技术领域：
[0001] 本
发明涉及
水电站
力学，水轮机调速系统原理，具体涉及一种基于分数阶PID调速系统的水轮机综合性模型建模方法。
背景技术
[0002] 传统的水轮机调速系统控制结构一般采用经典水轮机调速系统，即并联PID调速系统控制，具有简单易操作等优势，随着电力系统的发展，对水
电机组的
稳定性要求也在不断提高，但是，并联PID调速系统控制的水轮机系统存在以下问题：
[0003] 1.启动时稳定慢；
[0004] 2.出现系统负荷
波动时稳定性差，面对电力系统的突发事件自我调节能力不足等问题。
[0005] 面对经典水轮机调速系统的缺点，大量学者提出了先进的智能化控制方式，如模糊PID控制、BP神经网络控制、混沌粒子群控制等，这些研究对水轮机调速系统进一步优化，使水轮机的调速性能有了明显改善。
[0006] 考虑到国内水轮机的控制方式多采用以并联PID调速系统控制控制为
基础的调节方式，为了能够快速响应系统要求，尽可能的给电力系统带来更小的冲击，水轮机的调速系统的优化就显得至关重要。
[0007] 仿真建模方面对水轮机的非线性机理建模研究已经有了很大进展，但没有深入分析负荷波动对水轮机调速系统的影响；目前一般将负荷和发电机模型等效为一阶的传递函数，反映的实际问题局限性比较大，在反映水轮机调速性能的基础上对于水轮机发电机特性、动态负荷模型以及电力系统故障时对水轮机调速系统的影响上有待于进一步分析。
发明内容
[0008] 本发明是为了解决水轮机的非线性机理建模中并不能反映动态负荷时水轮机各项重要参数变化的问题，提出一种基于分数阶PID调速系统的水轮机综合性模型建模方法。
[0009] 为实现以上目的，本发明采用以下技术方案：
[0010] 一种自适应分数阶PID调速系统的水轮机综合性模型建模方法，包括以下步骤：
[0011] 步骤1：建立基于分数阶PID调速系统的水轮机调速器仿真分析数学模型，并利用混合
算法优化所述的基于分数阶PID调速系统的目标函数；
[0012] 步骤2：建立水轮机调速系统的机械液压系统和引水系统数学模型；
[0013] 步骤3：建立水轮机发电机模型，将传统的一阶水轮机发电机模型扩展到5阶水轮机模型，并由此引入励磁机模型和动态负荷模型；
[0014] 所述步骤1具体包括以下步骤：
[0015] 步骤1.1：由经典PID调速系统得到分数阶PID调速系统，具体方法为：
[0016] 经典PID调速系统的微分表达式为：
[0017] u(t)＝kpe(t)+kiDe(t)+kdDe(t)；
[0018] 其中，kp表示比例参数,整定范围为0.5～20；ki表示积分参数，整定范围为0.05s-1～10s-1，kd表示微分参数,整定范围为0～5s；
[0019] 将kp、ki、kd三个调节参数分别替换为暂态转差系数bt、缓冲时间常数Td、
加速度时间常数Tn，具体的：
[0020]
[0021] 经典PID调速系统的传递函数为：
[0022]
[0023] 其中，bt为暂态转差系数，取0～1.0；Td为缓冲时间常数，整定范围为2s～20s，Tn为加速度时间常数，整定范围为0～2s，pc和P分别为机组功率给定和机组功率，yc和y分别为导叶开度给定和导叶度，fc和f分别为
频率给定和机组频率，Δf为频差，Δf'为经过频率死区ef后的
频率偏差；
[0024] 将上述经典PID调速系统的微分表达式经过Laplace变换为分数阶PID调速系统的微分表达式：
[0025] u(t)＝kpe(t)+kiDαe(t)+kdDμe(t)； (4)
[0026] 其中α,μ>0，α为积分阶次，μ为微分阶次；
[0027] 分数阶PID调速系统的传递函数为：
[0028]
[0029] 步骤1.2：定义分数阶PID调速系统的目标函数，具体方法为：
[0030] 利用双误差积分作为步骤1.1所述的分数阶PID调速系统的目标函数：
[0031]
[0032] 其中，e(t)表示实际输出与期望输出的偏差，t为时间，ISE表示平方偏差积分；
