談博,蔡遠(yuǎn)利,史椸

(西安交通大學(xué)電子與信息學(xué)院,710049,西安)

?

采用變時(shí)域監(jiān)督預(yù)測控制的機(jī)爐協(xié)調(diào)控制方法

談博,蔡遠(yuǎn)利,史椸

(西安交通大學(xué)電子與信息學(xué)院,710049,西安)

針對機(jī)爐協(xié)調(diào)控制系統(tǒng)中負(fù)荷變動(dòng)時(shí)傳統(tǒng)PID控制效果不佳、機(jī)組運(yùn)行經(jīng)濟(jì)效益降低甚至影響系統(tǒng)安全狀況的問題,提出一種采用變時(shí)域監(jiān)督預(yù)測的機(jī)爐協(xié)調(diào)控制方法(VDMC)。首先根據(jù)所分析的超臨界直流爐的機(jī)理特性,建立隨煤質(zhì)波動(dòng)的變參數(shù)模型;再結(jié)合實(shí)際工況確定的約束條件以及電網(wǎng)頻率的擾動(dòng),采用帶監(jiān)督環(huán)節(jié)的多變量受約束預(yù)測控制算法來解決控制框架中分散和集中的平衡性;最后基于變時(shí)域的思想,改善了機(jī)爐協(xié)調(diào)控制的整體性能。實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)PID控制方法和固定時(shí)域預(yù)測控制方法相比,所提出的VDMC方法的相對誤差均值降低了20%左右,有效提升了機(jī)爐協(xié)調(diào)控制品質(zhì),確保了系統(tǒng)安全穩(wěn)定運(yùn)行。

機(jī)爐協(xié)調(diào)控制;預(yù)測控制;監(jiān)督;變時(shí)域

我國電力工業(yè)持續(xù)健康發(fā)展,裝機(jī)總量及發(fā)電總量穩(wěn)步增長。由于隨機(jī)性的清潔能源廣泛應(yīng)用、超/特高壓交直流的遠(yuǎn)程輸電以及大型電源基站建設(shè),使得電網(wǎng)頻率的波動(dòng)愈加頻繁?，F(xiàn)階段,我國電網(wǎng)結(jié)構(gòu)依然以火力發(fā)電為主,廣泛運(yùn)行的超超臨界機(jī)組的發(fā)電效率達(dá)到43%～48%。在輸配電端,隨著自動(dòng)發(fā)電控制系統(tǒng)(automatic generation control,AGC)的應(yīng)用,窩電現(xiàn)象大幅度降低?；痣姍C(jī)組協(xié)調(diào)控制系統(tǒng)作為聯(lián)接電網(wǎng)與單元機(jī)組的關(guān)鍵環(huán)節(jié),對于保證電網(wǎng)頻率的質(zhì)量及穩(wěn)定性有至關(guān)重要的作用[1]。

超超臨界機(jī)組采用直流鍋爐,由于沒有固定的蒸發(fā)分界面,因而機(jī)組模型具有非線性、大慣性、參數(shù)時(shí)變等特點(diǎn)。同時(shí),鍋爐和汽輪機(jī)的各變量相互耦合,存在快速響應(yīng)的汽輪機(jī)控制和反應(yīng)延遲的鍋爐控制之間的配合問題,這些都造成超超臨界機(jī)組的協(xié)調(diào)控制更加復(fù)雜,傳統(tǒng)PID控制已不能滿足要求。文獻(xiàn)[2-3]提出了單元機(jī)組協(xié)調(diào)控制系統(tǒng)模型,模擬了協(xié)調(diào)控制、直接能量平衡等火電機(jī)組的動(dòng)態(tài)特性,然而這種模型未考慮電網(wǎng)頻率、燃煤品質(zhì)等擾動(dòng),容易造成模型失配。目前,大多數(shù)火電機(jī)組協(xié)調(diào)控制采用負(fù)荷指令前饋+PID反饋等常規(guī)手段,文獻(xiàn)[4]提出一種PID控制器參數(shù)自整定的方法,其結(jié)果明顯優(yōu)于經(jīng)驗(yàn)整定所得,但在大范圍負(fù)荷變動(dòng)時(shí)無法滿足要求。為了解決此問題,研究者們采用最優(yōu)控制、模糊控制、解耦控制、預(yù)測控制等方法來分析這一難題,其中預(yù)測控制方法在工業(yè)多變量復(fù)雜系統(tǒng)中已成功應(yīng)用。文獻(xiàn)[5]采用模型預(yù)測控制(model predictive control,MPC)中的動(dòng)態(tài)矩陣控制(dynamic matrix control,DMC)算法,提出了一種火電機(jī)組自適應(yīng)模型,但是未考慮整體控制框架。文獻(xiàn)[6]給出一種基于階躍響應(yīng)的多變量約束預(yù)測控制算法,通過在線優(yōu)化改進(jìn)控制效果,但文中沒有研究預(yù)測時(shí)域的選取對于控制精度及魯棒性的影響。

