CN103080855B - 确定模型参数以控制蒸汽发电站模块的方法和装置 - Google Patents

确定模型参数以控制蒸汽发电站模块的方法和装置 Download PDF

Info

Publication number
CN103080855B
CN103080855B CN201180041857.2A CN201180041857A CN103080855B CN 103080855 B CN103080855 B CN 103080855B CN 201180041857 A CN201180041857 A CN 201180041857A CN 103080855 B CN103080855 B CN 103080855B
Authority
CN
China
Prior art keywords
model
parameter
steam
time constant
gradient
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.)
Active
Application number
CN201180041857.2A
Other languages
English (en)
Other versions
CN103080855A (zh
Inventor
K.温德伯格
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens Energy Global GmbH and Co KG
Original Assignee
Siemens AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Siemens AG filed Critical Siemens AG
Publication of CN103080855A publication Critical patent/CN103080855A/zh
Application granted granted Critical
Publication of CN103080855B publication Critical patent/CN103080855B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F22—STEAM GENERATION
    • F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
    • F22B35/00—Control systems for steam boilers
    • F22B35/18—Applications of computers to steam boiler control
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01K—STEAM ENGINE PLANTS; STEAM ACCUMULATORS; ENGINE PLANTS NOT OTHERWISE PROVIDED FOR; ENGINES USING SPECIAL WORKING FLUIDS OR CYCLES
    • F01K3/00—Plants characterised by the use of steam or heat accumulators, or intermediate steam heaters, therein
    • F01K3/18—Plants characterised by the use of steam or heat accumulators, or intermediate steam heaters, therein having heaters
    • F01K3/20—Plants characterised by the use of steam or heat accumulators, or intermediate steam heaters, therein having heaters with heating by combustion gases of main boiler
    • F01K3/22—Controlling, e.g. starting, stopping
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric

Landscapes

  • Engineering & Computer Science (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Thermal Sciences (AREA)
  • Control Of Steam Boilers And Waste-Gas Boilers (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Control Of Eletrric Generators (AREA)

Abstract

本发明涉及用于对蒸汽发生器的控制技术模型的至少一个模型参数进行确定的一种方法和一种相应的装置，其中对于蒸汽发生器设置了具有至少一个特征模型参数的控制技术的模型结构。在线地采集蒸汽发生过程的测量信号。按照本发明，对至少一个模型参数进行在线估计。为此，给真正的过程以及蒸汽发生器的模型接入相同的输入信号。随后进行可估性分析，其中，通过借助于梯度分析的比较的评估来对各个过程和/或模型的至少一个输出信号和/或至少一个输入信号进行处理。依据梯度分析在另一个步骤中定义估计范围，在所述估计范围内可能存在有效的参数估计。如果可估性被评定为肯定的，则改进至少一个模型参数的当前的估计值，并且此外按照迭代法借助所述估计值对模型进行匹配。本发明还涉及一种用于蒸汽发生器的控制装置和一种计算机程序产品。

