郝勇生，于 沖，吳 波

（南京南瑞繼保電氣有限公司，南京211102）

目前，國內(nèi)大型火電機(jī)組的自動控制系統(tǒng)均采用集散控制系統(tǒng)（DCS）來實現(xiàn)，不論是國內(nèi)自主生產(chǎn)，還是從國外引進(jìn)的控制系統(tǒng)，仍以常規(guī)的控制策略為主，如PID控制、前饋控制等。然而熱工過程被控對象往往具有大滯后、時變、非線性等特點，采用常規(guī)的控制策略難以取得理想的控制效果。許多關(guān)鍵的控制系統(tǒng)，如機(jī)爐協(xié)調(diào)控制系統(tǒng)、再熱汽溫控制系統(tǒng)，均未能取得良好的控制品質(zhì)。因此研究適用于熱工過程的先進(jìn)控制（APC）算法，進(jìn)一步完善和優(yōu)化現(xiàn)有的控制系統(tǒng)，對火電機(jī)組的安全、經(jīng)濟(jì)運(yùn)行具有重要的意義，這也是今后熱工自動化領(lǐng)域研究的熱點。

針對熱工過程被控對象的特點，目前已有多種APC算法被提出，如狀態(tài)變量控制算法［1］、相位補(bǔ)償算法［2］、自適應(yīng)控制算法［3］、預(yù)測控制算法［4］等。這些控制算法為系統(tǒng)控制品質(zhì)的提升提供了有力的理論依據(jù)。然而由于算法的復(fù)雜性，目前這些APC算法還難以用組態(tài)的形式在DCS內(nèi)部實現(xiàn)，需要借助相應(yīng)的系統(tǒng)開發(fā)平臺來完成算法的功能。在具體實現(xiàn)的過程中，有關(guān)系統(tǒng)平臺的選擇、主控算法的開發(fā)、系統(tǒng)之間跟蹤切換邏輯等方面還有很多問題需要研究。本文以預(yù)測控制為例，針對其中的關(guān)鍵問題進(jìn)行介紹和分析，并探討相應(yīng)的解決方案。

1 系統(tǒng)平臺選擇

APC算法與傳統(tǒng)PID控制算法相比，主要的特點和不同之處在于：APC算法是一種基于對象模型的控制算法，包含了模型辨識、輸出預(yù)測等過程。另外，APC算法通常還要處理復(fù)雜的優(yōu)化計算問題，如滾動優(yōu)化、變量約束處理、非線性問題處理等，因此實現(xiàn)的難度必然增大［5］。在DCS系統(tǒng)中，除非廠家專門開發(fā)，APC算法還難以用現(xiàn)有的函數(shù)模塊庫組態(tài)實現(xiàn)。從成功的應(yīng)用范例來看，采用帶有通用接口的獨(dú)立系統(tǒng)開發(fā)平臺是解決這一問題的有效途徑。目前常用的系統(tǒng)平臺有兩類：一類是基于外接控制器模式的優(yōu)化系統(tǒng)，如西門子公司的PROFI系統(tǒng)［6］，國產(chǎn) 的INFIT 系 統(tǒng)［7］，這 類 系 統(tǒng) 在 硬 件上以可編程控制器（PLC）為代表，將APC控制系統(tǒng)作為一個擴(kuò)展的控制器接入DCS中，其特點是系統(tǒng)實時性和可靠性好；另一類是基于上位機(jī)優(yōu)化模式的系統(tǒng)，如Foxboro公司的Connoisseur系統(tǒng)［8］，Honeywell公司的 Profit RMPCT系統(tǒng)［9］，這類系統(tǒng)在硬件上采用工控機(jī)或服務(wù)器，以上位機(jī)的形式將APC系統(tǒng)的優(yōu)化控制指令發(fā)送至DCS控制器。與前一類系統(tǒng)相比，該系統(tǒng)的優(yōu)點是結(jié)構(gòu)靈活、維護(hù)簡單、設(shè)備通用性好；缺點是上位機(jī)與DCS之間的通信環(huán)節(jié)較為復(fù)雜。在具體工程應(yīng)用時，無論選擇哪種模式，以下問題都應(yīng)當(dāng)考慮：（1）系統(tǒng)平臺的穩(wěn)定性，即系統(tǒng)的軟、硬件能夠安全穩(wěn)定地運(yùn)行，可靠性要求與DCS接近或相當(dāng)；（2）軟件開發(fā)支撐能力，即系統(tǒng)平臺本身應(yīng)提供較強(qiáng)的開發(fā)環(huán)境去實現(xiàn)APC算法；（3）接口的通用性，即系統(tǒng)需要提供通用的接口通信方式，從而實現(xiàn)與現(xiàn)有絕大部分DCS系統(tǒng)的連接。滿足以上三點要求，是APC系統(tǒng)能夠成功實施的必要條件。