結(jié)合實(shí)際運(yùn)行特性,本文先建立了一種自適應(yīng)煤質(zhì)的變參數(shù)模型,并且運(yùn)用帶監(jiān)督環(huán)節(jié)的多變量受約束動(dòng)態(tài)矩陣控制算法,使整體控制框架更加均衡。進(jìn)一步,本文提出了一種變時(shí)域的多變量受約束動(dòng)態(tài)矩陣控制方法,以機(jī)組協(xié)調(diào)控制系統(tǒng)為對象,確保實(shí)際的機(jī)組負(fù)荷和主汽壓力能夠迅速響應(yīng)目標(biāo)設(shè)定值。仿真實(shí)驗(yàn)表明,該方法預(yù)測輸出的精度和穩(wěn)定性有了顯著的改善。

1 系統(tǒng)模型及分析

在火電廠中,機(jī)爐協(xié)調(diào)控制系統(tǒng)根據(jù)電網(wǎng)需求,實(shí)時(shí)調(diào)節(jié)機(jī)組負(fù)荷,保證主汽壓力和主汽溫度在安全范圍內(nèi)。

1.1 機(jī)爐協(xié)調(diào)模型

超超臨界單元機(jī)組的機(jī)爐協(xié)調(diào)模型是一個(gè)多輸入多輸出的復(fù)雜控制對象,各變量之間存在相互耦合性。其中,影響單元機(jī)組運(yùn)行參數(shù)的主要變量有被控制的機(jī)組功率和主汽壓力以及可調(diào)節(jié)的汽機(jī)調(diào)門開度和鍋爐給煤量。因此,本文根據(jù)經(jīng)典的兩輸入兩輸出模型[2],并結(jié)合河南某660 MW超超臨界機(jī)組的機(jī)理特性,將兩輸入兩輸出近似為線性模型,則該模型的傳遞函數(shù)可表示為

(1)

(2)

(3)

(4)

(5)

式中:ΔNe是機(jī)組負(fù)荷變化量;ΔPt是主汽壓力變化量;ΔUt是汽機(jī)調(diào)門開度變化量;ΔUb是給煤量變化量;GNb,L和GNb,H分別是指煤質(zhì)較差和煤質(zhì)較好時(shí)的傳遞函數(shù);GNb是入爐煤量與機(jī)組負(fù)荷之間的傳遞函數(shù);GNu是汽機(jī)調(diào)門開度與機(jī)組負(fù)荷之間的傳遞函數(shù);GPb是入爐煤量與主汽壓力之間的傳遞函數(shù);GPu是汽機(jī)調(diào)門開度與主汽壓力之間的傳遞函數(shù)。系統(tǒng)模型的參數(shù)可利用歷史運(yùn)行數(shù)據(jù),通過遺傳算法或最小二乘法等系統(tǒng)辨識(shí)的方法計(jì)算得到[7-8]。

本機(jī)組采用以鍋爐跟隨為基礎(chǔ)的協(xié)調(diào)控制方式,當(dāng)負(fù)荷指令變化時(shí),汽機(jī)主控改變調(diào)門開度,從而迅速響應(yīng)期望負(fù)荷,并通過鍋爐主控調(diào)整給煤量來滿足機(jī)前主汽壓力。機(jī)組的目標(biāo)負(fù)荷可以由操作員手動(dòng)設(shè)定或者投入AGC方式后接受中調(diào)的負(fù)荷指令,同時(shí)設(shè)定機(jī)組負(fù)荷的上、下限制和速率限制作為機(jī)組的負(fù)荷指令信號(hào)。

1.2 系統(tǒng)預(yù)測模型

通過分析前面的系統(tǒng)模型,本文采用非參數(shù)類的階躍響應(yīng)模型來描述兩輸入兩輸出被控對象的特性[9]。假設(shè)在當(dāng)前時(shí)刻k系統(tǒng)模型的預(yù)測時(shí)域?yàn)門,控制時(shí)域?yàn)镸,且滿足M

(6)

式中:ynP0(k)表示k時(shí)刻對于未來P個(gè)時(shí)刻的預(yù)測初始值;A為模型參數(shù),是階躍響應(yīng)的系數(shù)矩陣;ΔuM(k)為控制增量。合并所有控制增量ΔuM(k),從而計(jì)算得到預(yù)測值yf(PM)。對于本文兩輸入兩輸出模型,模型的預(yù)測輸出為

(7)

