(華能上海電力檢修公司,上海 200942)

0 引言

華能玉環(huán)電廠1 000 MW超超臨界機(jī)組鍋爐是引進(jìn)日本三菱重工技術(shù)、由哈爾濱鍋爐廠制造的超超臨界變壓運(yùn)行直流鍋爐。汽輪機(jī)采用上海汽輪機(jī)有限公司和德國(guó)西門(mén)子公司聯(lián)合設(shè)計(jì)制造的超超臨界凝汽式汽輪機(jī)。DCS采用艾默生控制系統(tǒng)有限公司的OVATION控制系統(tǒng)。

在優(yōu)化控制系統(tǒng)實(shí)施前，機(jī)組協(xié)調(diào)控制系統(tǒng)采用的是傳統(tǒng)的“負(fù)荷指令前饋”+“PID反饋”的調(diào)節(jié)方案。該方案主要存在以下問(wèn)題。

① 在燃煤品質(zhì)頻繁變化時(shí)，原控制系統(tǒng)的熱值校正回路無(wú)法及時(shí)調(diào)整控制系統(tǒng)，造成主汽壓力、主汽溫度等關(guān)鍵參數(shù)長(zhǎng)時(shí)間的波動(dòng)振蕩，機(jī)組運(yùn)行不穩(wěn)定，機(jī)組的負(fù)荷調(diào)節(jié)性能也明顯惡化。

② 原控制系統(tǒng)中，當(dāng)機(jī)組大幅變負(fù)荷時(shí)，由于煤水比調(diào)整不合理，造成分離器溫度、主汽溫度參數(shù)波動(dòng)大，動(dòng)態(tài)偏差均達(dá)15～20 K，不利于機(jī)組的安全經(jīng)濟(jì)運(yùn)行。

③ 由于鍋爐主控采用的是傳統(tǒng)的“PID”控制方案，在變負(fù)荷過(guò)程中，鍋爐無(wú)法有效跟上汽機(jī)能量需求的變化，造成主汽壓力波動(dòng)較大，動(dòng)態(tài)偏差達(dá)1.0 MPa以上，明顯影響機(jī)組的負(fù)荷調(diào)節(jié)性能。

1 先進(jìn)協(xié)調(diào)優(yōu)化控制策略

針對(duì)華能玉環(huán)電廠1 000 MW超超臨界機(jī)組協(xié)調(diào)控制中存在的問(wèn)題，采用先進(jìn)技術(shù)對(duì)協(xié)調(diào)控制性能進(jìn)行優(yōu)化。主要的優(yōu)化控制策略有煤種熱值預(yù)測(cè)校正和先進(jìn)預(yù)測(cè)控制。

1.1 煤種熱值預(yù)測(cè)校正

在原DCS的控制系統(tǒng)中，僅考慮了傳統(tǒng)的煤種熱值的BTU校正。由于BTU校正是一種慢速的事后調(diào)整，當(dāng)煤種發(fā)生變化后，需要1 h左右才能完成煤種的熱值調(diào)整。很明顯，BTU校正的最大問(wèn)題是熱值的校正過(guò)程遠(yuǎn)滯后于煤種的變化。當(dāng)煤種變化頻繁時(shí)，BTU的熱值校正將無(wú)法適應(yīng)，最終導(dǎo)致鍋爐給煤量的“過(guò)調(diào)”或“欠調(diào)”，從而引起機(jī)組主汽壓力、分離器溫度等參數(shù)的反復(fù)波動(dòng)。

事實(shí)上，盡管煤種熱值的變化具有一定的隨機(jī)性和復(fù)雜性，但煤種熱值的變化還是一個(gè)連續(xù)過(guò)程，可以用一個(gè)復(fù)雜的非線性連續(xù)函數(shù)來(lái)描述。對(duì)于一個(gè)高度復(fù)雜的非線性變化過(guò)程，往往可以借助神經(jīng)網(wǎng)絡(luò)技術(shù)建立其變化過(guò)程的非線性模型，通過(guò)對(duì)模型的分析和預(yù)估，掌握其變化規(guī)律。因此，本文在傳統(tǒng)煤種BTU校正的基礎(chǔ)上，存儲(chǔ)前期各個(gè)采樣時(shí)刻的煤種熱值校正系數(shù)，并作為徑向基函數(shù)(radicial basic function,RBF)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本數(shù)據(jù)，建立煤種熱值校正系數(shù)的非線性神經(jīng)網(wǎng)絡(luò)模型。然后用該模型對(duì)煤種熱值校正系數(shù)的未來(lái)值進(jìn)行遞推預(yù)估，通過(guò)預(yù)估的提前時(shí)間來(lái)彌補(bǔ)BTU校正過(guò)程的滯后。本文采用的煤種熱值校正系數(shù)的RBF神經(jīng)網(wǎng)絡(luò)模型如圖1所示。

