度近似等于所设置的管道壁面温度。但是, 大的导热系数需要较小的时间步长, 从而影响模型计算速度。为此, 实时模型建模时只需要改变中冷器出口温度施加方式。
1.4 涡轮增压器
对于涡轮和压气机, 发动机一维性能仿真所用的基于稳态MAP和准稳态流动假设的涡轮、压气机模型可以满足实时的要求。需要注意的是, 在将发动机一维性能仿真模型转变为实时模型的过程中, 进、排气管道内的压力波动会发生变化, 涡轮、压气机匹配点通常会偏离真实情况。所以, 需要调整涡轮MAP, 保证涡轮压气机与发动机的匹配点不变。
2 人工神经网络
本文中所使用的神经网络为三层反向传播神经网络 (back-propagation neural network) ［８，１１］, 由输入层、输出层和两个隐藏层组成。输入层包括k个输入, 两个隐藏层分别包含n个节点和m个节点, 输出层为一个输出, 其结构如图2 和式 (6) 所示。其中, W和U分别为第一隐藏层和第二隐藏层的权向量, a和b分别为这两层的偏置向量, V和c分别为输出层的权向量和偏置, X为输入向量, y为输出值, p=h (W×X+a) , q=g (U×p+b) 。
隐藏层的激活函数为双曲正切S型 (sigmoid) 函数:
输出层的激活函数为线性激活函数:
3 应用实例
本文中以道依茨BFM1015增压中冷柴油机为例, 建立增压柴油机实时模型。发动机基本参数见表1。首先, 利用GT-Suite软件建立详细的发动机一维性能仿真模型 (图3) , 利用发动机台架试验数据对模型进行校核, 保证详细模型的计算精度 (图4) , 详细模型的性能参数误差小于5%, 状态参数精度也能够满足工程计算要求 (误差在10%以内) ;然后, 以校核后的发动机一维详细性能仿真模型为基础, 利用上述方法, 对发动机各子系统进行简化, 最终获得发动机实时模型。
发动机实时模型建模关键在于气缸模型的建立, 而气缸模型建模的关键是容积效率、指示平均有效压力和排气温度等参数MAP的构建。构建参数MAP需要确定影响这些参数的变量及其取值范围, 通过理论分析, 并结合具体机型。本文中主要考虑以下变量的影响:发动机转速、进气管压力、排气管压力、进气温度、环境温度、喷油量和喷油提前角。
利用人工神经网络的方法构建MAP需要样本数据, 样本空间大小与输入变量个数有关。基于本文中七个输入变量的情况, 需要上千组数据, 不可能通过试验获得, 因此利用校核后的详细发动机模型进行DOE计算来得到样本数据。MAP的质量不但与DOE变量的选取有关, 而且要求DOE的采样点能完全覆盖采样区域。本文中选用的Latin Hypercube采样算法［１２］可得到较好采样点分布, 是一种有效的用采样值反映随机变量的整体分布的方法。
运用Latin Hypercube采样算法从表2所示变量及其取值范围中随机得到4500个样本点并进行DOE计算。以此为基础, 运用前文所述的人工神经网络方法训练得到容积效率、指示平均有效压力、排气温度和摩擦平均有效压力的MAP, 结果如图5所示。由图5可见, 所有MAP误差都小于2%。
利用人工神经网络训练得到的容积效率、指示平均有效压力、排气温度和摩擦平均有效压力的MAP建立气缸模型, 并通过对详细模型的进排气管道、中冷器和涡轮增压器模型进行简化, 最终得到的发动机实时模型如图6 所示。相比发动机详细模型, 实时模型的体积单元数目从105个减至6个。
为了验证所建立的发动机实时模型的计算精度和速度, 本文中构建了一个500s的发动机动态工况, 将图7所示发动机转速随时间的变化曲线分别施加给发动机详细模型和控制模型, 进行动态工况对比分析。在配有2.5GHz Intel Xeon处理器的硬件平台上, 详细模型计算时间为10 304s, 而面向控制模型计算时间仅为182s, 已经达到了实时性的要求。在该工况下, 面向控制的发动机模型与详细发动机模型计算结果对比如图8所示。从对比结果可以看出, 实时模型的关键状态参数 (进、排气压力和温度等) 最大误差不超过5%, 相比传统平均值模型计算精度得到了很大的提高。
此外, 与传统的平均值模型搭建方法相比, 基于DOE和神经网络的实时模型构建方法还具有对试验依赖小的优势。传统的平均值建模方法依靠试验来标定经验公式, 生成MAP, 需要较为密集的试验工况点, 而基于一维仿真物理模型建模只是利用发动机台架试验来校核模型, 因此得到相同精度的模型所需试验量不到传统方法的1/2。DOE计算时间为7h56min, 人工神经网络训练一个MAP所需计算时间不超过1min。除气缸模型之外, 该方法并不需要构建其他的经验公式和MAP, 因此试验数据处理较为简单, 总建模时间约为20工时, 在可接受范围之内。一维物理模型能在样机制造之前对发动机的性能进行预测, 因此基于一维物理模型构建实时模型能大幅度提前控制系统开发在整个发动机开发流程中的位置, 从而提高控制系统开发乃至发动机开发的效率。
4 结论
(1) 基于详细模型DOE计算得到的样本数据, 通过人工神经网络训练构建了发动机气缸模型的参数MAP, 解决了传统平均值模型建模过程中过分依赖试验数据和建模过程繁杂等问题。
(2) 通过对进排气管路的简化, 大幅度减少发动机模型的单元数量, 从而允许较大的离散长度和时间步长, 进而加快了模型的计算速度。
(3) 最终得到的发动机实时模型具有较好的实时性和较高的精度, 模型误差小于5%。
参考文献
[1]Hunt G, Truscott A, Noble A.An in-cycle hardware in the loop (HIL) simulator for future engine control strategy development[C]//SAE 2004-01-0418, 2004.