式中:yfPM(k)為k時(shí)刻有Δu(k)作用后,未來P個(gè)時(shí)刻的模型預(yù)測輸出向量。

在k時(shí)刻,模型預(yù)測的初始值為

(8)

式中:ynP0(k)為k時(shí)刻無Δu(k)作用時(shí),未來P個(gè)時(shí)刻的模型預(yù)測初始向量。

預(yù)測模型的參數(shù)矩陣為

(9)

控制增量表示為

(10)

2 動(dòng)態(tài)矩陣控制算法的改進(jìn)及應(yīng)用

2.1 動(dòng)態(tài)矩陣控制算法

本文采用一種新的動(dòng)態(tài)矩陣控制(dynamic matrix control,DMC)算法[11],并應(yīng)用到機(jī)爐協(xié)調(diào)控制系統(tǒng)中。在上節(jié)預(yù)測模型的基礎(chǔ)上,考慮實(shí)際約束條件,采取盡可能平穩(wěn)的控制措施,進(jìn)而實(shí)現(xiàn)輸出誤差的最小化[12]。此過程可歸納為二次規(guī)劃的優(yōu)化問題,即求取下式的最優(yōu)值

(11)

(12)

式中:w(k)是設(shè)定的輸出值;Q為誤差權(quán)矩陣,對應(yīng)輸出偏差;R為控制權(quán)矩陣,對應(yīng)輸入增量。

若存在延遲時(shí)間τ,當(dāng)k<τ時(shí),誤差權(quán)矩陣Q的系數(shù)為0;當(dāng)k≥τ時(shí),Q的選取由被控制量的實(shí)測值與期望值的偏差決定?？刂茩?quán)矩陣R的作用是通過調(diào)整各控制增量的權(quán)重來權(quán)衡整個(gè)系統(tǒng)的動(dòng)態(tài)特性和魯棒性。

由于實(shí)際系統(tǒng)存在著參數(shù)時(shí)變、模型失配等擾動(dòng),DMC預(yù)測模型需要通過下式的反饋校正,從而進(jìn)一步提高滾動(dòng)優(yōu)化的效果。

ycor(k+1)=yf(k)+He(k+1)

(13)

yP0(k+1)=S0ycor(k+1)

(14)

式中:ycor(k+1)為經(jīng)過校正后的輸出向量;H為校正誤差權(quán)矩陣;e(k+1)為模型輸出偏差向量;S0為上三角的移位矩陣。

將式(12)整合為線性不等式形式(式(15)),則得到包含約束條件的DMC優(yōu)化指標(biāo)為

(15)

式中:X=2(ATQA+R);l=-2ATQ[w(k)-ynP0(k)];矩陣F和向量β為集成系統(tǒng)所有的硬約束;ε為常數(shù)。式(15)為受約束的線性二次型最優(yōu)控制問題,從凸體頂點(diǎn)的角度出發(fā),通過調(diào)整目標(biāo)函數(shù),將可行域外的最優(yōu)解轉(zhuǎn)化為可行域內(nèi)的映射,可以很好地解決約束問題[13-14]。

2.2 帶監(jiān)督環(huán)節(jié)的動(dòng)態(tài)矩陣控制算法

在火電機(jī)組中,整個(gè)機(jī)爐協(xié)調(diào)控制系統(tǒng)可以劃分為多個(gè)功能子級系統(tǒng)組成。當(dāng)機(jī)組處于穩(wěn)態(tài)運(yùn)行時(shí),使用傳統(tǒng)的分散PID控制框架就可以獲得良好的效果,但工況發(fā)生劇烈擾動(dòng)(如給水量、風(fēng)量、煤質(zhì)、爐膛負(fù)壓等)時(shí),原有控制方案不能快速準(zhǔn)確動(dòng)作。因而,本文將模型預(yù)測控制中的DMC算法引入機(jī)爐協(xié)調(diào)控制中,從而解決工況變動(dòng)時(shí)的控制難題,但增加了計(jì)算的復(fù)雜程度,并影響系統(tǒng)的可靠性、穩(wěn)定性[15-17]。

