CN107065518B - 一种超临界机组协调预测函数控制算法 - Google Patents

Abstract

本发明公开了一种超临界机组协调预测函数控制算法。常规PID控制系统很难兼顾到负荷的快速性和压力、温度的稳定性，协调控制系统品质有待提高。本发明将预测函数控制应用于超临界机组协调控制系统的压力闭环回路，形成主汽压力预测函数控制系统；将调门指令和煤量指令作为整个压力系统的扰动信号源；将预测函数控制应用于超临界机组协调控制系统的温度控制回路，形成过热温度预测函数控制系统；将给水指令作为整个温度系统的扰动信号源。本发明提高了超临界机组协调系统的控制品质，兼顾了负荷的快速性和压力、温度的稳定性。

Description

一种超临界机组协调预测函数控制算法

技术领域

本发明涉及超(超)临界火电机组协调控制系统的控制，具体地说是一种基于导前扰动模型的超(超)临界机组协调预测函数控制算法。

背景技术

大型超(超)临界火电机组协调系统对象为具有强耦合的三输入三输出系统，压力控制对象和温度控制对象具有大迟延、大惯性和时变性，响应较慢；负荷控制对象具有快速性，它们之间具有很强的耦合性，构成了一个相互矛盾的统一。

正是由于上述控制对象的数学模型具有强耦合特性，常规PID控制系统很难兼顾到负荷的快速性和压力、温度的稳定性，协调控制系统品质有待提高。

发明内容

本发明所要解决的技术问题是克服上述现有技术存在的缺陷，提供一种基于导前扰动模型的超临界机组协调预测函数控制算法，以能够更好的适应工况需求和提高控制品质。

为此，本发明采用如下的技术方案：一种超临界机组协调预测函数控制算法，包括如下步骤：

1)将预测函数控制应用于超临界机组协调控制系统的压力闭环回路，形成主汽压力预测函数控制系统；将调门指令和煤量指令作为整个压力系统的扰动信号源，通过调门对压力的数学模型和煤量对压力的数学模型作用于主汽压力 预测函数控制系统，主通道采用给水对压力的数学模型；

根据主汽压力预测函数控制系统的数学模型获得最优控制律，在该最优控制律的基础上进行简化，将指数系数简化为乘数系数，将预测时域优化长度简化为预测调整系数，得到简化的最优控制律；

2)将预测函数控制应用于超临界机组协调控制系统的温度控制回路，形成过热温度预测函数控制系统；将给水指令作为整个温度系统的扰动信号源，通过给水对温度的数学模型作用于预测控制系统，主通道采用煤量对温度的数学模型；

根据过热温度预测函数控制系统的数学模型获得最优控制律，在该最优控制律的基础上进行简化，将指数系数简化为乘数系数，将预测时域优化长度简化为预测调整系数，得到简化的最优控制律。

锅炉、汽轮机系统可在给定的工况点下简化为一个具有强耦合的三输入三输出系统，其特性函数中都包含了大部分的惯性加迟延环节。本发明将预测函数控制应用于压力控制回路和汽温控制回路等带有迟延惯性环节的系统中，将优化算法应用于超临界机组协调控制系统，得到简化的最优控制律，控制效果证明了本发明算法的优良性能。基于本发明设计出的预测函数控制系统结构简单，参数调整方便，能够更好的适应工况需求，提高了控制品质。

进一步地，超临界机组协调控制系统的负荷闭环回路采用PID控制，负荷指令对煤量前馈系统采用基准线加微分的方式，煤量至水量采用惯性迟延方式。

进一步地，步骤1)中，

所述调门对压力的数学模型，用于近似调门对压力特性，其为

式中，K_tm2为模型增益，T_tm2为模型惯性时间，T_dtm2为模型纯迟延时间(s表示积分因子)；

所述煤量对压力的数学模型，用于近似煤量对压力特性，其为

式中，K_bm2为模型增益，T_bm2为模型惯性时间，T_dbm2为模型纯迟延时间；

所述给水对压力的数学模型，用于近似给水对压力特性，其为

式中，K_fm1为模型增益，T_fm1为模型惯性时间，T_dfm1为模型纯迟延时间。

进一步地，步骤1)中，

当采用一个基函数时，有：

u1(k+i)＝u1(k)，i＝1,2,…,H-1；

Bu(k+i)＝Bu(k)，i＝1,2,…,H-1；

Tu(k+i)＝Tu(k)，i＝1,2,…,H-1；

上述各式中，k表示采样时刻，H表示预测时域步长，u1为给水量预测指令，Bu为锅炉煤量指令，Tu为汽机调门控制指令；

各数学模型的预测输出为：

上述各式中，α_fm1为数学模型G_fm1(s)差分方程系数，α_bm2为数学模型G_bm2(s)差分方程系数，α_tm2为数学模型G_tm2(s)差分方程系数；

