CN102021254B - 一种高炉系统与trt装置分布式协调控制方法 - Google Patents
一种高炉系统与trt装置分布式协调控制方法 Download PDFInfo
- Publication number
- CN102021254B CN102021254B CN2010106036649A CN201010603664A CN102021254B CN 102021254 B CN102021254 B CN 102021254B CN 2010106036649 A CN2010106036649 A CN 2010106036649A CN 201010603664 A CN201010603664 A CN 201010603664A CN 102021254 B CN102021254 B CN 102021254B
- Authority
- CN
- China
- Prior art keywords
- blast furnace
- trt
- furnace system
- optimization
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Abstract
本发明公开了一种高炉系统与TRT装置分布式协调控制方法。分别建立高炉系统和TRT装置的关联模型,采用分布式协调控制方法,首先确定高炉系统和TRT装置的采样周期,然后对两个模型进行优化求解,采用可变窗口长度的分布式预测控制方法,建立协调控制机制,实现高炉系统和TRT装置协调控制。本发明通过数据服务器进行数据交互,读取关联系统的数据信息,分别进行优化求解,大大减小协调优化计算量,从全局的、整体的角度对两个系统进行协调优化控制,有效缓解原料成分波动和其他扰动作用对生产操作和产品质量的影响,减少不必要能源浪费,保证高炉炉内温度分布正常,炉顶压力稳定,TRT装置发电量最大,两个系统平稳、高效的运行。
Description
技术领域
本发明涉及能源与动力工程技术,特别是涉及一种高炉系统和TRT装置协调优化控制的方法。
背景技术
钢铁工业是关系国民经济命脉的重要产业,但是高炉冶炼能耗高和污染严重的特点影响钢铁工业的持续发展。高炉冶炼是炼铁过程中最耗能的部分,而且高炉冶炼中经常会出现干扰,产生波动,影响高炉的稳定。高炉冶炼主要是把烧结矿、焦炭放到高炉中,通过进风口向高炉中鼓吹热风,反应中产生的还原性气体将矿石中的铁元素还原出来。矿石的成分变化,烧结矿转鼓强度的变化,以及热风压力变化都会对高炉炉内的温度分布产生较大影响,主要通过进风操作来调节炉内温度。高炉煤气余压透平发电装置(以下简称TRT装置)是一种工业二次能源回收装置,利用原来浪费在减压阀组上的高炉煤气余压进行发电,产生电能,消除减压阀组上的噪声,还能调节高炉顶压稳定,保障高炉冶炼的正常运行。TRT装置对钢铁企业进行节能减排技术具有重要意义。
TRT装置与高炉系统紧密相连,相互影响。高炉系统对TRT装置的影响很大,高炉产生的煤气量越大,压力越大,煤气在透平机中做功越多,发电量越大。如果高炉系统产生的煤气量波动较大,就需要对透平机进行较多的调节,包括对快开旁通阀的调整,影响TRT装置的正常运行。
反过来,TRT装置对高炉系统也有很大的关联影响作用。尤其是在TRT装置启动、升速和紧急停止过程中高炉顶压会发生不稳定,主要通过TRT透平机静叶开度来调节煤气流量,达到调节高炉顶压的目的。顶压是高炉冶炼的重要参数,如果顶压不能稳定,会引起炉内反应剧烈波动,温度分布发生变化,高炉出现异常。当炉内压力高于额定值时,会使煤气气流分布不均,引起崩料,严重时会损坏设备。当炉内压力低于额定值时,会引起炉内煤气体积增大,气流压力损失增大,煤气流速上升,使炉喉磨损严重,更有甚者,会引起炉顶设备事故。就TRT装置的发电量与高炉生产相比较而言,TRT装置处于从属地位,当高炉炉顶压力波动而影响其正常生产时,TRT装置会被迫停机,保证高炉冶炼的正常运行。
高炉系统和TRT装置紧密相连,相互影响。实际炼铁厂中采取的优化控制技术都是单独针对高炉系统或者TRT装置本身来研究的,各自为政,缺乏协调,将来自于另一系统的输入看作已知量,相当于切断了相互之间的关联耦合作用,孤立的对本地系统进行优化控制,没有考虑与相关工序的协调优化控制,得到的控制效果只是局部最优(即对本工序而言是最优的),而非整体最优(对整个高炉系统和TRT装置而言最优),就会导致控制作用过量,影响正常生产,造成资源浪费和效率不高。
发明内容
本发明的目的在于提供一种高炉系统与TRT装置分布式协调控制方法,即从全局的、整体的角度对高炉系统和TRT装置进行协调优化控制,通过数据服务器进行信息交换,高炉系统和TRT装置分别在本地进行优化控制,能够有效缓解原料成分波动和其他扰动作用对生产操作和产品质量的影响,减少不必要能源浪费,保障高炉系统和TRT装置平稳、高效的运行。
