袁桂麗， 陸斯悅， 房 方

(華北電力大學 控制與計算機工程學院，北京 102206)

單元機組協(xié)調(diào)控制系統(tǒng)綜合性能評價

袁桂麗， 陸斯悅， 房 方

(華北電力大學 控制與計算機工程學院，北京 102206)

針對多變量形式的單元機組協(xié)調(diào)控制系統(tǒng)，提出一種基于等效開環(huán)傳遞函數(shù)的性能評價方法.將該方法與最小信息熵指標相結(jié)合，解決了協(xié)調(diào)控制系統(tǒng)受到非高斯噪聲干擾時，傳統(tǒng)多變量評價方法對系統(tǒng)隨機性性能評價不準確的問題.將系統(tǒng)確定性性能指標處理成標量形式，通過子目標乘除法與隨機性性能指標結(jié)合，得到兼顧確定性性能與隨機性性能的綜合性能指標.利用該綜合性能指標指導協(xié)調(diào)控制系統(tǒng)控制器設計，將其作為目標函數(shù)，通過優(yōu)化算法對控制器參數(shù)進行尋優(yōu)，得到最優(yōu)控制性能.以最優(yōu)指標作為基準，對系統(tǒng)在運行期間的性能進行監(jiān)測與評價.結(jié)果表明：對于該協(xié)調(diào)控制系統(tǒng)，自抗擾控制器比內(nèi)模PI控制器具有更好的綜合性能，穩(wěn)健性也更好.

協(xié)調(diào)控制系統(tǒng)； 等效開環(huán)傳遞函數(shù)； 最小信息熵； 自抗擾控制; 性能評價

隨著電力生產(chǎn)過程逐步大型化和復雜化，能否對機組實現(xiàn)良好的控制關(guān)乎到安全、環(huán)保、效益等諸多方面[1].單元機組協(xié)調(diào)控制系統(tǒng)是火電廠最重要的控制系統(tǒng)之一，在鍋爐-汽輪機控制中起主導作用，因此應及時對該系統(tǒng)進行性能評價與監(jiān)測，以保證機組運行的安全與效率.然而，協(xié)調(diào)控制系統(tǒng)是一個多輸入多輸出系統(tǒng)，回路間存在復雜的耦合.此外，在實際運行中系統(tǒng)也會受到大量噪聲干擾，這些噪聲的分布往往是非高斯型的，且難以預測，這給評價工作帶來了一定困難.目前，針對單元機組協(xié)調(diào)控制系統(tǒng)性能評價的研究成果較少[2]，因此研究其相關(guān)理論和方法對實現(xiàn)非高斯擾動下多變量形式的協(xié)調(diào)系統(tǒng)性能評價非常重要.

控制系統(tǒng)性能評價最常用的方法是最小方差性能評價方法，Huang等[3]將其擴展到多變量系統(tǒng)中，之后又有一些學者對該方法進行了改進.Xia等[4]提出用輸入-輸出的時間延遲來估計多變量系統(tǒng)的最小方差上下界；Yu等[5]研究了協(xié)方差基準；Zhao等[6]將廣義最小方差基準推廣到多變量系統(tǒng)中.近年來，對于多變量系統(tǒng)的性能評價方法已不再局限于最小方差基準.如蔡宏斌等[7]提出了基于主元分析和最小二乘支持向量機相結(jié)合的多變量性能評價方法；楊全振等[8]提出了基于主元回歸方法的多變量控制系統(tǒng)性能評價方法；Khamseh等[9]提出了基于傳感器融合技術(shù)的多變量性能評價方法等.

上述傳統(tǒng)性能評價方法大多基于平穩(wěn)的高斯噪聲擾動.對于非高斯擾動下的系統(tǒng)，有學者提出通過計算跟蹤誤差熵的形式來反映其隨機性能.常用的熵描述形式有Shannon熵[10]、有理熵[11]和二階renyi熵[12]等.但這幾種熵指標大多是針對單回路系統(tǒng)的，尚未擴展到多變量系統(tǒng)的性能評價中.