数学模型的总输出为：

y_m(k+H)＝y_fm1(k+H)+y_bm2(k+H)+y_tm2(k+H)，

根据优化指标的极值获得最优控制律为：

上式中，c1为压力设定值，β为系统期望闭环动态特性，y1(k)为被控量实际压力，y_fm1(k)为数学模型G_fm1(s)输出，y_bm2(k)为数学模型G_bm2(s)输出，y_tm2(k)为数学模型G_tm2(s)输出，y_pm(k)为y_fm1(k)、y_bm2(k)和y_tm2(k)叠加后的输出， T_s为采样周期，T_R为参考轨迹时间常数；

进一步地，步骤1)中的预测调整系数包括参考轨迹预测调整系数b和控制预测调整系数a，简化的最优控制律如下：

调整预测调整系数实现对超临界机组协调对象的优化控制。

进一步地，步骤2)中，

所述给水对温度的数学模型，用于近似给水对温度特性，其为

式中，K_m2为模型增益，T_m2为模型惯性时间，T_dm2为模型纯迟延时间；

所述煤量对温度的数学模型，用于近似煤量对温度特性，其为

式中，K_m1为模型增益，T_m1为模型惯性时间，T_dm1为模型纯迟延时间。

进一步地，步骤2)中，

当采用一个基函数时，有：

u2(k+i)＝u2(k)，i＝1,2,…,H-1；

fw(k+i)＝fw(k)，i＝1,2,…,H-1；

上述各式中，k表示采样时刻，H表示预测时域步长，u2为给煤量预测指令，fw为锅炉水量指令；

各数学模型的预测输出为：

上述各式中，α_m1为数学模型G_m1(s)差分方程系数，α_m2为数学模型G_m2(s)差分方程系数；

数学模型的总输出为：

y_m(k+H)＝y_m1(k+H)+y_m2(k+H)，

根据优化指标的极值获得最优控制律为：

上式中，c2为温度设定值，β为系统期望闭环动态特性，y2(k)为被控量实际温度，y_m1(k)为数学模型G_m1(s)输出，y_m2(k)为数学模型G_m2(s)输出，y_m(k)为y_m1(k)和y_m2(k)叠加后的输出，T_s为采样周期，T_R为参考轨迹时间常数；

进一步地，步骤2)中的预测调整系数包括参考轨迹预测调整系数b和控制预测调整系数a，简化的最优控制律如下：

调整预测调整系数实现对超临界机组协调对象的优化控制。

本发明具有以下有益效果：有效缓解了锅炉和汽机之间的耦合作用；保证了煤水之间的匹配，实现了负荷快速响应的同时，温度、压力保持平稳；提高了超(超)临界机组协调系统的控制品质，兼顾了负荷的快速性和压力、温度的稳定性。

附图说明

图1为常规带扰动预测函数控制系统原理图(图中，c为设定值，y_r为参考轨迹，u为最优控制量，D为扰动信号源，y_m2为扰动模型G_m2(s)输出，y_m1为对象模型G_m1(s)输出，y_m为模型总输出，y为被控对象输出，W(s)为被控对象传递函数，W_D(s)为扰动通道传递函数。)

图2为本发明预测函数控制系统的原理图(图中，c1为压力设定值，y_r1为压力参考轨迹，u1为给水量预测指令，c2为温度设定值，y_r2为温度参考轨迹，u2为给煤量预测指令，ff为负荷至煤量前馈信号，Bu为锅炉煤量指令，fw为锅炉水量指令，Tu为汽机调门控制指令，y_tm2为调门对压力数学模型输出，y_bm2为煤量对压力数学模型输出，y_fm1为给水对压力数学模型输出，y_pm为压力数学模型总输出，y₁为实际压力信号,y_m2为给水对温度数学模型输出，y_m1为煤量对温度数学模型输出，y_m为温度数学模型总输出，y₂为实际温度信号，y₀为实际负荷信号。)

