CN1834408A - 涡轮机起动控制器及涡轮机起动控制方法 - Google Patents

Abstract

一种涡轮机起动控制器，其包括：最优起动控制单元，用于预测从当前到未来的预测周期内在涡轮机转子中产生的热应力，同时将作为直接受控变量的涡轮机加速率/负载增加率用作变量，以及用于为每个控制周期计算在预测周期内的受控变量最优转变模式，其使得涡轮机起动时间最短，同时保持预测的热应力等于或低于预定值，并且还用于将当前的受控变量最优转变模式中的值确定为实际最优受控变量；以及用于控制控制阀的驱动的rpm/负载控制单元，其中，将来自最优起动控制模块的最优受控变量输入到所述rpm/负载控制单元中。

Description

涡轮机起动控制器及涡轮机起动控制方法

技术领域

本发明涉及一种涡轮机起动控制器，其可以在最短时间内起动涡轮机，同时将涡轮转子内的热应力保持在预定值或小于预定值，本发明还涉及一种用于该涡轮机起动控制器的起动控制方法。

背景技术

通常，当起动汽轮机时，由于流入蒸汽温度的增加以及蒸汽流速的增加导致蒸汽和转子之间的导热率提高，因此涡轮转子的表面金属温度就会升高。在表面温度升高后的一个时间，由于来自转子表面的热量的传导，涡轮转子的内部温度会升高。由此在涡轮转子内部产生温度分布的偏差，这将引起热应力。由于过多的热应力会显著减少涡轮转子的寿命，因此必须将生成的热应力的值限制在合适的值或在该合适的值以下。

另一方面，近年来需要发电厂的汽轮机快速和频繁的起动/停止工作。不必要地快速起动涡轮机会使得过多的热应力被施加在涡轮机转子上。因此，在起动汽轮机时，需要进行涡轮机起动控制，从而使得一次涡轮机起动对转子寿命的损耗较适当，同时使涡轮机转子上的热应力保持在限定值(预定值)内。

另外，已知可以根据当时的热应力峰值的大小和次数来得到汽轮机一次起动对寿命的损耗。

日本专利特开平(KOKAI)公开No.HEI 9-317404说明了一种用于控制汽轮机的起动的设备，该设备通过将涡轮机转子上的热应力限定在预定值或以下而使汽轮机的起动时间最小化。

为了实现汽轮机的最佳起动，公开的涡轮机起动控制器包括最优模式计算模块、热应力预测模块、模式校正模块以及受控变量调节模块，形成一种级联(cascade)结构，其中由最优模式计算模块、热应力预测模块、以及模式校正模块计算得到的计算值用作受控变量调节模块的设定值。

该传统的涡轮机起动控制器具有用于反馈计算受控变量调节模块中的受控变量的热应力预测起动控制功能，从而使得通过将基于预测热应力计算得到的最优转子表面温度转变模式(transition pattern)用作设定值，设备(plant)状态变量的测量值，例如涡轮机转子的温度，与该设定值相匹配。通过涡轮机控制器基于来自受控变量调节模块的受控变量对流速调节阀进行驱动控制，从而控制汽轮机的起动。

在传统的涡轮机起动控制器中，优化计算的对象是设备状态变量，例如涡轮机转子的第一级金属温度等，提供受控变量调节模块以计算涡轮机加速率/负载增加率，作为最终的受控变量。但是，因为设备状态变量中的偏差，所以难以确定受控变量(涡轮机加速率/负载增加率)，所述偏差可以使得不能得到满意的最优化的性能。

尽管为确定受控变量，通常受控变量调节模块考虑P控制或PI控制，但是难以从理论上确定控制增益，该增益用于根据设备状态变量的偏差计算作为最终的受控变量的涡轮机加速率/负载增加率。

因此，使用所述汽轮机的起动控制，难以在没有时间延迟的情况下使设备状态变量与通过优化计算得到的设备状态变量设定值相匹配，这使得在最短时间内起动涡轮机的最初目标难以满意地实现，根据所述起动控制，通过涡轮机控制器基于由受控变量调节模块计算得到的受控变量来控制所述控制阀的驱动。

另外，在传统的涡轮机起动控制器中，通过最优模式计算模块计算从当前到未来的预定的预测周期内设备状态变量的最优转变模式，计算的最优转变模式中的当前的计算值(设定值)用于由受控变量调节模块确定受控变量。因此，在最优模式计算模块中的优化计算是一种计算，其中，将从当前到未来的预测周期上的每个时间步中的设备状态变量作为变量，从而使得如果预测周期由m个时间步组成，则意味着就会对m个变量的优化问题进行计算。涉及多变量优化的计算导致过高的计算负担(计算复杂性)，而过高的计算复杂性使得难以进行商业化应用，即难以应用于实际的涡轮机控制器。

发明内容

设计本发明以便基本上消除上述现有技术中遇到的缺陷或缺点，并且本发明的目的是提供一种涡轮机起动控制器以及用于该涡轮机起动控制器的起动控制方法，其可以对涡轮机转子中的热应力进行预测，同时将涡轮机加速率/负载增加率作为变量，所述涡轮机加速率/负载增加率是直接受控变量，并且基于预测的热应力执行优化计算，从而实现提高涡轮机的最优起动控制的精确性，并且也可以使得能够获得高准确度和高可靠性的受控变量。

本发明的另一目的在于提供一种涡轮机起动控制器以及用于该涡轮机起动控制器的起动控制方法，根据该方法通过减少优化计算的变量使得最优化计算得以简化，该最优化计算假定涡轮机加速率/负载增加率为常量，由此使得能够在计算复杂性相对小的情况下迅速得到最优受控变量。

本发明另一目的在于提供一种涡轮机起动控制器以及用于该涡轮机起动控制器的起动控制方法，通过相对于在多个预置点中的每个预置点的涡轮机加速率/负载增加率，计算预测的热应力的最大值，并且通过线性内插法执行逆运算以获得最优涡轮机加速率/负载增加率，使得可以在不使用重复计算的情况下，通过直接的、确定性的计算获得准-最优解决方案的高准确度的受控变量。

为了解决上述问题，根据本发明，提供了一种通过使用控制阀来调节并控制流入涡轮机的蒸汽或气体的量的涡轮机起动控制器，该控制器包括：最优起动控制单元，用于在将作为直接受控变量的涡轮机加速率/负载增加率用作变量时，预测从当前到未来的预测周期内在涡轮机转子中产生的热应力，为每个控制周期计算在预测周期内的受控变量最优转变模式，其使得涡轮机起动时间最短，同时保持预测的热应力等于或低于预定值，并且将当前的在受控变量最优转变模式中的值确定为实际的最优受控变量；以及用于控制控制阀的动作的rpm/负载控制单元，将来自最优起动控制单元的最优受控变量输入到其中。

在本发明上述方面的优选实施例中，最优起动控制单元可以包括：导热率预测模块，用于预测从现在到未来的预测周期内的导热率，同时将涡轮机加速率/负载增加率的直接受控变量用作变量；第一级金属温度预测模块，用于基于来自导热率预测模块的预测的导热率以及当前的测量的第一级金属温度来预测在该预测周期内的第一级金属温度的变化率；热应力预测模块，用于基于来自第一级金属温度预测模块的第一级金属温度的预测的变化率来预测在涡轮机转子中产生的热应力；以及优化计算模块，用于为每个控制周期计算在设备工作条件的约束下的使得涡轮机起动时间最短、同时保持预测的热应力等于或低于预定值的预测周期内的受控变量最优转变模式，并且该优化计算模块被配置成将当前在受控变量最优转变模式中的值确定成实际的最优受控变量。

此外，该最优起动控制单元还可以包括第一级蒸汽温度预测模块，其用于预测预定的从现在到未来的预测周期内的第一级蒸汽温度。

此外，最优起动控制单元可以形成一个闭合的优化计算循环，该循环由导热率预测模块、第一级金属温度预测模块、热应力预测模块以及优化计算模块组成，优化计算模块将当前在受控变量最优转变模式中的受控变量输出到rpm/负载控制单元中，作为最优涡轮机加速率/负载增加率。

此外，包含在最优起动控制单元中的优化计算模块可以被配置成：通过假定在预测周期内的涡轮机加速率/负载增加率为常量，以减少由优化计算模块进行的优化计算的变量的个数，从而简化优化计算。