本发明采用的技术方案的步骤如下:
1高炉系统的描述和动态建模:
首先对高炉系统进行描述,再根据关联模型总体架构,在对高炉系统描述和分析的基础上,建立高炉系统的动态关联模型;
2TRT装置的描述和动态建模:
首先对TRT装置进行描述,再根据关联模型总体架构,在对TRT装置的描述与分析基础上,建立TRT装置的动态关联模型;
3高炉系统和TRT装置分布式协调控制:
采用分布式协调控制方法,首先确定高炉系统和TRT装置的采样周期,然后对两个模型进行优化求解,采用可变窗口长度的分布式预测控制方法,建立协调控制机制,实现高炉系统和TRT装置协调控制。
所述的对高炉系统进行描述,即考虑影响高炉温度分布和正常运行的主要因素,按照协调优化的关联模型结构,以高炉顶压作为关联输入,以热风流量、热风温度、富氧量和喷煤量为控制量,以转鼓强度、热风压力、矿石成分和焦炭质量为干扰,以高炉煤气流量和煤气温度为关联输出,以高炉炉内温度为内部状态,建立高炉系统的动态关联模型。
所述的对TRT装置进行描述,通过机理分析,按照协调优化的关联模型结构,以高炉煤气流量和温度为关联输入,以静叶开度和旁通阀开度为控制量,以雷达料线和叶片积灰为干扰,以高炉顶压为关联输出,以炉顶压力、透平机进口压力、透平机进口压力容器入口温度、透平机进口压力容器内部温度、透
平机进口压力容器内部压力、透平机出口压力容器温度和透平机出口压力容器内部压力为内部状态,建立TRT装置的动态关联模型。
根据高炉系统S1和TRT装置S2的动态响应特性确定它们的采样周期为T1和T2,其中T1>T2,利用前向差分法对高炉系统和TRT装置的连续模型进行近似离散化;其中高炉系统S1和TRT装置S2的自身变量以各自的采样周期为准,关联变量的采样方法如下:高炉系统的关联输入高炉顶压为:z1(t)=h1(x2(t)),离散化后变为k=k0,k0+1,...,kf,k0和kf为自然数,且k0<kf,表示以T1为采样周期对TRT装置S2的状态变量x2(t)进行虚拟采样得到的值,得到S1的离散模型M′1,因为T2<T1,则不存在采样值缺失的问题;同理,TRT装置的关联输入为煤气流量和煤气温度:z2(t)=h2(x1(t)),离散化后变为k=k0,k0+1,...,kf,k0和kf为自然数,且k0<kf,表示以T2为采样周期对S1的状态变量x1(t)进行虚拟采样得到的值,得到S2的离散模型M′2,由于T2<T1,则在采样不重合的时间点,将出现采样值缺失的情况,即无法获取煤气流量和煤气温度的数据,缺失的采样值用最近一次采样值代替。
采用二次型优化算法对两个动态关联模型进行优化求解;高炉系统以高炉模型和生产工艺参数允许范围为约束条件,以高炉内部温度分布与设定值之间的偏差最小以及控制作用最小为优化目标;TRT装置以TRT模型和生产工艺参数允许范围为约束条件,以高炉顶压稳定、发电量最大和控制作用最小为优化目标,分别对高炉系统和TRT装置进行优化求解,解算出控制量发送给现场控制器。
可变窗口长度的分布式预测控制方法,是采用预测控制的滚动优化方法,在t=kTi时刻,对高炉系统S1和TRT装置S2的离散模型在未来t=(k+1)Ti至t=(k+Pi)Ti时间段的系统行为进行预测和优化,其中Pi为Si在t=kTi时刻进行滚动优化的预测时域,Ls=Pi·Ti为t=kTi时刻滚动优化的时间窗口长度,其中Si为S1或S2,Pi为P1或P2,Ti为T1或T2;当高炉系统与TRT装置协调优化时,预测时间窗口长度由高炉系统S1决定。
可变窗口长度的分布式预测控制方法,是采用预测控制的模型预测和反馈校正方法,在t=kTi时刻,利用Si的离散模型对Si在未来t=(k+1)Ti至t=(k+Pi)Ti时间段的系统行为进行预测,利用实测值对预测结果进行反馈校正,减小偏差。使用二次型优化算法求解Si在未来t=(k+1)Ti至t=(k+Pi)Ti时间段的最优控制问题Ji,k,其中Si为S1或S2,P1为P1或P2,Ti为T1或T2;实现可变窗口长度的分布式预测控制。
所述的协调控制机制中协调优化过程是建在对系统未来行为预测的基础上,包含一系列变长度预测窗口内的优化计算;每一个预测窗口内的优化计算需迭代多次,直至收敛,协调优化机制包括:
启动协调优化:本地要求启动协调优化;关联部分要求启动协调优化;
停止协调优化:每一个预测窗口内,高炉系统和TRT装置的控制量都保持稳定,停止本窗口迭代优化,移动预测窗口;当高炉系统与TRT装置本地状态都恢复正常,停止预测窗口的移动,整个协调优化过程结束。
本发明具有的有益效果是:
本发明使高炉炉内温度分布偏差小,高炉炉顶压力稳定,TRT装置发电量最大,控制作用最小,实现两个系统整体性能最优,而且具有收敛速度快、计算效率高、优化性能好等显著优点。
附图说明
图1是高炉系统与TRT装置关联模型总体结构图。
图2是TRT装置综合模型示意图。
图3是多输入单输出管接头模型。
图4是单输入多输出管接头模型。
图5是透平机模型示意图。
具体实施方式
下面将结合附图和具体实例对本实用新型作进一步的说明。
本发明具体步骤如下:
一、高炉系统的描述与动态建模:
高炉生产是在高温、高压、密闭条件下的物理、化学、动力学过程。由于影响高炉安全稳定生产、提高铁水产量和质量的因素很多,炉内的气体温度、压力是相互影响,都和炉况息息相关。作为衡量高炉炉况和铁水质量的重要指标之一的温度信息,钢铁厂主要从物理温度(铁水温度)和化学温度(铁水硅含量)中获得。尽管高炉的炉壁及炉缸位置装有为数不少的热电偶,其测得的温度可以在中控室计算机上显示,但因热电偶无法测得炉体内部反应区的温度,平时通常只将其作为判断操作炉型的依据,而不作为炉体温度参考。将铁水温度、铁水硅含量作为温度指标的一个很大的缺点就是有滞后性,如能通过某种方式实时获取炉内温度变化情况,并通过改变风温、喷煤量、风量等手段调节及时进行调节,在原燃料波动较大的现状下,将对减少异常炉况的发生、提高高炉冶炼质量带来很大帮助。
通过研究影响高炉温度分布和正常运行的主要因素,建立高炉的动态关联模型。按照图1所示的协调优化模型结构,以高炉顶压作为关联输入,以热风温度、富氧量、喷煤量和热风流量为控制量,以转鼓强度、热风压力、矿石成分和焦炭质量为干扰,以高炉煤气流量和煤气温度为关联输出,以高炉炉内温度为内部状态,建立高炉系统的动态关联模型。
高炉偏差状态空间方程模型为:
变量说明见下表:
二、TRT装置的描述和动态建模:
1、建模基本假设
TRT装置主要包括快开旁通阀组,减压阀组和透平发电机等几个主要部件,且相互之间通过管道并联,综合考虑TRT装置的气体流程,可对其进行如下的简化:
(1)TRT装置中各个部件之间的距离较近,因此可以忽略相连管路的动态特性。
(2)管道接头处近似为定容容器,进出口的气体质量流量基本一致。此处与外界基本不发生能量交换,可以忽略进出气体之间的热容变化。
(3)TRT装置中的旁通阀、减压阀和透平静叶的作用都是通过开度来调节流量,这里将其近似为线性调节阀。
根据上述假设,在建模过程中,采用静态和动态相结合的方法将其分成两部分。静态部分主要是部件的特性方程,主要包括透平机性能曲线以及控制阀流量压差关系等。动态部分主要是由部件前后的管接头近似所得的压力容器建立。TRT装置的综合模型如图2所示,其中,进口压力容器与高炉的炉顶压力容器相连,出口压力容器则直接与煤气管网相连。
2、TRT装置机理模型
(1)高炉压力容器模型
考虑TRT装置建模时,可以对高炉模型进行适当的简化。这里将高炉简化为反应容器和压力容器的串联模型。
根据压力容器入口和出口的质量流量的变化与容器中的密度变化的关系可以得到:
式中,G2为压力容器入口煤气的质量流量,Go_BF为压力容器出口即高炉炉顶出口的煤气质量流量,V为压力容器的体积,ρ为压力容器中气体的平均密度。
根据理想气体状态方程和忽略温度变化的影响,上式简化为:
V=V0+S0H
式中,P2为高炉顶压,M为压力容器中气体平均分子量,R为气体常数,T2,0为压力容器气体温度稳态值,H为雷达料线高度,其中压力容器的体积受到料柱变化的影响,将料柱达到料线时的体积视为常数V0,S为料柱对炉顶压力容器体积的影响系数。
(2)除尘设备和管路简化模型
G1为透平机进口煤气流量,T2,T3为管道进出口温度,P3为透平机进口压力,K1,K2,K3,K4为常数,τ1,τ2,τ3为时间常数,与实际工艺参数有关。
(3)TRT数学模型
多输入单输出型管接头模型,如图3所示:
Gout=Gin1+Gin2
式中,T和P分别为压力容器的温度和压力,V为压力容器体积,Gin1,Gin2,Gout分别为进出口管道的气体质量流量,Pin1,Pin2分别为进口管道的气体压力,Tin1,Tin2分别为进口管道的气体温度,γ=Cp/Cv为绝热指数,也叫比热比,Rg=R/M=8.314/M(J/Kg·K)为气体常数。
单输入多输出型管接头模型,如图4所示:
Gin1=Gout1+Gout2
透平机模型
根据上述分析,可以认为透平机前后均与压力容器相连,如图5所示。分析透平膨胀机工作原理,可以得到透平机特性曲线方程:
式中,Tout *为透平机出口温度,Ψ为透平机速度系数,一般取0.96。
透平机的流量主要由透平机静叶开度来调节,其作用可以等效为控制阀,因此根据控制阀模型可以得到透平机流量方程:
式中,Gout *为透平机出口流量,Kt为透平机静叶开度的函数。