[0033] 步骤1.3：利用混合算法优化步骤1.2所述的基于分数阶PID调速系统的目标函数，具体方法为：
[0034] 将kp、ki、kd、α、μ五个参数组成初始果蝇
位置，使果蝇按
味道浓度进行寻优，利用BP神经网络的深度搜索特性对kp、ki、kd、α、μ五个参数优化求解，具体包括以下步骤：
[0035] 步骤1.3.1：初始化果蝇种群规模groupsize(400)和最大
迭代次数maxnum(400)，随机产生果蝇种群位置(Xaxis，Yaxis)，迭代步进值R定义为(0.85-1)；
[0036] 步骤1.3.2：随机化果蝇种群位置与方向，根据果蝇种群位置与原点距离DDist判定果蝇种群味道浓度值Si；
[0037]
[0038] 步骤1.3.3：计算果蝇个体的味道浓度，将果蝇种群味道浓度值Si代入味道浓度判定函数Ffunction中，并从每个果蝇群体中找到味道浓度最优个体；
[0039]
[0040] 保留下最优味道浓度bbestsmell与对应的(Xi，Yi)位置，果蝇群体Ssmell飞向该坐标，bbest indes表示最优果蝇位置；
[0041]
[0042] 步骤1.3.4：将步骤1.3.3得到的果蝇位置坐标(Xi，Yi)输入BP神经网络的
隐藏层nnet(2)(k)，定义输入输出；
[0043]
[0044] 其中，i＝1,2,…,Q，根据被控对象复杂程度定义n,Q值，Zj(2)为优化后果蝇种群(2) (2)(Xi，Yi)位置，wij 为隐藏层加权系数，Zi(k) 取活化函数Sigmoid函数；
[0045] 步骤1.3.5：定义BP神经网络
输出层nnet(3)(k)，更新果蝇个体，选取E(k)为性能误差指标，同时保留味道最浓果蝇个体的位置坐标(Xi，Yi)；
[0046]
[0047] 步骤1.3.6：通过判断上一步计算的性能指标，在达到最大迭代次数时输出最优参数kp,ki,kd,α,μ，结束
进程，否则，转入步骤1.3.2，直至达到最大迭代次数时输出最优参数kp,ki,kd,α,μ，结束进程。
[0048] 所述步骤2具体包括以下步骤：
[0049] 步骤2.1：建立水轮机调速系统的机械液压系统的数学模型，具体采用以下方法：
[0050] 机械液压系统的作用为把电气
信号转换并放大成具有一定操作力的机械位移信号；由于二级接力器响应时间常数Ty1远小于主接力器响应时间常数Ty，在建模中通常将其简化为一个惯性环节，其中，y是机械液压系统
输出信号，也可表示导叶开度相对大小，根据水轮机调节特性，加入了频率死区和饱和限制环节，主配压
阀和接力器线性部分传递函数为：
[0051]
[0052] 步骤2.2：建立水轮机调速系统的引水系统的数学模型，具体采用以下方法：
[0053] 根据引水压力管道长度的不同，仿真建模上，在700m以下采用刚性
水锤模型，大于700m时采用弹性水锤，在引水系统中水流水力变化过程由以下方程描述：
[0054] 运动方程：
[0055]
[0056] 其中H为
水头，Q为水流量，S为水管道横截面积，t为时间，g为
重力加速度；
[0057] 流量方程：
[0058]
[0059] 其中a为水流加速度；
[0060] 将压力引水管道中水击方程经Taylor级数展开取n＝0和n＝1项得刚性水锤GA1和弹性水锤GA2传递函数：
[0061]
[0062] 其中TW为刚性水击时间常数，Tr＝2L/V为弹性水击时间常数，L为压力引水管道管道长度，V为水流
波速，H0为水头、Q0为流量、V0为水流基速。
[0063] 所述步骤3具体包括以下步骤：
[0064] 建立水轮机发电机模型，将传统的一阶水轮机发电机模型扩展到5阶水轮机模型，并由此引入励磁机模型和动态负荷模型；具体方法为：
[0065] 步骤3.1：传统的水轮机发电机模型使用的一阶模型为：
[0066]
[0067] 其中，f为机组频率，p为机组输入功率差值，Tn为机组惯性时间常数，一般Tn为3s～12s，en为机组静态频率自调节系数，en取0.5～2.0s；