此外，最优起动控制单元可以包括导热率预测模型修改模块，用于基于每个控制周期的测量的设备值，来调整基于热应力预测模块中的受控变量的导热率预测模型。

此外，最优起动控制校正模块可以进一步设置在最优起动控制单元的输出侧。该最优起动控制校正模块被设置成接收设备约束条件的输入，并且校正由最优起动控制单元计算的最优受控变量或设备起动进度表，其中在发电设备工作条件的约束下，最优起动控制单元并不考虑所述设备约束条件。

此外，为了解决上述问题，根据本发明的另一方面，提出一种使用控制阀来调节并控制流入涡轮机内的蒸汽或气体的量的涡轮机起动控制方法，该方法包括：热应力预测步骤，用于相对于假定的受控变量，预测从当前到未来的预测周期内在涡轮机转子中产生的热应力；以及优化计算步骤，用于为每个预定的控制周期计算在设备工作条件的约束下的受控变量最优化转变模式，同时保持预测的热应力等于或低于预定值。在该优化计算步骤中，将当前的受控变量最优化转变模式中的值确定成实际的最优受控变量。

此外，在以上方面中，涡轮机起动控制方法还可以包括导热率预测步骤，用于基于来自优化计算步骤的优化过程中的受控变量来预测在所述预测周期内的导热率；以及第一级金属温度预测步骤，用于根据预测的导热率以及测量的第一级金属温度来预测在所述预测周期内的第一级金属温度，并且当从所述第一级金属温度预测步骤接收到预测的第一级金属温度的变化率时，在所述热应力预测步骤中预测涡轮机转子中的热应力，并且重复根据预测的热应力来为每个预定的控制周期计算受控变量最优转变模式的优化计算步骤，从而形成优化计算循环。

此外，通过假定在预测周期内的受控变量为常量以减少优化计算的变量个数，从而简化优化计算。

此外，该导热率预测步骤可以包括预测模型校正步骤，用于基于每个控制周期的测量的设备值，调整基于受控变量的导热率模型。

在本发明的另一方面，提供了一种用于调节并控制流入涡轮机内的蒸汽或气体的量的涡轮机起动控制器，其包括最优起动控制单元，该最优起动控制单元具有热应力预测单元，用于相对于预先假定的多个点处的受控变量中的每一个计算预测周期内的预测热应力值；以及近似优化计算单元，用于根据热应力预测单元预测的热应力的最大值，通过直接地确定性的运算近似地计算在设备工作条件的约束下，使得涡轮机起动时间最短，同时保持热应力的最大值等于或低于预定值的最优受控变量。

在本发明另一发面中，还提供了一种用于具有控制阀的涡轮机的涡轮机起动控制方法，用于调节并控制流入涡轮机内的蒸汽或气体的量，该方法包括：热应力预测步骤，用于相对于预先假定的多个点处的受控变量中的每一个，计算预测周期内的预测热应力值；以及近似优化计算步骤，用于根据热应力的最大值，通过直接地确定性的运算为每个控制周期近似地计算在设备工作条件的限制下使得涡轮机起动时间最短、同时保持热应力的最大值等于或低于预定值的最优受控变量。该近似优化计算步骤包括将为每个控制周期近似计算的最优受控变量输出为最优涡轮机加速率/负载增加率。

使用根据上述结构和特征的本发明的涡轮机起动控制器以及用于涡轮机起动控制器的涡轮机起动控制方法，可以预测涡轮机转子中产生的热应力，同时将作为受控变量的涡轮机加速率/负载增加率用作变量，并且可以实现最短的涡轮机起动时间，同时保持预测的热应力的最大值等于或低于预定值，由此可以提高涡轮机最优起动控制的准确度，并且可以得到高准确度的受控变量和可靠性。

此外，使用根据本发明的该涡轮机起动控制器以及用于该涡轮机起动控制器的涡轮机起动控制方法，通过将预测周期内的涡轮机加速率/负载增加率假定为常量，可以减少优化计算的变量，从而简化了计算，由此可以在相对较小的计算复杂性的情况下迅速得到最优受控变量。

此外，使用根据本发明的涡轮机起动控制器以及用于涡轮机起动控制器的涡轮机起动控制方法，相对于多个预置点中的每个预置点的涡轮机加速率/负载增加率来执行对预测热应力的计算，并且基于计算的结果，通过使用线性内插法的反相运算可以得到最优涡轮机加速率/负载增加率，由此可以得到作为准-最优解决方案的高准确度的受控变量的涡轮机加速率/负载增加率。

本发明本身的性质以及进一步的特征将通过参考附图进行的以下描述变得更清楚。

附图说明

在附图中：

图1是用于说明根据本发明第一实施例的涡轮机起动控制器以及用于该涡轮机起动控制器的起动控制方法的示意图，其说明了涡轮机起动控制器的整体结构；

图2是显示与根据传统涡轮机起动控制器的涡轮机起动控制特性相比较的、根据图1中所示的涡轮机起动控制器的涡轮机起动控制的图表；

图3是与图2相对应的图表，其显示了与现有技术的特性相比较的、涡轮机转子中生成的热应力的特性；

图4是用于说明根据本发明第二实施例的涡轮机起动控制器以及用于该涡轮机起动控制器的起动控制方法的框图，其说明了为涡轮机起动控制器提供的最优起动控制模块的结构；

图5是构成图4所示的最优起动控制模块的近似优化计算模块的流程图；

图6是用于说明根据本发明第三实施例的涡轮机起动控制器以及用于该涡轮机起动控制器的起动控制方法的框图，其说明了为涡轮机起动控制器提供的最优起动控制模块的结构；

图7是用于说明根据本发明第四实施例的涡轮机起动控制器以及用于该涡轮机起动控制器的起动控制方法的框图，其说明了涡轮机起动控制器的结构；以及

图8是显示在图7所示的最优起动控制校正模块中使用的逻辑的具体实例的示图。

具体实施方式

以下将参考附图对根据本发明的涡轮机起动控制器和用于该涡轮机起动控制器的起动控制方法进行描述。

图1是显示根据本发明的涡轮机起动控制器的第一实施例的示意图。涡轮机起动控制器10是用于实现汽轮机11或燃气轮机的最优起动的控制器。在此，术语“最优起动”是指一种起动控制，其实现最短时间的涡轮机起动，同时使涡轮机转子的热应力保持在等于或低于预定值。

与汽轮机11的蒸汽入口相连接的是主蒸汽管12，其用于导引来自蒸汽产生器(诸如锅炉(未示出))的主蒸汽。在主蒸汽管12的中间点上设置作为控制阀的流速调节阀13，由涡轮机起动控制器10对流速调节阀13进行驱动控制，由此影响控制，从而实现汽轮机11的最优起动。

此外，汽轮机11连接至发电机15。通过汽轮机11驱动发电机15转动从而获得所需的电力。涡轮机起动控制器10对汽轮机11的转数(rpm)和发电机15的负载进行控制。

涡轮机起动控制器10调节并控制用于调节主蒸汽的流速或流入汽轮机11或燃气轮机的气流的流速的控制值，从而分别控制汽轮机11的转数和发电机15的负载。

涡轮机起动控制器10具有最优起动控制模块17以及rpm/负载控制模块18，所述最优起动控制模块17用于输出根据设备状态变量计算得到的最优涡轮机加速率/负载增加率，所述rpm/负载控制模块18用于通过基于涡轮机加速率/负载增加率，对控制阀进行阀门控制，来进行rpm/负载控制。

最优起动控制模块17通过根据设备状态变量(例如：主蒸汽压力P_ms、主蒸汽温度T_ms、涡轮机rpmω、以及发电机负载MW)进行计算，从而得到最优涡轮机加速率/负载增加率，该最优涡轮机加速率/负载增加率用于实现最短的起动时间，同时使汽轮机11或燃气轮机的涡轮机转子中生成的热应力保持在等于或低于预定值。将最优涡轮机加速率/负载增加率输出到用作阀驱动控制模块的rpm/负载控制模块18，所述最优涡轮机加速率/负载增加率是通过反复计算而获得的最优受控变量。