圖1 本文VDMC控制方法的機(jī)爐協(xié)調(diào)系統(tǒng)簡圖

基于上述問題,本文設(shè)計(jì)了一種雙層結(jié)構(gòu)的控制方法應(yīng)用在機(jī)爐協(xié)調(diào)控制系統(tǒng),如圖1所示。受約束的監(jiān)督動(dòng)態(tài)矩陣控制器(supervisory dynamic matrix control,SDMC)位于上層,集中優(yōu)化穩(wěn)態(tài)目標(biāo);下層是分散PID控制器組成的動(dòng)態(tài)控制層,其功能是將上層的穩(wěn)態(tài)輸出作為設(shè)定值,使每一子系統(tǒng)能夠迅速跟蹤期望目標(biāo)。具體到機(jī)爐協(xié)調(diào)控制系統(tǒng),上層穩(wěn)態(tài)部分是將單元機(jī)組的負(fù)荷、熱循環(huán)及燃燒效率等指標(biāo)集中優(yōu)化計(jì)算,在滿足約束條件的前提下,實(shí)時(shí)求解出最優(yōu)的給煤量和汽機(jī)調(diào)門開度。下層動(dòng)態(tài)控制通過汽機(jī)主控和鍋爐主控PID回路,確保機(jī)組的給水量、給煤量、總風(fēng)量、進(jìn)汽量及負(fù)荷等能夠迅速精準(zhǔn)的響應(yīng),從而提升系統(tǒng)的總體動(dòng)態(tài)特性。為確保可靠通信及穩(wěn)定性,系統(tǒng)需要增加監(jiān)督環(huán)節(jié),將電網(wǎng)頻率及煤質(zhì)波動(dòng)作為反饋的擾動(dòng)。當(dāng)電網(wǎng)頻率超過死區(qū)時(shí),一次調(diào)頻回路迅速動(dòng)作,為避免協(xié)調(diào)控制的影響,監(jiān)督環(huán)節(jié)閉鎖反向負(fù)荷指令。若實(shí)際頻率過高,閉鎖增負(fù)荷指令;若實(shí)際頻率過低,閉鎖減負(fù)荷指令。另外,如果出現(xiàn)數(shù)據(jù)采集系統(tǒng)通信故障或者預(yù)測輸出異常時(shí),上層穩(wěn)態(tài)控制由SDMC控制器切換回原有的PID回路,確保系統(tǒng)處于安全,從而避免系統(tǒng)出現(xiàn)不穩(wěn)定。

2.3 變時(shí)域監(jiān)督動(dòng)態(tài)矩陣控制算法

經(jīng)過更深層的研究,預(yù)測時(shí)域T的選取直接影響預(yù)測控制的效果,若T值過大,預(yù)測精確不夠;若T值太小,魯棒性變差。本文提出一種變時(shí)域監(jiān)督動(dòng)態(tài)矩陣控制(variable horizon supervisory dynamic matrix control,VDMC)方法,將其應(yīng)用于機(jī)爐協(xié)調(diào)控制系統(tǒng)中。為確保系統(tǒng)穩(wěn)定,預(yù)測時(shí)域需滿足以下條件:

(1)必須超過受控對象的時(shí)滯部分;

(2)不包含非最小相位特性引起的反向部分;

(3)覆蓋動(dòng)態(tài)響應(yīng)主體,且大于控制時(shí)域M。

設(shè)采樣時(shí)間為Ts,則相對預(yù)測誤差εs為

(16)

假設(shè)給煤量不變,由汽機(jī)調(diào)門開度來滿足負(fù)荷需求,選取不同預(yù)測時(shí)域,預(yù)測輸出的相對誤差平均值如表1所示。

表1 不同預(yù)測時(shí)域的相對預(yù)測誤差平均值

由表1可見,隨著預(yù)測時(shí)域增加,輸出誤差越大。兼顧控制精度及安全穩(wěn)定,本文的預(yù)測時(shí)域隨時(shí)間變化。在k時(shí)刻動(dòng)態(tài)最優(yōu),目標(biāo)函數(shù)為

(17)

(18)

式中:v為常數(shù);h為預(yù)測誤差變化率。根據(jù)不同預(yù)測時(shí)域的仿真結(jié)果確定適當(dāng)?shù)拈撝郸思八绤^(qū)ζ(λ,ζ>0且λ>ζ)。當(dāng)|h|≤λ時(shí),預(yù)測時(shí)域?yàn)門1;當(dāng)|h|>λ時(shí),預(yù)測時(shí)域?yàn)門2(T2>T1)。本文提出的變時(shí)域方法按照如下步驟選取預(yù)測時(shí)域:

(1)預(yù)測時(shí)域選取T1,使系統(tǒng)快速響應(yīng);

(2)選取適當(dāng)?shù)摩?、?計(jì)算k時(shí)刻的變化速率h,若|h|≤λ,迭代計(jì)算k+1時(shí)刻的變化速率h;

(3)為防止頻繁切換擾動(dòng),持續(xù)50個(gè)采樣周期出現(xiàn)|h|>λ,預(yù)測時(shí)域選取T2,確保系統(tǒng)穩(wěn)定;

(4)考慮死區(qū)ζ,持續(xù)100個(gè)采樣周期出現(xiàn)|h|≤λ-ζ,恢復(fù)預(yù)測時(shí)域?yàn)門1;