此外，上述指標只涉及到系統(tǒng)的隨機性性能，而在實際火電機組運行過程中，確定性性能同樣受到關(guān)注，如調(diào)節(jié)時間、超調(diào)量、時間乘以誤差絕對值積分(ITAE)等.為了同時說明確定性與隨機性這兩方面的性能，需要尋找一個能夠同時評價控制器各方面性能，獲得更為全面、有效評價結(jié)果的綜合性能指標，這樣既通過該指標對系統(tǒng)控制器的設計進行指導，也可以對系統(tǒng)的運行情況進行監(jiān)視.

筆者針對單元機組協(xié)調(diào)控制系統(tǒng)的多變量非高斯分布特性，提出了一種基于等效開環(huán)傳遞函數(shù)的評價方法.基于“等效開環(huán)過程”[13]，將多變量系統(tǒng)等效為若干個包含其他回路之間耦合作用動態(tài)信息特征的單回路，引入最小信息熵指標，從而完成非高斯噪聲下多變量控制系統(tǒng)的性能評價.同時提出了一種根據(jù)子目標乘除法計算的綜合性能指標，直接全面地反映單元機組協(xié)調(diào)控制系統(tǒng)的整體性能.最后，對某300 MW燃煤直流爐再熱機組協(xié)調(diào)控制系統(tǒng)進行了仿真.采用內(nèi)模PI和自抗擾2種控制策略，以綜合性能指標作為目標函數(shù)對控制器參數(shù)進行尋優(yōu)，得到了最優(yōu)控制器參數(shù)和最優(yōu)性能指標，并對2種控制器下運行過程的性能進行了監(jiān)控.

1 基于等效開環(huán)傳遞函數(shù)的單元機組協(xié)調(diào)控制系統(tǒng)性能評價

1.1多變量系統(tǒng)的等效開環(huán)傳遞函數(shù)

圖1 多變量控制系統(tǒng)等效開環(huán)傳遞函數(shù)原理圖

Fig.1 Schematic diagram of the equivalent open-loop transfer function for multivariable control systems

等效開環(huán)傳遞函數(shù)的推導過程如下：

(1)

yi與ui的關(guān)系式為：

(2)

式中：I為單位矩陣.

由式(2)可知，耦合存在于不同回路的控制器中，所以對單回路的控制和評價方法不能直接應用到多變量系統(tǒng)中.

(3)

第i回路的等效開環(huán)傳遞函數(shù)為：

(4)

在進一步推導等效開環(huán)傳遞函數(shù)公式前引入相對增益矩陣的定義.Λ為傳遞函數(shù)矩陣G(s)的相對增益矩陣(RGA)，其表達式如下：

(5)

RGA是根據(jù)穩(wěn)態(tài)增益計算得到的，因而實際中直接采用式(6)進行計算:

Λ=G(0)?(G(0)-1)T

(6)

式(5)中的相對增益矩陣是在獲得穩(wěn)態(tài)增益后計算得到的，即不包括動態(tài)信息，因此在描述和分析系統(tǒng)耦合時存在較多不足.因此人們提出了動態(tài)相對增益矩陣(DRGA)，其是利用對象的傳遞函數(shù)來代替穩(wěn)態(tài)增益，即Λii={G(s)?[G(s)-1]T}ii，將其代入式(4)可得EOTF方程：

(7)

因此，圖1所示的分散控制結(jié)構(gòu)可完全轉(zhuǎn)化為圖2所示的結(jié)構(gòu).

單元機組協(xié)調(diào)控制系統(tǒng)可用燃燒率μB和汽輪機調(diào)汽閥門開度μT這2個輸入變量，以及主汽壓力pT和機組實發(fā)功率NE這2個輸出量來描述.等效傳遞函數(shù)方框圖見圖3,其中Cn代替第n回路控制器.

圖2 簡化后的等效單回路系統(tǒng)Fig.2 Equivalent single loop system after simplification

圖3 單元機組協(xié)調(diào)控制系統(tǒng)傳遞函數(shù)方框圖

Fig.3 Transfer function block diagram for the coordinated control system of thermal power unit

圖3中，GpB(s)為機前壓力pT對燃燒指令μB的傳遞函數(shù)，GpT(s)為機前壓力pT對調(diào)汽閥開度指令μT的傳遞函數(shù)，GNB(s)為實發(fā)功率NE對燃燒指令μB的傳遞函數(shù)，GNT(s)為實發(fā)功率NE對汽輪機調(diào)汽閥門開度μT的傳遞函數(shù).