给rpm/负载控制模块18输入最优涡轮机加速率/负载增加率信号，以便对作为控制阀的流速调节阀13进行驱动控制，从而对涡轮机rpm和发电机负载进行控制。

这里，涡轮机加速率是指涡轮机转子的转子rpm的变化率，负载增加率是指发电机负载的变化率。

此外，装配到涡轮机起动控制器10上的最优起动控制模块17包括：第一级蒸汽温度预测模块21，其用于根据当前设备状态变量P_ms和T_ms来预测在预定的未来预测周期内的第一级蒸汽温度T_s(k+j)(j＝1，2，...，m)；导热率预测模块22，其用于预测从第一级蒸汽温度T_s到涡轮机转子的第一级金属温度的导热率h_f(k+j)；第一级金属温度预测模块23，其用于根据第一级蒸汽温度T_s、导热率h_f和已测量的第一级金属温度T_met来预测在预测周期内的第一级金属温度T_met(kj)；热应力预测模块24，其用于根据由金属温度预测模块23计算的第一级金属温度T_met(k+j)的变化率ΔT_met来预测在预测周期内在涡轮转子中生成的热应力σ_s(k+j)；以及优化计算模块25，其用于根据已预测的热应力σ_s(k+j)进行受控变量优化计算，以得到优化转变模式，并且输出当前的在优化转变模式中的受控变量的值，作为最优涡轮机加速率Δω_opr和最优负载增加率ΔMW_opt。

给最优起动控制模块17的第一级蒸汽温度预测模块21输入主蒸汽压力P_ms和主蒸汽温度T_ms的测量值作为发电设备的设备状态变量，并且该第一级蒸汽温度预测模块21用于通过计算来预测在预测周期内的第一级蒸汽温度T_s(k+j)。

此外，给导热率预测模块22输入汽轮机11的涡轮机rpmω和发电机负载MW的预测值，并且基于来自优化计算模块25的、作为用于预定周期的假定的受控变量的、在优化处理过程中的涡轮机加速率模式Δω和负载增加率模式ΔMW，来预测从第一级蒸汽温度T_s到涡轮机转子的第一级金属温度T_met的导热率h_f。

给第一级金属温度预测模块23输入作为测量值的第一级金属温度T_met，并且根据由第一级蒸汽温度预测模块21预测在预测周期内的第一级蒸汽温度T_s(k+j)和由导热率预测模块22预测的导热率h_f(k+j)来预测第一级金属温度T_met(k+j)，从而计算预测的第一级金属温度的变化率ΔT_met。

此外，热应力预测模块24预测在预测周期内在涡轮机转子中生成的热应力σ_s(k+j)。通过优化计算模块25计算优化转变模式，该优化计算模块25基于来自热应力预测模块24的预测热应力σ_s(k+j)对作为受控变量的涡轮机加速率/负载增加率进行反复的优化计算。基于优化转变模式，优化计算模块25向rpm/负载控制模块18输出当前的作为最优涡轮机加速率Δω_opt和最优负载增加率ΔMW_opt的值，最优涡轮机加速率Δω_opt和最优负载增加率ΔMW_opt表示最优受控变量。

rpm/负载控制模块18用作流速调节阀13的阀控制模块，流速调节阀13用作控制阀。使用最优涡轮机加速率Δω_opt和最优负载增加率ΔMW_opt作为最优受控变量，rpm/负载控制模块18基于最优受控变量对流速调节阀13进行驱动控制，也就是阀打开调节控制。

在优化作为受控变量的涡轮机加速率/负载增加率的过程中，优化计算模块25将优化过程中的涡轮机加速率模式Δω和负载增加率模式ΔMW反馈到导热率预测模块22。该导热率预测模块22预测在预测周期内的导热率h_f(k+j)，并且第一级金属表面预测模块23计算预测的第一级金属温度的变化率ΔT_met(k+j)。此外，热应力预测模块24根据预测的第一级金属温度的变化率ΔT_met(k+j)来预测在预测周期内的热应力σ_s(k+j)，并且预测的热应力σ_s(k+j)所输入到的优化计算模块25为获得作为受控变量的涡轮机加速率/负载增加率模式而反复地进行优化计算。优化计算模块25基于上述优化计算(控制)循环来优化作为受控变量的涡轮机加速率/负载增加率的模式，从而计算最优转变模式。

优化计算模块25向rpm/负载控制模块18输出当前的作为优化涡轮机加速率(即最优涡轮机加速率Δω_opt)和优化负载增加率(即最优负载增加率ΔMW_opt)的最优转变模式中的值。这时，将从优化计算模块25到rpm/负载控制模块18的输出的循环设定为一个控制周期。对于这种情况下的一个控制周期，从优化计算模块25到rpm/负载控制模块18的输出的频率可以是每多个优化控制循环一次。通常，一个控制周期(例如一分钟)是通过重复多个优化计算循环而得到的最优值更新周期。

接下来，在结合发电机之前，将基于对涡轮机加速率进行优化的实例，对由涡轮机起动控制器10中的最优起动控制模块17执行的具体计算方法进行描述。

(a)第一级蒸汽温度预测模块21

在最优起动控制模块17的第一级蒸汽温度预测模块21中，将第一级蒸汽预测T_s作为两个变量的函数进行估算，这两个变量即主蒸汽压力P_ms和主蒸汽温度T_ms，作为特定于设备的函数，并且通过以下表达式(1)来表示T_s：

[数值表达式1]

T_s＝f(P_ms，T_ms)             ......(1)

现在，假定当前的第一级蒸汽温度是T_s(k)，在前一时间点的第一级蒸汽温度是T_s(k-1)，第一级蒸汽温度的变化率ΔT_s如下表示：

[数值表达式2]

ΔT_s＝T_s(k)-T_s(k-1)          ......(2)

根据表达式(2)，可以在预测周期内计算每一个控制周期的第一级蒸汽温度的变化率ΔT_s。

当预测从现在到未来的预定预测周期m上的每一步中的第一级蒸汽温度T_s(k+j)(j＝1，2，...，m)时，使用上述计算结果作为参考，用以下表达式(3)来表示预测的第一级蒸汽温度T_s(k+j)：

[数值表达式3]

$\left[\begin{array}{c}\mathrm{Ts}(k+1)\\ \mathrm{Ts}(k+1)\\ \mathrm{Ts}(k+1)\\ \·\\ \·\\ \·\\ \mathrm{Ts}(k+m)\end{array}\right]=\left[\begin{array}{c}\mathrm{Ts}\left(k\right)+\mathrm{\ΔTs}\\ \mathrm{Ts}\left(k\right)+2\mathrm{\ΔTs}\\ \mathrm{Ts}\left(k\right)+3\mathrm{\ΔTs}\\ \·\\ \·\\ \·\\ \mathrm{Ts}\left(k\right)+m\·\mathrm{\ΔTs}\end{array}\right]---\left(3\right)$

根据表达式(3)发现：预测的第一级蒸汽温度T_s(k+j)被表示为关于涡轮机加速率Δω和负载增加率ΔMW的常量，其中涡轮机加速度比Δω和负载增加率ΔMW是作为优化变量的受控变量。也就是说，第一级蒸汽温度预测模块21被设置在优化计算循环的外部，并且不依赖于作为受控变量的涡轮机加速率Δω和负载增加率ΔMW，因此作为常量。

(b)导热率预测模块22

通过下列传热等式来定义从第一级蒸汽温度T_s到第一级金属温度T_met的导热率h_f。

[数值表达式4]

T_met(k)＝T_met(k-1)+h_f(k)·{T_s(k-1)-T_met(k-1)}...(4)

其中T_met(k)：当前时间(k)的第一级金属温度

T_met(k-1)：前一时间点(k-1)的第一级金属温度

T_s(k-1)：前一时间点(k-1)的第一级蒸汽温度

H_f(k)：当前时间(k)的导热率

顺便提及，当将涡轮机rpmω的比例模型假定为导热率模型的一个实例时，当前时间的该导热率H_f(k)可以如下表示：

[数值表达式5]

hf(k)＝αω(k)...(5)

其中ω(k)：当前时间的涡轮机rpm

α：比例常数

将表达式(5)作为参考，当相对于当前时间的涡轮机rpmω(k)和在预测周期中的涡轮机加速率Δω(k+j)(其中j＝0，1，2，3，...，m-1)来预测在预测周期内的导热率h_f(k+j)(其中j＝0，1，2，3，...，m)时，h_f(k+j)用如下表达式来表示。

[数值表达式6]