Description

确定模型参数以控制蒸汽发电站模块的方法和装置
技术领域
本发明涉及一种用于确定模型参数以便对蒸汽发电站模块进行控制的方法以及一种根据权利要求1的前序部分所述的相应的装置。本发明还涉及一种用于蒸汽发生器的控制装置以及一种计算机程序产品。
背景技术
在蒸汽发电站模块的控制中使用了模型辅助的方法。基于所使用的模型总是这样对特别地用于锅炉功率和涡轮功率的额定值的时间变化进行计算，使得发电站模块在不同的运行方式中具有尽可能最优的运行特性。附加存在的校正控制器对可能存在的模型不精确性进行平衡。
模型参数的确定与高的开销相连。此外，由于污染、磨损、燃料改变等，发电站模块随时间改变其时间上的特性。这导致了模型不精确性变大并且控制质量变差。
锅炉时间常数和存储时间常数(Speicherzeitkonstante)属于控制发电站模块的最重要的模型参数。对于这两个常数的说明参见图1的描述。
确定所述模型参数对于控制发电站模块具有重要的意义。对于两个参数通常假定事先根据经验确定的恒定值。替换地，可以对于不同的模块负载进行两个参数的测量，从而在设备运行时可以实施与负载有关的对计数值的跟踪。用于启动模块控制的开销由此是相对高昂的，并且对控制质量随时间的下降没有进行抵抗。
通过这样的方法实现了第一改进，所述方法在假定已知存储时间常数的情况下对锅炉时间常数进行在线估计。在欧洲专利申请PCT/EP2007/061170中描述了该基于参数识别的方法。然而这种做法的缺点在于，总是还必须预先给定存储时间常数的数值。由此不能避免用于测量存储时间常数的开销。此外，存储时间常数的不精确性直接造成锅炉时间常数的估计值的不精确性。由此仍然不能排除控制质量随时间的下降。这种方法的另一个缺点在于，燃料物料流量(Brennstoffmassenstrom)被视作其动态能被确定的系统的输入参数。对于锅炉时间常数的正确确定，由此算法还必须将燃料的热值视作另一个未知的参数，对于该未知参数要确定出估计值。
发明内容
本发明要解决的技术问题是，提供一种方法，该方法克服所有这些缺点并且借助该方法可以在随时间维持高控制质量的情况下在在线运行中将至少一个模型参数连续地与实际的设备性能相匹配。本发明此外要解决的技术问题是，提供一种相应的装置，该装置能够实施按照本发明的方法。本发明的另一个要解决的技术问题是，提供一种控制装置，该控制装置使用控制系统的所确定的至少一个模型参数。此外还提供一种计算机程序产品。
上述技术问题通过独立权利要求的特征来解决。分别在从属权利要求中描述了优选的实施方式。本发明优选实现了对蒸汽发生器的过程模型的至少一个模型参数进行在线确定。在此，预先给定了蒸汽发生器的控制技术的模型结构，其具有至少一个特有的模型参数。记录蒸汽发生过程的在线的测量信号作为测量值。按照本发明，在线估计至少一个模型参数。对此，给真正的过程以及蒸汽发生器的模型接入相同的输入信号。随后进行可估性分析，其中，通过借助于梯度分析的比较的评估来分别对过程和/或模型的至少一个输出信号或至少一个输入信号进行处理。依据梯度分析，在另一个步骤中对估计范围进行定义，在所述估计范围内可以进行有效地参数估计。如果可估性被评定为肯定的，则至少一个模型参数的当前的估计值被改进，并且此外按照迭代法借助至少一个模型参数的估计值对模型进行匹配。
迭代方法没有要求这样的权利要求，即，可以从当前存在的测量数据组中直接计算出需要的模型参数。而是确定至少一个模型参数的当前的估计值是过大还是过小。基于此，然后进行估计值的逐步的匹配。
这意味着，此时也可以对蒸汽发生过程的两个特征模型参数、锅炉时间常数和存储时间常数进行近乎同时地在线估计。在此，所述方法仅仅指示这样的测量信号，所述测量信号在发电站模块的标准的测量技术的装备中始终存在。