圖1 煤種熱值校正系數(shù)的RBF神經(jīng)網(wǎng)絡(luò)模型

RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)間隔時(shí)間為10 min，即每經(jīng)過(guò)10 min就對(duì)神經(jīng)網(wǎng)絡(luò)模型的參數(shù)進(jìn)行修正。針對(duì)華能玉環(huán)電廠煤種的實(shí)際情況，建立在某一時(shí)間段內(nèi)的煤種熱值校正系數(shù)的RBF神經(jīng)網(wǎng)絡(luò)模型。該模型為：RBF網(wǎng)絡(luò)擁有5個(gè)輸入，即輸入層節(jié)點(diǎn)數(shù)目為5；隱含層的節(jié)點(diǎn)數(shù)目為6；輸出層的節(jié)點(diǎn)數(shù)目為1。

隱含層的6個(gè)節(jié)點(diǎn)中心分別為：

c1=[0.861 3,0.863 0,0.865 3,0.867 8,0.870 4]T

c2=[0.893 9,0.893 8,0.894 4,0.895 8,0.897 8]T

c3=[0.921 2,0.922 9,0.924 1,0.925 2,0.926 3]T

c4=[0.970 5,0.972 0,0.973 4,0.975 2,0.976 8]T

c5=[1.033 4,1.032 7,1.032 5,1.032 3,1.032 7]T

c6=[1.108 9,1.109 5,1.109 9,1.109 8,1.108 9]T

隱含層到輸出層的權(quán)值系數(shù)為：

W=[-0.201 4,-0.062 6,-0.119 6,-0.081 4,-0.055 1,0.036 7]T

輸出層節(jié)點(diǎn)相應(yīng)的偏置為：

b=1.088 2

(1)

由此RBF網(wǎng)絡(luò)建立的煤種熱值校正系數(shù)模型的建模效果如圖2所示。

圖2 煤種熱值校正系數(shù)RBF網(wǎng)絡(luò)建模

圖2中，實(shí)線為實(shí)際煤種熱值校正系數(shù)，圓圈為建模樣本的模型計(jì)算值(共采用了110個(gè)樣本數(shù)據(jù)來(lái)計(jì)算網(wǎng)絡(luò)模型)，三角形為由RBF網(wǎng)絡(luò)模型計(jì)算的熱值校正系數(shù)的預(yù)測(cè)值。由圖2可知，RBF網(wǎng)絡(luò)能較為準(zhǔn)確地對(duì)煤種熱值校正系數(shù)進(jìn)行建模與預(yù)測(cè)。

(2)

(3)

(4)

?

(5)

1.2 先進(jìn)的預(yù)測(cè)控制技術(shù)

在控制結(jié)構(gòu)上，新協(xié)調(diào)方案保留了常規(guī)鍋爐主控方案中的“前饋”+“反饋”的控制模式，但在主汽壓力和分離器溫度的閉環(huán)控制回路中，采用了先進(jìn)的廣義預(yù)測(cè)控制器(generalized predictive control,GPC)代替常規(guī)的PID控制器。PID調(diào)節(jié)器是根據(jù)當(dāng)前和以前的被控偏差來(lái)計(jì)算控制作用，而GPC主要根據(jù)被調(diào)量未來(lái)的預(yù)測(cè)值來(lái)計(jì)算控制作用。很明顯,GPC可以提前控制和調(diào)節(jié)，適合于大滯后被控過(guò)程的控制。

為說(shuō)明GPC預(yù)測(cè)控制器的計(jì)算原理，假定主汽壓力定值、主汽壓力及鍋爐負(fù)荷指令的變化曲線如圖3所示。

圖3 假定的主汽壓力、定值與鍋爐負(fù)荷指令的變化曲線

圖3中:k為當(dāng)前時(shí)刻;k-1,k-2,k-3, …為以前各個(gè)采樣時(shí)刻;k+1,k+2,k+3,…為未來(lái)各個(gè)采樣時(shí)刻。在k時(shí)刻(即當(dāng)前時(shí)刻)，GPC首先根據(jù)主汽壓力被控過(guò)程的動(dòng)態(tài)數(shù)學(xué)模型及主汽壓力、鍋爐負(fù)荷指令的歷史數(shù)據(jù)(圖3中的曲線1和曲線2數(shù)據(jù))，并假定在當(dāng)前時(shí)刻鍋爐負(fù)荷指令保持不變的情況下(圖3中曲線4)，預(yù)測(cè)出主汽壓力在未來(lái)一段時(shí)間內(nèi)的變化(圖3中曲線3)。預(yù)測(cè)控制器的輸出為：

u(k)=u(k-1)+F1{e(k),e(k-1),…,e(k-m)}+

F2{e(k+1),e(k+2),…,e(k+n)}+

F3{Δe(k+1),Δe(k+2),…,Δe(k+n)}

(6)