2 APC系統(tǒng)在開發(fā)時應(yīng)注意的問題

2.1 對象模型的建立

APC算法是基于對象模型的控制算法，廣義預(yù)測控制（GPC）算法就是最典型的代表。對于大滯后的被控過程，預(yù)測控制是一種非常有效的控制方法，因為預(yù)測控制不僅是根據(jù)被調(diào)量的當(dāng)時值進(jìn)行控制的，而且根據(jù)被調(diào)量在未來一段時間內(nèi)的預(yù)測值進(jìn)行控制。因此控制作用可以提前一段時間動作，這對大滯后被控過程的控制是至關(guān)重要的。預(yù)測控制有三個基本特征：預(yù)測模型、反饋校正和滾動優(yōu)化，其算法結(jié)構(gòu)見圖1。

圖1 預(yù)測控制算法結(jié)構(gòu)

為了對機(jī)組特性有清晰了解，滿足算法開發(fā)、調(diào)試的要求，需要對機(jī)組的動態(tài)特性進(jìn)行試驗，以獲取對象的模型。由于熱工過程被控對象通常具有多變量耦合、大滯后、非線性等特點，在進(jìn)行對象特性試驗時，應(yīng)充分考慮到上述因素的影響。首先要對被控對象的結(jié)構(gòu)進(jìn)行分析，確定對象的控制變量、被控變量和主要的擾動量。考慮到對象的非線性，特性試驗應(yīng)在不同的負(fù)荷下分別進(jìn)行，并且應(yīng)注意到對象上行特性和下行特性的不同，在進(jìn)行階躍響應(yīng)試驗時，應(yīng)先使控制變量階躍增大，待被控變量穩(wěn)定后，再使控制變量階躍減小，以全面反映對象的特性。而在對象模型辨識時，模型階次不宜過高，以避免復(fù)雜的計算。試驗表明：預(yù)測控制對建模誤差具有一定的適應(yīng)性，可選擇一個低階控制器去控制高階對象［10］。

2.2 主控算法的開發(fā)

針對上述預(yù)測控制算法的結(jié)構(gòu)和特點，在開發(fā)預(yù)測控制主控程序時，需要注意以下問題。

2.2.1 算法的計算量和實時性問題

預(yù)測算法復(fù)雜，計算量大，需要在每個采樣周期內(nèi)計算模型預(yù)測輸出、利用反饋進(jìn)行輸出預(yù)測校正、根據(jù)性能指標(biāo)在線滾動優(yōu)化求解等。這么大的計算量對算法的實時性是不利的。因此，如何對預(yù)測控制算法進(jìn)行簡化，減少實時計算量是拓展其應(yīng)用范圍并走上工程化的重要環(huán)節(jié)。文獻(xiàn)［11］指出了對預(yù)測控制進(jìn)行簡化的途徑，包括簡化或者避開Diophantine方程的求解，采用快速算法對矩陣求逆，針對算法中的目標(biāo)函數(shù)和約束條件，采用分層優(yōu)化、次優(yōu)化或者最近邊界值代替，以及推導(dǎo)特定形式的預(yù)測控制算法結(jié)構(gòu)等。