根據(jù)DRGA的概念，計算2個回路的動態(tài)相對增益：

(8)

將式(8)代入式(7)后，可以得到兩入兩出單元機組協(xié)調(diào)控制系統(tǒng)的等效開環(huán)傳遞函數(shù)：

(9)

(10)

由于等效后的單回路已包含原回路之間的耦合信息，所以對多變量系統(tǒng)的性能評價可轉(zhuǎn)化為對各個單回路的性能評價.將所有單回路性能指標相加，即可得到多變量系統(tǒng)的性能指標.為了便于比較，也可以將各單回路性能指標的平均值作為多變量系統(tǒng)的性能指標.

對于n入n出系統(tǒng)：

(11)

式中：η為多變量系統(tǒng)的性能指標；ηi為第i個單回路的性能指標.

對于協(xié)調(diào)控制系統(tǒng)：

(12)

1.2控制系統(tǒng)性能評價基準

1.2.1 隨機性性能指標

在隨機性性能評價中，最小方差指標的應用最普遍,該指標可以很好地解決線性高斯系統(tǒng)的性能評價問題.但Zhang等[12]指出若將最小方差指標應用到非高斯分布擾動的控制過程中，則得到的性能評價結(jié)果是不合理的.

同時，在實際的操作過程中，系統(tǒng)干擾噪聲的分布往往是難以預測的.對于非線性非高斯系統(tǒng)，筆者以信息熵為基準來衡量其性能，信息熵能夠刻畫系統(tǒng)隨機變量的不確定度.

通常情況下，信息熵指的是Shannon熵.對于隨機變量x，其連續(xù)的信息熵H定義如下：

(13)

式中：γ(x)為變量x的概率密度函數(shù)，可通過直方圖法或核密度估計法求得.

性能評價中最重要的工作之一就是尋找性能基準.Meng等[10]通過計算最小信息熵控制下系統(tǒng)的跟蹤誤差信息熵，得出了最小信息熵基準，即MIE基準：

(14)

式中：e為歐拉常數(shù)；δ為擾動的方差.

為了簡化運算，并保證指標值的單調(diào)遞增性，去除負熵值的影響，取指數(shù)函數(shù)映射f(x)=e(x)，則基于最小信息熵的性能評價指標ηmie定義為：

(15)

式中：Hact為回路跟蹤誤差的實際信息熵.

在最小信息熵基準的衡量下，該指標最小值趨于0.指標越接近于1，跟蹤誤差的信息熵越小，性能越好.

結(jié)合式(11)，可得到n入n出系統(tǒng)基于等效開環(huán)傳遞函數(shù)的多變量系統(tǒng)隨機性能指標：

(16)

式中：ηsto-i為第i個回路的隨機性性能指標，可由式(15)計算得到，也可由最小方差指標等其他性能基準計算得到.

對于協(xié)調(diào)控制系統(tǒng)，等效開環(huán)傳遞函數(shù)的多變量系統(tǒng)隨機性性能指標為：

(17)

1.2.2 確定性性能指標

在經(jīng)典控制理論中，確定性性能代表了對控制性能的基本要求，能夠衡量系統(tǒng)對設定值的跟蹤能力以及對負載擾動的抑制能力.常見的確定性性能指標主要有2種.一種是系統(tǒng)階躍響應指標，如超調(diào)量、上升時間和調(diào)節(jié)時間等.這種單項性能指標只能反映系統(tǒng)某一方面的確定性性能.然而系統(tǒng)中這些量往往是互相聯(lián)系并有所牽制的，若想了解系統(tǒng)整體的確定性性能，可選用另一種確定性性能指標，即誤差積分型指標.

筆者選取式(18)所示的時間加權(quán)絕對誤差積分(ITAE)指標.這一指標在計算上具有一定的簡便性，而且能夠較好地反映控制系統(tǒng)的準確性與快速性，在描述性能方面十分優(yōu)秀.

(18)

式中:t為過程調(diào)節(jié)時間.

為了得到統(tǒng)一的性能基準，并簡化計算過程，對該指標進行無量綱化處理，使其可以同時對不同系統(tǒng)采用相同的基準進行評價.處理方法如下：

(19)

式中：r為系統(tǒng)輸入的階躍值；ts為標量的調(diào)節(jié)時間，ts=t/τ，其中τ為過程延遲.