由此，估计方法优选地从控制技术的可用的过程参数中连续地并且实时地确定出未知的蒸汽发生器模型参数的近似值。例如通过测量来降低确定模型参数的开销。由于所述方法是立即可供使用的，所以同样地降低了用于启动模块控制的开销。
在第一实施变形中，通过分析过程和模型参数的时间变化来生成用于当前估计值的校正值。模型参数的与过程参数相比的快速的改变表明了有关的时间常数的过小的估计值。在比例上看来，缓慢的改变表明了过大的时间常数。这具有这样的优势，即，在过程中不断地采集时间上的改变并且由此阻碍了控制质量随时间的降低。
在另一个实施变形中，优选地在离线仿真中对梯度的最大值进行确定。由此实现了从单个程序部分的退耦。为了可以进行梯度分析，必须预先已知最大的梯度是多大的，所述最大的梯度在设备运行时出现在待检查的过程参数中。这些梯度最大值又取决于待确定的时间常数。由此，对于时间常数的最小和最大的待预计的值，可以在离线仿真中确定出梯度值。然后在在线运行中继续使用梯度最大值。通过结合在线和离线计算，可以实现按照本发明的方法的较高的灵活性。
在另一个实施变形中，在在线运行期间借助线性方程从用于控制技术模型的至少一个模型参数的当前估计值中确定出梯度的最大值。这还具有如下优点，即程序流不必由于结合离线仿真而被中断。
在另一个实施变形中，借助具有小的时间常数的DT元件(DT-Glieder)来确定梯度和/或借助积分器来进行对至少一个模型参数进行匹配，其中参数值发生变化直到所考察的梯度存在偏差。借助DT元件可以基于串联连接实现多重微分。对于足够小的微分器时间常数来说满足了应用的精确性要求。
在另一个实施变形中，对蒸汽发生过程的控制技术的模型结构进行更精确地说明。在此将这样的结构用作基础模型，在所述结构中至少通过特有锅炉时间常数的N阶延迟元件和至少一个特有存储时间常数的连接在后的积分器来对蒸汽发生进行建模。该结构的特征在于其简易性，因为仅由基本元件组成是具有优势的。同时，在此其是这样的模型，借助其能够以足够的精确性对蒸汽发生的动态进行仿真。
在另一个实施变形中，基于预先给定的模型结构实施按照本发明的用于锅炉时间常数和存储时间常数的两个模型参数的在线估计方法。
附图说明
下面结合在附图中示出的实施例详细地解释本发明。附图中：
图1A示出了用于阐明发电站模块的蒸汽发生的方框图，
图1B示出了蒸汽发生器的控制系统的方框图，
图2示出了用于阐明比较地估计的简图，
图3示出了控制装置的示意图。
具体实施方式
图1用于阐明蒸汽发生的动态过程和解释两个模型参数：锅炉时间常数TDE和存储时间常数TSP。
在图1A中以简化形式示出了蒸汽发生器的方框图。锅炉K的燃烧室在其入口处被输送了燃料BR，其中所述燃料例如可以是在煤炭粉粹机中被粉碎成煤粉的煤。在此可以测量燃料的物料流量。燃料的相应的热功率对应于关于燃料的热值HW校正的物料流量。在锅炉K内部燃烧燃料。为了生成蒸汽，将在蒸汽发生器壁中在管道中所输送的供水加热和汽化。通过过热器的管道系统将该蒸汽输送至涡轮阀TV。蒸汽发生DEges的全过程理想化地分为两个部分过程：实际的蒸汽发生DE和蒸汽存储器(Dampfspeicherung)SP，在蒸汽储存中收集并且存储之前所生成的蒸汽。在此，所示出的蒸汽存储器SP仅仅用于对概念模型(Modellvorstellung)进行说明，并且所述蒸汽存储器对应于蒸汽发生器的所有管道的总体积。在蒸汽发生器DEges的输出端上获取新鲜蒸汽物料流量(Frischdampfmassenstrom)并且测量蒸汽压力pD。涡轮物料流量mT等于在蒸汽发生器之后所调整的新鲜蒸汽物料流量
图1B示出了蒸汽发生器的控制技术的结构模型的可能变形。随时间变化的参数以及函数关系通过合适的图形符号来阐明并且组合为结构图。
作为输入参数，将燃料物料流量提供给蒸汽发生器，该蒸汽发生器在附图中通过控制系统DEges来表示。在结构模型中通过放大元件HW来考虑燃料的不同的热值。