根据TRT煤气余压发电的透平出力计算公式,可以得到:
式中,N为透平机功率,也称透平出力,Gt,out *为高炉煤气质量流量(Kg/s);Cp-高炉煤气定压比热(kJ/m3);Tt,in为透平入口煤气绝对温度(K);Pt,in为透平入口煤气压力(kPa,);Pt,out为透平出口煤气压力(kPa);γ为绝热指数,高炉煤气γ=1.4;fd为汽化潜热的热量修正系数(干法除尘为1.0);ηT为透平机效率(轴流反动式取0.85);ηG为发电机效率(0.95~0.97)。
综上可得TRT综合模型:
根据煤气流量物料守恒可得:Gi_trt=Go_trt=Gt+Gp+Gj。
3、离散化状态空间方程模型
模型化简处理假设:由于管接头入口压力和管接头内部压力相差不大,可近似相等,即Pi,trt=Pt,in,透平机进口压力容器和出口压力容器的体积近似相等,即Vt,in=Vt,out。
化为离散化状态空间方程模型,首先选取高炉顶压和TRT功率为输出,高炉顶压、透平机进口压力、透平机进口压力容器入口温度、透平机进口压力容器内部温度、透平机进口压力容器内部压力、透平机出口压力容器温度、透平机出口压力容器内部压力为状态,静叶开度和旁通阀开度为控制量,高炉压力容器进口煤气流量(高炉煤气流量)和煤气温度为关联输入,雷达料线和透平机叶片积灰为本系统内部干扰,其中透平机叶片积灰作为随机干扰,变量说明如下表:
变量名 | 物理意义 | 符号 | 单位 | 稳态值 | 变量类型 |
状态x1 | 炉顶压力 | P2 | Kpa | 160 | 内部状态 |
状态x2 | 透平机进口压力 | P3 | Kpa | 155 | 内部状态 |
状态x3 | 透平机进口压力容器入口温度 | Ti_trt | ℃ | 149 | 内部状态 |
状态x4 | 透平机进口压力容器内部温度 | Ti_in | ℃ | 148 | 内部状态 |
状态x5 | 透平机进口压力容器内部压力 | Pi_in | Kpa | 152 | 内部状态 |
状态x6 | 透平机出口压力容器温度 | Ti_out | ℃ | 141 | 内部状态 |
状态x7 | 透平机出口压力容器内部压力 | Pt_out | Kpa | 10 | 内部状态 |
输入z1 | 高炉压力容器入口煤气流量 | G2 | m3/h | 12500 | 关联输入 |
输入z2 | 高炉压力容器入口煤气温度 | T2 | ℃ | 150 | 关联输入 |
控制u1 | 静叶开度 | Lt | 45 | 控制输入 | |
控制u2 | 旁通阀开度 | Lp | 30 | 控制输入 | |
干扰v1 | 雷达料线 | H | m | 0.8658 | 干扰输入 |
干扰v2 | 透平机静叶叶片积灰 | v2 | 干扰输入 | ||
输出y1 | 炉顶压力 | P2 | Kpa | 160 | 关联输出 |
输出y2 | 透平机功率 | N | kW | 2885 | 本地输出 |
在TRT装置生产稳态操作点,由于各种扰动和关联输入的偏差变化,引起高炉顶压和发电量的波动。通过偏差变化来判断TRT装置是否正常工作。针对上述模型,通过泰勒级数展开并取一次项,实现模型线性化,可以得到TRT装置的偏差模型,写成状态空间方程形式为:
偏差状态空间方程如下:
其中,偏差量为ΔX=X-X0,ΔU=U-U0,ΔZ=Z-Z0,Δv=v-v0,初始时刻,所有变量和状态的偏差都为零,ΔX(0)=0,ΔU(0)=0,ΔZ(0)=0,Δv(0)=0。
输出方程:
Y=C′ΔX+D′ΔU+E′
离散化偏差状态空间方程如下:
ΔX(k+1)=AΔX(k)+BΔU(k)+HΔZ(k)+JΔv(k)
输出方程:
Y(k)=CΔX(k)+DΔU(k)+E
三、高炉和TRT装置分布式协调控制
1、确定采样周期
根据高炉系统S1和TRT装置S2的动态响应特性确定它们的采样周期为T1和T2,其中T1>T2,利用前向差分法对高炉系统和TRT装置的连续模型进行近似离散化;其中高炉系统S1和TRT装置S2的自身变量以各自的采样周期为准,关联变量的采样方法如下:高炉系统的关联输入高炉顶压为:z1(t)=h1(x2(t)),离散
化后变为k=k0,k0+1,...,kf,k0和kf为自然数,且k0<kf,表示以T1为采样周期对TRT装置S2的状态变量x2(t)进行虚拟采样得到的值,得到S1的离散模型M′1,因为T2<T1,则不存在采样值缺失的问题;同理,TRT装置的关联输入为煤气流量和煤气温度:z2(t)=h2(x1(t)),离散化后变为k=k0,k0+1,...,kf,k0和kf为自然数,且k0<kf,表示以T2为采样周期对S1的状态变量x1(t)进行虚拟采样得到的值,得到S2的离散模型M′2,由于T2<T1,则在采样不重合的时间点,将出现采样值缺失的情况,即无法获取煤气流量和煤气温度的数据,缺失的采样值用最近一次采样值代替。