將式(19)代入式(18)后可得：

(20)

對于n入n出系統(tǒng)，可依次對各輸入施加階躍擾動，其他輸入為零輸入，計算各個輸出的JITAE′，然后將所有結(jié)果相加，就可以得到整個多變量系統(tǒng)的確定性性能指標.具體表達式如下：

(21)

式中：JITAE′-ij為第i個輸入施加階躍擾動且其他輸入為零輸入時，第j個輸出的標量ITAE值.

對于協(xié)調(diào)控制系統(tǒng)，確定性性能指標為：

Jdete=JITAE′-11+JITAE′-12+JITAE′-21+JITAE′-22

(22)

2 單元機組協(xié)調(diào)控制系統(tǒng)性能綜合評價

控制系統(tǒng)綜合性能評價是一個多目標優(yōu)化問題中的統(tǒng)一目標函數(shù)問題.將各個子目標處理為標量形式，可選用子目標乘除法來對綜合指標進行計算.結(jié)合工業(yè)過程的實際情況，選用式(23)所示的多變量系統(tǒng)的綜合性能計算式:

J=Jdete×(1-Jsto-g)×(1-Jsto-ng)

(23)

式中：Jdete為系統(tǒng)確定性性能指標；Jsto-g為系統(tǒng)在高斯擾動下的隨機性性能指標；Jsto-ng為系統(tǒng)在非高斯擾動下的隨機性性能指標.

將式(22)作為確定性性能指標的求取方法，將式(17)作為高斯擾動和非高斯擾動下隨機性性能指標的求取方法，即可得到單元機組協(xié)調(diào)控制系統(tǒng)的綜合性能指標.整個指標的數(shù)值越小，系統(tǒng)的綜合性能越好.

3 單元機組機爐協(xié)調(diào)控制系統(tǒng)性能評價仿真

單元機組是一類典型的多入多出系統(tǒng)，且具有回路間耦合較強、模型參數(shù)不確定、延遲較大、干擾難以預測等特點，是工業(yè)中的典型系統(tǒng),也是現(xiàn)代電廠自動化系統(tǒng)中最核心的部分.因此，單元機組協(xié)調(diào)

控制系統(tǒng)具有很高的理論和實際研究價值.

3.1問題描述

以國產(chǎn)300 MW燃煤直流爐再熱機組作為被控對象[14]，將單元機組協(xié)調(diào)控制系統(tǒng)等價為2個單回路系統(tǒng).其在100%負荷工況下的近似線性傳遞函數(shù)模型如下：

(24)

采用文獻[14]給出的配對方式進行配對：

(25)

配對后的模型為：

(26)

根據(jù)式(9)～式(10)求取等效開環(huán)傳遞函數(shù)，并簡化成一階慣性加純遲延模型：

(27)

(28)

3.2仿真研究

3.2.1 高斯擾動下機爐協(xié)調(diào)控制系統(tǒng)性能評價仿真

選取文獻[15]中二階線性自抗擾控制器(ADRC)對機爐協(xié)調(diào)控制系統(tǒng)進行控制.主要參數(shù)有擴張狀態(tài)觀測器(ESO)帶寬ωo、控制器帶寬ωc和控制器參數(shù)b0.

令等效的2個單回路模型與原模型均處于表1中初始參數(shù)的控制器下，皆施加均值為0、方差為0.8的高斯白噪聲擾動，分別得到機組的實發(fā)功率和主汽壓力輸出.應用文獻[16]中的多變量最小方差基準對原模型進行評價，得到多變量最小方差指標. 等效模型采用式(17)進行評價，式中的ηsto-i分別應用文獻[16]中的最小方差評價基準和式(14)最小信息熵基準.3種評價方法得到的結(jié)果見圖4，其中縱坐標為性能指標，橫坐標為擴張觀測器帶寬ωo的增量Δωo.

表1 初始自抗擾控制器參數(shù)

圖4 3種評價方法結(jié)果對比Fig.4 Comparison among three performance assessment results

從圖4可以看出，隨著Δωo增大，2種最小方差評價結(jié)果基本相同.由此可以證明等效開環(huán)傳遞函數(shù)多變量性能評價方法較為準確，具有可行性.對于等效開環(huán)最小信息熵指標，由于基準不同，得到的結(jié)果與多變量最小方差指標有一些差別，但其所反映的性能變化趨勢仍與其他2種方法一致，即最小信息熵指標可以用來評價系統(tǒng)在高斯擾動下的隨機性性能.

