水轮发电机组是一个非线性、时变、涉及水机电耦合的非最小相位复杂的系统,难以采用精确的数学模型描述。运用系统辨识理论和方法,对水轮机模型进行辨识是研究热点之一。本文在前人研究的基础上,经过一些推导建立得到相对具有清晰物理涵义且完整的水轮机调节系统模型,运用智能辨识算法对水轮机模型参数辨识问题进行了研究。其次基于神经网络结合模糊控制理论对辨识改进的水轮机模型及水轮机调节系统进行优化控制参数的相关研究。仿真结果表明,参数辨识得到的水轮机模型具有具有与实际(样本对)数据较高的拟合度。基于智能优化算法的PID控制和模糊神经网络控制可以在一定程度上很好地改善水力发电机组在负荷和频率扰动下的过渡过程,具备良好的控制品质。本文主要的研究内容由下组成:(1)按照引水系统、水轮机、发电机和调速器四个主要组成部分分别对子系统进行推导建模。(2)参考IEEE Working Group针对不同情况给出的水轮机模型和改进模型,选取并建立了符合实际输入输出响应的并且是可辨识的数学模型,运用最小二乘辨识算法和最优控制理论直接辨识待辨识对象的物理参数。考虑导水机构水力损失的非线性水轮机模型,运用遗传算法进行参数辨识得到符合实际(样本对)的模型参数。(3)用MATLAB中Simulink模块构建全机组仿真运行的模拟平台。考虑随动系统引入非线性环节的水轮机调节系统,对其进行了多扰动下的仿真研究。(4)选取已辨识的精确水轮机模型,导进全机组模拟仿真平台,构成完整的调节系统模型,运用模糊控制理论进行PID控制参数优化,并形成模糊PID控制器封装模块,与原来的控制参数的PID调节系统模型进行比较证明其控制性能更好。在此基础上,形成模糊神经网络控制器,比模糊自适应PID有更好的控制品质。