2.2.2 被控對象非線性問題的處理

很多熱工過程被控對象都有非線性的特點，在不同的負(fù)荷下，對象所表現(xiàn)出來的動態(tài)特性也不同?；趩蝹€線性模型的預(yù)測控制很難達(dá)到全工況最優(yōu)控制的要求，應(yīng)采用基于對象整體非線性模型的全局非線性優(yōu)化控制算法。為了實現(xiàn)對非線性對象的特性描述和優(yōu)化控制，常用的方法有以下幾類［12］：（1）基于機(jī)理模型的非線性預(yù)測控制，此類方法要求對被控對象有深入了解，機(jī)理模型建立的難度高，計算量大，難以用于實時控制；（2）基于實驗?zāi)Ｐ偷姆蔷€性預(yù)測控制，如 Wiener模型、Hammerstein模型，這類方法的優(yōu)點是精度較高，但對于非線性參數(shù)的子集模型辨識有一定困難；（3）基于智能模型的非線性預(yù)測控制，如神經(jīng)網(wǎng)絡(luò)模型，這類方法能夠有效地處理系統(tǒng)變量約束和強(qiáng)非線性，但在模型訓(xùn)練的收斂問題、算法的實時性和穩(wěn)定性方面尚存在不少問題［13］；（4）基于線性化方法的預(yù)測控制，如多模型方法。這類方法在不同的工況附近用不同的局部線性模型描述非線性對象，在整個工作范圍內(nèi)利用多個線性模型的協(xié)調(diào)處理來逼近非線性過程，實現(xiàn)系統(tǒng)大范圍的優(yōu)化控制。它把全局非線性優(yōu)化問題轉(zhuǎn)化成為每個運(yùn)算周期內(nèi)的線性優(yōu)化問題，理解和實施起來較為簡單，其關(guān)鍵之處在于局部模型的選取和切換準(zhǔn)確性，從而能夠使得整個控制過程平穩(wěn)進(jìn)行，保證系統(tǒng)的穩(wěn)定性和魯棒性。該類方法比較適用于熱工對象，因為局部模型的獲取較為容易，且不需要太多的局部模型即可反映出對象整體的特性［14］，因而在熱工控制中可以優(yōu)先考慮。

2.2.3 閉環(huán)系統(tǒng)的穩(wěn)定性問題

由于熱工對象的純滯后、非線性、時變等特性，使得預(yù)測控制算法在穩(wěn)定性方面的分析難度增大。通常預(yù)測控制的預(yù)測時域是有限的，然而算法在有限時域內(nèi)的最優(yōu)化求解并不能保證整個閉環(huán)系統(tǒng)的穩(wěn)定性［15］。穩(wěn)定預(yù)測控制算法的基本思想有兩種：一種是無限時域內(nèi)的預(yù)測控制，即為了保證系統(tǒng)穩(wěn)定，將有限的預(yù)測時域延伸至無限，但對于工程應(yīng)用而言，該方法對模型精度要求很高，無限時域內(nèi)的非線性優(yōu)化求解也較為復(fù)雜，難以用于實時控制；另一種常用的方法是在優(yōu)化問題中加入穩(wěn)定性約束，如終端約束、收縮約束等，這些都是為了獲得穩(wěn)定的閉環(huán)系統(tǒng)而附加的狀態(tài)約束條件。這些條件使得優(yōu)化問題的求解范圍變小，可能會導(dǎo)致一些不利的影響，如在線優(yōu)化計算量增大、控制性能下降等，使得系統(tǒng)的最終控制效果達(dá)不到預(yù)期要求?？偨Y(jié)以上的討論可以看出：預(yù)測控制在算法的實時性、非線性處理、穩(wěn)定性等方面存在著相互影響和相互矛盾的特點。因此，如何權(quán)衡處理，研究適合工程使用的簡化穩(wěn)定預(yù)測控制算法，是一個重要的方向。