$\left[\begin{array}{c}\mathrm{hf}(k+1)\\ \mathrm{hf}(k+2)\\ \mathrm{hf}(k+3)\\ \·\\ \·\\ \·\\ \mathrm{hf}(k+m)\end{array}\right]=\mathrm{\α}\left[\begin{array}{c}\mathrm{\ω}(k+1)\\ \mathrm{\ω}(k+2)\\ \mathrm{\ω}(k+3)\\ \·\\ \·\\ \·\\ \mathrm{\ω}(k+m)\end{array}\right]=\left[\begin{array}{c}\mathrm{\ω}\left(k\right)+\mathrm{\Δ\ω}\left(k\right)\\ \mathrm{\ω}\left(k\right)+\underset{j=0}{\overset{1}{\mathrm{\Σ}}}\mathrm{\Δ\ω}(k+j)\\ \mathrm{\ω}\left(k\right)+\underset{j=0}{\overset{2}{\mathrm{\Σ}}}\mathrm{\Δ\ω}(k+j)\\ \·\\ \·\\ \·\\ \mathrm{\ω}\left(k\right)+\underset{j=0}{\overset{m-1}{\mathrm{\Σ}}}\mathrm{\Δ\ω}(k+j)\end{array}\right]---\left(6\right)$

由于涡轮机rpmω在额定rpmω_RATE处达到最大值，因此该表达式可以被如下校正。

[数值表达式7]

$\mathrm{\ω}(k+j)=\min \{\mathrm{\ω}\left(k\right)+\underset{l=0}{\overset{j-1}{\mathrm{\Σ}}}\mathrm{\Δ\ω}(k+l),{\mathrm{\ω}}_{\mathrm{RATE}}\},(j=\mathrm{1,2,3},...m)---\left(7\right)$

(c)第一级金属温度预测模块23

当基于来自第一级蒸汽温度预测模块21的预测的第一级蒸汽温度T_s(k+j)、来自导热率预测模块22的预测的导热率h_f(k+j)以及当前的第一级金属温度T_met(k)，使用由表达式(4)所表示的传热等式来计算第一级金属温度T_met(k+j)时，可以通过以下表达式来预测第一级金属温度T_met(k+j)。

[数值表达式8]

$\left[\begin{array}{c}{T}_{\mathrm{met}}(k+1)\\ T_{\mathrm{met}}(k+2)\\ T_{\mathrm{met}}(k+3)\\ \·\\ \·\\ \·\\ T_{\mathrm{met}}(k+m)\end{array}\right]=\left[\begin{array}{c}{T}_{\mathrm{met}}\left(k\right)+\mathrm{hf}(k+1)\{\mathrm{Ts}\left(k\right)-T_{\mathrm{met}}\left(k\right)\}\\ T_{\mathrm{met}}(k+1)+\mathrm{hf}(k+2)\{\mathrm{Ts}(k+1)-T_{\mathrm{met}}(k+1)\}\\ T_{\mathrm{met}}(k+2)+\mathrm{hf}(k+3)\{\mathrm{Ts}(k+2)-T_{\mathrm{met}}(k+2)\}\\ \·\\ \·\\ \·\\ T_{\mathrm{met}}(k+m-1)+\mathrm{hf}(k+m)\{\mathrm{Ts}(k+m-1)-T_{\mathrm{met}}(k+m-1)\}\end{array}\right]---\left(8\right)$

根据表达式(8)，由于一个步骤(一个控制周期)期间的第一级金属温度变化率为ΔT_met(k+j)，在一个步骤(一个控制周期)期间的第一级金属温度变化率ΔT_met(k+j)被表示为下列表达式：

[数值表达式9]

ΔT_met(k+j)＝T_met(k+j)-T_met(k+j-1)，(j＝1，2，3，...m)  ...(9)

根据表达式(9)，在预测周期内的每一个步骤中的第一级金属温度变化率ΔT_met(k+j)通常可以通过下列表达式(10)来表示。

[数值表达式10]

$\left[\begin{array}{c}{\mathrm{\ΔT}}_{\mathrm{met}}(K+1)\\ {\mathrm{\ΔT}}_{\mathrm{met}}(K+2)\\ {\mathrm{\ΔT}}_{\mathrm{met}}(K+3)\\ \·\\ \·\\ \·\\ {\mathrm{\ΔT}}_{\mathrm{met}}(K+m)\end{array}\right]=\left[\begin{array}{c}\mathrm{hf}(k+1)\{\mathrm{Ts}\left(k\right)-T_{\mathrm{met}}\left(k\right)\}\\ \mathrm{hf}(k+2)\{\mathrm{Ts}(k+1)-T_{\mathrm{met}}(k+1)\}\\ \mathrm{hf}(k+3)\{\mathrm{Ts}(k+2)-T_{\mathrm{met}}(k+2)\}\\ \·\\ \·\\ \·\\ \mathrm{hf}(k+m)\{\mathrm{Ts}(k+m-1)-T_{\mathrm{met}}(k+m-1)\}\end{array}\right]---\left(10\right)$

(d)热应力预测模块24

在假定涡轮机转子是无限长的圆柱体(无限长圆柱体)的情况下，在当前时间k在涡轮机转子中产生的转子表面热应力的计算表达式仅考虑径向热分布。通过使用一个模型，由以下状态-空间模型表达式来表示确定涡轮机转子中的热应力的表达式，在所述模型中，使涡轮机马达径向分成例如十个部分，并且将一个控制周期进一步分成十个部分。

[数值表达式11和12]

Xe(k)＝Ae·Xe(k-1)+Be·ΔT_met(k)     ...(11)

σ_s(k)＝Ce·Xe(k)                    ...(12)

其中A_e、B_e、C_e：转子材料的矩阵系数

X_e(k)：在当前时间k的、在转子的径向方向上的元件的温度分布

σ_s(k)：在当前时间k的转子表面热应力

这里，表达式11和12中的X_e(k)、ΔT_met(k)以及A_e、B_e、C_e表示为：

[数值表达式13]

$\left.\begin{array}{c}\mathrm{Xe}\left(k\right)={[T_1\left(k\right)T_2\left(k\right)T_3\left(k\right)\·\·\·\·\·\·T_{11}\left(k\right)T_{\mathrm{met}}\left(k\right)]}^T\\ \mathrm{\Δ}{T}_{\mathrm{met}}\left(k\right)=T_{\mathrm{met}}\left(k\right)-T_{\mathrm{met}}(k-1)\\ \mathrm{Ae}=\left[\begin{array}{cc}A& B\\ 0& 1\end{array}\right],\mathrm{Be}=\left[\begin{array}{c}D\\ 1\end{array}\right],\mathrm{Ce}=\left(C0\right)\end{array}\right\}---\left(13\right)$

此外，在表达式(13)中的各个常量和变量通过下列表达式表示。

[数值表达式14]

$\left.\begin{array}{c}A={A_m}^{10},B={A_m}^9{B}_m+{A_m}^8{B}_m+...+A_m{B}_m+\mathrm{Bm}\\ D=0.1{A_m}^9{B}_m+0.2{A_m}^8{B}_m+...+0.9A_m{B}_m+\mathrm{Bm}\end{array}\right\}---\left(14\right)$

$A_m=\left[\begin{array}{ccccccccccc}1-F& F& 0& 0& 0& 0& 0& 0& 0& 0& 0\\ D\left(1\right)& E& C\left(1\right)& 0& 0& 0& 0& 0& 0& 0& 0\\ 0& D\left(2\right)& E& C\left(2\right)& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& D\left(3\right)& E& C\left(3\right)& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& D\left(4\right)& E& C\left(4\right)& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& D\left(5\right)& E& C\left(5\right)& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& D\left(6\right)& E& C\left(6\right)& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& D\left(7\right)& E& C\left(7\right)& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& D\left(8\right)& E& C\left(8\right)& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& D\left(9\right)& E& C\left(9\right)\\ 0& 0& 0& 0& 0& 0& 0& 0& 0& G& 1-G-H\end{array}\right],B_m=\left[\begin{array}{c}0\\ 0\\ 0\\ 0\\ 0\\ 0\\ 0\\ 0\\ 0\\ 0\\ H\end{array}\right],$

$C=E_k[0\frac{2\mathrm{\Δ}{R}^2}{{R_0}^2}\frac{4\mathrm{\Δ}{R}^2}{{R_0}^2}\frac{6\mathrm{\Δ}{R}^2}{{R_0}^2}\frac{8\mathrm{\Δ}{R}^2}{{R_0}^2}\frac{10\mathrm{\Δ}{R}^2}{{R_0}^2}\frac{12\mathrm{\Δ}{R}^2}{{R_0}^2}\frac{14\mathrm{\Δ}{R}^2}{{R_0}^2}\frac{16\mathrm{\Δ}{R}^2}{{R_0}^2}\frac{18{\mathrm{\ΔR}}^2}{{R_0}^2}\frac{10\mathrm{\Δ}{R}^2}{{R_0}^2}-1]$

