CN104196640A - 一种基于重型燃气轮机模型的解耦控制方法和系统 - Google Patents
一种基于重型燃气轮机模型的解耦控制方法和系统 Download PDFInfo
- Publication number
- CN104196640A CN104196640A CN201410375105.5A CN201410375105A CN104196640A CN 104196640 A CN104196640 A CN 104196640A CN 201410375105 A CN201410375105 A CN 201410375105A CN 104196640 A CN104196640 A CN 104196640A
- Authority
- CN
- China
- Prior art keywords
- rotating speed
- gas turbine
- heavy duty
- delivery temperature
- turbine
- 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.)
- Granted
Links
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明涉及一种基于重型燃气轮机模型的解耦控制方法和系统,包括:根据初始燃料量和初始压力机进口可转导叶开度,计算当前控制周期的燃机转速和透平排气温度;根据燃机转速基准,计算当前控制周期的转速偏差,通过单神经元比例积分微分控制算法计算下一个控制周期的燃料量;根据透平排气温度基准,计算当前控制周期的温度偏差,通过单神经元比例积分微分控制算法计算下一个控制周期的压气机进口可转导叶开度;计算下一个控制周期的燃机转速和透平排气温度;下一个控制周期的燃机转速和透平排气温度作为当前控制周期的燃机转速和透平排气温度,直至燃机转速和透平排气温度达到对应的基准。本发明响应迅速、自适应能力强,同时提高了联合循环效率。
Description
技术领域
本发明涉及燃气轮机控制领域,具体涉及一种基于重型燃气轮机模型的解耦控制方法和系统。
背景技术
发电用燃气轮机在部分负荷下的控制量主要包括燃料量和压气机进口可转导叶开度,压气机进口可转导叶主要是用于空气流量的调节,调节范围为80%~100%。控制系统通过调节燃料量和压气机进口可转导叶开度来获得期望的功率和排气温度,燃料量对于功率和排气温度的调节作用都比较大,压气机进口可转导叶变化也同时影响功率和排气温度,所以简化的燃气轮机模型为燃料量与压气机进口可转导叶开度双输入、转速与透平排气温度双输出的耦合系统。上述系统中对排气温度进行控制的原因是在联合循环中燃气轮机的排气送入余热锅炉和汽轮机,当透平排气温度接近设计点时燃气轮机联合循环的效率最高。
解决上述耦合系统控制问题的常规方案是采用两个比例积分微分控制器,其中一个控制器用燃料量来控制功率,另一个控制器用压气机进口可转导叶来控制排气温度,控制器参数经整定后不会自动改变,这使得模型时变或者干扰因素等的存在都可能降低控制器的品质。此外,由于燃料量对排气温度的影响也很大,压气机进口可转导叶的调节往往是在燃料量对排气温度已经造成影响后才起作用,这种排气温度控制的滞后使得这种控制方案的经济性不是最好。
发明内容
本发明的目的是提高燃气轮机控制的响应速度、自适应能力、抗干扰能力和联合循环效率。
为此目的,本发明提出了一种基于重型燃气轮机模型的解耦控制方法,所述控制方法包括以下步骤:
S1.根据输入重型燃气轮机模型的初始燃料量和初始压力机进口可转导叶开度,计算重型燃气轮机模型在当前控制周期输出的燃机转速和透平排气温度;
S2.根据重型燃气轮机模型的燃机转速基准,计算所述燃机转速在当前控制周期的转速偏差,并根据所述转速偏差通过第一单神经元比例积分微分控制算法,计算在下一个控制周期输入所述重型燃气轮机模型的燃料量;
S3.根据重型燃气轮机模型的透平排气温度基准,计算所述透平排气温度在当前控制周期的温度偏差,并根据所述温度偏差,通过第二单神经元比例积分微分控制算法,计算在下一个控制周期输入所述重型燃气轮机模型的压气机进口可转导叶开度;
S4.根据所述在下一个控制周期输入所述重型燃气轮机模型的燃料量和压气机进口可转导叶开度,计算重型燃气轮机模型在下一个控制周期输出的燃机转速和透平排气温度;
S5.将所述下一个控制周期输出的燃机转速和透平排气温度作为当前控制周期输出的燃机转速和透平排气温度,重复执行步骤S2至S4,直至重型燃气轮机模型输出的燃机转速和透平排气温度分别达到对应的基准。
进一步地,所述步骤S2具体包括:
将所述燃机转速基准与所述燃机转速作差,得到所述转速偏差;
根据所述转速偏差,构建第一单神经元比例积分微分控制算法中神经元学习公式的状态变量;
根据所述第一单神经元比例积分微分控制算法中神经元学习公式的状态变量,构建第一加权系数,并将所述第一加权系数规范化;