3.2.2 非高斯擾動下機爐協(xié)調(diào)控制系統(tǒng)性能評價仿真

由文獻[12]可知，用最小方差指標處理的動態(tài)系統(tǒng)噪聲需遵循高斯分布，而若選用最小信息熵指標，則噪聲不受分布的限制.對協(xié)調(diào)系統(tǒng)的2個回路施加服從(1,1.5)韋布爾分布的非高斯噪聲.令ADRC控制器的觀測器帶寬ωo在0.2～5內(nèi)選取20組參數(shù)，得到了系統(tǒng)非高斯擾動下跟蹤誤差概率密度函數(shù)(見圖5).由圖5可以看出，曲線從上到下依次對應的參數(shù)ωo逐漸增大.

圖5 非高斯擾動下主汽壓力跟蹤誤差概率密度函數(shù)

Fig.5 Probability density function of tracking error of main steam pressure under non-Gaussian disturbance

一般情況下，ωo越大，ESO反應速度越快，觀測能力越強，但ESO對噪聲的敏感性也隨之增大，即系統(tǒng)的隨機性性能下降.從圖5可以看出，從下至上曲線形狀變得更尖，更窄，即隨著ωo的減小，系統(tǒng)抵抗隨機外擾的能力逐漸增強，隨機性性能逐漸改善.

分別用最小方差和最小信息熵2種基準對系統(tǒng)性能進行評價，結(jié)果見圖6.從圖6可以看出，當擾動為非高斯分布時，最小信息熵基準的評價結(jié)果與概率密度函數(shù)曲線所表現(xiàn)出的性能一致，即隨著ωo的減小而逐漸變好;而最小方差基準的評價結(jié)果則隨著ωo的減小而先上升再下降，與實際情況相矛盾.這一結(jié)果充分說明，在非高斯擾動下進行隨機性性能評價時不能選用最小方差指標，而應選用最小信息熵指標.

圖6 非高斯擾動下最小方差與最小信息熵基準評價結(jié)果對比

Fig.6 Comparison of evaluation results between the minimum variance and the minimum information entropy index under non-Gaussian disturbance

綜上可知，系統(tǒng)擾動分布在高斯型或非高斯型情況下，均能用最小信息熵指標對系統(tǒng)性能進行有效的評價；并且該方法不需估計系統(tǒng)延遲，計算量小，處理時間短，因此筆者選用最小信息熵基準作為綜合性能指標中隨機性性能的評價基準.

3.2.3 機爐協(xié)調(diào)控制系統(tǒng)綜合性能評價仿真

多變量控制系統(tǒng)的結(jié)構(gòu)復雜，控制器的設計和參數(shù)整定具有一定難度.例如ADRC，除擴張觀測器帶寬ωo需根據(jù)性能調(diào)整外，參數(shù)ωc和b0也需要根據(jù)具體控制要求來進行調(diào)整.通常，ωc越大，b0越小，控制器的控制作用越強，系統(tǒng)響應越快，但超調(diào)和震蕩會變大.所以，將這3個參數(shù)整定至最優(yōu)是有一定難度的.

選用式(23)所示的綜合性能指標作為目標函數(shù)對ADRC參數(shù)進行尋優(yōu)，即可找到兼顧確定性性能和隨機性性能的最優(yōu)控制器參數(shù).其中，確定性性能用式(22)來評價，評價時系統(tǒng)所施加的擾動為單位階躍擾動；高斯和非高斯擾動下隨機性性能皆用式(17)進行評價，式中ηsto-i選取最小信息熵為基準.評價時對系統(tǒng)施加均值為0、方差為0.8的高斯白噪聲擾動和服從(1,1.5)韋布爾分布的非高斯噪聲擾動.

采用線性遞減權(quán)重粒子群優(yōu)化算法，種群規(guī)模N=50，學習因子c1=2.3,c2=1.7，慣性權(quán)重的最大值ωmax=0.9,最小值ωmin=0.4，迭代次數(shù)M=50.尋優(yōu)得到的最優(yōu)參數(shù)見表2.得到該控制器參數(shù)下系統(tǒng)最優(yōu)綜合性能指標JADRC=39.375.