[2]姜丹娜, 张付军, 赵长禄.用缸平移法提高柴油机模型实时性的方法研究[J].内燃机工程, 2006, 27 (2) :43-46.Jiang D N, Zhang F J, Zhao C L.Research on improving the real-time performance of the diesel engine model using the method of"cylinder moving"[J].Chinese Internal Combustion Engine Engineering, 2006, 27 (2) :43-46.
[3]Touimi Z B, Gaid M B, Bohbot J, et al.From physical modeling to real-time simulation:feed back on the use of modelica in the engine control development toolchain[C].Dresden:International Modelica Conference, 2011.
[4]Zakia B, Masoud N.Using modelica for modelling and simulation of spark ignited engine and drilling station in IFP[C].Bielefeld:International Modelica Conference, 2008.
[5]Papadimitriou I, Silvestri J, Warner M, et al.Development of real-time capable engine plant models for use in HIL systems[C]//SAE 2008-01-0990, 2008.
[6]Krug C, Liebl J, Munk F, Kammer A, et al.Physical modeling and use of modern system identification for real-time simulation of spark ignition engines in all phases of engine development[C]//SAE 2004-01-0421, 2004.
[7]Galindo J, Lujan J M, Serrano J R, et al.Combustion simulation of turbocharger HSDI diesel engines during transient operation using neural networks[J].Applied Thermal Engineering, 2005, 25:877-898.
[8]王文成.神经网络及其在汽车工程中的应用[M].北京:北京理工大学出版社, 1998.
[9]朱访君.内燃机工作过程数值计算及其优化[M].北京:国防工业出版社, 1997.
[10]Guzzella L, Onder C H.Introduction to modeling and control of internal combustion engine systems[M].Berlin:Springer, 2010.
[11]Nielsen H.Theory of the back-propagation neural network[C].Washington:International Joint Conference on Neural Networks, 1989.
生产指挥系统实时数据采集系统 篇7
天然气分公司实时数据采集系统通过覆盖全公司范围的网络, 提取生产装置的运行数据、安全数据、电数据、水数据、仪表风、原料数据、质量数据等原始信息, 建立一个包含全公司范围内的生产管理信息的采集平台, 对生产过程进行实时监控和有效指挥。采集软件采用紫金桥®Realinfo监控组态软件进行开发, 目前共设置数采前置机43台, 人工录入及32台, 囊括分公司九个油气生产单位、两个储运单位、一个销售中心的43个油气生产站队24套装置, 57套控制系统和26个计量系统, 实现了8922个生产数据自动采集、组态, 969幅流程图和25幅装置区三维鸟瞰图的传输与发布。
数据采集系统逻辑结构图如图1所示。
二、生产指挥系统实时数据采集系统的组建
2.1天然气分公司计算机网络建设。通过对局域网和广域网的改造, 分公司机关及所属大队局域网全部利用光纤接入油田公司主干网。大队下属所有小队包括偏远站队、计量间和变电所接入全部利用光纤接入本大队局域网或油田公司主干网。
2.2架设系统硬件设备
架设中心服务器。在信息中心机房架设故障转移集群服务器。计算机通过网线物理连接并通过集群软件实现程序上的连接, 可以使计算机实现单机无法实现的容错和负载均衡。群集的优点是两台服务器工作时都将历史记录、事件记录、报警记录存储到相同的地方, 两台机器不需要频繁同步。集群服务器双机热备过程如图2所示。