图3为本发明负荷响应曲线(图中A为负荷设定值，B为负荷响应曲线)

图4为本发明压力响应曲线(图中A为压力响应曲线，B为压力设定值)。

图5为本发明温度响应曲线(图中A为温度设定值，B为温度响应曲线)。

具体实施方式

下面结合说明书附图和具体实施方式对本发明作进一步说明。

一、常规带扰动预测函数控制算法

根据图1，当控制系统的外部扰动信号可测时，可以通过试验确定系统的扰动模型，此时系统具有两个模型，即对象通道模型G_m1(s)和扰动通道模型G_m2(s)，假定均为一阶加迟延模型，即：

当采用一个基函数时，有：

u(k+i)＝u(k)i＝1,2,…,H-1

D(k+i)＝D(k)i＝1,2,…,H-1 (3)

各通道的预测输出为：

模型输出为：

y_m(k+H)＝y_m1(k+H)+y_m2(k+H) (5)

根据优化指标的极值可以获得最优控制律为：

二、超临界机组协调预测函数控制系统设计

对于超(超)临界机组，在锅炉燃烧正常、给水正常和发电机励磁系统正常工作的前提下，锅炉、汽轮机系统可在给定的工况点下简化为一个具有强耦合的三输入三输出系统：

其中：ΔN为机组电功率变化量；ΔP为机前压力变化量；ΔT为机组过热度变化量；Δμ为汽机调门开度变化量；ΔB为煤量变化量；ΔW为给水变化量；根据试验可以确定式(7)中各函数的形式，其中G₁₁可近似为微分环节，G₁₂、G₁₃、G₂₁、G₂₂、G₂₃、G₃₂、G₃₃可近似为惯性加迟延环节。

根据图2，G_tm2是调门对压力的数学模型用来近似调门对压力特性，G_bm2是煤量对压力的数学模型用来近似煤量对压力特性，G_fm1是给水对压力的数学模型用来近似给水对压力特性；G_m2是给水对温度的数学模型用来近似给水对温度特性，G_m1是煤量对温度的数学模型用来近似煤量对温度特性。

本发明为一种基于预测函数系统的超(超)临界机组协调控制算法，其中主汽压力采用预测函数控制PFC1，计算出的控制量u1为给水量预测指令；分离器出口过热温度采用预测函数控制PFC2，计算出的控制量u2为给煤量预测指令。

锅炉主控指令的计算为：通过给水量预测指令u1的反算函数f1(x)计算出对应的煤量，再叠加煤量基准线f2(x)、煤量前馈ff和给煤量预测指令u2计算出总煤量指令Bu；其中煤量基准f2(x)的输入负荷指令叠加压力偏差的PID2修正输出。

给水指令的计算为：煤量基准线f2(x)叠加煤量前馈ff后经惯性环节得出给水量信号，再叠加给水量预测指令u1最终获得给水指令fw。

汽机调门的指令计算为：负荷偏差经控制器PID1后计算获得汽机调门指令。

在主汽压力预测函数控制系统中，将调门指令和煤量指令作为整个压力系统的扰动信号源，通过调门对压力的数学模型和煤量对压力的数学模型作用于预测控制系统，主通道采用给水对压力的数学模型，对照图2可以推导出主汽压力预测函数控制的最优控制律。当控制系统的外部扰动信号可测时，即为调门指令Tu和锅炉主控指令Bu，此时系统具有三个模型，即控制通道模型G_fm1(s)和扰动通道模型G_bm2(s)和G_tm2(s)，假定均为一阶加迟延模型，即：

当采用一个基函数时，有：

u1(k+i)＝u1(k)i＝1,2,…,H-1

Bu(k+i)＝Bu(k)i＝1,2,…,H-1

Tu(k+i)＝Tu(k)i＝1,2,…,H-1 (11)

各通道的预测输出为：

模型总输出为：

y_m(k+H)＝y_fm1(k+H)+y_bm2(k+H)+y_tm2(k+H) (13)

根据优化指标的极值可以获得最优控制律为：

本发明在上述最优控制律的基础进行简化设计，将指数系数简化为乘数系数，将预测时域优化长度简化为预测调整系数，分别为参考轨迹预测调整系数b和控制预测调整系数a，经简化后设计出的最优控制律如下：

