CN102707743B

CN102707743B - 基于多变量预测控制的超超临界机组汽温控制方法及系统

Info

Publication number: CN102707743B
Application number: CN201210174386.9A
Authority: CN
Inventors: 陈世和; 张曦; 阎威武; 罗嘉; 李晓枫; 王国良
Original assignee: Shanghai Jiaotong University; Electric Power Research Institute of Guangdong Power Grid Co Ltd
Current assignee: Shanghai Jiaotong University; Electric Power Research Institute of Guangdong Power Grid Co Ltd
Priority date: 2012-05-30
Filing date: 2012-05-30
Publication date: 2014-07-23
Anticipated expiration: 2032-05-30
Also published as: CN102707743A

Abstract

本发明提供一种基于多变量预测控制的超超临界机组汽温控制方法及系统，该方法包括以下步骤：进行多变量预测控制器的前期设计，确定控制变量、被控变量以及扰动变量；所述控制变量包括一级减温喷水、二级减温喷水、再热减温喷水以及烟气挡板开度；所述被控变量包括主汽温、再热汽温；对过程对象的模型进行辨析，通过施加阶跃扰动，建立汽温系统的多输入多输出阶跃响应模型；根据建立的阶跃响应模型，进行多变量预测控制器的仿真和参数调整；启动多变量预测控制器，将预测控制器从仿真状态切换到实际在线运行和控制状态，并将所述多变量预测控制器的输出施加到被控对象上，进行实时控制。本发明能够更好地保证锅炉过热汽温在要求的范围内。

Description

基于多变量预测控制的超超临界机组汽温控制方法及系统

技术领域

本发明涉及热工过程控制技术领域，特别是涉及一种基于多变量预测控制的超超临界机组汽温控制方法以及一种基于多变量预测控制的超超临界机组汽温控制系统。

背景技术

电厂热工系统的自动控制一直是控制界研究的热点问题之一，随着社会经济的飞速发展，生产系统的工况条件日益复杂，要求日益提高，控制系统往往呈现出多变量、强耦合、工况范围广、控制性能综合性要求高等特点，使这一问题的研究变得更加复杂。与传统的发电机组相比，直流式超超临界发电方式更高效、能耗更低、更加环保，这对于日益增长的集约型、经济型、环保型的现代企业的要求是非常符合的。但是超超临界机组的复杂性和控制品质的高标准，对控制方式提出了更高的要求。汽温控制的质量难以保证是由多种因素造成的，如：一、负荷、减温水量等；二、在各种扰动作用下汽温对象具有非线性、时变等特性，使控制难度加大；三、汽温对象具有大迟延、大惯性的特点。尤其随着机组容量和参数的提高，蒸汽过热受热面比例加大，使其迟延和惯性更大，从而进一步加大了控制的难度。同时，超超临界机组汽温被控对象的动态特性随锅炉负荷的变化而变化，在实际运行环境中各种内外扰动也比较多。

目前，此类控制系统所采用的控制器大多是PID（比例-积分-微分）型控制器，或是在PID控制的基础上采取一些自适应措施后组成的自适应PID控制器。但是，由于传统的PID控制器在本质上是滞后调节，从而导致PID型汽温控制系统在控制品质上存在许多不足。

发明内容

基于此，有必要针对上述传统的PID型汽温控制系统在控制品质上存在不足的问题，提供一种基于多变量预测控制的超超临界机组汽温控制方法及系统。

一种基于多变量预测控制的超超临界机组汽温控制方法，包括以下步骤：

进行多变量预测控制器的前期设计，确定控制变量、被控变量以及扰动变量；所述控制变量包括一级减温喷水、二级减温喷水、再热减温喷水以及烟气挡板开度；所述被控变量包括主汽温、再热汽温；