[0068] 上述一阶模型并不能反映实际的
水轮发电机参数以及励磁系统参数，本文通过MATLAB/Simulink仿真平台建立五阶空间
状态方程的同步电机模型等效为水轮发电机模型，定义了水轮机的基本参数特性，考虑了定、
转子磁场和阻尼绕组的动态特性，模型的等效
电路表示在转子参考系(dq
框架)中。
[0070]
[0071] 其中Ud为定子d轴电压，Uq为定子q轴电压，φd和φq表示dp轴磁链，id和iq为等效dq
坐标系下
电流，ra为等效
电阻，dq轴次暂态电动势为E″d和E″q，X”d和X”q为dq次暂态电抗；
[0072] 转子f绕组、dq绕组电压方程及转子运动方程为：
[0073]
[0074] 其中d轴和q轴时间常数(全部以s为单位)，d轴瞬态开路(Tdo')或
短路(Td')时间常数，d轴次瞬态开路(Tdo”)或短路(Td”)时间常数，q轴瞬态开路(Tqo')或短路(Tq')时间常数(仅限圆形转子)，q轴次瞬态开路(Tqo”)或短路(Tq”)时间常数。E’q为暂态电动势，Ee为dq绕组电动势，X’d为d轴暂态电抗，Xd和Xq为dq轴电抗，W为转子机械
角速度，Tj为
发电机组的惯性时间常数，Tm为
原动机机械转矩， 为作用在转子轴上的
不平衡转矩。
[0075] 本发明的有益效果为：
[0076] 本发明所述的建立基于分数阶PID调速系统的水轮机调速器仿真分析数学模型，利用MATLAB仿真建模，在前人研究的基础上对经典PID调速系统进行了改进，根据实例分析，建立起了能够反映水轮机调速系统和发电机系统各项参数综合性模型，对于水轮机机组容量，频率，转子绕组，定子绕组，励磁绕组，磁极对数，
输出电压电流情况，励磁电压情况，负荷变化情况能够具体分析，在很大程度上能够仿真各类水电站实际运行时的暂稳态变化，弥补了传统水轮机建模的
缺陷；在实际应用中对实际水轮机组的运行情况，面对负荷波动时水轮机各项参数的变化有良好的反应，为事故预测与系统安全运行提供保障。
附图说明：
[0078] 图2为本发明所述的建立基于分数阶PID调速系统的水轮机调速器仿真分析数学模型，并利用混合算法优化所述的基于分数阶PID调速系统的目标函数的方法流程图；
[0079] 图3为本发明所述的利用混合算法优化所述的基于分数阶PID调速系统的目标函数的方法流程图；
[0080] 图4为负载扰动时经典PID调速系统与分数阶PID调速系统控制结果对比示意图；
[0081] 图5为负载扰动时FOA-PID调速系统与BP-PID调速系统控制结果对比示意图；
[0082] 图6为负载扰动时BP-PID调速系统与BPFOA-FOPID调速系统控制结果对比示意图；
[0083] 图7负载投切时水轮机励磁电压、有功、转速变化；
[0086] 图10为BPFOA-PID双目标优化控制结果对比示意图；
[0087] 图11为BPFOA-FOPID自适应寻优结果的示意图。具体实施方式：
[0088] 如图1所示：本发明所述的一种自适应分数阶PID调速系统的水轮机综合性模型建模方法，其特征在于，包括以下步骤：
[0089] 步骤1：建立基于分数阶PID调速系统的水轮机调速器仿真分析数学模型，并利用混合算法优化所述的基于分数阶PID调速系统的目标函数；
[0090] 步骤2：建立水轮机调速系统的机械液压系统和引水系统数学模型；
[0091] 步骤3：建立水轮机发电机模型，将传统的一阶水轮机发电机模型扩展到5阶水轮机模型，并由此引入励磁机模型和动态负荷模型；
[0092] 如图2所示：所述步骤1具体包括以下步骤：
[0093] 步骤1.1：由经典PID调速系统得到分数阶PID调速系统，具体方法为：
[0094] 经典PID调速系统的微分表达式为：
[0095] u(t)＝kpe(t)+kiDe(t)+kdDe(t)； (1)