式中：e(k),e(k-1),…,e(k-m)分別為當(dāng)前及以前各個(gè)采樣時(shí)刻的控制偏差；e(k+1),e(k+2),…,e(k+n)分別為預(yù)測(cè)的未來(lái)各個(gè)時(shí)刻的控制偏差；Δe(k+1),Δe(k+2),…,Δe(k+n)為未來(lái)各個(gè)時(shí)刻的預(yù)測(cè)誤差；u(k)、u(k-1)分別為當(dāng)前及前一個(gè)采樣時(shí)刻的控制作用，本例中即為鍋爐的負(fù)荷指令；F1{·}為計(jì)算函數(shù)，它是控制作用中與當(dāng)前及以前各個(gè)采樣時(shí)刻控制偏差相關(guān)的分量；F2{·}為計(jì)算函數(shù)，它是控制作用中與預(yù)測(cè)的未來(lái)各個(gè)時(shí)刻的控制偏差相關(guān)的分量，預(yù)測(cè)控制作用主要由這部分分量決定；F3{·}為計(jì)算函數(shù)，它是控制作用中與未來(lái)各個(gè)時(shí)刻的預(yù)測(cè)誤差相關(guān)的分量。

F1{·}、F2{·}、F3{·}可根據(jù)被控過(guò)程的動(dòng)態(tài)數(shù)學(xué)模型推導(dǎo)獲得。

采用先進(jìn)技術(shù)協(xié)調(diào)控制性能優(yōu)化策略如圖4所示。

圖4 采用先進(jìn)技術(shù)協(xié)調(diào)控制性能優(yōu)化策略

2 工程實(shí)施及現(xiàn)場(chǎng)應(yīng)用

利用東南大學(xué)的先進(jìn)控制平臺(tái)INFIT，實(shí)現(xiàn)了上面介紹的先進(jìn)協(xié)調(diào)控制策略。INFIT平臺(tái)與DCS系統(tǒng)之間可通過(guò)Modbus通信交換數(shù)據(jù)。通過(guò)通信使INFIT與DCS融為一體，相當(dāng)于為原有的DCS擴(kuò)展了一個(gè)分散處理單元DPU，并在其中實(shí)現(xiàn)了一套新的AGC協(xié)調(diào)控制性能優(yōu)化系統(tǒng)。

協(xié)調(diào)性能優(yōu)化系統(tǒng)于2011-11-12日在2#機(jī)組上正式投入運(yùn)行。為考核INFIT系統(tǒng)的實(shí)際控制性能，在2011-11-15日按照《火力發(fā)電廠模擬量控制系統(tǒng)驗(yàn)收測(cè)試標(biāo)準(zhǔn)》(DL/T 657-2006)的相關(guān)要求，對(duì)2#機(jī)組進(jìn)行了20 MW/min速率下的CCS變負(fù)荷試驗(yàn)。約在2011-11-15 11:45～11:55，2#機(jī)組以20 MW/min的速率從850 MW直接下降至700 MW。

試驗(yàn)結(jié)果表明，采用協(xié)調(diào)控制性能優(yōu)化系統(tǒng)后，機(jī)組變負(fù)荷過(guò)程非常平穩(wěn)，無(wú)振蕩和過(guò)調(diào)。實(shí)際速率、響應(yīng)延遲時(shí)間、動(dòng)態(tài)控制偏差、穩(wěn)態(tài)控制精度均滿足要求。主汽壓力與滑壓設(shè)定值保持相同趨勢(shì)變化，動(dòng)態(tài)過(guò)程平穩(wěn)，無(wú)振蕩和過(guò)調(diào)，動(dòng)態(tài)偏差僅為+0.21/-0.40 MPa。變負(fù)荷過(guò)程中實(shí)際過(guò)熱度與設(shè)定值保持相同趨勢(shì)變化，變負(fù)荷最大動(dòng)態(tài)偏差僅為+7.1/-1.0 K，完全滿足正常運(yùn)行的要求。