2、模型优化求解方法
采用二次型优化算法对两个模型进行优化求解;高炉系统以高炉模型和生产工艺参数允许范围为约束条件,以高炉内部温度分布与设定值之间的偏差最小以及控制作用最小为优化目标;TRT装置以TRT模型和生产工艺参数允许范围为约束条件,以高炉顶压稳定、发电量最大和控制作用最小为优化目标,分别对高炉系统和TRT装置进行优化求解,解算出控制量发送给现场控制器。
优化目标函数:
高炉系统:内部温度分布稳定,控制作用最小
TRT装置:顶压稳定,发电量大,控制作用最小
3、可变窗口长度的分布式预测控制方法
采用预测控制的滚动优化方法,在t=kTi时刻,对高炉系统S1和TRT装置S2的离散模型在未来t=(k+1)Ti至t=(k+Pi)Ti时间段的系统行为进行预测和优化,其中Pi为Si在t=kTi时刻进行滚动优化的预测时域,Ls=Pi·Ti为t=kTi时刻滚动优化的时间窗口长度,其中Si为S1或S2,Pi为P1或P2,Ti为T1或T2;当高炉系统与TRT装置协调优化时,预测时间窗口长度由高炉系统S1决定。
采用预测控制的模型预测和反馈校正方法,在t=kTi时刻,利用Si的离散模型对Si在未来t=(k+1)Ti至t=(k+Pi)Ti时间段的系统行为进行预测,利用实测值对预测结果进行反馈校正,减小偏差。使用二次型优化算法求解Si在未来t=(k+1)Ti至t=(k+Pi)Ti时间段的最优控制问题Ji,k,其中Si为S1或S2,Pi为P1或P2,Ti为T1或T2,实现可变窗口长度的分布式预测控制。
4、协调控制机制
协调控制机制主要指高炉系统与TRT装置优化的协调控制,即协调优化。协调优化过程建在对系统未来行为预测的基础上,包含一系列变长度预测窗口内的优化计算。每一个预测窗口内的优化计算需迭代多次,直至收敛。协调优化机制包括:
启动协调优化:本地要求启动协调优化;关联部分要求启动协调优化;
停止协调优化:每一个预测窗口内,高炉系统和TRT装置的控制量都保持稳定,停止本窗口迭代优化,移动预测窗口;当高炉系统与TRT装置本地状态都恢复正常,停止预测窗口的移动,整个协调优化过程结束。
高炉系统和TRT装置协调优化步骤:
1)到服务器共享缓冲区查看是否有外界协调优化请求;
2)检查本地状态是否需要启动协调优化;
3)如果有外界要求,或本身需要:
①将响应优化应答或启动优化请求写入服务器共享缓冲区;
②到服务器共享缓冲区查看是否其他子系统均已响应;
4)如已具备协调优化条件,则启动优化:
①到服务器共享缓冲区查看所需的预测窗口长度;
②计算本地的优化采样周期;
③到服务器共享缓冲区查看给定窗口内所需的关联输入预测值,根据需要进行插值处理;
④计算给定窗口内的本地控制量预测值(优化)、本地关联输出预测值(模型);
⑤将给定窗口内的本地关联输出预测值写到服务器共享缓冲区;
⑥计算给定窗口内的本地控制量预测值是否满足本地停止窗口内迭代条件;
⑦如满足本地停止窗口内迭代条件,将本地停止窗口内迭代要求写到服务器共享缓冲区;
⑧查看其它子系统是否要求停止窗口内迭代;如不满足全体停止窗口内迭代条件,返回到第③步。否则输出第一个计算时刻控制量到本地系统;
⑨计算本地状态是否满足停止窗口移动条件;如不满足本地停止窗口移动条件,移动预测窗口,返回到第①步。否则将本地停止窗口移动要求写到服务器共享缓冲区;
⑩查看其它子系统是否要求停止窗口移动;如不满足全体停止窗口移动迭代条件,返回第①步。否则返回第1步。
采用分布式协调控制方法,高炉系统和TRT装置通过数据服务器进行数据交互,读取关联系统的数据信息,分别进行优化求解,大大减小协调优化计算量,从全局的、整体的角度对高炉系统和TRT装置进行协调优化控制,能够有效缓解原料成分波动和其他扰动作用对生产操作和产品质量的影响,减少不必要能源浪费,保证高炉炉内温度分布正常,炉顶压力稳定,TRT装置发电量最大,两个系统平稳、高效的运行。
Claims (5)
1.一种高炉系统与TRT装置分布式协调控制方法,其特征在于该方法的步骤如下:
1)高炉系统的描述和动态建模:
首先对高炉系统进行描述,再根据关联模型总体架构,在对高炉系统描述和分析的基础上,建立高炉系统的动态关联模型;
2)TRT装置的描述和动态建模:
首先对TRT装置进行描述,再根据关联模型总体架构,在对TRT装置的描述与分析基础上,建立TRT装置的动态关联模型;
3)高炉系统和TRT装置分布式协调控制:
采用分布式协调控制方法,首先确定高炉系统和TRT装置的采样周期,然后对两个模型进行优化求解,采用可变窗口长度的分布式预测控制方法,建立协调控制机制,实现高炉系统和TRT装置协调控制;