(5)重復(fù)第2步,并初始化閾值λ。

為了減少在線計(jì)算量,控制時(shí)域M選取1,根據(jù)文獻(xiàn)[10]中的定理3.2可知,誤差權(quán)系數(shù)矩陣Q=I,M=1時(shí),無論階躍響應(yīng)系數(shù){ai}是何種形式,選擇充分大的預(yù)測時(shí)域一定能獲得穩(wěn)定的控制器。預(yù)測時(shí)域T2足夠大,并超越模型時(shí)域N使得ai的后半部分趨近于穩(wěn)態(tài)值aN。此時(shí)控制器趨近于比例環(huán)節(jié)1/aN,確保了系統(tǒng)閉環(huán)穩(wěn)定性。

同時(shí),預(yù)測時(shí)域?qū)嶋H變動(dòng)時(shí)考慮適當(dāng)?shù)臋?quán)重,實(shí)質(zhì)是一種多模型切換過程。若預(yù)測時(shí)域選取T2,系統(tǒng)處于穩(wěn)定狀態(tài),設(shè)置合適的權(quán)值范圍即可保證預(yù)測時(shí)域切換過程中系統(tǒng)具有漸近穩(wěn)定性,以實(shí)現(xiàn)控制系統(tǒng)的平穩(wěn)切換[18]。

在保證系統(tǒng)閉環(huán)穩(wěn)定及平穩(wěn)切換的前提下,預(yù)測時(shí)域?qū)崟r(shí)選擇,提升了生產(chǎn)自動(dòng)化水準(zhǔn)。

3 實(shí)驗(yàn)仿真

為了驗(yàn)證本文提出的變時(shí)域監(jiān)督動(dòng)態(tài)矩陣控制方法的可行性及效果,本文采用河南某660 MW機(jī)組的歷史數(shù)據(jù),通過仿真得到傳統(tǒng)PID、SDMC以及VDMC控制方法的預(yù)測結(jié)果,比較各控制方法的優(yōu)劣性能。該機(jī)組為超超臨界直流爐,分散控制系統(tǒng)采用艾默生Ovation系統(tǒng),主汽壓力、負(fù)荷、給煤量和調(diào)門開度等實(shí)驗(yàn)數(shù)據(jù)的采樣周期為1 s。仿真PC機(jī)采用i5 2520M 2.5 GHz CPU及4 GB內(nèi)存,整個(gè)實(shí)驗(yàn)仿真過程采用Matlab 7.11軟件。

3.1 參數(shù)選擇

發(fā)電煤耗是每千瓦時(shí)電量所耗標(biāo)準(zhǔn)煤量。其中,機(jī)組設(shè)計(jì)發(fā)電煤耗為bfs,實(shí)際發(fā)電煤耗為bfn,煤質(zhì)校正系數(shù)為

(19)

當(dāng)η>1時(shí),判斷煤質(zhì)較差,系統(tǒng)模型取GNb,L;當(dāng)η≤1時(shí),判斷煤質(zhì)較好,系統(tǒng)模型取GNb,G;η的死區(qū)為±0.03。本文利用實(shí)時(shí)監(jiān)測的煤質(zhì)校正系數(shù),自適應(yīng)選取模型參數(shù)[19]。

3.2 仿真實(shí)驗(yàn)與分析

根據(jù)現(xiàn)場工況設(shè)定約束條件,本機(jī)組額定功率為660 MW,額定主蒸汽壓力為25.4 MPa,負(fù)荷變化率不大于10 MW/min,給煤量小于230 t/h,汽機(jī)調(diào)門開度處于±105之間。傳統(tǒng)PID控制參數(shù)憑借現(xiàn)場經(jīng)驗(yàn)整定得到,因而本文不做詳述。

首先,選取煤質(zhì)發(fā)生改變時(shí)的歷史數(shù)據(jù),機(jī)組負(fù)荷變動(dòng)范圍為450 MW～530 MW,運(yùn)用隨煤質(zhì)波動(dòng)的變參數(shù)模型和固定參數(shù)模型進(jìn)行實(shí)驗(yàn)仿真,分別得到機(jī)組負(fù)荷、主汽壓力的輸出值并與設(shè)定值比較,模型輸出響應(yīng)曲線如圖2所示。

由圖2可知,當(dāng)燃煤品質(zhì)發(fā)生變化時(shí),固定參數(shù)模型出現(xiàn)失配現(xiàn)象,造成模型精度降低。與此相比,變參數(shù)系統(tǒng)模型解決了上述問題,有利于精細(xì)化控制器建立。