根据规范化的所述第一加权系数,通过所述第一神经单元比例积分微分算法中的所述神经元学习公式,计算所述燃料量。
进一步地,所述步骤S2还包括:对所述燃料量进行中值限幅。
进一步地,所述步骤S3具体包括:
将所述透平排气温度与所述透平排气温度基准作差,得到温度偏差;
根据所述温度偏差,构建第二单神经元比例积分微分控制算法中神经元学习公式的状态变量;
根据所述第二单神经元比例积分微分控制算法中神经元学习公式的状态变量,构建第二加权系数,并将所述第二加权系数规范化;
根据规范化的所述第二加权系数,通过所述第二神经单元比例积分微分算法中的所述神经元学习公式,计算所述压力机进口可转导叶开度。
进一步地,所述步骤S3还包括:
对所述压力机进口可转导叶开度进行中值限幅。
进一步地,所述方法还包括:
对所述转速偏差进行限幅;
将限幅后的转速偏差加入到温度偏差中对透平排气温度进行补偿。
进一步地,所述将限幅后的所述转速偏差加入到温度偏差中对透平排气温度进行补偿具体包括:
计算温度偏差与所述限幅后的转速偏差的和;
根据所述限幅后的转速偏差与温度偏差的和,构建第二单神经元比例积分微分控制算法中神经元学习公式的状态变量。
本发明还提出了一种基于重型燃气轮机模型的解耦控制系统,所述系统包括:仿真器,所述仿真器中嵌入有用于计算重型燃气机轮的燃机转速和透平排气温度的重型燃气轮机模型,所述系统还包括:第一单神经元比例积分微分控制器、第二单神经元比例积分微分控制器、转速偏差计算器和温度偏差计算器;
所述第一单神经元比例积分微分控制器、所述仿真器和所述转速偏差计算器相互电连接;
所述第二单神经元比例积分微分控制器、所述仿真器和所述温度偏差计算器相互电连接;
所述转速偏差计算器计算所述仿真器输出的燃机转速与燃机转速基准值的差值,作为转速偏差信号,传输至所述第一单神经元比例积分微分控制器进行处理,得到重型燃气轮机的燃料量信号,并传输至所述仿真器中的重型燃气轮机模型进行仿真;
所述温度偏差计算器计算所述仿真器输出的透平排气温度与透平排气温度基准值的差值,作为温度偏差信号,传输至所述第二单神经元比例积分微分控制器进行处理,得到重型燃气轮机的压力机进口可转导叶开度信号,并传输至所述仿真器中的重型燃气轮机模型进行仿真。
进一步地,所述系统还包括:第一限幅器和第二限幅器,所述第一限幅器分别与所述第一单神经元比例积分微分控制器和所述仿真器电连接,所述第二限幅器分别与所述第二单神经元比例积分微分控制器和所述仿真器电连接;
所述第一限幅器对所述第一单神经元比例积分微分控制器处理的所述燃料量信号进行中值限幅后,传输至所述仿真器,所述第二限幅器对所述第二单神经元比例积分微分控制器处理的所述压力机进口可转导叶开度信号进行中值限幅后,传输至所述仿真器。
进一步地,所述系统还包括:偏差补偿器和第三限幅器,所述偏差补偿器连接在所述转速偏差计算器的输出端和所述第三限幅器输入端之间;所述第三限幅器连接在所述偏差补偿器输出端和第二单神经元比例积分微分控制器的输入端之间;
所述偏差补偿器将所述转速偏差信号进行处理,并通过所述第三限幅器进行限幅后,传输至所述第二单神经元比例积分微分控制器对所述透平排气温度进行补偿。
通过采用本发明所公开的一种基于重型燃气轮机模型的解耦控制方法和系统,通过对重型燃气轮机模型的输出分别采用单神经元比例积分微分算法控制器的单神经元比例积分微分算法,以及通过在第二单神经元比例积分微分控制器的第二单神经元比例积分微分算法中增加偏差补偿,具有对控制量自动学习,响应迅速、自适应能力强、抗干扰能力强等优点,实现在降负荷过程中通过减少透平排气温度的降低而提高燃气轮机联合循环效率的效果。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点,附图是示意性的而不应理解为对本发明进行任何限制,在附图中:
图1示出了本发明实施例1提出的一种基于重型燃气轮机模型的解耦控制方法流程图;
图2示出了本发明实施例2提出的一种基于重型燃气轮机模型的解耦控制系统结构示意图;
图3示出了本发明实施例中提出的燃机转速输出响应曲线示意图;
图4示出了本发明实施例提出的透平排气温度输出响应曲线示意图;
图5示出了本发明实施例提出的有无转速偏差补偿的排气温度输出响应曲线示意图;
图6示出了本发明实施例2提出的解耦控制系统信号流向示意图。
具体实施方式
下面将结合附图对本发明的实施例进行详细描述。
实施例1
本发明实施例提出了一种基于重型燃气轮机模型的解耦控制方法,如图1所示,该控制方法包括以下步骤:
S1.根据输入重型燃气轮机模型的初始燃料量和初始压力机进口可转导叶开度,计算重型燃气轮机模型在当前控制周期输出的燃机转速和透平排气温度。
本发明实施例中,重型燃气轮机模型选定为单轴燃气轮机模型。
选定为单轴燃气轮机模型后,需对单轴燃气轮机模型的参数进行设定,其设定内容具体包括:负载Mload设定为0.7。压气机进气温度Ta设定为15℃。透平排气温度设计点值TR设定为538℃,透平及排气系统的时间延迟εtd取值设定为0.04s。透平排气温度场传递函数设定为热电偶传递函数设定为