所述的对高炉系统进行描述,即考虑影响高炉温度分布和正常运行的主要因素,按照协调优化的关联模型结构,以高炉顶压作为关联输入,以热风流量、热风温度、富氧量和喷煤量为控制量,以转鼓强度、热风压力、矿石成分和焦炭质量为干扰,以高炉煤气流量和煤气温度为关联输出,以高炉炉内温度为内部状态,建立高炉系统的动态关联模型;
所述的对TRT装置进行描述,通过机理分析,按照协调优化的关联模型结构,以高炉煤气流量和温度为关联输入,以静叶开度和旁通阀开度为控制量,以雷达料线和叶片积灰为干扰,以高炉顶压为关联输出,以炉顶压力、透平机进口压力、透平机进口压力容器入口温度、透平机进口压力容器内部温度、透平机进口压力容器内部压力、透平机出口压力容器温度和透平机出口压力容器内部压力为内部状态,建立TRT装置的动态关联模型;
所述的协调控制机制中协调优化过程是建在对系统未来行为预测的基础上,包含一系列变长度预测窗口内的优化计算;每一个预测窗口内的优化计算需迭代多次,直至收敛,协调优化机制包括:
启动协调优化:本地要求启动协调优化;关联部分要求启动协调优化;
停止协调优化:每一个预测窗口内,高炉系统和TRT装置的控制量都保持稳定,停止本窗口迭代优化,移动预测窗口;当高炉系统与TRT装置本地状态都恢复正常,停止预测窗口的移动,整个协调优化过程结束。
2.根据权利要求1所述的一种高炉系统与TRT装置分布式协调控制方法,其特征在于:根据高炉系统S1和TRT装置S2的动态响应特性确定它们的采样周期为T1和T2,其中T1>T2,利用前向差分法对高炉系统和TRT装置的连续模型进行近似离散化;其中高炉系统S1和TRT装置S2的自身变量以各自的采样周期为准,关联变量的采样方法如下:高炉系统的关联输入高炉顶压为:
z1(t)=h1(x2(t)),离散化后变为k=k0,k0+1,...,kf,k0和kf为自然数,且k0<kf,表示以T1为采样周期对TRT装置S2的状态变量x2(t)进行虚拟采样得到的值,得到S1的离散模型M′1,因为T2<T1,则不存在采样值缺失的问题;同理,TRT装置的关联输入为煤气流量和煤气温度:z2(t)=h2(x1(t)),离散化后变为k=k0,k0+1,...,kf,k0和kf为自然数,且k0<kf,表示以T2为采样周期对S1的状态变量x1(t)进行虚拟采样得到的值,得到S2的离散模型M′2,由于T2<T1,则在采样不重合的时间点,将出现采样值缺失的情况,即无法获取煤气流量和煤气温度的数据,缺失的采样值用最近一次采样值代替。
3.根据权利要求1所述的一种高炉系统与TRT装置分布式协调控制方法,其特征在于:采用二次型优化算法对两个动态关联模型进行优化求解;高炉系统以高炉模型和生产工艺参数允许范围为约束条件,以高炉内部温度分布与设定值之间的偏差最小以及控制作用最小为优化目标;TRT装置以TRT模型和生产工艺参数允许范围为约束条件,以高炉顶压稳定、发电量最大和控制作用最小为优化目标,分别对高炉系统和TRT装置进行优化求解,解算出控制量发送给现场控制器。
4.根据权利要求1所述的一种高炉系统与TRT装置分布式协调控制方法,其特征在于:可变窗口长度的分布式预测控制方法,是采用预测控制的滚动优化方法,在t=kTi时刻,对高炉系统S1和TRT装置S2的离散模型在未来t=(k+1)Ti至t=(k+Pi)Ti时间段的系统行为进行预测和优化,其中Pi为Si在t=kTi时刻进行滚动优化的预测时域,Ls=Pi·Ti为t=kTi时刻滚动优化的时间窗口长度,其中Si为S1或S2,Pi为P1或P2,Pi为Si在t=kTi时刻进行滚动优化的预测时域,Ti为T1或T2,T1和T2为高炉系统和TRT装置的采样周期;当高炉系统与TRT装置协调优化时,预测时间窗口长度由高炉系统S1决定。
5.根据权利要求1所述的一种高炉系统与TRT装置分布式协调控制方法,其特征在于:可变窗口长度的分布式预测控制方法,是采用预测控制的模型预测和反馈校正方法,在t=kTi时刻,利用Si的离散模型对Si在未来t=(k+1)Ti至t=(k+Pi)Ti时间段的系统行为进行预测,利用实测值对预测结果进行反馈校正,减小偏差;使用二次型优化算法求解Si在未来t=(k+1)Ti至t=(k+Pi)Ti时间段的最优控制问题Ji,k,其中Si为S1或S2,Pi为P1或P2,Pi为Si在t=kTi时刻进行滚动优化的预测时域,Ti为T1或T2,T1和T2为高炉系统和TRT装置的采样周期;实现可变窗口长度的分布式预测控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010106036649A CN102021254B (zh) | 2010-12-17 | 2010-12-17 | 一种高炉系统与trt装置分布式协调控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010106036649A CN102021254B (zh) | 2010-12-17 | 2010-12-17 | 一种高炉系统与trt装置分布式协调控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102021254A CN102021254A (zh) | 2011-04-20 |