对过程对象的模型进行辨析，通过施加阶跃扰动，建立汽温系统的多输入多输出阶跃响应模型；

根据建立的阶跃响应模型，进行多变量预测控制器的仿真和参数调整；

启动多变量预测控制器，将预测控制器从仿真状态切换到实际在线运行和控制状态，并将所述多变量预测控制器的输出施加到被控对象上，进行实时控制。

一种基于多变量预测控制的超超临界机组汽温控制系统，包括：

前期设计模块，用于进行多变量预测控制器的前期设计，确定控制变量、被控变量以及扰动变量；所述控制变量包括一级减温喷水、二级减温喷水、再热减温喷水以及烟气挡板开度；所述被控变量包括主汽温、再热汽温；

模型辨析模块，用于对过程对象的模型进行辨析，通过施加阶跃扰动，建立汽温系统的多输入多输出阶跃响应模型；

仿真和参数调整模块，用于根据建立的阶跃响应模型，进行多变量预测控制器的仿真和参数调整；

启动模块，用于启动多变量预测控制器，将预测控制器从仿真状态切换到实际在线运行和控制状态，并将所述多变量预测控制器的输出施加到被控对象上，进行实时控制。

通过以上的方案可以看出，本发明的基于多变量预测控制的超超临界机组汽温控制方法及系统，结合超超临界机组汽温的动态特性，将多变量预测控制技术应用到超超临界机组的气温控制中，建立了能够表示多输入变量与多输出变量之间关系的阶跃响应模型，从而能够更好地克服干扰维持稳定，并且始终保证了锅炉过热汽温在要求的范围内，解决了传统的PID型汽温控制系统在控制品质上存在不足的问题，具有较好的应用前景。

附图说明

图1为本发明的一种基于多变量预测控制的超超临界机组汽温控制方法流程示意图；

图2为本发明实施例中汽温系统的多输入多输出阶跃响应曲线图；

图3为本发明的一种基于多变量预测控制的超超临界机组汽温控制系统的结构示意图。

具体实施方式

下面结合附图以及具体的实施例，对本发明的技术方案作进一步的描述。

如图1所示，一种基于多变量预测控制的超超临界机组汽温控制方法，其特征在于，包括以下步骤：

步骤S101，进行多变量预测控制器的前期设计，主要是确定控制变量、被控变量以及扰动变量等。

在应用多变量预测控制器时，必须对过程对象非常熟悉。所以在这个步骤中，设计人员需要熟悉过程对象的相关知识，与操作和技术人员进行交流，完成控制器的前期设计。因为变量的选择与整个工艺过程关系非常密切，需要和技术人员多次交流以确定多变量预测控制器的控制变量、扰动变量及过程变量。与现有技术不同的是，本发明将一级减温喷水、二级减温喷水、再热减温喷水以及烟气挡板开度作为所述控制变量；将主汽温、再热汽温作为被控变量。其中，所述主汽温包括：屏式过热器出口汽温、末级过热器出口汽温；所述再热汽温包括：低再热器出口汽温、高再热器出口汽温。

另外，作为一个较好的实施例，本发明中将煤质变动、电网负荷波动作为干扰变量。

步骤S102，对过程对象的模型进行辨析，通过施加阶跃扰动，建立汽温系统的多输入多输出阶跃响应模型。这个阶跃响应模型可以用来表示多个输入变量和多个输出变量之间的关系，即通过该阶跃响应模型矩阵，可以在知道输入的情况下对输出进行预测。

作为一个较好的实施例，在所述步骤S101进行多变量预测控制器的前期设计之后、步骤S102对过程对象的模型进行辨析之前，还可以包括步骤：对过程对象的数据进行测试。本实施例中的测试过程具体可以包括：

步骤S1011，判断所述多变量预测控制器所涉及变量的信号是否正常。设计人员需要一定时间确认多变量预测控制器所涉及变量的信号是否正常，变量所涉及的变送器或者阀门如果出现故障都要修复，以确保多变量预测控制器的顺利投入：