S2.根据重型燃气轮机模型的燃机转速基准,计算燃机转速在当前控制周期的转速偏差,并根据转速偏差通过第一单神经元比例积分微分控制算法,计算在下一个控制周期输入重型燃气轮机模型的燃料量。
具体地,步骤S2包括:
将燃机转速基准与燃机转速作差,得到转速偏差。
根据转速偏差,构建第一单神经元比例积分微分控制算法中神经元学习公式的状态变量。
本发明实施例中,第一单神经元比例积分微分控制算法中神经元学习公式的状态变量包括:x11(k)、x12(k)和x13(k)。其中,x11(k)的构建如式(1)所示,x12(k)的构建如式(2)所示,x13(k)的构建如式(3)所示。
x11(k)=r1(k)-y1(k)=e1(k) (1)
x12(k)=e1(k)-e1(k-1) (2)
x13(k)=e1(k)-2e1(k-1)+e1(k-2) (3)
其中,e1(k)、e1(k-1)、e1(k-2)分别为第k、k-1、k-2时刻的转速偏差,r1(k)为第k时刻的转速基准,y1(k)为第k时刻的燃机转速
根据第一单神经元比例积分微分控制算法中神经元学习公式的状态变量,构建第一加权系数,并将第一加权系数规范化。
本发明实施例中,第一神经单元比例积分微分算法的第一加权系数包括:w11(k)、w12(k)和w13(k)。其中w11(k)的构建如式(4)所示,w12(k)的构建如式(5)所示,w13(k)的构建如式(6)所示。
w11(k)=w11(k-1)+ηI1z1(k)u1(k)x11(k) (4)
w12(k)=w12(k-1)+ηP1z1(k)u1(k)x12(k) (5)
w13(k)=w13(k-1)+ηD1z1(k)u1(k)x13(k) (6)
其中,性能指标z1(k)=e1(k),w11(k)、w12(k)和w13(k)为第k时刻的第一加权系数,w11(k-1)、w12(k-1)和w13(k-1)为第k-1时刻的第一加权系数,ηI1、ηP1、ηD1分别为积分、比例、微分的学习速率,u1(k)为第k时刻的燃料量。
本发明实施例中,规范化的第一加权系数的如式(7)所示;
根据规范化的第一加权系数,通过第一神经单元比例积分微分算法中的神经元学习公式,计算燃料量。
本发明实施例中,第一神经单元比例积分微分算法中的神经元学习公式如式(8)所示。
其中,u1(k-1)为k-1时刻的燃料量,Κ1为第一神经单元比例积分微分算法中的神经元的比例系数。
优选地,步骤S2还包括:对燃料量进行中值限幅。
本发明实施例中,对燃料量进行中值限幅具体包括:将(8)中的u1(k-1)替换成Median{u1(k-1),U1lim,L1lim},得到中值限幅的第一神经单元比例积分微分算法中的神经元学习公式,如式(9)所示,通过式(9)对燃料量进行限幅,计算出限幅的燃料量。
其中,U1lim,L1lim为燃料量的限幅,Median{…}为求中值,Κ1为神经元的比例系数。
由于本发明实施例采用单轴燃气轮机模型,第一神经单元比例积分微分算法的第一加权系数w11(k)、w12(k)和w13(k)的初值w11(1)=0、w12(1)=0和w13(1)=0,比例积分微分的积分、比例、微分的学习速率ηI1=0.01、ηP1=0.03、ηD1=0.003,燃料量限幅范围为0.15~1,燃料量限幅的上限U1lim=1,燃料量限幅的下限L1lim=0.15,神经元的比例系数Κ1的取值范围为0.4至1,取Κ1=0.8。
S3.根据重型燃气轮机模型的透平排气温度基准,计算透平排气温度在当前控制周期的温度偏差,并根据温度偏差,通过第二单神经元比例积分微分控制算法,计算在下一个控制周期输入重型燃气轮机模型的压气机进口可转导叶开度。
具体地,步骤S3包括:
将透平排气温度与透平排气温度基准作差,得到温度偏差。
根据温度偏差,构建第二单神经元比例积分微分控制算法中神经元学习公式的状态变量。
本发明实施例中,第二单神经元比例积分微分控制算法中神经元学习公式的状态变量包括:x21(k)、x22(k)和x23(k)。其中,x21(k)的构建如式(10)所示,x22(k)的构建如式(11)所示,x23(k)的构建如式(12)所示。
x21(k)=y2(k)-r2(k)=e2(k) (10)
x22(k)=e2(k)-e2(k-1) (11)
x23(k)=e2(k)-2e2(k-1)+e2(k-2) (12)
其中,e2(k)、e2(k-1)、e2(k-2)分别为第k、k-1、k-2时刻的温度偏差,r2(k)为第k时刻的透平排气温度,y2(k)为第k时刻的透平排气温度基准。
根据第二单神经元比例积分微分控制算法中神经元学习公式的状态变量,构建第二加权系数,并将第二加权系数规范化。
本发明实施例中,第二神经单元比例积分微分算法的第二加权系数包括:w21(k)、w22(k)和w23(k)。其中的构建如式(13)所示,w21(k)的w22(k)构建如式(14)所示,w23(k)的构建如式(15)所示。