在表达式(13)和(14)中的各个常量和变量为：

ΔT_met(k)：在采样时间K的第一级金属温度

T_j(k)：在采样时间t的第j个分离转子的内部温度

σ_s(k)：在采样时间K的转子表面热应力

C(j)、D(j)：转子筛孔系数(mesh coefficient)

E、F、G、H、Ek：转子材料/外部形状/传热系数

Ro：转子外径

ΔR：转子外径/分离数(10)

根据由表达式(11)和(12)表示的热应力计算表达式，用以下状态-空间模型表达式来表示热应力预测模型，热应力预测模型用于预测从当前时间k到未来时间的周期上的热应力，未来时间等于从当前时间k开始的M个时间步。

[数值表达式15和16]

这里，

[ΔT_met]＝{ΔT_met(k+1)ΔT_met(k+2)ΔT_met(k+3)...ΔT_met(k+m)}^T......(16)

表达式(15)表示将第一级金属温度变化预测向量[ΔT_met]作为输入的热应力预测模型。

根据通过第一级金属温度预测模块23获得的在预测周期内的预测的第一级金属温度变化率ΔT_met(k+j)(j＝1，2，3，...，m)，可以使用表达式(15)来计算在预测周期内的预测的热应力σ_s(k+j)(j＝1，2，3，...，m)。

(e)优化计算模块25

根据在导热率预测模块22中使用的表示在预测周期中的导热率h_f(k+j)(j＝1，2，3，...，m)的表达式(6)、在第一级金属温度预测模块23中使用的表示在预测周期中的第一级金属温度变化率ΔT_met(k+j)的表达式(10)、以及在热应力预测模块24中使用的表示在预测周期中的热应力预测模型的表达式(15)，可以认识到预测的热应力σ_s(k+j)被表示为涡轮机加速度比模式Δω(k+j)(j＝0，1，2，...，m-1)的非线性函数。

将确定涡轮机加速率模式的优化问题通过优化计算模块25进行公式化表示如下，其中涡轮机加速率模式用于实现最短起动时间，同时将设备起动期间在涡轮机转子中产生的热应力保持在等于或低于预定值。

约束条件：满足下列关于给出的规定热应力值σ_max的表达式。

[数值表达式17]

$\left[\begin{array}{c}{\mathrm{\σ}}_s(k+1)\\ {\mathrm{\σ}}_s(k+2)\\ {\mathrm{\σ}}_s(k+3)\\ \·\\ \·\\ \·\\ {\mathrm{\σ}}_s(k+m)\end{array}\right]\≤\left[\begin{array}{c}{\mathrm{\σ}}_{\max }\\ {\mathrm{\σ}}_{\max }\\ {\mathrm{\σ}}_{\max }\\ \·\\ \·\\ \·\\ {\mathrm{\σ}}_{\max }\end{array}\right]---\left(17\right)$

此外，当需要时，将为受控变量设定上限和下限值。

[数值表达式18]

$\left[\begin{array}{c}{\mathrm{\Δ\ω}}_{\min }\\ {\mathrm{\Δ\ω}}_{\min }\\ {\mathrm{\Δ\ω}}_{\min }\\ \·\\ \·\\ \·\\ {\mathrm{\Δ\ω}}_{\min }\end{array}\right]\≤\left[\begin{array}{c}\mathrm{\Δ\ω}\left(k\right)\\ \mathrm{\Δ\ω}(k+1)\\ \mathrm{\Δ\ω}(k+2)\\ \·\\ \·\\ \·\\ \mathrm{\Δ\ω}(k+m)\end{array}\right]\≤\left[\begin{array}{c}{\mathrm{\Δ\ω}}_{\max }\\ {\mathrm{\Δ\ω}}_{\max }\\ {\mathrm{\Δ\ω}}_{\max }\\ \·\\ \·\\ \·\\ {\mathrm{\Δ\ω}}_{\max }\end{array}\right]---\left(18\right)$

其中Δω_min：受控变量下限值

Δω_max：受控变量上限值

在此，受控变量下限值Δω_min被如下转变，例如，根据涡轮机转子rpm是否落入临界rpm区域中。

(1)当在临界rpm区域中时，受控变量的下限值Δω_min如下：

[数值表达式19]

Δω_min＝120[rpm]......(19)

(2)当在临界rpm区域外时，受控变量的下限值Δω_min如下：

[数值表达式20]

Δω_min＝0(rpm)(HOLD)......(20)

因此，在临界rpm区域中，不使涡轮机加速率处于HOLD，必定可以将其设定成等于或高于值Δω_min的值。例如，当汽轮机的额定rpm是3600rpm时，临界rpm区域落入900rpm至3300rpm内。

在优化计算模块25中，为了实现在预测周期内的涡轮机加速率Δω(k+j)(j＝0，1，2，...，m-1)的最优化，

[数值表达式21]

目标函数的最优化：最大化

$\underset{j=0}{\overset{m-1}{\mathrm{\Σ}}}\mathrm{\Δ\ω}(k+j)---\left(21\right)$

被执行。

优化表示一个m个变量的非线性优化问题，其可以通过例如使用准牛顿(quasi-Newton)方法的线性搜索技术来解决。

最后，将第一位的最优受控变量Δω(k)确定为在当前时间k的最优涡轮机加速率，将最优涡轮机加速率信号Δω_opt输出至rpm/负载控制模块18。

优化计算模块25可以公式化并计算在预测周期内的涡轮机加速率模式(以及发电机负载增加率模式)的优化。在该公式化中，可以加入由以下表达式所表示的约束条件，其中，关于设计变量Δω(k+j)(j＝0，1，2，...，m-1)，在预测周期内的每一时间步中的涡轮机加速率一直都是常量。

[数值表达式22]

Δω(k)＝Δω(k+1)＝Δω(k+2)＝......＝Δω(k+m-1)......(22)

根据表达式(22)，可以将在预测周期内的涡轮机加速率模式(以及发电机负载增加率模式)的优化问题从m个变量的优化问题极大地简化成一个变量的优化问题，这在安装实际使用的涡轮机起动控制器10中是有利的。

根据涡轮机起动的仿真结果可以发现：由于几乎所有使用多变量的优化计算结果都导致所有受控变量在预测周期内都相等的结论，因此多变量优化计算并不是必须的。

使用如上所述的涡轮机起动控制器，由于可以通过一个变量的优化来执行优化计算，因此计算的复杂性相对较小，从而极大地简化了优化计算，这在将涡轮机起动控制器应用于实际使用中是有利的。

接下来，描述涡轮机起动控制器的操作。

激活涡轮机起动控制器10，以起动设备。通过最优起动控制模块17来实现起动设备。

一起动最优起动控制模块17，就驱动第一级蒸汽温度预测模块21。向第一级蒸汽温度预测模块21输入在当前时间k的主蒸汽压力P_ms和主蒸汽温度T_ms的测量值，预测从现在到未来的预测周期上的第一级蒸汽温度T_s(k+j)(j＝1，2，...，m)，并且向第一级金属温度预测模块23输出第一级蒸汽温度T_s(k+j)。

另一方面，导热率预测模块22适当地设置在预测周期内的涡轮机加速率/负载增加率模式的初始值，其是假定的受控变量，根据当前涡轮机rpmω(k)/发电机负载MW(k)的测量值来预测预测周期内的导热率h_f(k+j)，并且向第一级金属温度预测模块23输出导热率h_f(k+j)。

接下来，向第一级金属温度预测模块23输入汽轮机11的第一级金属温度T_met的测量值，并且根据预测的第一级蒸汽温度T_s(k+j)和预测的导热率h_f(k+j)来计算在预测周期内的第一级金属温度T_met(k+j)。

将由第一级金属温度预测模块23计算得到的预测的第一级金属温度T_met(k+j)及其变化率ΔT_met输入到热应力预测模块24，通过热应力预测模块24计算在预测周期内的预测的热应力σ_s(k+j)。

[表1]