步骤S1012，如果确认多变量预测控制器投入所涉及的变量均正常，则进一步进行过程对象的测试。测试是通过对每一个输入变量进行扰动试验，同时记录、采集过程对象的数据。过程对象的测试工作非常关键，如果测试准确，那么得到的对象的模型就比较精确，有了精确的模型，多变量预测控制器试运行所花的时间就可以大大的减少，同时可以使控制器长期稳定运行。

在上述数据测试完成后，即可进入建立汽温系统的多输入多输出阶跃响应模型的步骤。所述对过程对象的模型进行辨析、通过施加阶跃扰动建立汽温系统的多输入多输出阶跃响应模型的过程具体可以包括如下：

根据所述对过程对象进行测试得到的数据来进行过程对象的模型辨识，将过程对象测试时所得到的数据通过系统辨识得到系统的传递函数矩阵，进而建立所述阶跃响应模型。

对于复杂工况的系统，在一定的工况段范围内，将复杂工况的机组模型近似为阶段线性模型处理，则机组汽温的多输入多输出阶跃响应模型矩阵可以建立成如下形式：

Y_k+1|k＝Y_k+1|k-1+AΔU_k (1)

其中，Y_k+l|k为模型预测输出：

Y_k+1|k-1为输出自由响应向量：

ΔU_k为控制变量增量：

A为动态矩阵：

则第k时刻动态矩阵为：

第k时刻下系统输出对第i个控制输入的阶跃响应模型：

给其中的一个输入增加10%的阶跃扰动，另外两个保持恒定，即可获得所述阶跃响应模型。汽温系统的四个输入输出阶跃响应曲线可参见图2。

另外，作为一个较好的实施例，在上式（1）中，获得上述控制变量增量ΔU_k的优化值的过程具体可以包括如下：

基于修正的预测起点，预测控制完成带有约束的滚动优化过程如下：

\begin{matrix} \min_{{ΔU}_{k}} & J_{k} = {| | W_{k} - Y_{k} | |}_{Q}^{2} + {| | {ΔU}_{k} | |}_{R}^{2} + {| | U_{k} - U_{IRV, k} | |}_{V}^{2} \end{matrix}

s.t.CΔU_k≤b （2）

其中，J_k为滚动优化目标,W_k为被控变量设定值，Y_k为预测模型输出值，ΔU_k为控制变量增量，U_k为控制变量，U_IRV，k为多变量预测控制中被控变量的理想稳态值；Q、R和V分别为设定值、控制变量增量和控制变量的加权矩阵；矩阵C和向量b为变量约束不等式的系数，一般由控制变量、被控变量的上下限约束确定。

上式（2）是一个典型的带有约束的二次型问题的优化求解，通过上式即可求得最优的控制变量增量ΔU_k，在非病态状态下，使用传统的拉格朗日乘子法或内点法（比如SQP等）对所述带有约束的滚动优化过程进行求解，即可获得最优的控制变量增量。

步骤S103，根据前面建立的阶跃响应模型，进行多变量预测控制器的仿真和参数调整，然后进入步骤S104。

通过辨识得到的模型，进行控制器的仿真和参数调整，测试和确定干扰变量的上下限、被控变量设定值的上下限、控制变量的上下限以及被控变量的约束上下限。并且在后续评估过控制器的性能后可以进一步调整参数来得到期望的性能。

步骤S104，启动多变量预测控制器，将预测控制器从仿真状态切换到实际在线运行和控制状态，并将所述多变量预测控制器的输出施加到被控对象上，进行实时控制。

作为一个较好的实施例，在所述步骤S103进行多变量预测控制器的仿真和参数调整之后、步骤S104启动多变量预测控制器之前，还可以包括步骤S1031：将所述多变量预测控制器首先以预测试运行模式运行预定时间（一般为一到两天），以检验程序是否正常运行以及检验模型的准确性。在该试运行模式下，所述多变量预测控制器完成各种运算，但多变量预测控制器的输出不加到被控对象上，只观察和跟踪控制变量和被控变量的变化趋势，当控制变量和被控变量的变化趋势满足实际工况后，才进入步骤S104即启动多变量预测控制器的步骤。