表2 自抗擾控制器最優(yōu)參數(shù)

為了比較不同控制策略的控制效果，選用文獻[17]中提出的內(nèi)模PI(IMC-PI)控制器對協(xié)調(diào)控制系統(tǒng)進行控制.同樣將式(23)作為目標函數(shù)，通過標準粒子群優(yōu)化算法對IMC-PI控制器參數(shù)進行尋優(yōu)，其中種群規(guī)模N=20，學習因子c1=2,c2=2，慣性權(quán)重ω=0.5，迭代次數(shù)M=50.尋優(yōu)得到的最優(yōu)控制器參數(shù)為：

N-μB回路：Kp1=7.37,Ti1=227.123

p-μT回路：Kp2=-5.03,Ti2=71.587

式中:Kp為比例系數(shù);Ti為積分時間常數(shù).此時系統(tǒng)的最優(yōu)綜合性能指標JIMC-PI=46.611.

對比JADRC與JIMC-PI可以看出，在整定至最優(yōu)參數(shù)的情況下，ADRC控制能達到更好的性能，即對于該協(xié)調(diào)控制系統(tǒng)選用ADRC控制策略的控制效果更好.

圖7和圖8給出了系統(tǒng)在2種控制器下的輸出階躍響應曲線，以及以主汽壓力回路為例的高斯和非高斯噪聲下跟蹤誤差概率密度函數(shù)曲線.

(a) 功率設定值階躍響應曲線

(b) 主汽壓力設定值階躍響應曲線圖7 2種控制策略下功率設定值和主汽壓力設定值的階躍響應曲線

Fig.7 Step response curves of power setpoint and main steam pressure setpoint under two control strategies

(a) 高斯擾動下

(b) 非高斯擾動下

圖8 2種控制策略在高斯擾動和非高斯擾動下的主汽壓力跟蹤誤差概率密度函數(shù)

Fig.8 Probability density function of tracking error of main steam pressure for two control strategies under Gaussian and non-Gaussian disturbances

從圖7可以看出，采用ADRC對協(xié)調(diào)系統(tǒng)進行控制能夠有效減少回路之間的耦合，調(diào)節(jié)時間相近，但超調(diào)量較小，整體的確定性性能有所提高.從圖8可以看出，2種控制策略在高斯擾動和非高斯擾動下的隨機性能較為接近，但IMC-PI控制稍勝一籌.通過綜合指標可以定量計算出ADRC控制的綜合性能更加優(yōu)越.

對于已經(jīng)設計好的控制系統(tǒng)，在運行一段時間后,由于受到各種因素的影響，其良好的性能會有所下降.將尋優(yōu)得到的綜合性能指標作為基準，即可對系統(tǒng)性能進行監(jiān)測與評估.

假設在運行過程中系統(tǒng)產(chǎn)生了過程特性變化或執(zhí)行機構(gòu)磨損等問題，知識模型產(chǎn)生了攝動.令式(24)中所有參數(shù)減小(增大)15%，計算當前系統(tǒng)的綜合性能指標，最后以最優(yōu)性能為基準計算性能下降的比例,結(jié)果見表3.

由表3可知，在模型參數(shù)攝動的情況下，自抗擾控制器的穩(wěn)健性更好.說明若選用自抗擾控制器對該系統(tǒng)進行控制，運行一段時間后其性能仍能滿足要求；若選用內(nèi)模PI控制器進行控制，則性能下降得較多，運行人員應對控制回路的運行狀態(tài)進行檢查與分析.