此外，每次燃烧和由此蒸汽发生也具有不同的效率，这在图1B中作为单独的模块ηDE被示出。出于控制技术的观点，将这些因数考虑为与燃料物料流量的输入参数相乘的因数。
在考虑该模型的情况下将蒸汽发生过程的动态划分为两个部分系统：实际的蒸汽发生和蒸汽存储。根据经验可以控制技术上通过具有三个相同时间常数TDE[s]的理想的三阶的系统模型来描述蒸汽发生器的部分过程。这意味着，在燃料物料流量发生跳跃变化的情况下以及在恒定压力的情况下，发生涡轮物料流量的延迟，所述延迟相应于系统关于pT3元件的响应。由此，锅炉时间常数TDE描述了在燃料物料流量和锅炉输出端上的蒸汽物料流量之间的延迟，并且由此表征了煤炭粉粹机、燃烧和实际的蒸汽发生的动态特性。
蒸汽存储器的部分过程是以局部集中的存储器的概念模型为基础的，其中分布在整个蒸汽发生器中(例如在管道中)的质量存储被归入蒸汽体积中。通过存储时间常数TSP来采集存在的蒸汽存储器的参数。
在总蒸汽发生DEges的输出端上获取涡轮蒸汽物料流量mT并且输送给涡轮。在图1B中借助连接在蒸汽存储器SP之前的减法器SUB示出了蒸汽体积的获取。在两个物料流量和mT之间的积分的差与在蒸汽存储器SP中的蒸汽压力pD成比例，并且，与蒸汽发生器物料流量相对，其是可测量的参数。在此处预先给定的结构模型中示出了积分元件以便进行积分。蒸汽锅炉的积分时间常数对应于存储时间常数TSP。
产生流的部分系统(其包含涡轮和发生器)不是控制系统的一部分并且在此没有示出。然而，涡轮输入阀的阀门位置yT的控制参数(通过其来控制涡轮的蒸汽流)是重要的参数，原因是，借助其来控制涡轮蒸汽物料流量。在燃料物料流量恒定和由此蒸汽发生物料流量也恒定的情况下，涡轮阀的跳跃变化同样在蒸汽压力pD上发生作用。通过打开涡轮阀TV提高涡轮蒸汽物料流量mT导致了蒸汽压力的降低。在蒸汽发生物料流量和涡轮阀位置yT恒定的情况下从蒸汽压力的改变中可以计算出存储时间常数TSP[％/bars]。
在下文中进一步描述按照本发明的估计方法。对此，为了清楚起见使用了在图1B中示出的模型并且作为示例对锅炉时间常数TDE和存储时间常数TSP的模型参数进行估计。然而，通过相应的修改也可以将所述方法应用在单独的模型参数上或者应用在多于两个模型参数上。其他的模型参数(例如放大系数)也可以以这种方式进行确定。
根据图2，阐明了在在线参数估计中主要的运行方式。与真正的蒸汽发生过程P相并行地，需要比较模型或仿真模型M，以便确定一个或多个未知的模型参数(在所考虑的实施例中为时间常数)。如果既给真正的过程P也给蒸汽发生器M的模型接入相同的输入信号ES，则可以依据过程ASP(过程测量数据)和仿真模型ASM(仿真结果)的输出信号来说明时间常数的大小比例。由此，通过信号的比较的评估来在第一步骤中进行可估性分析SBA。在此，依据梯度分析来对各个过程ASP和/或模型ASM的至少一个输出信号或者至少一个输入信号ES进行处理。依据梯度分析来定义估计范围，在所述估计范围内有效的参数估计是可能的。如果可估性被评定为肯定的，则在下一步骤中改进用于时间常数的当前估计值并且反馈给模型。这在图2中通过估计值发生器SWG来阐明，所述估计值发生器也将估计值SW输出给模型M。由此，实现了模型和真正过程的时间常数的迭代近似。
在该定性的方法中，过程的足够强的激励构成了可估性的前提条件。如果蒸汽发生过程不能位于静止状态中，则有效的参数估计是完全可能的。只有对于瞬间的过程数据来说，包含了关于动态时间特性的信息以及由此也包含关于过程的时间常数的信息。对于近似恒定的测量信号，不能进行有意义的参数估计。因为是在线方法，那么必须关于每个时间对是否存在有效的激励条件进行判断。