2.2.4 算法中各參數(shù)的整定

參數(shù)如何整定也是控制系統(tǒng)能否取得良好效果的決定因素之一。預(yù)測控制算法中需要整定的參數(shù)較多，包括預(yù)測時域長度P、控制時域長度M、控制量加權(quán)系數(shù)λ、柔化系數(shù)α等。對于這些參數(shù)的整定，目前尚缺乏類似于PID那樣明確的整定準(zhǔn)則，只能給出大致的影響趨勢。文獻(xiàn)［16］針對熱工過程中的大量多容慣性對象，指出預(yù)測時域長度P應(yīng)包含對象的主要特性，如時滯、非最小相位特性，增大P，將增加系統(tǒng)的衰減率；控制時域長度M對動態(tài)效果影響較小，取較小的M值即可滿足要求；加權(quán)系數(shù)λ主要影響控制增量的變化，λ增加，控制作用會變得平緩；而柔化系數(shù)α則對系統(tǒng)的快速性和穩(wěn)定性都產(chǎn)生影響，α越小，系統(tǒng)動態(tài)響應(yīng)越迅速，但越容易變得振蕩。由于預(yù)測控制的參數(shù)整定存在一定的難度和不確定性，因此在工程應(yīng)用之前，為保證控制效果，減少現(xiàn)場調(diào)試時間，前期大量的仿真試驗是必要的。

3 APC系統(tǒng)與DCS的連接

為保證APC系統(tǒng)能夠安全、平穩(wěn)地實現(xiàn)，使得APC系統(tǒng)能夠很好地融入現(xiàn)有的DCS中，除了保證系統(tǒng)軟硬件、通信及主控算法的可靠性以外，針對系統(tǒng)之間連接，應(yīng)做好相應(yīng)的接口邏輯。考慮到正常情況下控制算法之間切換以及非正常情況的檢測和處理，具體實施時應(yīng)注意以下幾點。

3.1 系統(tǒng)之間的接口邏輯

APC系統(tǒng)應(yīng)與DCS中的常規(guī)控制系統(tǒng)共存，兩者既相互獨(dú)立，又可靈活選擇。一種合理的處理方式是，在DCS的控制通道中增加相應(yīng)接口邏輯，使得APC系統(tǒng)控制指令可以與DCS中常規(guī)控制系統(tǒng)的指令相互切換。這樣做的好處有：一是無需改變DCS中的控制策略，運(yùn)行人員可以在兩者之間進(jìn)行選擇和切換，增加了系統(tǒng)的靈活性；二是非正常情況下，如APC系統(tǒng)故障時，系統(tǒng)可自動切至DCS控制，保證了控制系統(tǒng)的安全性。

3.2 算法之間的跟蹤和無擾切換

為了實現(xiàn)兩套控制系統(tǒng)之間的無擾切換，要求做好指令的跟蹤邏輯，其基本原則是：切手動控制時，DCS控制指令和APC控制指令均跟蹤手動指令；投自動且為DCS控制方式時，APC控制指令跟蹤DCS控制指令；投自動且為APC控制時，DCS控制指令跟蹤APC控制指令。這樣，在控制系統(tǒng)之間的切換就可以平穩(wěn)進(jìn)行，不會產(chǎn)生指令的突變。

3.3 非正常情況的檢測和判斷

非正常情況可分為兩大類：第一類是系統(tǒng)平臺軟硬件、通信類故障，這種情況可能導(dǎo)致APC的控制指令無法正確計算和發(fā)送；第二類是異常工況，如被調(diào)量等關(guān)鍵參數(shù)的超限或突變等，這時應(yīng)退出自動。針對這兩類情況，本文給出了如圖2所示的原則性判斷和切換邏輯。

圖2 判斷和切換邏輯

圖2中KEYBOARD模塊用于APC系統(tǒng)在正常情況下的投切。來自APC系統(tǒng)的周期脈沖波用于檢測和判斷第一類故障，延時置位定時器TD＿ON的延遲時間應(yīng)略大于脈沖波周期，若兩個TD＿ON模塊中有一個輸出為1，則證明脈沖中斷，從而可以反映出系統(tǒng)發(fā)生軟硬件或通信類故障，這時RS觸發(fā)器復(fù)位，APC系統(tǒng)退出。通過對APC和DCS中的關(guān)鍵參數(shù)進(jìn)行實時監(jiān)視，判斷這些參數(shù)是否異常，從而判斷是否發(fā)生了第二類故障，若有參數(shù)異常，則發(fā)出請求APC系統(tǒng)退出指令，切至DCS控制。通過對以上原則性邏輯的擴(kuò)展和完善，可保證整個系統(tǒng)平穩(wěn)、安全地運(yùn)行。