(a)固定參數(shù)模型

(b)變參數(shù)模型

(c)固定參數(shù)模型

(d)變參數(shù)模型圖2 固定/變參數(shù)模型輸出響應(yīng)曲線

其次,選取機(jī)組負(fù)荷變動(dòng)時(shí)的歷史數(shù)據(jù),機(jī)組負(fù)荷從630 MW至430 MW的下降過程。采用本文所提出的固定時(shí)域監(jiān)督預(yù)測控制方法以及變時(shí)域監(jiān)督預(yù)測控制方法進(jìn)行實(shí)驗(yàn)仿真,并與傳統(tǒng)PID控制結(jié)果比較,得到圖3～圖5的輸出曲線。其中,圖3、圖4對應(yīng)不同預(yù)測時(shí)域的系統(tǒng)動(dòng)態(tài)響應(yīng)曲線,圖5是變時(shí)域監(jiān)督預(yù)測控制系統(tǒng)的動(dòng)態(tài)響應(yīng)曲線。

圖3 T=8 s時(shí)2種控制方法的響應(yīng)曲線

圖4 T=20 s時(shí)2種控制方法的響應(yīng)曲線

圖5 變時(shí)域下2種控制方法的響應(yīng)曲線

由圖3可知,當(dāng)預(yù)測時(shí)域過小時(shí),控制量變化劇烈,導(dǎo)致系統(tǒng)輸出的動(dòng)態(tài)響應(yīng)過快,出現(xiàn)不穩(wěn)定現(xiàn)象。由圖4可知,當(dāng)預(yù)測時(shí)域偏大時(shí),控制系統(tǒng)穩(wěn)定,但是當(dāng)前系統(tǒng)輸出的動(dòng)態(tài)輸出響應(yīng)跟隨設(shè)定值的過程偏慢,控制精度大大降低。

由圖5可知,選取時(shí)變的預(yù)測時(shí)域,與傳統(tǒng)PID以及圖3、圖4的VDMC控制方法預(yù)測輸出對比,本文VDMC控制方法效果明顯提升,動(dòng)態(tài)響應(yīng)既保持穩(wěn)定,也很好地跟隨期望設(shè)定值。傳統(tǒng)PID輸出、VDMC預(yù)測輸出與設(shè)定值的估計(jì)誤差分析結(jié)果如表2所示。

表2 負(fù)荷變動(dòng)時(shí)預(yù)測輸出的估計(jì)誤差表

4 結(jié) 論

通過分析超超臨界單元機(jī)組的機(jī)理特性,本文得到隨煤質(zhì)波動(dòng)的兩輸入兩輸出變參數(shù)模型,并結(jié)合實(shí)際工況,確定系統(tǒng)約束條件,運(yùn)用帶監(jiān)督環(huán)節(jié)的多變量受約束預(yù)測控制算法(SDMC),解決整體控制框架中分散和集中的平衡性。為了兼顧系統(tǒng)的穩(wěn)定性和動(dòng)態(tài)響應(yīng)速率,本文提出一種變時(shí)域監(jiān)督預(yù)測控制(VDMC)方法,并應(yīng)用到機(jī)爐協(xié)調(diào)控制系統(tǒng)中。實(shí)驗(yàn)結(jié)果表明,與其他控制算法相比,本文所提方法預(yù)測輸出的相對誤差平均值降低了20%左右,控制效果有了顯著提高。本文方法在實(shí)際機(jī)組中獲得了初步應(yīng)用,由于現(xiàn)場數(shù)據(jù)采集困難及保密的原因,文中僅給出部分仿真實(shí)驗(yàn)結(jié)果。

[1] ?STR?M K J, BELL R D. Drum boiler dynamics [J]. Automatica, 2000, 36(3): 363-378.

[2] 閆姝, 曾德良, 劉吉臻, 等. 直流爐機(jī)組簡化非線性模型及仿真應(yīng)用 [J]. 中國電機(jī)工程學(xué)報(bào), 2012, 32(11): 126-134. YAN Shu, ZENG Deliang, LIU Jizhen, et al. A simplified non-linear model of a once-through boiler-turbine unit and its application [J]. Proceedings of the CSEE, 2012, 32(11): 126-134.

[3] MOON U C, LEE K Y. Step-response model development for dynamic matrix control of a drum-type boiler-turbine system [J]. IEEE Transactions on Energy Conversion, 2009, 24(2): 423-430.

[4] 陳星, 李東海. 一類熱工過程分布參數(shù)模型的PID控制仿真研究 [J]. 系統(tǒng)仿真學(xué)報(bào), 2008, 20(9): 2382-2386. CHEN Xing, LI Donghai. Simulation analysis on PID control of distributed parameter model in thermal process [J]. Journal of System Simulation, 2008, 20(9): 2382-2386.