通过可估性分析SBA来对时间常数的可估性进行评定。为此，在蒸汽发生器的情况下考虑了有关的系统参数、测量信号(热功率蒸汽压力pD和新鲜蒸汽物料流量)。为了获得有效的激励条件，必须对这些有关的测量信号的梯度进行确定和分析。通过至少考虑真正过程的过程参数的一阶导数来进行梯度分析。借助DT1微分器电路来确定系统参数的导数。根据以这种方式所生成的导数，然后分别定义用于对时间常数进行估计的允许条件(Freigabe-Bedingungen)。
在图2中示意性示出的用于对至少一个模型参数进行在线估计的运行方式可以在控制技术上以不同的方式来实现，所述运行方式在对蒸汽发生器的两个特征时间常数进行并行地在线估计的范围内被讨论。
在此，应当将可能的实现呈现为特殊的实施例。此处示出的实施例不应当视为本发明的限制。更确切地说，在现有公开的范围内，众多的改变和修改是可以的。
下面的特殊的方法基于这样的认知：直观地通过图形地评估延迟元件对足够大的激励产生的响应可以定性地估计时间常数。如果例如考察不同的PT1元件对相同激励的阶跃响应，则可以从响应图的比较中得到关于时间常数的大小比例的描述。如果时间常数中的一个是已知的，则可以从中推导出对于另一个时间常数的估计。这种方法也可以扩展到PT3元件上，不过必须考虑其偏差的时间特性。对响应图的斜率的解释由此取决于在曲线变化上所考察的点的位置。重要的是关于拐点的相对位置。因此，可以通过对传输元件的响应图进行梯度分析来得到关于其时间常数的定性说明。
如果采用了该特殊的方法，则成立：
a)在使用锅炉时间常数的当前估计值的情况下通过分析新鲜蒸汽压力pD的梯度来对存储时间常数TSP的可估性进行分析。
借助所描述的方法，从蒸汽压力pD以及模型化的蒸汽压力中确定导数。为了允许对TSP的估计，对于过程以及对于模型来说必须满足下面的逻辑条件：
其中，和是根据情况可以设置的数值。
由此确保了，过程和模型位于有效的状态，也就是说存在足够的激励并且过程和模型具有同步的输出性能。
b)通过分析在锅炉输出端的蒸汽物料流量的梯度来对锅炉时间常数TDE的可估性进行分析。对于真正的过程来说在使用存储时间常数TSPaktuell的当前估计值的情况下从真正的新鲜蒸汽压力pD的导数中确定所述梯度。从反向计算(zurückgerechnet)的过程蒸汽物料流量和反向计算的模型化的蒸汽物料流量中再次通过DT1元件确定导数。为了允许估计值TDE，对于过程和模型来说必须满足下面的逻辑条件。
其中，和是根据情况可以设置的数值。
如果确定了上面所述的可估性区域，则在下一步骤中生成需要的模型参数的估计值。对此，必须由估计值分析SWA来生成校正值Tvar，所述校正值在正确的方向上发起对当前估计值的匹配。
一种可设想的可能性是输出带有符号的固定值，例如Tvar＝±1。然而更有意义的是加权的输出，所述输出依据当前估计值的质量而缩放。如果已经存在良好的估计值，则应当使用衰减的估计特性。反之，对于强烈偏离的估计值应当进行快速的匹配。也就是在理想激励的情况下，这样的信号Tvar导致估计偏差渐进地趋向零。
如果确定了校正值，则将该校正值接入到估计值生成器SWG上。所述估计值生成器可以被构造为空转的积分器(freilaufenderIntergrator)。如果如上所述地实施了估计允许则可以通过在积分器上施加正的或负的输入而将估计值向上或向下校正。典型的蒸汽发生器的时间常数T位于30s＜T＜120s的范围内。积分器的附加的调节参数实现了例如对积分特性的灵敏性进行手动地调整。
因此，该特殊的估计方法通过对过程和并行连接的模型系统的仿真参数的测量进行动态比较实现了对模型参数进行近似，所述模型系统的模型参数(在此是时间常数)连续地与当前的估计值进行匹配。
图3示出了控制装置R的结构图。将参考变量w提供给所述控制装置。在控制装置的输出端上输出了控制变量x。控制装置的部件是一个或多个计算单元BE，在所述计算单元中对用于依据按照本发明的方法在线控制蒸汽发生器的参数估计进行计算。