优化计算模块25基于从热应力预测模块24输入的预测的热应力σ_s(k+j)执行优化计算。在优化计算中，对最优受控变量进行搜索，从而使得在预测热应力σ_s(k+j)的最大值不高于规定的值σ_smax的约束条件下，作为受控变量的涡轮机加速率模式/负载增加率模式的每个元素(element)的

变得最大，并且反复地进行热应力预测计算。

优化计算模块25将优化过程中的涡轮机加速率模式Δω和负载增加率模式ΔMW反馈给导热率预测模块22，在使它们在由第一级金属温度预测模块23和热应力预测模块24组成的优化循环周期内循环，通过重复热应力预测计算而迭代，并且收敛到最优解决方案。

然后，在收敛到最优解决方案后，将当前时间k的受控变量输出到rpm/负载控制模块18作为最优涡轮机加速率/负载增加率。

rpm/负载控制模块18用作阀驱动模块，用于对用作控制阀的流速调节阀13进行驱动控制，并且该rpm/负载控制模块18基于最优涡轮机加速率/负载增加率信号控制流速调节阀13的打开。

通过优化计算模块25，最优起动控制模块17重复热应力预测计算，该热应力预测计算用于获得最优受控变量，在预测热应力σ_s(k+j)的最大值不高于规定的值σ_max的约束条件下，该最优受控变量使涡轮机加速率/负载增加率模式的目标函数为受控变量的最大值。为每一控制周期顺序地执行一系列重复计算。

此外，在假定预测周期内作为受控变量的涡轮机加速率/负载增加率模式恒定的情况下，可以为每一个控制周期执行上述同一方法，同时将优化计算从多变量计算简化为单变量计算。

使用如上所述的涡轮机起动控制器10，汽轮机可以以稳定且平滑的方式在最短的起动时间内起动，同时也使涡轮机转子中生成的热应力等于或低于预定值。

图2和图3显示了当假定预测周期内的涡轮机加速率/负载增加率(作为受控变量)为常量、并且将优化计算简化成单变量计算时，使用涡轮机起动控制器10的热应力预测起动的起动特性。

图2中，符号A表示在由涡轮机起动控制器10进行热应力预测起动控制的情况下的涡轮机rpm的起动特性，符号“B”表示发电机负载的起动特性。这两个符号都表示：与传统的涡轮机起动控制器的涡轮机rpm的起动特性曲线“a”和由发电机负载起动特性曲线b所表示的汽轮机发电机相比，极大地缩短了起动时间，这意味着极大地改进了汽轮机发电机的起动特性。

此外，从图3可知，即使当通过涡轮机起动控制器10进行汽轮机的起动控制时，相对于热应力的最大值，分别与传统的涡轮机起动控制器的转子的中心孔和转子表面上的热应力变化曲线“c”和“d”相比，在涡轮机转子的中心孔和转子表面上的热应力变化曲线C和D几乎没有变化。这时，将转子表面热应力的预定值设定为例如-24.72kg/mm²。

通过涡轮机起动控制器10的涡轮机起动控制如下所述进行。

通过激活涡轮机起动控制器10的最优起动控制模块17，最优起动控制模块17重复优化计算循环，在该循环中重复导热率预测步骤、第一级金属温度预测步骤、热应力预测步骤以及优化计算步骤。

在导热率预测步骤中，对于假定的受控变量或在优化过程中作为受控变量的涡轮机加速率Δω/负载增加率ΔMW，根据测量的设备状态变量(涡轮机rpmω和发电机负载MW)预测在从当前到未来的预测周期内的导热率hf(k+j)。

在第一级金属温度预测步骤中，输入来自导热率预测模块22的预测的导热率hf(k+j)、来自第一级蒸气温度预测模块21的预测的第一级蒸汽温度T_s(k+j)、以及第一级金属温度的测量值T_met，由此来预测在预测周期内的第一级金属温度T_met(k+j)，并且将每一步骤的它的变化率ΔT_met(k+j)输出到热应力预测步骤。在该热应力预测步骤中，预测在预测周期内在涡轮机转子中产生的热应力σ_s(k+j)。

此外，在优化计算步骤中，在设备工作条件的约束下，为每个预定的控制周期计算受控变量最优转变模式，同时保持来自热应力预测模块24的热应力等于或低于预定值。在优化计算步骤中，将当前的受控变量最优转变模式中的值确定为实际的最优受控变量，将当前时间(k)的在受控变量最优转变模式中的值，以指示作为最优受控变量的最优涡轮机加速率Δω_opt/负载增加率ΔMW_opt的信号的形式，从优化计算模块25输出到rpm/负载控制模块18。向rpm/负载控制模块18输入最优受控变量的信号，以调节并控制作为控制阀的流速调节阀13。

图4和5显示根据本发明第二实施例的涡轮机起动控制器以及用于所述涡轮机起动控制器的起动控制方法。

在根据第二实施例的涡轮机起动控制器10A中，由近似优化计算模块27代替在根据第一实施例的涡轮机起动控制器10的最优起动控制模块17中包含的优化计算模块25。在其它方面，涡轮机起动控制器10A与根据第一实施例的涡轮机起动控制器10具有几乎相同的结构以及操作，因而用相同的符号来指示相同或相似的部件，并且省略对其的描述。

在图4所示的涡轮机起动控制器10A中，近似优化计算模块27包含在最优起动控制模块17A中，其向rpm/负载控制模块18输出最优受控变量Δω_opt和ΔMW_opt，从而代替优化计算模块25。为了计算最优受控变量，最优起动模块17A在不重复无限次优化计算循环的情况下(即，在不形成反复计算环的情况下)，通过直接的运算来计算最优受控变量Δω_opt和ΔMW_opt，并且在预定的时间(控制周期)将它们输出到rpm/负载控制模块18。

在最优起动控制模块17A中，对于在多个预置点上的作为受控变量的涡轮机加速率Δω和负载增加率ΔMW，通过热应力预测模块24经由导热率预测模块22和第一级金属温度预测模块23来计算在预测周期中的预测热应力σ_s(k+j)的最大值σ_smax。

根据由热应力预测模块24计算的预测的热应力σ_s的最大值σ_smax，近似优化计算模块27使用)线性内插法等技术近似地计算满足预测的热应力σ_s(k+j)的最大值σ_smax等于或低于预定值这一条件的受控变量的最大值。近似优化计算模块27向rpm/负载控制模块18输出如此计算的受控变量的最大值作为最优受控变量(最优涡轮机加速率Δω_opt/负载增加率ΔMW_opt)。

对最优起动控制模块17A中的最优受控变量计算过程的实例进行描述。

在最优起动控制模块17A中，首先，在多个点，例如五个点设定受控变量，使得在这五个点上的预置涡轮机加速率Δω构成如下：

[数值实例23]

Δω_min＜Δω₁＜Δω₂＜Δω₃＜Δω_max......(23)

对于每个涡轮机加速率Δω，通过热应力预测模块24经由导热率预测模块22和第一级金属温度预测模块23预测在预测周期内的热应力σ_s(k+j)。

当对于每个涡轮机加速率Δω计算的在预测周期内的热应力σ_s(k+j)的最大值σ_smax如下时：

σ_smax(Δω_win)，σ_smax(Δω₁)，σ_smax(Δω₂)，σ_smax(Δω₃)，σ_smax(Δω_max)，

根据预测热应力σ_s(k+j)的最大值σ_smax，可以通过近似优化计算模块27近似地计算最优受控变量Δω_opt/ΔMW_opt。

图5显示近似优化计算模块27近似地计算最优受控变量Δω_opt/ΔMW_opt的流程的实例。

在近似优化计算模块27中，根据预测周期内的预测的热应力σ_s(k+j)的最大值σ_smax，在受控变量优化过程中，可以在不重复无限次优化计算循环的情况下，通过直接运算计算输出到rpm/负载控制模块18(见图1)的最优受控变量Δω_opt/ΔMW_opt。

在图5所示的流程图中，对于在多个预置点的每个点上的作为受控变量的每个涡轮机加速率Δω，通过热应力预测模块24经由导热率预测模块22和第一级金属温度预测模块23计算预测的热应力σ_s(k+j)的最大值σ_smax。

基于在每个设定点上的预测的热应力的最大值σ_smax(Δω_max、Δω₃、Δω₂、Δω₁、Δω_win)，近似优化计算模块27为每个控制周期通过线性内插法计算近似的最优受控变量Δω_opt/ΔMW_opt，并且将其输出至rpm/负载控制模块18(见图1)，该近似的最优受控变量Δω_opt/ΔMW_opt实现了最短的起动时间，同时满足预测的热应力σ_s(k+j)的最大值等于或低于预定值σ_smax的条件。

