閆修峰，宗珂，何修年，高林，秦斌，王明坤，惠文濤

（1.華電鄒縣發(fā)電有限公司，山東省 鄒城市 273522；2.西安熱工研究院有限公司，陜西省 西安市 710054）

0 引言

對于燃煤機組，主汽溫和再熱汽溫是評價鍋爐運行安全性和經濟性的重要指標之一。為了實現(xiàn)火電行業(yè)節(jié)能減排的目標，燃煤機組逐漸向著高參數(shù)、大容量的方向發(fā)展，提升主汽溫和再熱汽溫可以有效提高機組的循環(huán)效率。然而，隨著我國能源結構的轉型，新能源的大規(guī)模并網使常規(guī)燃煤機組需承擔越來越多的調峰、調頻任務，超溫爆管等現(xiàn)象普遍成為制約超(超)臨界機組提升變負荷速率的核心瓶頸。

減溫水系統(tǒng)通常是針對汽溫異?；蚴鹿是闆r設計的，但在機組快速調峰、調頻的響應過程中，減溫水控制逐漸被迫成為動態(tài)過程鍋爐壁溫和蒸汽溫度控制的常用手段。

由于鍋爐汽溫具有非線性、大慣性和滯后性等特性，使得減溫水控制面臨巨大挑戰(zhàn)，以過熱汽溫為例，采用常規(guī)的串級控制器往往達不到較好的控制效果。目前，國內外學者針對汽溫大慣性和大延遲系統(tǒng)控制開展了大量研究，并提出許多先進的控制策略?，F(xiàn)代先進控制算法中，模型預測控制(model prediction control，MPC)[1-2]和Smith預估控制[3-4]等常被用于改進汽溫控制。模型預測、神經網絡等高級算法對模型誤差比較敏感，盡管對減溫水控制及其目標系統(tǒng)進行建模的研究較多[5-10]，但由于實際系統(tǒng)具有較強的非線性、測量不確定性和時變特性，使實際應用過程難以解決模型失配問題。此外，逆神經控制器[7]和回歸支持向量機[8]也用于減溫水控制的研究，然而這些方法大多用于仿真環(huán)境，難以長期保持實際效果，限制了其在實際控制中的應用。本文在前述研究基礎上，從噴水減溫對象系統(tǒng)工藝特點出發(fā)，提出局部Smith預估校正汽溫控制策略，規(guī)避了算法的模型失配風險同時，有效改善了控制性能。

1 減溫水系統(tǒng)非線性特性分析

過熱汽溫一般采用串級控制，再熱汽溫一般采用單回路控制，均設有減溫噴水裝置。換熱器的減溫水結構示意圖如圖1所示。

圖1 減溫水結構示意圖Fig.1 Schematic diagram of desuperheating water struc‐ture

換熱器出口汽溫目標設定值為T?2，減溫器出口混合汽溫T1作為輔助變量，共同構成經典串級比例-積分-微分(proportion-integral-differential，PID)控制模型，如圖2所示。其中：PID1和PID2分別為串級控制的主調節(jié)器和副調節(jié)器；G1(s)為減溫水與高溫蒸氣混合過程的傳遞函數(shù)；G2(s)為換熱器傳熱過程的傳遞函數(shù)；D1(s)為過熱蒸汽的外部擾動；D2(s)為煙氣側的外部擾動。該控制方法被廣泛地應用于汽溫控制。

圖2 汽溫控制系統(tǒng)串級PID控制模型Fig.2 Cascade PID control model of steam temperature control system

流動與換熱過程使減溫噴水控制成為典型的大慣性與大延遲系統(tǒng)，各種先進控制方法被用來嘗試代替?zhèn)鹘y(tǒng)的PID控制。

Smith預測控制在大時滯對象的控制中非常流行[11-13]，并能體現(xiàn)出較優(yōu)的控制效果。Simith預估校正控制模型如圖3所示，為了避免系統(tǒng)大慣性大延遲對控制造成的不必要振蕩，通過帶有延遲的Gb(s)將控制器輸出反饋至輸入，以補償實際系統(tǒng)輸出反饋的慣性與延遲作用，從而提高系統(tǒng)的控制穩(wěn)定性。

圖3 Simith預估校正控制模型Fig.3 Smith predictive control model

該校正作用的核心在于利用系統(tǒng)近似的響應模型Gb(s)盡可能抵消控制大慣性、大延遲的影響，因此Gb(s)與G1(s)、G2(s)的相似性極為關鍵。

實踐經驗表明，減溫水閥流量非線性和噴水流量測量不確定性是制約模型預測控制等技術應用的關鍵問題。一方面，減溫水閥的實際運行特性隨機組運行工況的變化而變化；另一方面，對于大多數(shù)機組，小開度、頻繁開關是閥門的常態(tài)，這會加速閥門發(fā)生氣蝕等缺陷，從而改變閥門特性。同時，減溫水流量的測量往往偏離孔板流量計的測量線性區(qū)域。因此，減溫水流量作為一個關鍵參數(shù)，并不能滿足精確控制的要求，在建模精確度和模型應用上都存在較大偏差。