w21(k)=w21(k-1)+ηI2z2(k)u2(k)x21(k) (13)
w22(k)=w22(k-1)+ηP2z2(k)u2(k)x22(k) (14)
w23(k)=w23(k-1)+ηD2z2(k)u2(k)x23(k) (15)
其中,性能指标z2(k)=e2(k),w21(k)、w22(k)和w23(k)为第k时刻的第二加权系数,w21(k-1)、w22(k-1)和w23(k-1)为第k-1时刻的第二加权系数,ηI2、ηP2、ηD2分别为积分、比例、微分的学习速率,u2(k)为第k时刻的压力机进口可转导叶开度。
本发明实施例中,规范化的第二加权系数如式(16)所示。
根据规范化的第二加权系数,通过第二神经单元比例积分微分算法中的神经元学习公式,计算压力机进口可转导叶开度。
本发明实施例中,第二神经单元比例积分微分算法中的神经元学习公式如式(17)所示。
其中,u2(k-1)为k-1时刻的压力机进口可转导叶开度,Κ1为第二神经单元比例积分微分算法中的神经元的比例系数。
优选地,步骤S3还包括:
对压力机进口可转导叶开度进行中值限幅
本发明实施例中,对燃料量进行中值限幅具体包括:,将(17)中的u2(k-1)替换成Median{u2(k-1),U2lim,L2lim},得到中值限幅的第二神经单元比例积分微分算法中的神经元学习公式如式(18)所示
通过式(18)对压力机进口可转导叶开度进行限幅,计算限幅的压力机进口可转导叶开度。
其中,U2lim,L2lim为压气机进口可转导叶开度的限幅,Median{…}为求中值,Κ2为神经元的比例系数。
由于本发明实施例采用单轴燃气轮机模型,第二神经单元比例积分微分算法的第二加权系数w21(k)、w22(k)和w23(k)的初值w21(1)=0、w22(1)=0和w23(1)=0,比例积分微分的积分、比例、微分的学习速率ηI2=30、ηP2=100、ηD2=0.003,压气机进口可转导叶限幅范围为57~86,压气机进口可转导叶开度限幅的上限U2lim=86,压气机进口可转导叶开度限幅的下限L2lim=57,神经元的比例系数Κ2的取值范围为0.0001至0.01,取Κ2=0.001。
S4.根据在下一个控制周期输入重型燃气轮机模型的燃料量和压气机进口可转导叶开度,计算重型燃气轮机模型在下一个控制周期输出的燃机转速和透平排气温度。
本发明实施例中,通过选定的单轴燃气轮机模型,计算单轴燃气轮机模型输出的燃机转速和透平排气温度具体如下:
对单轴燃气轮机模型的参数进行设定后,利用单轴燃气轮机模型,通过下述式(19)、式(20)、式(21)、式(22)和式(23),分别根据单轴燃气轮机模型的输入量:燃料量和压气机进口可转导叶开度,计算单轴燃气轮机模型的输出量:燃机转速和透平排气温度。在利用单轴燃气轮机模型进行计算的过程中,将燃料量控制信号作为燃料量,将压气机进口可转导叶开度值的控制信号作为压气机进口可转导叶开度。
其中,根据单轴燃气轮机模型的输入量计算输出量的具体步骤如下:由根据式(19)和式(20)可推导出uf与n的直接关系,即通过燃料量控制信号uf,计算出燃机转速n,可以理解为:根据燃料量,通过式(19)和式(20)计算出燃机转速。
由根据式(21)、式(22)和式(23)可推导出uIGV与TT的直接关系,即通过压气机进口可转导叶开度值的控制信号uIGV,计算出透平排气温度TT。其中,如式(23)所示,燃机转速影响到了透平排气流量,因此燃料量控制信号和压气机进口可转导叶开度值的控制信号同时影响透平排气温度。可以理解为:根据压力机进口转导叶开度和燃料量,通过式(19)、式(20)式(21)、式(22)和式(23)计算出透平排气温度,燃料量与压气机进口可转导叶同时影响透平排气温度。
步骤S1中,预设定的初始燃料量和初始压力机进口可转导叶开度作为单轴燃气轮机模型的输入量,利用式(19)、式(20)式(21)、式(22)和式(23),计算单轴燃气轮机模型在当前控制周期输出的燃机转速和透平排气温度。
步骤S4中,根据单神经元比例积分微分算法计算出的在下一个控制周期输入单轴燃气轮机模型的燃料量和压气机进口可转导叶开度,通过式(19)、式(20)式(21)、式(22)和式(23),计算单轴燃气轮机模型在下一个控制周期输出的燃机转速和透平排气温度。
燃料流量信号计算如式(1)所示:
其中,uf为燃料量控制信号,n为燃机转速,s为拉普拉斯算子,wf为燃料流量信号。
燃机转速计算如式(2)所示:
其中,Mload为负载,n为燃机转速。
压气机进口可转导叶的行程计算如式(3)所示:
其中,uIGV为压气机进口可转导叶开度值的控制信号,LIGV为压气机进口可转导叶的行程。
透平排气流量为:
其中,Ta为压气机进气温度,FT为透平排气流量,n为燃机转速,n的取值范围为0~1,n为1时即为额定转速。
透平排气温度的计算如式(5)所示:
其中,TR为透平排气温度设计点值,εtd为透平及排气系统的时间延迟,n为燃机转速,TT为透平排气温度,εtd为透平及排气系统的时间延迟,t表示采样时刻,wf为燃料流量信号。
