中國科學(xué)院深圳先進(jìn)技術(shù)研究院智能仿生研究中心楊之樂研究團(tuán)隊(duì)在燃?xì)廨啓C(jī)多目標(biāo)模型預(yù)測控制方面的研究取得進(jìn)展。相應(yīng)成果為“Hou GL, Gong LJ, Yang ZL, et al. Multiobjective economic model predictive control for gas turbine system based on quantum simultaneous whale optimization algorithm [J]. Energy Conversion and Management, 2020, 207: 112498(基于量子同步鯨群算法的燃?xì)廨啓C(jī)系統(tǒng)多目標(biāo)經(jīng)濟(jì)預(yù)測控制)”。

日趨嚴(yán)重的能源環(huán)境問題推動(dòng)了燃?xì)獍l(fā)電的產(chǎn)生和發(fā)展。作為燃?xì)?蒸汽聯(lián)合循環(huán)電廠的核心組成，燃?xì)廨啓C(jī)系統(tǒng)的安全、穩(wěn)定、高效運(yùn)行尤為重要。然而燃機(jī)系統(tǒng)的非線性、不確定性和強(qiáng)耦合性等給其控制器設(shè)計(jì)帶來了極大的困難。因此，迫切需要研究兼顧多目標(biāo)控制邏輯和求解速度卓越的優(yōu)化算法，實(shí)現(xiàn)燃?xì)廨啓C(jī)系統(tǒng)的經(jīng)濟(jì)、快速控制。

該研究提出了一種全新的燃?xì)廨啓C(jī)多目標(biāo)經(jīng)濟(jì)模型預(yù)測控制(MOEMPC)方法。該方法在控制優(yōu)化目標(biāo)函數(shù)的構(gòu)建中同時(shí)引入經(jīng)濟(jì)指標(biāo)、終端成本函數(shù)和穩(wěn)定性約束，并通過融合了量子編碼和同步搜索機(jī)制的量子同步鯨魚優(yōu)化算法(QSWOA)對(duì)多目標(biāo)優(yōu)化問題進(jìn)行求解。此外，該研究以北京太陽宮電廠運(yùn)行數(shù)據(jù)辨識(shí)所得到的燃?xì)廨啓C(jī)系統(tǒng)模型為基準(zhǔn)進(jìn)行對(duì)比實(shí)驗(yàn)，對(duì)所提出的新算法進(jìn)行性能測試，并通過性能指標(biāo)量化與統(tǒng)計(jì)分析使所得結(jié)果更加具體化和清晰化。結(jié)果顯示，所提出的多目標(biāo)經(jīng)濟(jì)預(yù)測控制算法在系統(tǒng)設(shè)定值跟蹤性能測試、抗干擾能力測試和魯棒性測試方面均表現(xiàn)出顯著優(yōu)勢，具有更快的求解速度和理想的綜合經(jīng)濟(jì)效益。

該研究提出的算法克服了傳統(tǒng)預(yù)測控制算法只考慮單一目標(biāo)的缺陷，同時(shí)提高了燃機(jī)系統(tǒng)在變工況和外擾下的跟蹤精度和經(jīng)濟(jì)效益，并通過對(duì) QSWOA 多目標(biāo)優(yōu)化求解機(jī)制的研究解決了預(yù)測控制中原有二次規(guī)劃求解方法計(jì)算復(fù)雜度高的弊端。因此，該控制算法具有更理想的控制性能和經(jīng)濟(jì)性，在復(fù)雜工業(yè)系統(tǒng)的控制優(yōu)化中有望取得廣泛的應(yīng)用。

基于量子同步鯨魚優(yōu)化算法的燃?xì)廨啓C(jī)多目標(biāo)模型預(yù)測控制模型框架