綜上所述，受減溫水閥門的非線性、測量不確定性和時變特性的影響，其流量特性很難建立精確的模型用于模型預測控制方法，這就是Smith預估等依賴模型精度的控制方法和人工神經網絡控制難以直接用于減溫噴水控制的主要原因之一。

2 基于局部Simith預估的混合控制模型

本文提出了一種基于串級和局部Smith預估校正的混合控制模型，如圖4所示。為了保證模型預測控制的實際應用、提高模型精度，將減溫水與高溫蒸氣混合過程G1(s)的模型分離出來，構建減溫水與高溫蒸氣混合后流經過熱器/再熱器進行換熱的局部Smith預估模型。

圖4 混合控制模型Fig.4 Hybrid control model

在具有可靠性的串級控制的基礎上，通過混合后溫度T1進行Smith預測校正出口溫度偏差，以解決傳熱部分G2(s)的大慣性和大延遲問題，從而提高原有的串級控制性能。

減溫水與高溫蒸氣混合后流經過熱器/再熱器進行換熱，這一換熱過程主要由慣性環(huán)節(jié)和延遲環(huán)節(jié)組成。忽略鍋爐穩(wěn)態(tài)工況下傳熱能力的變化，混合后蒸汽溫度T1與出口溫度T2之間的模型可化簡為經典的一階慣性模型和純延遲模型，將模型誤差考慮為3個等效模型參數(shù)，即增益、慣性時間和延遲時間。

構建局部Smith預估動態(tài)模型為

式中：Km為動態(tài)模型增益；Tm為動態(tài)模型慣性時間常數(shù)；τm為動態(tài)模型延遲時間常數(shù)。

此外，局部Smith預估回路可以與串級PID控制器或者一些其他控制器分開使用。

將辨識后的局部Smith預估模型的仿真結果與記錄數(shù)據(jù)進行對比，如圖6所示。通過對仿真曲線與4 h左右的實測數(shù)據(jù)進行比較，可以看出二者達到了良好的一致性，即使在某段時間內存在一定的偏差，曲線的波動趨勢仍能與試驗數(shù)據(jù)很好地吻合，有助于控制器準確地預估換熱器出口溫度。

圖6 仿真結果和測量數(shù)據(jù)的比較Fig.6 Comparison of estimated simulation results and test data

3 參數(shù)辨識與模型驗證

針對某超臨界燃煤直流鍋爐高溫過熱器進行了試驗研究，在鍋爐狀態(tài)基本穩(wěn)定情況下，記錄4 h左右的數(shù)據(jù)，如圖5所示。

圖5 某超臨界燃煤直流鍋爐過熱器的試驗數(shù)據(jù)Fig.5 Test data of a superheater in a supercritical coal-fired once-through boiler

采用最小二乘參數(shù)辨識方法[14-15]，以T1為輸入，T2為輸出，辨識局部Smith預估模型參數(shù)，

4 混合控制模型應用

辨識的參數(shù)如表1所示。

表1 辨識的模型參數(shù)Tab.1 Identified model parameters

本文設計的混合控制模型在1 000 MW超超臨界鍋爐減溫水控制中進行實際應用，與經典的串級控制相比，結合局部Smith預估校正可以為減溫水控制獲得更好的效果。圖7顯示了其在1 000 MW超超臨界鍋爐上的應用效果，與原串級PID控制相比，本文提出的基于串級與局部Smith預估校正的混合模型控制可以隨著機組運行工況的變化有效地改善汽溫控制性能，最大控制偏差快速回落至±5℃之內。

圖7 混合控制模型在1 000 MW直流鍋爐中的應用Fig.7 Application of the proposed hybrid control model in an ultra-suppercritical 1 000 MWonce-through boiler

通過增益因子Km可以調整預測校正的強度。與其他改進的控制器相比，本文提出的方法更簡單，更易于現(xiàn)場調試。

5 結論

在普遍提升燃煤機組快速調峰、調頻響應靈活性需求的大背景下，將汽溫快速地控制在合理的范圍區(qū)間是關鍵的核心瓶頸之一。為此，提出了一種基于串級與局部Smith預估的混合控制模型，并于1 000 MW超超臨界鍋爐減溫水系統(tǒng)中進行應用，結果表明：

1）該方法高效、易用、穩(wěn)定，可有效地改善汽溫控制性能，達到良好的控制效果。

2）該模型能有效地解決模型預測控制方法無法應用于實際控制的難題，同時通過局部Smith預估可以獲得較為精確的預估模型，從而指導超前減溫水的控制，有效地提高經典串級PID的控制效果，獲得更好的汽溫控制指標。