S5.将下一个控制周期输出的燃机转速和透平排气温度作为当前控制周期输出的燃机转速和透平排气温度,重复执行步骤S2至S4,直至重型燃气轮机模型输出的燃机转速和透平排气温度分别达到对应的基准。
其中,满足下述两条件时,重型燃气轮机系统从开始运行后达到了稳定,条件一:燃机转速达到燃机转速的基准,条件二:透平排气温度达到透平排气温度的基准。本发明采用重型燃气轮机模型代替实体重型燃气轮机进行了仿真,在实际应用中具有相同的效果。
优选地,为了使压气进口可转导叶能够根据转速偏差进行超前调节,在实际应用时实现在降低负荷过程中通过减少透平排气温度而提高燃气轮机联合循环效率,基于重型燃气轮机模型的解耦控制方法还包括:
对转速偏差进行限幅;
将限幅后的转速偏差加入到温度偏差中对透平排气温度进行补偿。
其中,将限幅后的转速偏差加入到温度偏差中对透平排气温度进行补偿,可称为转速偏差补偿。
具体地,通将限幅后的转速偏差加入到温度偏差中对透平排气温度进行补偿包括:
计算温度偏差与限幅后的转速偏差的和;
根据限幅后的转速偏差与温度偏差的和,构建第二单神经元比例积分微分控制算法中神经元学习公式的状态变量。
本发明实施例中,在第二单神经元比例积分微分控制算法中神经元学习公式的状态变量x21(k)、x22(k)和x23(k)中,分别加入K×e1(k)、K×e1(k-1)和K×e1(k-2),在温度偏差中加入转速偏差对透平排气温度进行调节时,重新构建第二单神经元比例积分微分控制算法中神经元学习公式的状态变量的x21(k)中的e2(k)、e2(k-1)和e2(k-2),分别如式(24)、式(25)和式(26)所示.
e2(k)=y2(k)-r2(k)+K×e1(k) (24)
e2(k-1)=y2(k-1)-r2(k-1)+K×e1(k-1) (25)
e2(k-2)=y2(k-2)-r2(k-2)+K×e1(k-2) (26)
其中,y2(k)、y2(k-1)、y2(k-2)分别为第k、k-1、k-2时刻排气温度的平均值,r2(k)、r2(k-1)、r2(k-2)分别为第k、k-1、k-2时刻的排气温度基准,K为转速偏差补偿系数。
由于本发明实施例采用单轴燃气轮机模型,转速偏差补偿系数K取值范围为70至150,燃机转速的转速偏差补偿的限幅范围为-20至0。
本发明实施例中,将单轴燃气轮机模型通过式(19)和式(20)计算出燃机转速,通过第一单神经元比例积分微分算法,计算得出的燃料量,经过0.15~1限幅后乘以增益0.77,加上补偿0.23,作为单轴燃气轮机模型的输入,将单轴燃气轮机模型通过式(19)、式(20)式(21)、式(22)和式(23)计算的透平排气温度平均值,通过第二单神经元比例积分微分算法,计算得出压力机进口可转导叶开度,经57~86限幅后,作为单轴燃气轮机模型的输入。
本发明实施例中,将原先模型替换成单轴燃气轮机模型后,通过上述步骤S1-S5使重型燃气轮机模型输出的燃机转速和透平排气温度分别达到对应的基准,即通过单神经元比例积分微分算法,自动学习单神经元比例积分微分算法中的比例、微分和积分调节参数,使单轴燃气轮机模型输出的燃机转速和透平排气温度分别达到稳定。其中,单轴燃气轮机模型输出的燃机转速的基准在第3100个采样时刻给出阶跃信号1到0.98,单轴燃气轮机模的燃机转速输出响应曲线如图3所示。单轴燃气轮机模型输出透平排气温度的基准在第3100个采样时刻给出阶跃信号540℃到520℃,单轴燃气轮机模的透平排气温度输出响应曲线如图4所示。
其中,有转速偏差补偿和无转速偏差补偿的透平排气温度输出响应曲线如图5所示,可见有转速偏差补偿的响应曲线中的透平排气温度在下降过程中超调更小,并且通过转速偏差对透平排气温度进行的补偿,仅在转速基准小于转速时起作用。
本发明实施例提出的一种基于重型燃气轮机模型的解耦控制方法,通过对重型燃气轮机模型的输出分别采用单神经元比例积分微分算法,以及通过在第二单神经元比例积分微分算法中增加偏差补偿,具有对控制量自动学习,响应迅速、自适应能力强、抗干扰能力强等优点,实现在降负荷过程中通过减少透平排气温度的降低而提高燃气轮机联合循环效率的效果。
实施例2
本发明实施例还提供了一种基于重型燃气轮机模型的解耦控制系统,如图2所示,该系统包括:仿真器107,仿真器107中嵌入有用于计算重型燃气机轮的燃机转速和透平排气温度的重型燃气轮机模型,该系统还包括:第一单神经元比例积分微分控制器102、第二单神经元比例积分微分控制器105、转速偏差计算器101和温度偏差计算器104;
第一单神经元比例积分微分控制器102、仿真器107和转速偏差计算器101相互电连接;
第二单神经元比例积分微分控制器105、仿真器107和温度偏差计算器101相互电连接;
转速偏差计算器101计算仿真器107输出的燃机转速与燃机转速基准值的差值,作为转速偏差信号,传输至第一单神经元比例积分微分控制器102进行处理,得到重型燃气轮机的燃料量信号,并传输至仿真器107中的重型燃气轮机模型进行仿真;