Claims (10)

1.一种用于确定蒸汽发生器的控制技术模型的至少一个模型参数的方法，其中，对于蒸汽发生器预先给定了具有至少一个特征模型参数的控制技术的模型结构，并且在线采集蒸汽发生过程的测量信号，
其特征在于，
通过实施下列步骤来对至少一个模型参数进行在线估计：
a)给真正的过程(P)以及蒸汽发生器的模型(M)接入相同的输入信号(ES)，
b)进行可估性分析(SBA)，其中，通过借助于梯度分析的比较的评估来对各个过程(ASP)和/或模型(ASM)的至少一个输出信号或者至少一个输入信号(ES)进行处理，
c)依据梯度分析来定义估计范围，在所述估计范围内能够存在有效的参数估计，
d)如果可估性被评定为肯定的，则对至少一个模型参数的当前的估计值进行改进，
e)按照迭代法重复所述步骤a)至d)，
其中，借助具有小的时间常数的DT元件来确定所述梯度，和/或借助积分器来进行对至少一个模型参数的匹配，其中参数值发生变化直到所考察的梯度存在偏差。
2.按照权利要求1所述的方法，其特征在于，通过分析过程和模型参数的时间变化来生成用于所述当前的估计值的校正值。
3.按照权利要求1所述的方法，其特征在于，在离线仿真中确定梯度的最大值。
4.按照权利要求1所述的方法，其特征在于，在线运行期间借助线性方程从用于控制技术模型的至少一个模型参数的当前估计值中确定梯度的最大值。
5.按照权利要求1所述的方法，其特征在于，至少通过特有的锅炉时间常数(TDE)的N阶的延迟元件(VZN)和至少一个连接在后的特有的存储时间常数(TSP)的积分器(I)来对蒸汽发生进行建模。
6.按照权利要求5所述的方法，其特征在于，这样构造所述控制技术的模型结构，
使得为至少一个N阶的延迟元件(VZN)输入燃料物料流量(mBR)作为输入参数，并且输出锅炉蒸汽物料流量(mDE)作为输出参数，
使得在至少一个N阶的延迟单元(VZN)之后布置至少一个减法元件(SUB)，在所述减法元件中从所述锅炉蒸汽物料流量(mDE)中减去涡轮蒸汽物料流量(mT)并且随后将这些物料流量(mDE，mT)的差输入给至少一个积分器(I)，所述积分器的输出参数表征了新鲜蒸汽压力(pD)，
其中，在线地将所述燃料物料流量(mBR)、新鲜蒸汽压力(pD)和涡轮蒸汽物料流量(mT)进行确定，作为测量值。
7.按照权利要求6所述的方法，其特征在于，对于所述锅炉时间常数(TDE)和存储时间常数(TSP)的特有的模型参数的在线估计，依据所采集的测量值(mBR，pD，mT)和至少其关于时间的一阶导数来进行可估性分析，其中，
-在使用用于所述锅炉时间常数(TDE)的当前估计值的情况下通过分析所述新鲜蒸汽压力(pD)的梯度来对用于所述存储时间常数(TSP)的当前估计值进行评估，以及
-通过分析在锅炉输出端上的新鲜蒸汽物料流量(mDE)的梯度来对用于锅炉时间常数(TDE)的当前估计值进行评估，其中依据来自真正过程中的新鲜蒸汽压力(pP)和涡轮蒸汽物料流量(mT)的测量值并且在考虑用于存储时间常数(TSP)的当前估计值的情况下对所述梯度进行反向计算。
8.按照权利要求7所述的方法，其特征在于，
用于当前估计值的校正值从过程梯度和模型梯度的差中生成，并且与符号因数相乘。
9.一种装置，用于对蒸汽发生器的控制技术模型的至少一个模型参数进行确定，所述装置具有至少一个计算单元以便实施按照权利要求1至8中任一项所述的方法。
10.一种用于蒸汽发生器的控制装置(R)，该控制装置具有基于控制技术模型结构的带有延迟的控制系统，并且具有按照权利要求9所构造的装置。
CN201180041857.2A 2010-07-02 2011-06-27 确定模型参数以控制蒸汽发电站模块的方法和装置 Active CN103080855B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102010025916.0 2010-07-02
DE201010025916 DE102010025916B4 (de) 2010-07-02 2010-07-02 Verfahren und Vorrichtung zur Ermittlung von Modellparametern zur Regelung eines Dampfkraftwerksblocks, Regeleinrichtung für einen Dampferzeuger und Computerprogrammprodukt
PCT/EP2011/060696 WO2012000929A2 (de) 2010-07-02 2011-06-27 Verfahren und vorrichtung zur ermittlung von modellparametern zur regelung eines dampfkraftwerksblocks, regeleinrichtung für einen dampferzeuger und computerprogrammprodukt