[5] CHAN K H, DOZAL-MEJORADA E J, CHENG X, et al. Predictive control with adaptive model maintenance: Application to power plants [J]. Computer and Chemical Engineering, 2014, 70: 91-103.

[6] 王國良, 閻威武, 陳世和, 等. 1 000 MW超超臨界機(jī)組的多變量約束預(yù)測控制的研究 [J]. 控制理論與應(yīng)用, 2012, 29(12): 1573-1578. WANG Guoliang, YAN Weiwu, CHEN Shihe, et al. Multivariable constrained predictive control of 1 000 MW ultra supercritical once-through boiler-turbine system [J]. Control Theory & Application, 2012, 29(12): 1573-1578.

[7] 葉青, 朱永強(qiáng), 李紅賢. 基于改進(jìn)遺傳算法電力系統(tǒng)仿真軟件間模型參數(shù)轉(zhuǎn)換研究 [J]. 電力系統(tǒng)保護(hù)與控制, 2015, 43(9): 95-100. YE Qing, ZHU Yongqiang, LI Hongxian. Model parameter conversion between power system software based on IGA [J]. Power System Protection and Control, 2015, 43(9): 95-100.

[8] GHEZELAYAGH H, LEE K Y. Application of genetic algorithm in extraction of fuzzy rules for a boiler system identifier [C]∥Proceedings of the IEEE Power Engineering Society Transmission and Distribution Conference. Piscataway, NJ, USA: IEEE, 2001: 1203-1208.

[9] PICHLER M F, LERCH W, HEINZ A, et al. A novel linear predictive control approach for auxiliary energy supply to a solar thermal combistorage [J]. Solar Energy, 2014, 101: 203-219.

[10]席裕庚. 預(yù)測控制 [M]. 2版. 北京: 國防工業(yè)出版社, 2013: 10-39.

[11]鄒濤, 魏峰, 張小輝. 工業(yè)大系統(tǒng)雙層結(jié)構(gòu)預(yù)測控制的集中優(yōu)化與分散控制策略 [J]. 自動(dòng)化學(xué)報(bào), 2013, 39(8): 1366-1373. ZHOU Tao, WEI Feng, ZHANG Xiaohui. Strategy of centralized optimization and decentralized control for two-layered predictive control in large-scale industrial systems [J]. Acta Automatica Sinica, 2013, 39(8): 1366-1373.

[12]EDLUND K, BENDTSEN J D, J?RGENSEN J B. Hierarchical model-based predictive control of a power plant portfolio [J]. Control Engineering Practice, 2011, 19(10): 1126-1136.

[13]于洋, 許鋆, 羅雄麟. 預(yù)測控制約束邊界效應(yīng)與解決方法研究 [J]. 自動(dòng)化學(xué)報(bào), 2014, 40(9): 1922-1932. YU Yang, XU Jun, LUO Xionglin. Constraints boundary effect in model predictive control and corresponding solutions [J]. Acta Automatica Sinica, 2014, 40(9): 1922-1932.

[14]何德峰, 宋秀蘭, 黃驊. 優(yōu)先級多目標(biāo)穩(wěn)定化約束模型預(yù)測控制 [J]. 控制與決策, 2013, 28(12): 1831-1836. HE Defeng, SONG Xiulan, HUANG Hua. Stabilizing constrained model predictive control with prioritized multi-objectives [J]. Control and Decision, 2013, 28(12): 1831-1836.

[15]SHIROEI M, RANJBAR A M. Supervisory predictive control of power system load frequency control [J]. International Journal of Electrical Power and Energy Systems, 2014, 61: 70-80.

[16]WU Xiao, SHEN Jiong, LI Yiguo, et al. Hierarchical optimization of boiler-turbine unit using fuzzy stable model predictive control [J]. Control Engineering Practice, 2014, 30(9): 112-123.

[17]MCLARTY D, CIVIT-SABATE C, BROUWER J, et al. Micro-grid energy dispatch optimization and predictive control algorithms: a UC Irvine case study [J]. International Journal of Electrical Power and Energy Systems, 2015, 65: 179-190.

[18]LIAN J, ZHANG K. Exponential stability for switched Cohen-Grossberg neural networks with average dwell time [J]. Nonlinear Dynamics, 2011, 63(3): 331-343.

[19]楊婷婷, 曾德良, 王瑋. 大型燃煤發(fā)電機(jī)組煤質(zhì)實(shí)時(shí)校正方法 [J]. 電站系統(tǒng)工程, 2010, 26(5): 7-10. YANG Tingting, ZENG Deliang, WANG Wei. Real-time coal quality correction method for large coal-fired power unit [J]. Power System Engineering, 2010, 26(5): 7-10.