温度偏差计算器计算仿真器107输出的透平排气温度与透平排气温度基准值的差值,作为温度偏差信号,传输至第二单神经元比例积分微分控制器105进行处理,得到重型燃气轮机的压力机进口可转导叶开度信号,并传输至仿真器107中的重型燃气轮机模型进行仿真。
优选地,为了防止在输入到重型燃机轮机模型的信号超范围而数据溢出,基于重型燃气轮机模型的解耦控制系统还包括:第一限幅器103和第二限幅器106,第一限幅器103分别与第一单神经元比例积分微分控制器102和仿真器107电连接,第二限幅器106分别与第二单神经元比例积分微分控制器105和仿真器107电连接;
第一限幅器103对第一单神经元比例积分微分控制器102处理的燃料量信号进行中值限幅后,传输至仿真器107,第二限幅器106对第二单神经元比例积分微分控制器102处理的压力机进口可转导叶开度信号进行中值限幅后,传输至仿真器107。
优选地,为了使重型燃气轮机模型输出的压气进口可转导叶能够根据转速偏差进行超前调节,基于重型燃气轮机模型的解耦控制系统还包括:偏差补偿器108和第三限幅器109,偏差补偿器108连接在转速偏差计算器101的输出端和第三限幅器109输入端之间;第三限幅器109连接在偏差补偿器108输出端和第二单神经元比例积分微分控制器105的输入端之间;
偏差补偿器108将转速偏差信号进行处理,并通过第三限幅器109进行限幅后,传输至第二单神经元比例积分微分控制器105对透平排气温度进行补偿。
本发明实施例中,由相互连接的仿真器107、转速偏差计算器101、第一单神经元比例积分微分控制器102和第一限幅器103,以及由相互连接的仿真器107、温度偏差计算器104、第二单神经元比例积分微分控制器105和第二限幅器106,构成了解耦控制系统。解耦控制系统的信号流向如图6所示,仿真器107分别根据第一单神经元比例积分微分控制器102和第二单神经元比例积分微分控制器105传输的燃料量信号和压气机进口可转导叶开度信号,输出燃机转速信号至转速偏差计算器101,输出透平排气温度信号至温度偏差计算器104。转速偏差计算器101根据仿真器107中重型燃机轮机模型的燃机转速基准和输入的燃机转速信号,计算转速偏差信号,并将转速偏差信号传输至第一单神经元比例积分微分控制器102进行处理,自动学习控制器的比例积分微分调节参数,得出调整后的燃料量信号。温度偏差计算器104根据仿真器107中重型燃机轮机模型的透平排气温度基准和输入的透平排气温度信号,计算温度偏差信号,并将温度偏差信号传输至第二单神经元比例积分微分控制器105进行处理,自动学习控制器的比例积分微分调节参数,得出调整后的压气机进口可转导叶开度信号。
其中,为了防止在输入到重型燃机轮机模型的燃烧量信号和压气机进口可转导叶开度信号,超范围而数据溢出,在第一单神经元比例积分微分控制器102处理得到的燃烧量信号,在输入到仿真器107前,进入第一限幅器103进行限幅;在第二单神经元比例积分微分控制器105处理得到的压气机进口可转导叶开度信号,在输入到仿真器107前,进入第二限幅器106进行限幅。
其中,转速偏差计算器101与第二单神经元比例积分微分控制器105之间,加入了相互连接的偏差补偿器108和第三限幅器109。偏差补偿器108采集转速偏差计算器101输出的转速偏差信号,并在转速偏差信号中加入补偿系数K后,通过所述第三限幅器进行限幅,限幅后,与温度偏差计算器104输出的温度偏差信号合并,作为第二单神经元比例积分微分控制器105的输入信号。
本发明实施例中,仿真器107中的重型燃气轮机模型采用单轴燃气轮机模型,在发生干扰后,通过若干控制周期,第一单神经元比例积分微分控制器102调节的燃料量信号,通过单轴燃气轮机模型计算,得出的燃机转速输出响应曲线如图3所示,第二单神经元比例积分微分控制器105调节的压气机进口可转导叶开度信号,通过单轴燃气轮机模型计算,得出透平排气平均温输出响应曲线如图4所示,图5给出了在采用单轴燃气轮机模型时,有偏差补偿器108和无偏差补偿器108的透平排气温度输出响应曲线,有偏差补偿器的响应曲线透平排气温度在下降过程中超调更小。
本发明实施例提出的一种基于重型燃气轮机模型的解耦控制系统,通过对重型燃气轮机模型的输出分别采用第一和第二单神经元比例积分微分控制器,以及通过将转速偏差信号传输至第二单神经元比例积分微分控制器增加偏差补偿,具有对控制量自动学习,响应迅速、自适应能力强、抗干扰能力强等优点,实现在降负荷过程中通过减少透平排气温度的降低而提高燃气轮机联合循环效率的效果。
虽然结合附图描述了本发明的实施方式,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种基于重型燃气轮机模型的解耦控制方法,其特征在于,所述方法包括以下步骤:
S1.根据输入重型燃气轮机模型的初始燃料量和初始压力机进口可转导叶开度,计算重型燃气轮机模型在当前控制周期输出的燃机转速和透平排气温度;