[0096] 其中，kp表示比例参数,整定范围为0.5～20；ki表示积分参数，整定范围为0.05s-1～10s-1；kd表示微分参数,整定范围为0～5s；
[0097] 然后将kp、ki、kd三个调节参数分别替换为暂态转差系数bt、缓冲时间常数Td、加速度时间常数Tn，具体的：
[0098]
[0099] 经典PID调速系统的传递函数为：
[0100]
[0101] 其中，bt为暂态转差系数，取0～1.0；Td为缓冲时间常数，整定范围为2s～20s；Tn为加速度时间常数，整定范围为0～2s；pc和P分别为机组功率给定和机组功率(用于功率调节模式)；yc和y分别为导叶开度给定和导叶度；频率调节模式和开度调节模式；fc和f分别为频率给定和机组(或
电网)频率；Δf为频差；Δf'为经过频率死区ef后的频率偏差；
[0102] 将经典PID调速系统的微分表达式(式(1))为经过Laplace变换后分数阶PID调速系统的微分表达式为：
[0103] u(t)＝kpe(t)+kiDαe(t)+kdDμe(t)； (4)
[0104] 其中α,μ>0，α为积分阶次，μ为微分阶次，当α和μ的值都为1时，则式(4)变为经典PID调速系统(式(1))，分数阶微积分的引入使传统的PID调节更具应用性与灵活性；
[0105] 分数阶PID调速系统的传递函数为：
[0106]
[0107] 步骤1.2：定义分数阶PID调速系统的目标函数，具体方法为：
[0108] 为了优化被控水轮机系统的调速性能，利用双误差积分作为步骤1.1所述的分数阶PID调速系统的目标函数：
[0109]
[0110] 其中，e(t)表示实际输出与期望输出的偏差，t为时间，ISE表示平方偏差积分，其值越小，说明系统的响应速度越快；ITAE是时间与平方偏差积分，其值越小，反映系统稳定性越好；
[0111] 如图3所示：步骤1.3：利用混合算法优化步骤1.2所述的基于分数阶PID调速系统的目标函数，具体方法为：
[0112] 将kp、ki、kd、α、μ五个参数组成初始果蝇位置，使果蝇按味道浓度进行寻优，利用BP神经网络的深度搜索特性对kp、ki、kd、α、μ五个参数优化求解，具体包括以下步骤：
[0113] 步骤1.3.1：初始化果蝇种群规模groupsize(400)和最大迭代次数maxnum(400)，随机产生果蝇种群位置(Xaxis，Yaxis)，迭代步进值R定义为(0.85-1)；
[0114] 步骤1.3.2：随机化果蝇种群位置与方向，根据果蝇种群位置与原点距离DDist判定果蝇种群味道浓度值Si；
[0115]
[0116] 步骤1.3.3：计算果蝇个体的味道浓度，将果蝇种群味道浓度值Si代入味道浓度判定函数Ffunction中，并从每个果蝇群体中找到味道浓度最优个体；
[0117]
[0118] 保留下最优味道浓度bbestsmell与对应的(Xi，Yi)位置，果蝇群体Ssmell飞向该坐标，bbest indes表示最优果蝇位置；
[0119]
[0120] 步骤1.3.4：将步骤1.3.3得到的果蝇位置坐标(Xi，Yi)输入BP神经网络的隐藏层nnet(2)(k)，定义输入输出；
[0121]
[0122] 其中，i＝1,2,…,Q，根据被控对象复杂程度定义n,Q值，Zj(2)为优化后果蝇种群(Xi，Yi)位置，wij(2)为隐藏层加权系数，Zi(k)(2)取活化函数Sigmoid函数；
[0123] 步骤1.3.5：定义BP神经网络输出层nnet(3)(k)，更新果蝇个体，选取E(k)为性能误差指标，同时保留味道最浓果蝇个体的位置坐标(Xi，Yi)；
[0124]
[0125] 步骤1.3.6：通过判断上一步计算的性能指标，在达到最大迭代次数时输出最优参数kp,ki,kd,α,μ，结束进程，否则，转入步骤1.3.2，直至达到最大迭代次数时输出最优参数kp,ki,kd,α,μ，结束进程。
[0126] 所述步骤2具体包括以下步骤：
[0127] 步骤2.1：建立水轮机调速系统的机械液压系统的数学模型，具体采用以下方法：