表3模型參數(shù)攝動時的系統(tǒng)性能指標

Tab.3Systemperformanceindexesduringperturbationofmodelparameters

控制器最優(yōu)值性能指標(參數(shù)減小15%)性能下降比例/%性能指標(參數(shù)增大15%)性能下降比例/%ADRC39.37541.856.343.8311.3IMC-PI46.61158.5225.654.1316.1

若要將所提出的單元機組協(xié)調(diào)控制系統(tǒng)應用到實際中，可選取系統(tǒng)在負荷指令發(fā)生變化時段的歷史運行數(shù)據(jù)進行評價.由于實際歷史運行數(shù)據(jù)既反映了系統(tǒng)輸出對設定值的跟蹤情況，又反映了系統(tǒng)對隨機噪聲干擾的抑制情況，因此可以直接通過一段時間內(nèi)的運行數(shù)據(jù)來計算控制系統(tǒng)的綜合性能.在進行評價前，需對數(shù)據(jù)進行預處理.如可采用趨勢項提取的方式，分離出數(shù)據(jù)的擾動項與趨勢項，通過擾動項數(shù)據(jù)可計算系統(tǒng)當前的隨機性性能指標，通過趨勢項數(shù)據(jù)可計算系統(tǒng)當前的確定性性能指標.

4 結(jié) 論

(1)根據(jù)協(xié)調(diào)控制系統(tǒng)具有非高斯多變量的特性，提出了基于等效開環(huán)傳遞函數(shù)的多變量控制系統(tǒng)性能評價方法，引入可計算系統(tǒng)在非高斯擾動下性能的最小信息熵性能指標解決這一問題.

(2)提出了一種根據(jù)子目標乘除法計算的綜合性能指標，這一指標能夠綜合反映系統(tǒng)確定性性能和隨機性性能.

(3)采用自抗擾控制和內(nèi)模PI控制2種控制策略對某300 MW燃煤直流爐再熱機組協(xié)調(diào)控制系統(tǒng)進行控制，以綜合性能指標為目標函數(shù)對2種控制器參數(shù)進行尋優(yōu)，得到了權(quán)衡系統(tǒng)確定性和隨機性的最優(yōu)參數(shù)以及性能指標，對比得出自抗擾控制器的綜合性能更強.以尋優(yōu)得到的最優(yōu)性能指標為基準，實現(xiàn)對系統(tǒng)在運行過程中的性能進行監(jiān)測，指導運行人員對系統(tǒng)進行操作.

[1] 孟慶偉, 房方, 劉吉臻. 一種熱工控制系統(tǒng)綜合性能的評價方法[J].中國電機工程學報, 2011, 31(23): 101-107.

MENG Qingwei, FANG Fang, LIU Jizhen. An assessment method for comprehensive performance of thermal control system[J].ProceedingsoftheCSEE, 2011, 31(23): 101-107.

[2] 田靖雨, 王印松, 李士哲, 等. 基于協(xié)方差指標的火電機組協(xié)調(diào)控制系統(tǒng)性能模糊評價方法[J].熱力發(fā)電, 2016, 45(2): 47-51.

TIAN Jingyu, WANG Yinsong, LI Shizhe, et al. Fuzzy assessment of performance of coordinated control system in thermal power unit based on covariance index[J].ThermalPowerGeneration, 2016, 45(2): 47-51.

[3] HUANG B, SHAH S L. Practical issues in multivariable feedback control performance assessment[J].JournalofProcessControl, 1998, 8(5/6): 421-430.

[4] XIA H, MAJECKI P, ORDYS A, et al. Performance assessment of MIMO systems based on I/O delay information[J].JournalofProcessControl, 2006, 16(4): 373-383.

[5] YU J, QIN S J. Statistical MIMO controller performance monitoring. Part I: data-driven covariance benchmark[J].JournalofProcessControl, 2008, 18(3/4): 277-296.

[6] ZHAO Y, SU H Y, CHU J,et al. Multivariable control performance assessment based on generalized minimum variance benchmark[C]//Proceedingsofthe48thIEEEConferenceonDecisionandControl,2009HeldJointlywiththe200928thChineseControlConference.Shanghai, China: IEEE, 2009: 1902-1907.

[7] 蔡宏斌, 蘇成利. PCA-LSSVM方法的控制系統(tǒng)性能評估[J].自動化儀表, 2014, 35(1): 10-14.

CAI Hongbin, SU Chengli.Performance assessment based on PCA-LSSVM for control system[J].ProcessAutomationInstrumentation, 2014, 35(1): 10-14.

[8] 楊全振,蘇成利. 基于主元回歸方法的多變量控制系統(tǒng)性能評估[J].化工自動化及儀表, 2013, 40(1): 8-11.

YANG Quanzhen,SU Chengli. Mutivariable control system performance assessment based on principal component regression method[J].ControlandInstrumentsinChemicalIndustry, 2013, 40(1): 8-11.