CN102021254B true CN102021254B (zh) | 2012-06-13 |
Family
ID=43863028
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010106036649A Expired - Fee Related CN102021254B (zh) | 2010-12-17 | 2010-12-17 | 一种高炉系统与trt装置分布式协调控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102021254B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102994672B (zh) * | 2012-11-30 | 2014-11-26 | 武汉钢铁(集团)公司 | 高炉煤气余压透平发电装置trt系统顶压的自动控制方法 |
CN103293955B (zh) * | 2013-05-17 | 2015-12-02 | 浙江大学 | 高炉热风炉混杂系统建模与协调优化控制的方法 |
CN103823925A (zh) * | 2014-01-26 | 2014-05-28 | 中南大学 | 一种高炉顶压控制非线性数学建模方法 |
CN105512414B (zh) * | 2015-12-10 | 2018-06-29 | 西安科技大学 | 一种高炉顶压控制非线性数学建模方法 |
CN110764482A (zh) * | 2019-11-15 | 2020-02-07 | 杭州珞珈数据科技有限公司 | 利用优化控制模型提高trt能效转化率的方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1528917A (zh) * | 2003-10-10 | 2004-09-15 | 陕西鼓风机(集团)有限公司 | 高炉煤气余压发电装置的高炉顶压稳定性自动控制方法 |
CN1676615A (zh) * | 2005-04-13 | 2005-10-05 | 浙江大学 | 一种基于阻力系数等效的炉顶压力控制方法 |
-
2010
- 2010-12-17 CN CN2010106036649A patent/CN102021254B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1528917A (zh) * | 2003-10-10 | 2004-09-15 | 陕西鼓风机(集团)有限公司 | 高炉煤气余压发电装置的高炉顶压稳定性自动控制方法 |
CN1676615A (zh) * | 2005-04-13 | 2005-10-05 | 浙江大学 | 一种基于阻力系数等效的炉顶压力控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102021254A (zh) | 2011-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101498457B (zh) | 一种锅炉燃烧优化的方法 | |
CN102021254B (zh) | 一种高炉系统与trt装置分布式协调控制方法 | |
Matraji et al. | Robust control of the PEM fuel cell air-feed system via sub-optimal second order sliding mode | |
CN102494336B (zh) | 一种循环流化床锅炉燃烧过程多变量控制方法 | |
Zhao et al. | Operational optimization of industrial steam systems under uncertainty using data‐D riven adaptive robust optimization | |
CN102994672B (zh) | 高炉煤气余压透平发电装置trt系统顶压的自动控制方法 | |