在上式中，T_s为采样周期，T_R为参考轨迹时间常数，一般设置为4～12秒；在调整控制系统品质时，只需调整预测调整系数a和b，便可获得良好的控制品质。

在过热温度预测函数控制回路中，将给水指令作为整个温度系统的扰动信号源，通过给水对温度的数学模型作用于预测控制系统，主通道采用煤量对温 度的数学模型，对照图2可以推导出主汽压力预测函数控制的最优控制律。当控制系统的外部扰动信号可测时，即为给水指令fw，此时系统具有两个模型，即控制通道模型G_m1(s)和扰动通道模型G_m2(s)，假定均为一阶加迟延模型，即：

当采用一个基函数时，有：

u2(k+i)＝u2(k)i＝1,2,…,H-1

fw(k+i)＝fw(k)i＝1,2,…,H-1 (18)

各通道的预测输出为：

模型输出为：

y_m(k+H)＝y_m1(k+H)+y_m2(k+H) (20)

根据优化指标的极值可以获得最优控制律为：

本发明在上述最优控制律的基础进行简化设计，将指数系数简化为乘数系数，将预测时域优化长度简化为预测调整系数，分别为参考轨迹预测调整系数b和控制预测调整系数a，经简化后设计出的最优控制律如下：

在上式中，T_s为采样周期，T_R为参考轨迹时间常数，一般设置为4～12秒；在调整控制系统品质时，只需调整预测调整系数a和b，便可获得良好的控制品质。

三、本发明算法控制效果

将本发明的控制算法应用于某1000MW超临界机组协调控制系统，进行仿真研究。根据式(7)协调对象的各传递函数特性为

G₃₁(s)＝0 (25)

汽机主控采用PI控制，比例系数为1，积分系数为0.1；前馈信号采用负荷指令折算的煤量基准信号与微分之和。

采用图2所示的系统，在主汽压力预测函数控制系统中对调门对压力的特性、煤量对压力和给水对压力的特性进行拟合简化，得到等效的一阶加纯迟延对象模型；在过热温度预测函数控制系统中对给水对温度的特性、煤量对温度 的特性进行拟合简化，得到等效的一阶加纯迟延对象模型；

煤量对压力的预测模型为：

调门对压力的预测模型为：

给水对压力的预测模型为：

给水对温度的预测模型为：

煤量对温度的预测模型为：

主汽压力PFC1控制的三个预测模型取为：K_fm1＝0.008，T_fm1＝30，T_dfm1＝80；K_bm2＝0.012，T_bm2＝500，T_dbm2＝200；K_tm2＝-0.35，T_tm2＝85，T_dtm2＝20；PFC 1采用一个基函数，采样周期设置为6，参考轨迹时间常数12，参考轨迹预测调整系数12，控制预测调整系数2.5。过热温度PFC2控制的两个预测模型取为：K_m1＝0.5，T_m1＝500，T_dm1＝240；K_m2＝-0.2，T_m2＝90，T_dm2＝120。PFC采用一个基函数，采样周期设置为6，参考轨迹时间常数10，参考轨迹预测调整系数4，控制预测调整系数4；进行控制系统负荷变动实验，将负荷指令变化260MW获得的负荷和压力控制响应曲线如图3、图4、图5所示：图3中负荷偏差在±2MW以内，图4中压力偏差在+0.1/-0.2MPa以内，图5中温度偏差在+2.5/-1℃以内。

Claims (5)

1.一种超临界机组协调预测函数控制算法，其特征在于，包括如下步骤：

1)将预测函数控制应用于超临界机组协调控制系统的压力闭环回路，形成主汽压力预测函数控制系统；将调门指令和煤量指令作为整个压力系统的扰动信号源，通过调门对压力的数学模型和煤量对压力的数学模型作用于主汽压力预测函数控制系统，主通道采用给水对压力的数学模型；

根据主汽压力预测函数控制系统的数学模型获得最优控制律，在该最优控制律的基础上进行简化，将指数系数简化为乘数系数，将预测时域优化长度简化为预测调整系数，得到简化的最优控制律；

2)将预测函数控制应用于超临界机组协调控制系统的温度控制回路，形成过热温度预测函数控制系统；将给水指令作为整个温度系统的扰动信号源，通过给水对温度的数学模型作用于预测控制系统，主通道采用煤量对温度的数学模型；