S2.根据重型燃气轮机模型的燃机转速基准,计算所述燃机转速在当前控制周期的转速偏差,并根据所述转速偏差通过第一单神经元比例积分微分控制算法,计算在下一个控制周期输入所述重型燃气轮机模型的燃料量;
S3.根据重型燃气轮机模型的透平排气温度基准,计算所述透平排气温度在当前控制周期的温度偏差,并根据所述温度偏差,通过第二单神经元比例积分微分控制算法,计算在下一个控制周期输入所述重型燃气轮机模型的压气机进口可转导叶开度;
S4.根据所述在下一个控制周期输入所述重型燃气轮机模型的燃料量和压气机进口可转导叶开度,计算重型燃气轮机模型在下一个控制周期输出的燃机转速和透平排气温度;
S5.将所述下一个控制周期输出的燃机转速和透平排气温度作为当前控制周期输出的燃机转速和透平排气温度,重复执行步骤S2至S4,直至重型燃气轮机模型输出的燃机转速和透平排气温度分别达到对应的基准。
2.根据权利要求1所述的方法,其特征在于,所述步骤S2具体包括:
将所述燃机转速基准与所述燃机转速作差,得到所述转速偏差;
根据所述转速偏差,构建第一单神经元比例积分微分控制算法中神经元学习公式的状态变量;
根据所述第一单神经元比例积分微分控制算法中神经元学习公式的状态变量,构建第一加权系数,并将所述第一加权系数规范化;
根据规范化的所述第一加权系数,通过所述第一神经单元比例积分微分算法中的所述神经元学习公式,计算所述燃料量。
3.根据权利要求1所述的方法,其特征在于,所述步骤S2还包括:对所述燃料量进行中值限幅。
4.根据权利要求1所述的方法,其特征在于,所述步骤S3具体包括:
将所述透平排气温度与所述透平排气温度基准作差,得到温度偏差;
根据所述温度偏差,构建第二单神经元比例积分微分控制算法中神经元学习公式的状态变量;
根据所述第二单神经元比例积分微分控制算法中神经元学习公式的状态变量,构建第二加权系数,并将所述第二加权系数规范化;
根据规范化的所述第二加权系数,通过所述第二神经单元比例积分微分算法中的所述神经元学习公式,计算所述压力机进口可转导叶开度。
5.根据权利要求1所述的方法,其特征在于,所述步骤S3还包括:
对所述压力机进口可转导叶开度进行中值限幅。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对所述转速偏差进行限幅;
将限幅后的转速偏差加入到温度偏差中对透平排气温度进行补偿。
7.根据权利要求6所述的方法,其特征在于,所述将限幅后的所述转速偏差加入到温度偏差中对透平排气温度进行补偿具体包括:
计算温度偏差与所述限幅后的转速偏差的和;
根据所述限幅后的转速偏差与温度偏差的和,构建第二单神经元比例积分微分控制算法中神经元学习公式的状态变量。
8.一种基于重型燃气轮机模型的解耦控制系统,所述系统包括:仿真器,所述仿真器中嵌入有用于计算重型燃气机轮的燃机转速和透平排气温度的重型燃气轮机模型,其特征在于,所述系统还包括:第一单神经元比例积分微分控制器、第二单神经元比例积分微分控制器、转速偏差计算器和温度偏差计算器;
所述第一单神经元比例积分微分控制器、所述仿真器和所述转速偏差计算器相互电连接;
所述第二单神经元比例积分微分控制器、所述仿真器和所述温度偏差计算器相互电连接;
所述转速偏差计算器计算所述仿真器输出的燃机转速与燃机转速基准值的差值,作为转速偏差信号,传输至所述第一单神经元比例积分微分控制器进行处理,得到重型燃气轮机的燃料量信号,并传输至所述仿真器中的重型燃气轮机模型进行仿真;
所述温度偏差计算器计算所述仿真器输出的透平排气温度与透平排气温度基准值的差值,作为温度偏差信号,传输至所述第二单神经元比例积分微分控制器进行处理,得到重型燃气轮机的压力机进口可转导叶开度信号,并传输至所述仿真器中的重型燃气轮机模型进行仿真。
9.根据权利要求8所述的系统,其特征在于,所述系统还包括:第一限幅器和第二限幅器,所述第一限幅器分别与所述第一单神经元比例积分微分控制器和所述仿真器电连接,所述第二限幅器分别与所述第二单神经元比例积分微分控制器和所述仿真器电连接;
所述第一限幅器对所述第一单神经元比例积分微分控制器处理的所述燃料量信号进行中值限幅后,传输至所述仿真器,所述第二限幅器对所述第二单神经元比例积分微分控制器处理的所述压力机进口可转导叶开度信号进行中值限幅后,传输至所述仿真器。
10.根据权利要求8所述的系统,其特征在于,所述系统还包括:偏差补偿器和第三限幅器,所述偏差补偿器连接在所述转速偏差计算器的输出端和所述第三限幅器输入端之间;所述第三限幅器连接在所述偏差补偿器输出端和第二单神经元比例积分微分控制器的输入端之间;