[9] KHAMSEH S A, SEDIGH A K, MOSHIRI B, et al. Control performance assessment based on sensor fusion techniques[J].ControlEngineeringPractice, 2016, 49: 14-28.

[10] MENG Q W, FANG F, LIU J Z. Minimum-information-entropy-based control performance assessment[J].Entropy, 2013, 15(3): 943-959.

[11] ZHOU J L, WANG X, ZHANG J F,et al. A new measure of uncertainty and the control loop performance assessment for output stochastic distribution systems[J].IEEETransactionsonAutomaticControl, 2014, 60(9): 2524-2529.

[12] ZHANG Jianhua, JIANG Man, CHEN Junghui.Minimum entropy-based performance assessment of feedback control loops subjected to non-gaussiandisturbances[J].JournalofProcessControl, 2014, 24(11): 1660-1670.

[13] VU T N L, LEE M. Independent design of multi-loop PI/PID controllers for interacting multivariable processes[J].JournalofProcessControl, 2010, 20(8): 922-933.

[14] 劉翔, 姜學智, 李東海, 等. 火電單元機組機爐協(xié)調(diào)自抗擾的控制[J].控制理論與應用, 2001, 18(增刊1): 149-152.

LIU Xiang, JIANG Xuezhi,LI Donghai,et al.Coordinated auto-disturbance-rejection control for boiler-turbine unit[J].ControlTheoryamp;Applications, 2001, 18(S1): 149-152.

[15] 馬永光, 李超, 馬良玉, 等. 1 000 MW超超臨界機組協(xié)調(diào)系統(tǒng)的線性自抗擾控制[J].動力工程學報, 2014, 34(8): 618-623.

MA Yongguang, LI Chao, MA Liangyu, et al. Linear active disturbance rejection control on coordinated system of a 1 000 MW ultra-supercritical power unit[J].JournalofChineseSocietyofPowerEngineering, 2014, 34(8): 618-623.

[16] 杜娟. 控制系統(tǒng)性能評價及優(yōu)化[D]. 北京: 華北電力大學, 2015.

[17] 孟慶偉, 劉吉臻, 王瑞琪, 等. 基于電網(wǎng)“兩個細則”的PI控制器優(yōu)化整定[J].電機與控制學報, 2013, 17(10): 91-96, 108.

MENG Qingwei, LIU Jizhen, WANG Ruiqi,et al."Two Documents" issued by the grid based optimal tuning of PI controller[J].ElectricMachinesandControl, 2013, 17(10): 91-96, 108.

ComprehensivePerformanceAssessmentonCoordinatedControlSystemofThermalPowerUnits

YUANGuili,LUSiyue,FANGFang

(School of Control and Computer Engineering, North China Electric Power University, Beijing 102206, China)

A performance evaluation method based on equivalent open-loop transfer function was proposed for the multi-variable coordination control system of thermal power units. Combined with the minimum information entropy index, this method is able to solve the problem that traditional multivariable performance assessment method cannot accurately evaluate the stochastic performance of the coordinated control system when the system is disturbed by non-Gaussian noise. By transforming the deterministic index of system into the scalar form, and by combining the sub goal multiplication and division with the stochastic performance, a comprehensive index of both deterministic performance and stochastic performance is then obtained, which can be used to guide the design of the coordinated controller. Taking the comprehensive index as the objective function, an optimal control performance could be acquired through optimization of the controller parameters. The performance of the coordinated control system in the thermal power unit was monitored and evaluated in the process of operation by using the optimal index as a benchmark. Simulation results show that for the coordinated control system, the comprehensive performance and robustness of the active disturbance rejection controller is better than those of internal model PI controllers.

coordinated control system; equivalent open-loop transfer function; minimum information entropy; active disturbance rejection control; performance evaluation

2016-10-27

2016-12-20

國家自然科學基金資助項目(61240037，51676068)

袁桂麗(1971-)，女，內(nèi)蒙古赤峰人，教授，博士，研究方向為先進控制策略及其應用、電力系統(tǒng)控制與優(yōu)化調(diào)度.

電話(Tel.):13521330721;E-mail：guili_yuan@163.com.

1674-7607(2017)11-0895-08

TP202

A

470.20