在每个装置设立前置机, 负责采集生产装置中控制系统的数据, 将数据传送给中心服务器。同时设置人工录入机, 负责录入不能自动采集的数据, 并将录入数据传送到前置机。
在前置机的设立中采用了断点续传技术。
断点续传技术用于数据库之间以级联方式进行通讯时, 当前置机与服务器间通讯中断, 前置机每隔一定周期, 向服务器发出传输数据指令, 超过超时时间后仍不应答, 将自动保存数据, 在规定时间内如果通讯故障排除, 那么这段时间内的历史会自动从子数据库中恢复到主数据库上。
2.3实施数据采集。通过在数采前置机和工控机间做数据采集的接口, 以工控机做服务器, 以数采前置机做客户端, 把工控机中数据写入实时数据库。生产装置中前置机和工控机的接口主要有以下几种:OPC (FOXBORO、ME) 、DDE (813、BENTLY、燃机) 、DB PLC (PLC) 、力控, 其中数量最多的是OPC和DDE两种技术。
2.3.1OPC接口技术。OPC (OLE for Process Control——用于过程控制的OLE) 定义了应用Microsoft操作系统在基于PC的客户机之间交换自动化实时数据的方法。OPC技术基于COM/DCOM, COM透过一组一组的接口提供服务, 所有COM组件的使用者必须透过这些接口来访问组件提供的功能。
OPC客户和OPC服务器进行数据交互可以采取同步方式或异步方式。
同步方式每一次读数据时读取该组中的所有项, 得到返回的数据后在采集周期内再次发出读取申请, 得不到数据就不结束此进程;异步通讯方式中, 客户端把关心的数据点通知Server, 并且提供一个回调函数, 只有关心的数据发生变化时, OPC服务器才调用其回调函数, 通知客户端做相应的处理。
在前期实时数据采集中, 大部分通讯方式采用异步方式, 在后期的测试中发现几个站队数据采集不上的现象。分析原因后发现, 工控机的OPC Server版本比较低, 同时, 数采通讯的优先级别要远远低于工控机本身数据处理的优先级, 在有大量的系统运算时, 就会出现服务缓慢或中断的现象。南一、一大队杏V-I原稳、杏三浅冷、六大队深冷都出现了这种现象, 如果改成同步通讯方式, 不断地发出读取申请, 又会增加工控机和数采机的负荷, 针对此问题, 研发了单组同步通讯方式, 它是同步通讯方式中的一个特例, 这种方式把原数据组中数据项重新分成若干组, 采取少量多次的方式采集, 以牺牲部分采集效率为前提, 既保证数据采集不中断, 又极大的减小了工控机和前置机的负荷。
2.3.2 D D E接口技术。D D E是一种动态数据交换机制 (Dynamic Data Exchange, DDE) 。使用DDE通讯需要两个Windows应用程序, 其中一个作为服务器处理信息, 另外一个作为客户机从服务器获得信息。客户机应用程序向当前所激活的服务器应用程序发送一条消息请求信息, 服务器应用程序根据该信息作出应答, 使用共享的内存在应用程序之间进行数据交换。
数采前置机将通过以上几种接口方式从工控机 (Server端) 采集到数据写入实时数据库, 形成基础数据, 创建生产信息数据仓库, 再通过数据整合, 形成可供各层面人需要的生产信息。
2.4web发布。采集的各种数据被分门别类的存储到数据库中, 通过将各个装置的流程、重要装置、关键参数控制点、重要数据进行合理布局, 做成高仿真的工艺流程图, 并将流程图中的数据与实时数据库中的数据源相关联, 每隔固定周期刷新一次, 使得生产人员可以在网络中的多个终端实时监测生产过程。
目前, 我们公司范围内的任何单位的终端, 为了防止公司的生产数据泄密, 我们给不同单位加了一定的访问权限。
三、存在问题及运行效果
目前, 生产指挥系统的实时数据采集系统还存在一定问题:
工控机对外通讯服务版本低。在前置机和工控机的通讯服务方式中, DDE是微软早期开发支持的一种通讯技术, 由于现在微软转而支持OPC接口技术, 而使DDE处于一个停滞不前的发展状态, 导致目前DDE通讯速度要明显低于OPC。D D E的服务机制也比较脆弱, 在生产指挥系统中8 1 3、BENTLY等系统都使用DDE服务, 导致在这部分的数据采集中更容易出现问题;在实施力控系统数据采集的时候, 由于技术人员很了解力控软件的开发过程, 将力控的系统服务进行了升级改动, 使对外通讯能力达到数采的基本要求, 才保障通讯的正常进行, 所以, 技术相对落后的力控系统对数据采集以及以后的采集能力的升级也是一种制约;目前OPC技术比较成熟, 但我们装置中工控机的控制系统大都是90年代左右的产品, OPC Sever的技术也已经大大落后, 我们不得不采用一些小的技术措施, 在不影响工控机本身的数据处理速度的前提下, 降低它系统资源的需求量, 以满足数采需求。
鉴于以上几种情况, 建议将生产装置中的控制系统进行升级或改造, 保证系统对大量系统运算处理更迅速, 对异常事件反应更及时。
人工录入部分数据量大。系统中有人工录入机32台, 人工数据录入点1202个, 要求每小时录入的数据是854个, 每八小时和二十四小时录入的是348个, 从一定程度上加重了岗位人员的劳动强度, 建议在检修改造中将这些点进行改造, 加装能够远传的二次表, 实现自动采集, 以减少劳动强度, 避免人工录入误差。
从总体上来说, 实时数据采集系统在生产中发挥的作用还是有目共睹的。