根据过热温度预测函数控制系统的数学模型获得最优控制律，在该最优控制律的基础上进行简化，将指数系数简化为乘数系数，将预测时域优化长度简化为预测调整系数，得到简化的最优控制律；

步骤1)中，所述调门对压力的数学模型，用于近似调门对压力特性，其为

式中，K_tm2为模型增益，T_tm2为模型惯性时间，T_dtm2为模型纯迟延时间；

所述煤量对压力的数学模型，用于近似煤量对压力特性，其为：

式中，K_bm2为模型增益，T_bm2为模型惯性时间，T_dbm2为模型纯迟延时间；

所述给水对压力的数学模型，用于近似给水对压力特性，其为：

式中，K_fm1为模型增益，T_fm1为模型惯性时间，T_dfm1为模型纯迟延时间；

步骤1)中，当采用一个基函数时，有：

u1(k+i)＝u1(k)，i＝1,2,…,H-1；

Bu(k+i)＝Bu(k)，i＝1,2,…,H-1；

Tu(k+i)＝Tu(k)，i＝1,2,…,H-1；

上述各式中，k表示采样时刻，H表示预测时域步长，u1为给水量预测指令，Bu为锅炉煤量指令，Tu为汽机调门控制指令；

各数学模型的预测输出为：

上述各式中，α_fm1为数学模型G_fm1(s)差分方程系数，α_bm2为数学模型G_bm2(s)差分方程系数，α_tm2为数学模型G_tm2(s)差分方程系数；

数学模型的总输出为：

y_m(k+H)＝y_fm1(k+H)+y_bm2(k+H)+y_tm2(k+H)，

根据优化指标的极值获得最优控制律为：

上式中，c1为压力设定值，β为系统期望闭环动态特性，y1(k)为被控量实际压力，y_fm1(k)为数学模型G_fm1(s)输出，y_bm2(k)为数学模型G_bm2(s)输出，y_tm2(k)为数学模型G_tm2(s)输出，y_pm(k)为y_fm1(k)、y_bm2(k)和y_tm2(k)叠加后的输出，T_s为采样周期，T_R为参考轨迹时间常数；

步骤1)中的预测调整系数包括参考轨迹预测调整系数b和控制预测调整系数a，简化的最优控制律如下：

2.根据权利要求1所述的超临界机组协调预测函数控制算法，其特征在于，

超临界机组协调控制系统的负荷闭环回路采用PID控制，负荷指令对煤量前馈系统采用基准线加微分的方式，煤量至水量采用惯性迟延方式。

3.根据权利要求1或2所述的超临界机组协调预测函数控制算法，其特征在于，步骤2)中，

所述给水对温度的数学模型，用于近似给水对温度特性，其为

式中，K_m2为模型增益，T_m2为模型惯性时间，T_dm2为模型纯迟延时间；

所述煤量对温度的数学模型，用于近似煤量对温度特性，其为

式中，K_m1为模型增益，T_m1为模型惯性时间，T_dm1为模型纯迟延时间。

4.根据权利要求3所述的超临界机组协调预测函数控制算法，其特征在于，步骤2)中，

当采用一个基函数时，有：

u2(k+i)＝u2(k)，i＝1,2,…,H-1；

fw(k+i)＝fw(k)，i＝1,2,…,H-1；

上述各式中，k表示采样时刻，H表示预测时域步长，u2为给煤量预测指令，fw为锅炉水量指令；

各数学模型的预测输出为：

上述各式中，α_m1为数学模型G_m1(s)差分方程系数，α_m2为数学模型G_m2(s)差分方程系数；

数学模型的总输出为：

y_m(k+H)＝y_m1(k+H)+y_m2(k+H)，

根据优化指标的极值获得最优控制律为：

上式中，c2为温度设定值，β为系统期望闭环动态特性，y2(k)为被控量实际温度，y_m1(k)为数学模型G_m1(s)输出，y_m2(k)为数学模型G_m2(s)输出，y_m(k)为y_m1(k)和y_m2(k)叠加后的输出，T_s为采样周期，T_R为参考轨迹时间常数；

5.根据权利要求4所述的超临界机组协调预测函数控制算法，其特征在于，步骤2)中的预测调整系数包括参考轨迹预测调整系数b和控制预测调整系数a，简化的最优控制律如下：