另外，作为一个较好的实施例，在所述步骤S104启动多变量预测控制器进行实时控制之后，还可以包括步骤S105：对所述多变量预测控制器进行维护。对于任何一个多变量预测控制器，都需要一定量的维护来确保性能的最优。本实施例中的维护过程具体可以包括：通过检测控制变量和被控变量的实际上下限来修改约束条件，确保所述控制变量和被控变量的实际上下限在允许的范围内，保证所述多变量预测控制器性能的最优。

与上述一种基于多变量预测控制的超超临界机组汽温控制方法相对应的，本发明还提供一种基于多变量预测控制的超超临界机组汽温控制系统，如图3所示，包括：

前期设计模块（101），用于进行多变量预测控制器的前期设计，确定控制变量、被控变量以及扰动变量；所述控制变量包括一级减温喷水、二级减温喷水、再热减温喷水以及烟气挡板开度；所述被控变量包括主汽温、再热汽温；

模型辨析模块（102），用于对过程对象的模型进行辨析，通过施加阶跃扰动，建立汽温系统的多输入多输出阶跃响应模型；

仿真和参数调整模块（103），用于根据建立的阶跃响应模型，进行多变量预测控制器的仿真和参数调整；

启动模块（104），用于启动多变量预测控制器，将预测控制器从仿真状态切换到实际在线运行和控制状态，并将所述多变量预测控制器的输出施加到被控对象上，进行实时控制。

作为一个较好的实施例，除了上述功能模块之外，本发明的系统还可以包括连接在所述前期设计模块（101）与模型辨析模块（102）之间的测试模块，用于在所述进行多变量预测控制器的前期设计之后、对过程对象的模型进行辨析之前，对过程对象的数据进行测试；该测试的过程具体包括：判断所述多变量预测控制器所涉及变量的信号是否正常；若是，则对每一个输入变量进行扰动试验，并记录、采集过程对象的数据。

另外，本发明的系统还可以包括与所述启动模块（104）相连接的维护模块，用于在所述启动模块启动多变量预测控制器进行实时控制之后，对所述多变量预测控制器进行维护。该维护的过程具体包括：通过检测控制变量和被控变量的实际上下限来修改约束条件，确保所述控制变量和被控变量的实际上下限在允许的范围内，保证所述多变量预测控制器性能的最优。

本发明的一种基于多变量预测控制的超超临界机组汽温控制系统的其它技术特征与上述基于多变量预测控制的超超临界机组汽温控制方法完全相同，在此不予赘述。

由以上的方案可以看出，本发明的基于多变量预测控制的超超临界机组汽温控制方法及系统，结合超超临界机组汽温的动态特性，将多变量预测控制技术应用到超超临界机组的气温控制中，建立了能够表示多输入变量与多输出变量之间关系的阶跃响应模型，从而能够更好地克服干扰维持稳定，并且始终保证了锅炉过热汽温在要求的范围内，解决了传统的PID型汽温控制系统在控制品质上存在不足的问题，具有较好的应用前景。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims

1.一种基于多变量预测控制的超超临界机组汽温控制方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于多变量预测控制的超超临界机组汽温控制方法，其特征在于，在所述进行多变量预测控制器的前期设计之后、对过程对象的模型进行辨析之前，还包括步骤：对过程对象的数据进行测试；具体包括：判断所述多变量预测控制器所涉及变量的信号是否正常；若是，则对每一个输入变量进行扰动试验，并记录、采集过程对象的数据。

3.根据权利要求1所述的基于多变量预测控制的超超临界机组汽温控制方法，其特征在于，在所述进行多变量预测控制器的仿真和参数调整之后、启动多变量预测控制器之前，还包括步骤：

将所述多变量预测控制器首先以预测试运行模式运行预定时间，以检验程序是否正常运行以及检验模型的准确性；在该试运行模式下，所述多变量预测控制器完成各种运算，但多变量预测控制器的输出不加到被控对象上，只观察和跟踪控制变量和被控变量的变化趋势，当控制变量和被控变量的变化趋势满足实际工况后，则进入启动多变量预测控制器的步骤。