Publications (2)

Publication Number Publication Date
CN103080855A CN103080855A (zh) 2013-05-01
CN103080855B true CN103080855B (zh) 2016-08-03

Family

ID=44627760

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201180041857.2A Active CN103080855B (zh) 2010-07-02 2011-06-27 确定模型参数以控制蒸汽发电站模块的方法和装置

Country Status (6)

Country Link
EP (1) EP2588925B1 (zh)
KR (1) KR101663348B1 (zh)
CN (1) CN103080855B (zh)
DE (1) DE102010025916B4 (zh)
WO (1) WO2012000929A2 (zh)
ZA (1) ZA201209597B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011086116A1 (de) 2011-07-20 2013-01-24 Siemens Aktiengesellschaft Vorrichtung und Verfahren zur Bestimmung von Modellparametern einer regelungstechnischen Modellstruktur eines Prozesses, Regeleinrichtung und Computerprogrammprodukt
CN102759094B (zh) * 2012-06-29 2014-07-02 西安交通大学 火电厂烟气深度冷却器回热优化在线监测装置及方法
CN102830628B (zh) * 2012-08-28 2015-04-01 中国科学院自动化研究所 变换炉的控制方法
CN107728599B (zh) * 2017-09-01 2020-12-18 北京中燕信息技术有限公司 一种确定炼化装置阀门状态的方法和装置
CN110286587B (zh) * 2019-05-21 2022-02-22 平安银行股份有限公司 实现模型迭代控制的方法、服务器及计算机可读存储介质
US11525375B2 (en) 2020-04-09 2022-12-13 General Electric Company Modeling and control of gas cycle power plant operation with variant control profile

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3133222A1 (de) * 1981-08-21 1983-03-03 Kraftwerk Union AG, 4330 Mülheim Verfahren zur ermittlung des augenblicklichen und des zukuenftigen zustandes eines technischen prozesses mit hilfe von nichtlinearen prozessmodellen
CN1112693A (zh) * 1993-03-12 1995-11-29 株式会社日立制作所 过程自适应控制方法及过程控制系统
US5486995A (en) * 1994-03-17 1996-01-23 Dow Benelux N.V. System for real time optimization
DE4405350C2 (de) * 1993-08-13 1996-06-20 Abb Patent Gmbh Verfahren zur Bestimmung des Frischdampfmassenstromes in der Frischdampfleitung eines Dampfkraftwerks
CN1161753A (zh) * 1994-10-24 1997-10-08 奥林公司 模型预测控制装置与方法
CN101529347A (zh) * 2006-10-18 2009-09-09 西门子公司 识别有延时的调节对象的方法和装置、调节装置和计算机程序产品

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6681155B1 (en) * 1998-08-31 2004-01-20 Mitsubishi Chemical Corporation Optimizing control method and optimizing control system for power plant
WO2009156299A2 (en) * 2008-06-26 2009-12-30 Alstom Technology Ltd A method of estimating the maximum power generation capacity and for controlling a specified power reserve of a single cycle or combined cycle gas turbine power plant, and a power generating system for use with said method