[0128] 机械液压系统的作用为把电气信号转换并放大成具有一定操作力的机械位移信号；由于二级接力器响应时间常数Ty1远小于主接力器响应时间常数Ty，在建模中通常将其简化为一个惯性环节，其中，y是机械液压系统输出信号，也可表示导叶开度相对大小，根据水轮机调节特性，加入了频率死区和饱和限制环节，主配压阀和接力器线性部分传递函数为：
[0129]
[0130] 步骤2.2：建立水轮机调速系统的引水系统的数学模型，具体采用以下方法：
[0131] 水轮机调速系统的引水系统的数学模型建立，根据引水压力管道长度的不同，仿真建模上一般在700m以下采用刚性水锤模型，大于700m时出于
精度的考虑一般采用弹性水锤，在引水系统中水流水力变化过程由以下方程描述：
[0132] 运动方程：
[0133]
[0134] 其中H为水头，Q为水流量，S为水管道横截面积，t为时间，g为重力加速度；
[0135] 流量方程：
[0136]
[0137] 其中a为水流加速度；
[0138] 将压力引水管道中水击方程经Taylor级数展开取n＝0和n＝1项得刚性水锤GA1和弹性水锤GA2传递函数：
[0139]
[0140] 其中TW为刚性水击时间常数，Tr＝2L/V为弹性水击时间常数，L为压力引水管道管道长度，V为水流波速，H0为水头、Q0为流量、V0为水流基速。
[0141] 所述步骤3具体包括以下步骤：
[0142] 建立水轮机发电机模型，将传统的一阶水轮机发电机模型扩展到5阶水轮机模型，并由此引入励磁机模型和动态负荷模型；
[0143] 具体方法为：传统的水轮机发电机模型通常使用一阶模型：
[0144]
[0145] f为机组频率；p为机组输入功率差值；Tn为机组(负荷)惯性时间常数(动态频率特性时间常数)，一般Tn为3s～12s；en为机组(负荷)静态频率自调节(特性)系数，随负载性质不同而不同，一般取en为0.5～2.0s；
[0146] 上述一阶模型并不能反映实际的水轮发电机参数以及励磁系统参数，本文通过MATLAB/Simulink仿真平台建立五阶空间状态方程的同步电机模型等效为水轮发电机模型，定义了水轮机的基本参数特性，考虑了定、转子磁场和阻尼绕组的动态特性，模型的等效电路表示在转子参考系(dq框架)中。
[0147] 其中，定子电压方程为：
[0148]
[0149] 其中Ud为定子d轴电压，Uq为定子q轴电压，φd和φq表示dp轴磁链，id和iq为等效dq坐标系下电流，ra为等效电阻，dq轴次暂态电动势为E″d和E″q，X”d和X″q为dq次暂态电抗；
[0150] 转子f绕组、dq绕组电压方程及转子运动方程为：
[0151]
[0152] 其中d轴和q轴时间常数(全部以s为单位)，d轴瞬态开路(Tdo')或短路(Td')时间常数，d轴次瞬态开路(Tdo”)或短路(Td”)时间常数，q轴瞬态开路(Tqo')或短路(Tq')时间常数(仅限圆形转子)，q轴次瞬态开路(Tqo”)或短路(Tq”)时间常数。E’q为暂态电动势，Ee为dq绕组电动势，X’d为d轴暂态电抗，Xd和Xq为dq轴电抗，W为转子机械角速度，Tj为发电机组的惯性时间常数，Tm为原动机机械转矩， 为作用在转子轴上的不平衡转矩；
[0153] 励磁系统采用的是IEEE典型直流励磁机；当电力系统负荷突然增、减时，对发电机进行强行励磁、减磁，以提高电力系统的稳定性。
[0154] 本发明提出的一种基于分数阶PID调速系统的水轮机综合性模型建模方法，根据实例分析，利用MATLAB平台仿真实验，取水轮机调速系统传递参数(见表1)作为仿真算例，由于水轮机组的转速特性，对调速系统设置了转速±0.001(pu)的死区，其中水轮机发电机部分参数见表2。
[0155] 表1水轮机调速系统参数
[0156]
[0157] 其中Eqy为流量偏差相对值对接力器行程偏差相对值的传递系数，Eqh为流量偏差相对值对水头偏差相对值的传递系数，Ey为水轮机转矩偏差相对值对接力器行程偏差相对值的传递系数，Eh水轮机转矩偏差相对值对水头偏差相对值的传递系数。