由于2#機(jī)組已采用協(xié)調(diào)性能優(yōu)化系統(tǒng)，其性能明顯優(yōu)于其他3臺(tái)還未優(yōu)化的機(jī)組性能。通過(guò)對(duì)比分析，采用新型協(xié)調(diào)性能優(yōu)化控制系統(tǒng)后，在大幅變負(fù)荷過(guò)程中，系統(tǒng)主汽壓力和主汽溫度的波動(dòng)得到有效減少。

從對(duì)華能玉環(huán)電廠安全儀表系統(tǒng)(safety instrument system,SIS)中采集的數(shù)據(jù)進(jìn)行分析可知，采用新協(xié)調(diào)性能優(yōu)化控制系統(tǒng)后，取得了如下經(jīng)濟(jì)效益。

① 減小了過(guò)熱汽溫和再熱汽溫波動(dòng)。過(guò)熱汽溫平均值提高5～7 K,再熱汽溫平均值提高6～8 K,再熱噴水量減少15 t/h,發(fā)電煤耗降低0.9 g/kWh。

② 提高了機(jī)組運(yùn)行穩(wěn)定性，燃料、給水、送風(fēng)等各控制量的波動(dòng)量減少50%以上,減小了鍋爐管材的熱應(yīng)力變化。

③ 將負(fù)荷升降速率提高到2.0%/min以上，明顯改善了負(fù)荷調(diào)節(jié)精度，提高了機(jī)組的調(diào)峰、調(diào)頻能力，有利于電網(wǎng)的安全穩(wěn)定運(yùn)行。

3 結(jié)束語(yǔ)

本文采用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)技術(shù)來(lái)建立煤種熱值校正系數(shù)的非線性模型，而后利用此模型對(duì)煤種熱值的變化進(jìn)行預(yù)測(cè)，克服了傳統(tǒng)煤種BTU熱值校正方法無(wú)法跟上實(shí)際煤種變化的缺陷。

在鍋爐主控回路中，采用適合于大滯后被控過(guò)程控制的預(yù)測(cè)控制策略，有利于加快鍋爐熱負(fù)荷的響應(yīng)速度，對(duì)提高協(xié)調(diào)控制系統(tǒng)的整體性能是十分重要的。

本文所介紹的協(xié)調(diào)性能優(yōu)化控制系統(tǒng)，較好地融合了國(guó)際上先進(jìn)的預(yù)測(cè)控制技術(shù)、神經(jīng)網(wǎng)絡(luò)技術(shù)等，填補(bǔ)了國(guó)內(nèi)在協(xié)調(diào)性能優(yōu)化控制產(chǎn)品方面的空白。在諸多控制性能方面如在對(duì)煤種變化的自適應(yīng)方面，協(xié)調(diào)性能優(yōu)化控制系統(tǒng)的性能已明顯優(yōu)于國(guó)外同類產(chǎn)品。

[1] KWU LPSC Technology Center.Profi unit coordinated control system[R].Siemens AG,2000.

[2] Nag P K.Power plant engineering[M].Second Edition.New York:Tata McGraw-Hill Company,2002.

[3] Zhou Gang,Lu Jianhong,Wei Hongqi,et al.Study and application of optimal control strategy for automatic generating control(AGC)[J].Electric Power,2004,37(1):57-61.

[4] Astrom K J,Bell R D.Drum-boiler dynamics[J].Automatica,2000,36:363-378.

[5] Adam E J,Marchetti J L.Dynamic simulation of large boiler with natural recirculation[J].Computers and Chemical Engineering,1999,23:1031-1040.

[6] Maffezzoni C.Boiler-turbine dynamics in power-plant control[J].Control Engineering Practice,1997,5(3):301-312.

[7] 張鐵軍，呂劍虹.熱工過(guò)程模糊決策預(yù)測(cè)控制的應(yīng)用研究[J].中國(guó)電機(jī)工程學(xué)報(bào)，2004，24(6):179-185.

[8] 胡一倩，呂劍虹，張鐵軍.一種自適應(yīng)模糊控制方法及在電站汽溫控制中的應(yīng)用研究[J].中國(guó)電機(jī)工程學(xué)報(bào)，2003，23(1):136-140.

[9] Wu Bo，Wu Ke，Lu JianHong.A novel compensation based recurrent fuzzy neural network and its learning algorithm[J].Science in China Series F(Information Science)，2009(1)：41-51.