4.根据权利要求1所述的基于多变量预测控制的超超临界机组汽温控制方法，其特征在于，在所述启动多变量预测控制器进行实时控制之后，还包括步骤：对所述多变量预测控制器进行维护；具体包括：通过检测控制变量和被控变量的实际上下限来修改约束条件，确保所述控制变量和被控变量的实际上下限在允许的范围内，保证所述多变量预测控制器性能的最优。

5.根据权利要求1-4任意一项所述的基于多变量预测控制的超超临界机组汽温控制方法，其特征在于：

所述主汽温包括：屏式过热器出口汽温、末级过热器出口汽温；所述再热汽温包括：低再热器出口汽温、高再热器出口汽温；

所述扰动变量包括：煤质变动、电网负荷波动。

6.根据权利要求2所述的基于多变量预测控制的超超临界机组汽温控制方法，其特征在于，所述对过程对象的模型进行辨析、通过施加阶跃扰动建立汽温系统的多输入多输出阶跃响应模型的过程具体包括：

根据所述对过程对象进行测试得到的数据来进行过程对象的模型辨识，将过程对象测试时所得到的数据通过系统辨识得到系统的传递函数矩阵，进而建立所述阶跃响应模型；所述阶跃响应模型矩阵建立成如下形式：

Y_k+1|k=Y_k+1|k-1+AΔU_k

其中，Y_k+1|k为模型预测输出，Y_k+1|k-1为输出自由响应向量，ΔU_k为控制变量增量，A为动态矩阵；

第k时刻下系统输出对第i个控制输入的阶跃响应模型：

给其中的一个输入增加10%的阶跃扰动，另外两个保持恒定，获得所述阶跃响应模型。

7.根据权利要求6所述的基于多变量预测控制的超超临界机组汽温控制方法，其特征在于，获得所述控制变量增量的优化值的过程具体包括：

\begin{matrix} \min_{Δ U_{k}} & J_{k} = {| | W_{k} - Y_{k} | |}_{Q}^{2} + {| | Δ U_{k} | |}_{R}^{2} + {| | U_{k} - U_{IRV, k} | |}_{V}^{2} \end{matrix}

s.t. CΔU_k≤b

其中，J_k为滚动优化目标,W_k为被控变量设定值，Y_k为预测模型输出值，ΔU_k为控制变量增量，U_k为控制变量，U_IRV,k为多变量预测控制中被控变量的理想稳态值；Q、R和V分别为设定值、控制变量增量和控制变量的加权矩阵；矩阵C和向量b为变量约束不等式的系数，由控制变量、被控变量的上下限约束确定；

在非病态状态下，使用拉格朗日乘子法或内点法对所述带有约束的滚动优化过程进行求解，获得最优的控制变量增量。

8.一种基于多变量预测控制的超超临界机组汽温控制系统，其特征在于，包括：

9.权利要求要求8所述的基于多变量预测控制的超超临界机组汽温控制系统，其特征在于，还包括连接在所述前期设计模块与模型辨析模块之间的测试模块，用于在所述进行多变量预测控制器的前期设计之后、对过程对象的模型进行辨析之前，对过程对象的数据进行测试；具体包括：判断所述多变量预测控制器所涉及变量的信号是否正常；若是，则对每一个输入变量进行扰动试验，并记录、采集过程对象的数据。

10.权利要求要求8或9所述的基于多变量预测控制的超超临界机组汽温控制系统，其特征在于，还包括与所述启动模块相连接的维护模块，用于在所述启动模块启动多变量预测控制器进行实时控制之后，对所述多变量预测控制器进行维护；具体包括：通过检测控制变量和被控变量的实际上下限来修改约束条件，确保所述控制变量和被控变量的实际上下限在允许的范围内，保证所述多变量预测控制器性能的最优。