4 結(jié)語

熱工過程被控對象由于其大滯后、時變、非線性等特性，采用DCS常規(guī)控制策略難以滿足越來越高的控制品質(zhì)要求。開發(fā)基于APC算法的新型系統(tǒng)，突破傳統(tǒng)控制思想，是今后熱工自動化領(lǐng)域的重要發(fā)展方向，具有廣闊的市場前景。筆者以預(yù)測控制為例，針對APC系統(tǒng)在平臺選擇、算法開發(fā)、切換邏輯等方面的關(guān)鍵問題進(jìn)行了分析和研究，并提出了一些意見和結(jié)論。這些結(jié)論具有一定的通用性，其思路可以推廣至其他APC算法，為APC系統(tǒng)的工程實現(xiàn)打下了基礎(chǔ)。

由于算法的復(fù)雜性，目前APC系統(tǒng)還未能在現(xiàn)場大規(guī)模推廣實施，在算法的實時性、模型的非線性處理、閉環(huán)系統(tǒng)的穩(wěn)定性以及參數(shù)的優(yōu)化整定等方面，需要進(jìn)一步研究。

［1］劉吉臻，王淼鑫，郝祖龍.基于H∞的鍋爐再熱汽溫狀態(tài)變量的控制［J］.動力工程，2009，29（12）：1105-1109，1122.

［2］孫磊，呂劍虹，魏靜.大型火電機(jī)組自動發(fā)電控制優(yōu)化控制策略的研究［J］.江蘇電機(jī)工程，2008，27（1）：5-8.

［3］Andreescu G D，Antal R，Dan A M.Multivariable adaptive control with hardware-in-the-loop for a drum-type boiler-turbine system［C］.／／19th Mediterranean Conference on Control ＆ Automation.Romania，2011：898-903.

［4］Karampoorian H R.Generalized model predictive control for multivariable boiler-turbine unit［C］.／／11th International Conference on Control，Automation and System.Iran，2011：811-814.

［5］王躍宣.先進(jìn)控制策略與軟件實現(xiàn)及應(yīng)用研究［D］.浙江：浙江大學(xué)，2003.

［6］尹娜，吳斌蕾.西門子PROFI優(yōu)化控制軟件調(diào)試與應(yīng)用［J］.電力科學(xué)與工程，2010，26（10）：68-70.

［7］張志勇，陳鋼，邱文超.基于現(xiàn)代控制技術(shù)的AGC實時優(yōu)化控制系統(tǒng)及其應(yīng)用［J］.華東電力，2011，39（1）：153-156.

［8］VanDoren V J.Techniques for adaptive control［M］.USA：Elsevier Science，2003：88-96.

［9］Torgashov A Y，Park K C，Kang N S，et al.Optimizing robust model predictive control of industrial reactive stripping process system［J］.Computer Aided Chemical Engineering，2003（18）：829-834.

［10］陳增強(qiáng)，劉瑞華，袁著祉，等.預(yù)測控制應(yīng)用于工業(yè)過程的若干問題［J］.自動化與儀器儀表，1994（1）：1-6，62-63.

［11］李奇安 .廣義預(yù)測控制算法簡化實現(xiàn)方法研究［D］.浙江：浙江大學(xué)，2005.

［12］陳虹，劉志遠(yuǎn)，解小華 .非線性模型預(yù)測控制的現(xiàn)狀與問題［J］.控制與決策，2001，16（4）：385-391.

［13］Hui P，Yang Z J，Gui W H.Nonlinear system modeling and robust predictive control based on RBF-ARX model［J］.Engineering Applications of Artificial Intelligence，2007，20（1）：1-9.

［14］岳俊紅.復(fù)雜工業(yè)過程多模型預(yù)測控制策略及其應(yīng)用研究［D］.北京：華北電力大學(xué)，2007.

［15］Chen Wenhua.Stability analysis of classic finite horizon model predictive control［J］.International Journal of Control Automation and Systems，2010，8（2）：187-197.

［16］呂劍虹，陳來九.預(yù)測控制在熱工控制中的應(yīng)用前景［J］.動力工程，1997，17（2）：12-15，6.