[0158] 表2水轮机发电机参数
[0159]
[0160] 其中Pn为额定功率，Vn为额定线电压，Fn为额定频率，P为磁极对数，H为惯性系数，d轴同步电抗Xd，瞬态电抗Xd'和次瞬态电抗Xd”，q轴同步电抗Xq，瞬态电抗Xq'(仅当圆形转子)和次瞬态电抗Xq”，最后是
泄漏电抗X1，Wref为额定转速，Vref额定励磁电压。
[0161] 由表1和表2对比可知：本发明在目前研究状态的基础上对水轮机调速系统进行了改进，对比目前主流调速系统调速结果如图4-图6所示；负荷部分根据水轮机运行特性按照带40％和75％两种负荷的工况下投入、切除情况进行仿真分析，水轮机的各项仿真结果如图7-图9所示。
[0162] 相比于经典水轮机调速系统，本发明提出的一种基于分数阶PID调速系统的水轮机综合性模型建模方法，基于分数阶PID调速系统由于可控参数的增多，在调节时间与超调量两个方面均优于经典水轮机调速系统；采用FOA算法和BP神经网络算法的自适应PID控制对比PID和FOPID控制的调速时间、超调量明显减少,但以上四种控制都具有系统震荡次数多的缺陷；传统的调速方式至少震荡4次以上系统才开始趋于稳定，采用混合果蝇算法(BP-FOA)控制的双目标FOPID优化
控制器进一步减少了调节时间和超调量同时大幅度减少了震荡次数，仅仅需要2次系统就已经平稳，具体调速优化如图10所示。
[0163] 如图11所示：通过对FOA算法、BP神经网络算法以及本文设计的BP-FOA算法进行自适应寻优参数分析，由于设置的高迭代步进值，果蝇算法的全局寻优能力增强，但迭代次数多，寻优时间长；BP神经网络算法的寻优能力强、收敛速度快，但易陷入局部最优，在面对负荷波动运行时出现不稳定现象；BP-FOA算法在全局寻优能力强的基础上利用BP神经网络的快速收敛性进一步减少了自适应调整时间，提高了24.58％，面对负荷波动表现出更强的适应性与稳定性。
[0164] 通过表3、表4对比可以看出经过混合果蝇算法双目标控制FOPID调节器在优化调速时间和控制超调方面有比较明显的优势，在目前主流BP神经网络控制算法的基础上减少了46.86％的超调δ，缩短了36.59％的调节时间Ts，其中Tr为上升时间，Tp为峰值时间。
[0165] 表3负载扰动下不同控制器指标仿真结果对比
[0166]
[0167] 表4负载扰动下不同控制器优化参数对比
[0168]
[0169] 测试经BPFOA-FOPID双目标优化的水轮机模型初始带40％负载，在30s投入再35％负载，60s切除35％负载。在30s和60s的投切负荷时转速波动在±2％，3.9s时稳定，大大提高了系统稳定能力；由于采用的直流励磁机，在负荷增减时对发电机采用强励和减励，基本能够反映励磁机运行工况；发电机在负荷波动时输出出力及输出电流情况基本保持平稳，体现良好的输出性能。
[0170] 本次建模分析在建立了综合性水轮机模型的基础上对比了PID、FOPID、FOA算法以及BP神经网络控制四种主流单目标控制方法，提出了混合算法BPFOA-FOPID双目标函数控制方式，测试了其在面对负荷波动时，对水轮机调速系统控制的速动性与稳定性。仿真结果表明BPFOA-FOPID双目标控制方式下水轮机调节时间和超调量明显减少，对比常规的控制方式，体现出较强的鲁棒性与适应性。
[0171] 本
专利利用MATLAB仿真建模，在前人研究的基础上对水轮机调速系统进行了改进，根据实例分析，建立起了能够反映水轮机调速系统和发电机系统各项参数综合性模型，对于水轮机机组容量，频率，转子绕组，定子绕组，励磁绕组，磁极对数，输出电压电流情况，励磁电压情况，负荷变化情况能够具体分析，在很大程度上能够仿真各类水电站实际运行时的暂稳态变化，弥补了传统水轮机建模的缺陷。在实际应用中对实际水轮机组的运行情况，面对负荷波动时水轮机各项参数的变化有良好的反应，为事故预测与系统安全运行提供保障。