在涡轮机起动控制器10A中，在优化涡轮机起动的过程中，可以在不重复无限次优化计算循环的情况下计算最优受控变量(最优涡轮机加速率、最优负载增加率)，并且可以通过直接的运算实现受控变量的优化。

可以通过用近似优化计算步骤代替根据第一实施例的涡轮机起动控制器10中的优化计算步骤来进行涡轮机起动控制器10A中的涡轮机起动控制。

在近似优化计算步骤中，根据在热应力预测模块24的热应力预测步骤中预测的预测热应力σ_s(k+j)的最大值，通过确定性运算为每个控制周期近似地计算在设备工作条件的约束下实现最短的起动时间、同时保持预测热应力σ_s(k+j)的最大值等于或低于预定值的最优受控变量，并且将由此得到的近似的最优受控变量输出到rpm/负载控制模块18作为最优涡轮机加速率Δω_opt/负载增加率ΔMW_opt。该rpm/负载控制模块18基于作为近似的最优解决方案的近似的受控变量，对控制阀13进行驱动控制，由此调节并控制阀的打开，以进行涡轮机起动控制。

此外，在由涡轮机起动控制器10A进行的涡轮机起动控制中，并不从近似优化计算模块27向导热率预测模块22输出优化过程中的受控变量(涡轮机加速率Δω、负载增加率ΔMW)。将作为假定的受控变量的预置的加速率Δω和负载增加率ΔMW以信号的形式输入到导热率预测模块22。

图6显示根据本发明第三实施例的涡轮机起动控制器以及其起动控制方法。

在根据第三实施例的涡轮机起动控制器10B中，为根据第一实施例的涡轮机起动控制器10A的最优起动控制模块17另外设置了导热率预测模型修改模块28。另外，该涡轮机起动控制器10B与根据第一实施例的涡轮机起动控制器10A具有几乎相同的结构以及操作，从而用相同的符号来指示相同或相似的部件，并且省略对其的详细描述。

在图6所示的涡轮机起动控制器10B中，将导热率预测模型修改模块28加入到根据第一实施例的最优起动控制模块17中，由此得到新的最优起动控制模块17B。

在最优起动控制器17B中，在导热率预测模块22中使用的将受控变量用作变量的导热率hf的预测模型被实时地修改。导热率预测模型修改模块28基于设备状态变量的测量值(诸如每个控制周期的第一级金属温度T_met)实时地使用在导热率预测模块22中使用的受控变量修改预测模型。

使用由表达式(5)所表示的涡轮机rpmω的比例模型来对导热率预测模型修改模块28中的模型修改步骤的具体实例进行描述。

相对于在时间(k-1)中的前一点的第一级蒸汽温度T_s(k-1)和第一级金属温度T_met(k-1)以及当前时间k的测量的第一级金属温度T_met(k)，通过基于实际值的逆运算来计算当前时间k的导热率hf(k)，参照下列表达式。

[数值表达式24]

$\mathrm{hf}\left(k\right)=\frac{\mathrm{\Δ}{T}_{\mathrm{met}}\left(k\right)}{T_s(k-1)-T_{\mathrm{met}}(k-1)}---\left(24\right)$

根据上述表达式，可以通过下列表达式来表示导热率预测模型系数α。

[数值表达式25]

α＝hf(k)/ω(k)......(25)

其中hf(k)：当前时间k的导热率

ω(k)：当前时间k的涡轮机rpm

由于涡轮机rpm的实际比例模型根据涡轮机rpm而改变，因此当前时间k的导热率hf(k)通过基于每个控制周期的实际值的逆运算来精确地计算。通过使用高准确度值的模型系数α来保持导热率预测模型的准确度。

可是，应该注意：当蒸汽温度足够热从而传递到涡轮机转子侧，并且失配温度的绝对值变小时，表达式(24)右侧的分母越来越接近零，由此接近除以零，导致准确度的破坏。因此，当失配温度的绝对值变成等于或小于所需值时，当前时间k的导热率hf(k)的计算中断，并且将导热率预测模型系数α设定成保持时间(k-1)中前一点处的值。

当失配温度的绝对值变小时，导热率hf(k)的值不再对第一级金属温度T_met的变化ΔT_met产生影响，由此无助于热应力预测的准确度。

在涡轮机起动控制器10B中，给最优起动控制模块17B加入导热率模型修改模块28，导热率模型修改模块28基于设备状态变量(P_ms、T_ms、ω、MW和T_met)的实际值为每个控制周期校正导热率预测模型系数α，由此可以维持导热率预测模型的准确度。

以这种方式，根据该涡轮机起动控制器10B，最优起动控制模块17B设置有导热率模型修改模块28，并且该导热率模型修改模块28可以基于设备状态变量的测量值实时地更新用于热应力预测的导热率预测模型的准确度，由此可以提高热应力预测的准确度。

其结果是，使用最优起动控制模块17B的优化计算模块25，可以得到最短的涡轮机起动时间，同时保持来自热应力预测模块24的预测周期内的热应力σ_s的最大值σ_smax等于或小于预定值σ_max，由此可以提高最优化涡轮机起动控制的准确度。

图7和8表示根据本发明第四实施例的涡轮机起动控制器及其起动控制方法。

根据第四实施例的涡轮机起动控制器10C具有设置在最优起动控制模块17和rpm/负载控制模块18之间的最优起动控制校正模块30，该最优起动控制模块17和rpm/负载控制模块18配置在根据第一实施例的涡轮机起动控制器10中。在这种情况下，所使用的最优起动控制模块17可以是图4所示的最优起动控制模块17A或图6所示的最优起动控制模块17B中的任一个，在图7显示的涡轮机起动控制器10C中，用相同的符号来指示与根据第一实施例的涡轮机起动控制器10相同的部件以及功能，并且省略对其的详细描述。

在涡轮机起动控制器10C中，加入了不依赖于上述涡轮机起动控制器10(10A、10B)的最优起动控制模块17(17A、17B)的最优起动控制校正模块30。

在根据第四实施例的涡轮机起动控制器10C中，特定于发电设备的约束条件被单独地表示成最优起动控制校正模块30，其中在优化计算过程中，最优起动控制模块17不会轻易考虑这些约束条件，因此执行考虑了特定于设备的约束条件的最优涡轮机起动控制。

根据涡轮机起动控制器10C，基于特定于设备的起动有关的约束条件，通过最优起动控制校正模块30的控制，来改变通过最优起动控制模块17得到的作为最优受控变量的最优涡轮机加速率/负载增加率或起动进度表，在优化计算过程中，最优起动控制模块17未考虑所述特定于设备的起动有关的约束条件。

图8显示在独立于最优起动控制模块17而设置的最优起动控制校正模块30中使用的校正逻辑的实例。

为了避免其机械谐振点振动的增加，汽轮机11接受以下约束条件：在靠近谐振点的rpm区域(临界rpm区域)(当额定rpm是3600rpm时，所述rpm区域例如是900rpm至3300rpm)，以及在临界rpm区域，必须以固定的涡轮机加速率或更大的涡轮机加速率来增加rpm。

在所述汽轮机11中，在关于涡轮机起动的临界rpm的通过(passage)上，与当处于除该rpm区域以外的rpm区域上时的情况相比，由于将热应力抑制为等于或小于预定值，所以相对于作为最优变量的涡轮机加速率，应用更严格的条件。

在根据第一实施例的涡轮机起动控制器10的情况下，最优起动控制模块17的优化计算过程也以切换受控变量的下限值的形式结合有关涡轮机加速度的约束条件。

可是，当将与涡轮机加速度有关的约束条件严格地结合在最优起动控制模块17的优化计算过程中时，受控变量的下限切换条件变成该受控变量自身的函数，从而增加了计算的复杂性，这增加了处理最优化问题的难度。

在图7和8所示的涡轮机起动控制器10C中，为了在涡轮机起动控制中反映有关涡轮机加速度的约束条件，将最优起动控制校正模块30独立地设置在最优起动控制模块17的输出侧，并且由最优起动控制校正模块30将“临界速度允许”条件配置成如图8A所示。