Saletti et al. | Development, analysis and application of a predictive controller to a small-scale district heating system | |
CN104296131B (zh) | 一种双炉膛循环流化床机组的多变量协同控制方法 | |
CN103439941A (zh) | 一种燃气内燃机冷热电三联供系统优化运行方法 | |
Bai et al. | Modelling and control of advanced adiabatic compressed air energy storage under power tracking mode considering off-design generating conditions | |
CN100365135C (zh) | 一种基于阻力系数等效的炉顶压力控制方法 | |
US20200219027A1 (en) | Knowledge transfer-based modeling method for blast furnace gas scheduling systems | |
Khanmirza et al. | Predictive control of a building hybrid heating system for energy cost reduction | |
Tian et al. | Uncertainty analysis and optimization of sinter cooling process for waste heat recovery | |
Xu et al. | Discussions on the real potential of district heating networks in improving wind power accommodation with temperature feedback as one consideration | |
Pataro et al. | A nonlinear control approach for hybrid solar thermal plants based on operational conditions | |
Xu et al. | Design of type-2 fuzzy fractional-order proportional-integral-derivative controller and multi-objective parameter optimization under load reduction condition of the pumped storage unit | |
CN107965356B (zh) | 一种火电机组灵活性提升控制方法 | |
CN201212039Y (zh) | 一种提高高炉冶炼强度的顶压能量回收装置 | |
CN108734419B (zh) | 一种基于知识迁移的高炉煤气调度系统建模方法 | |
CN102136037A (zh) | 基于主成分分析的灰色多因素MGM(1,n)模型的副产煤气发生量预测方法 | |
Kim et al. | Nonlinear multiobjective and dynamic real‐time predictive optimization for optimal operation of baseload power plants under variable renewable energy | |
Cheng et al. | Study on weak link of energy utilization in oil transfer station system: Insights from energy level analysis method | |
Patrón et al. | Economic model predictive control for packed bed chemical looping combustion | |
Fang et al. | Data‐driven control for combustion process of circulating fluidised bed boiler |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120613 Termination date: 20121217 |