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3133222A1 (de) * 1981-08-21 1983-03-03 Kraftwerk Union AG, 4330 Mülheim Verfahren zur ermittlung des augenblicklichen und des zukuenftigen zustandes eines technischen prozesses mit hilfe von nichtlinearen prozessmodellen
CN1112693A (zh) * 1993-03-12 1995-11-29 株式会社日立制作所 过程自适应控制方法及过程控制系统
DE4405350C2 (de) * 1993-08-13 1996-06-20 Abb Patent Gmbh Verfahren zur Bestimmung des Frischdampfmassenstromes in der Frischdampfleitung eines Dampfkraftwerks
US5486995A (en) * 1994-03-17 1996-01-23 Dow Benelux N.V. System for real time optimization
CN1161753A (zh) * 1994-10-24 1997-10-08 奥林公司 模型预测控制装置与方法
CN101529347A (zh) * 2006-10-18 2009-09-09 西门子公司 识别有延时的调节对象的方法和装置、调节装置和计算机程序产品

Also Published As

Publication number Publication date
CN103080855A (zh) 2013-05-01
KR101663348B1 (ko) 2016-10-06
KR20130117661A (ko) 2013-10-28
DE102010025916B4 (de) 2013-10-10
ZA201209597B (en) 2013-08-28
DE102010025916A1 (de) 2012-01-05
WO2012000929A2 (de) 2012-01-05
WO2012000929A3 (de) 2012-02-23
EP2588925A2 (de) 2013-05-08
EP2588925B1 (de) 2016-08-10

Similar Documents

Publication Publication Date Title
CN103080855B (zh) 确定模型参数以控制蒸汽发电站模块的方法和装置
DK1841037T3 (en) System, method, and manufacturing article for determining parameter values associated with a power grid
CN107730129B (zh) 考虑光热热电联产与电锅炉的电-气-热互联系统风险评估方法
CN106773666B (zh) 一种针对压水堆一回路系统的模型参数获取方法
CN101685966A (zh) 一种低频振荡综合分析的方法及其系统
Rosich et al. On-line model-based fault detection and isolation for PEM fuel cell stack systems
CN103061891A (zh) 用于模拟燃气轮机运行的系统和方法
JP2009041565A (ja) モデルベースのセンサ障害検出及び分離用システム及び方法
CN112332459B (zh) 一种基于灵敏度分析的多机系统调差系数优化方法
CN103729013B (zh) 跟踪光伏系统最大功率点的方法及设备
CN109378835A (zh) 基于互信息冗余性最优的大规模电力系统暂态稳定评估系统
Plis et al. Predictive, adaptive model of PG 9171E gas turbine unit including control algorithms
WO2012093518A1 (ja) プラントの制御装置及び火力発電プラントの制御装置
CN111400873A (zh) 电热综合能源系统二阶锥规划抗差状态估计方法和系统
Chen et al. An online parameter identification and real-time optimization platform for thermal systems and its application
CN108988347B (zh) 一种电网暂态电压稳定样本集类别失衡的调节方法及系统
JP2010507159A (ja) 遅延を伴った制御対象を同定するための方法および装置、制御装置およびコンピュータプログラム製品
Chen et al. Application of deep learning modelling of the optimal operation conditions of auxiliary equipment of combined cycle gas turbine power station
CN110206595A (zh) 一种汽轮机组运行热耗率在线实时测试方法及装置
de Dieu Nguimfack-Ndongmo et al. Adaptive terminal synergetic-backstepping technique based machine learning regression algorithm for MPPT control of PV systems under real climatic conditions
Wu et al. Control‐oriented fault detection of solid oxide fuel cell system unknown input on fuel supply
CN116499022A (zh) 一种供热机群控制方法、装置、系统以及存储介质
JP6554162B2 (ja) 発電プラント性能評価方法及び発電プラント性能評価プログラム
CN112910006B (zh) 一种直驱风电机组通用电磁暂态建模方法
CN104854327B (zh) 气体燃料热量估计装置及气体燃料热量估计方法

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
TR01 Transfer of patent right

Effective date of registration: 20220126

Address after: Munich, Germany

Patentee after: Siemens energy Global Ltd.

Address before: Munich, Germany

Patentee before: SIEMENS AG

TR01 Transfer of patent right