在通过临界rpm区域之前确定“临界速度允许”条件。如图8A所示，当允许时，该涡轮机加速度继续保持现状，当不被允许时，该涡轮机rpm在到达临界rpm区域之前的状态处于HOLD，直到满足允许的条件。

类似地，在从紧接着结合发电机15到初始负载的低负载范围中，鉴于结合发电机之后立刻显现的不稳定性，与用于禁止负载增加的HOLD的约束条件相对应，将发电机系统结合允许条件，即图8B所示的所谓的“52G打开允许”条件构造成最优起动控制校正模块30。

在涡轮机起动控制器10C中，将最优起动控制校正模块30设置在最优起动控制模块17的输出侧，并且基于与特定于发电设备的起动有关的约束条件，通过用于修改控制的最优起动控制校正模块30校正包括由最优起动控制模块17计算得到的最优涡轮机加速率/最优化负载增加率等(作为最优工作条件)的起动进度表，从而执行最终的涡轮机启动控制。

因此，独立设置的最优起动控制校正模块30考虑了特定于发电设备的约束条件，而在涡轮机起动控制器10C的最优起动控制模块17的优化计算过程中不会轻易地考虑到这些约束条件，并且最优起动控制校正模块30在将最优受控变量(最优涡轮机加速率、最优负载增加率)输出到rpm/负载控制模块18(见图1)之前，基于特定于发电设备的约束条件对这些受控变量进行校正，作为最终的最优受控变量。

如上所述，最优起动控制校正模块30独立设置在最优起动控制模块17的输出侧，并且校正包含从自最优起动控制模块17输出的最优涡轮机加速率/最优负载增加率等的起动进度表，并且由最优起动控制校正模块30基于特定于发电设备的约束条件在输出侧对其进行修改控制，由此可以实现考虑了特定于发电设备的约束条件的涡轮机起动控制。

尽管根据本发明的涡轮机起动控制器的上述实施例是将涡轮机起动控制器应用于汽轮机的起动的实例，但是该涡轮机起动控制器也可以应用于燃气轮机，并且也可以应用于复合循环发电设备。当将本发明应用于燃气轮机而不是汽轮机时，燃气流速或燃气温度代替主蒸汽流速或主蒸汽温度被用作设备状态变量。

Claims (13)

1.一种涡轮机起动控制器，用于使用控制阀来调节并控制流入涡轮机的蒸汽或气体的量，所述涡轮机起动控制器包括：

最优起动控制单元，用于当将作为直接受控变量的涡轮机加速率/负载增加率用作变量时，预测从当前到未来的预测周期内在涡轮机转子中产生的热应力，为每个控制周期计算在预测周期内的使得涡轮机起动时间最短、同时保持预测的热应力等于或低于预定值的受控变量最优转变模式，并且将当前的在所述受控变量最优转变模式中的值确定为实际最优受控值；以及

rpm/负载控制单元，将来自所述最优起动控制单元的所述最优受控变量输入到所述rpm/负载控制单元，用于控制所述控制阀的动作。

2.如权利要求1所述的涡轮机起动控制器，其中，所述最优起动控制单元包括：

导热率预测模块，用于通过将涡轮机加速率/负载增加率的直接受控变量用作变量，来预测从当前时间到未来的预测周期内的导热率；

第一级金属温度预测模块，用于基于来自所述导热率预测模块的预测的导热率以及在当前时间的测量的第一级金属温度来预测在所述预测周期内的第一级金属温度的变化率；

热应力预测模块，用于基于来自所述第一级金属温度预测模块的第一级金属温度的预测的变化率，来预测在涡轮机转子中产生的热应力；以及

优化计算模块，用于为每个控制周期计算在设备工作条件的约束下使得涡轮机起动时间最短、同时保持所述预测的热应力等于或低于所述预定值的所述预测周期内的受控变量最优转变模式，以及

其中，所述优化计算模块用于将当前的在所述受控变量最优转变模式中的值确定为实际的最优受控变量。

3.如权利要求2所述的涡轮机起动控制器，其中，所述最优起动控制单元还包括第一级蒸汽温度预测模块，用于预测从当前到未来的所述预定的预测周期内的第一级蒸汽温度。

4.如权利要求2所述的涡轮机起动控制器，其中所述最优起动控制单元用于形成一个闭合的优化计算循环，该闭合的优化计算循环包括所述导热率预测模块、所述第一级金属温度预测模块、所述热应力预测模块、以及所述优化计算模块，并且其中，所述优化计算模块用于将当前的在所述受控变量最优转变模式中的受控变量输出到所述rpm/负载控制单元，作为最优涡轮机加速率/负载增加率。

5.如权利要求2所述的涡轮机起动控制器，其中，通过假定在所述预测周期内的涡轮机加速率/负载增加率为常量，以减少用于由所述优化计算模块执行的优化计算的变量的个数，从而包含在所述最优起动控制单元中的所述优化计算模块简化了优化计算。

6.如权利要求2所述的涡轮机起动控制器，其中，所述最优起动控制单元包括导热率预测模型修改模块，用于基于每个控制周期的测量的设备值，来调整基于所述热应力预测模块中的受控变量的导热率预测模型。

7.如权利要求6所述的涡轮机起动控制器，还包括设置在所述最优起动控制单元的输出侧的最优起动控制校正模块，其中，设置所述最优起动控制校正模块以接收设备约束条件的输入，并且校正通过所述最优起动控制单元计算的最优受控变量或设备起动进度表，其中，在发电设备工作条件的约束下，所述最优起动控制单元并不考虑所述设备约束条件。

8.一种涡轮机起动控制方法，用于使用控制阀来调节并控制流入涡轮机的蒸汽或气体的量，所述涡轮机起动控制方法包括：

热应力预测步骤，用于关于假定的受控变量，预测从当前到未来的预测周期内在涡轮机转子中产生的热应力；以及

优化计算步骤，用于为每个预定的控制周期计算在设备工作条件的约束下的受控变量最优转变模式，同时保持所述预测的热应力等于或低于预定值，

其中，在所述优化计算步骤中，将当前的在所述受控变量最优转变模式中的值确定为实际的最优受控变量。

9.如权利要求8所述的涡轮机起动控制方法，还包括：

导热率预测步骤，用于基于来自所述优化计算步骤的优化处理过程中的受控变量，来预测在所述预测周期内的导热率；以及

第一级金属温度预测步骤，用于根据所述预测的导热率以及测量的第一级金属温度来预测在所述预测周期内的第一级金属温度，

其中，当从所述第一级金属温度预测步骤接收到预测的第一级金属温度的变化率时，就在所述热应力预测步骤中预测涡轮机转子中的热应力，并且重复所述优化计算步骤，以形成优化计算循环，在所述优化计算步骤中，根据所述预测的热应力为每个预定的控制周期计算受控变量最优转变模式。

10.如权利要求9所述的涡轮机起动控制方法，其中，所述导热率预测步骤包括预测模型校正步骤，用于基于每个控制周期的测量的设备值，来调整基于所述受控变量的导热率模型。

11.如权利要求8所述的涡轮机起动控制方法，其中，在所述优化计算步骤中，通过假定在所述预测周期内的所述受控变量为常量，以减少用于所述优化计算的变量的个数，从而简化了优化计算。

12.一种涡轮机起动控制器，用于调节并控制流入涡轮机的蒸汽或气体的量，所述涡轮机起动控制器包括：

热应力预测单元，用于相对于在提前假定的多个点的受控变量中的每一个，计算在预测周期内的预测的热应力值；以及

最优起动控制单元，其包括近似优化计算模块，用于根据由所述热应力预测模块预测的热应力的最大值，通过直接的确定性的运算，近似地计算在设备工作条件的约束下使得涡轮机起动时间最短、同时保持热应力的最大值等于或低于预定值的最优受控变量。

13.一种用于具有控制阀的涡轮机的涡轮机起动控制方法，用于调节并控制流入所述涡轮机的蒸汽或气体的量，所述涡轮机起动控制方法包括：

热应力预测步骤，用于相对于在提前假定的多个点的受控变量中的每一个，计算在预测周期内的预测的热应力值；以及

近似优化计算步骤，用于根据热应力的最大值，通过直接的确定性的运算，为每个控制周期近似地计算在设备工作条件的约束下使得涡轮机起动时间最短、同时保持热应力的最大值等于或低于预定值的最优受控变量；

其中，所述近似优化计算步骤包括输出为每个控制周期近似计算的最优受控变量，作为最优涡轮机加速率/负载增加率。

Images