[本刊相關(guān)文獻(xiàn)鏈接]

薛洪武,吳愛國,董娜.制冷系統(tǒng)自抗擾解耦控制.2016,50(9):85-90.[doi:10.7652/xjtuxb201609014]

朱芳來,蔣鵬,李曉航.基于T-S模糊模型的觀測器和動(dòng)態(tài)輸出反饋容錯(cuò)控制器設(shè)計(jì).2016,50(9):91-96.[doi:10.7652/xjtuxb201609015]

郭森,秦貴和,張晉東,等.多目標(biāo)車輛路徑問題的粒子群優(yōu)化算法研究.2016,50(9):97-104.[doi:10.7652/xjtuxb2016 09016]

李國梁,張合新,周鑫,等.狀態(tài)反饋事件觸發(fā)控制系統(tǒng)的分析與設(shè)計(jì).2016,50(5):146-150.[doi:10.7652/xjtuxb201605 022]

楊航,劉凌,閻治安,等.雙閉環(huán)Buck變換器系統(tǒng)模糊PID控制.2016,50(4):35-40.[doi:10.7652/xjtuxb201604006]

張蕾,張愛民,景軍鋒,等.靜止無功補(bǔ)償器與發(fā)電機(jī)勵(lì)磁系統(tǒng)的自適應(yīng)魯棒協(xié)調(diào)控制策略.2015,49(11):96-101.[doi:10.7652/xjtuxb201511016]

卜祥偉,吳曉燕,張蕊,等.雙曲正弦非線性跟蹤微分器設(shè)計(jì).2015,49(1):107-111.[doi:10.7652/xjtuxb201501018]

俞玨,莊健,于德弘.采用李雅普諾夫函數(shù)的電液伺服系統(tǒng)反饋線性化控制.2014,48(7):71-76.[doi:10.7652/xjtuxb 201407013]

許建,張政,李翔,等.獨(dú)立驅(qū)動(dòng)電動(dòng)汽車橫擺力矩的模糊控制算法.2014,48(7):83-89.[doi:10.7652/xjtuxb201407015]

趙金磊,曹軍義,馬澄斌,等.空空導(dǎo)彈的系數(shù)圖魯棒控制設(shè)計(jì).2013,47(11):70-75.[doi:10.7652/xjtuxb201311013]

徐小艷,管曉宏,李黎.建筑空調(diào)系統(tǒng)最優(yōu)停機(jī)時(shí)間預(yù)測與控制.2013,47(10):31-36.[doi:10.7652/xjtuxb201310006]

晁武杰,甘永梅,王兆安,等.實(shí)時(shí)狀態(tài)樹結(jié)構(gòu)模型的最優(yōu)非阻塞模塊化監(jiān)督控制研究.2013,47(4):86-91.[doi:10.7652/xjtuxb201304015]

時(shí)建明,王潔,王琨,等.吸氣式高超聲速飛行器縱向運(yùn)動(dòng)反演控制器設(shè)計(jì).2013,47(3):102-107.[doi:10.7652/xjtuxb 201303019]

(編輯 劉楊)

A Coordination Control Method for Turbine-Boiler Systems Based on Supervisory Predictive Control with Varying Horizon

TAN Bo,CAI Yuanli,SHI Yi

(School of Electronic and Information Engineering, Xi’an Jiaotong University, Xi’an 710049, China)

A varying horizon supervisory predictive control algorithm (VDMC) is proposed to deal with the problem that the traditional PID controller is insufficient in coordination control systems (CCS), leading to lower economic benefit of power units or even affecting system safety during load changing. Firstly, a time-varying parameter model with fluctuation of coal quality is established through the analysis of mechanism characteristics of supercritical boilers. Then, a multivariable constrained supervisory predictive control algorithm is then used to solve the balance problem of centralization and decentralization in the control frame by taking constraint conditions determined by the actual situation and the disturbance of power grid frequency into account. Finally, the overall performance of the coordination control for turbine-boiler system is improved based on the idea of varying horizon. Simulation results and comparisons with the traditional PID and the fixed horizon predictive control algorithm show that the mean value of relative errors of the proposed method is reduced by about 20% during the load changing period. The method enhances the quality of turbine-boiler coordination control and makes the system more stable.

turbine-boiler coordination control; predictive control; supervision; varying horizon

2016-04-30。 作者簡介:談博(1989—),男,博士生;蔡遠(yuǎn)利(通信作者),男,教授,博士生導(dǎo)師。 基金項(xiàng)目:國家自然科學(xué)基金資助項(xiàng)目(61308120,61463029)。

時(shí)間:2016-10-10

10.7652/xjtuxb201612015

TP273

A

0253-987X(2016)12-0092-07

網(wǎng)絡(luò)出版地址:http: ∥www.cnki.net/kcms/detail/61.1069.T.20161010.1815.010.html