所述偏差补偿器将所述转速偏差信号进行处理,并通过所述第三限幅器进行限幅后,传输至所述第二单神经元比例积分微分控制器对所述透平排气温度进行补偿。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410375105.5A CN104196640B (zh) | 2014-07-31 | 2014-07-31 | 一种基于重型燃气轮机模型的解耦控制方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410375105.5A CN104196640B (zh) | 2014-07-31 | 2014-07-31 | 一种基于重型燃气轮机模型的解耦控制方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104196640A true CN104196640A (zh) | 2014-12-10 |
CN104196640B CN104196640B (zh) | 2017-11-03 |
Family
ID=52081984
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410375105.5A Active CN104196640B (zh) | 2014-07-31 | 2014-07-31 | 一种基于重型燃气轮机模型的解耦控制方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104196640B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111240378A (zh) * | 2020-01-14 | 2020-06-05 | 西南交通大学 | 一种适用于冻土试验的变温控制系统及控温方法 |
CN113110641A (zh) * | 2021-05-08 | 2021-07-13 | 杭州华电半山发电有限公司 | 一种以燃机排烟温度为基准的机组负荷自动控制方法 |
CN116466567A (zh) * | 2023-04-23 | 2023-07-21 | 上海交通大学 | 一种复杂工况下舰船燃气轮机自适应控制方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040119293A1 (en) * | 2002-12-12 | 2004-06-24 | Ebara Corporation | Gas turbine apparatus |
CN1869420A (zh) * | 2006-06-14 | 2006-11-29 | 东北大学 | 微型燃气轮机燃烧控制器及控制方法 |
CN101078373A (zh) * | 2007-07-05 | 2007-11-28 | 东北大学 | 一种微型燃气轮机的燃烧控制装置及控制方法 |
CN101230790A (zh) * | 2007-01-24 | 2008-07-30 | 通用电气公司 | 用于重型燃气轮机的基于预测模型的控制系统 |
CN101328836A (zh) * | 2008-07-04 | 2008-12-24 | 东南大学 | 燃气轮机转速系统的多模型自适应广义预测控制方法 |
EP2025900A1 (en) * | 2007-08-14 | 2009-02-18 | Ansaldo Energia S.P.A. | Device and method for controlling a gas-turbine plant |
US20110277482A1 (en) * | 2010-05-14 | 2011-11-17 | General Electric Company | Model-based coordinated air-fuel control for a gas turbine |
-
2014
- 2014-07-31 CN CN201410375105.5A patent/CN104196640B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040119293A1 (en) * | 2002-12-12 | 2004-06-24 | Ebara Corporation | Gas turbine apparatus |
CN1869420A (zh) * | 2006-06-14 | 2006-11-29 | 东北大学 | 微型燃气轮机燃烧控制器及控制方法 |
CN101230790A (zh) * | 2007-01-24 | 2008-07-30 | 通用电气公司 | 用于重型燃气轮机的基于预测模型的控制系统 |
CN101078373A (zh) * | 2007-07-05 | 2007-11-28 | 东北大学 | 一种微型燃气轮机的燃烧控制装置及控制方法 |
EP2025900A1 (en) * | 2007-08-14 | 2009-02-18 | Ansaldo Energia S.P.A. | Device and method for controlling a gas-turbine plant |
CN101328836A (zh) * | 2008-07-04 | 2008-12-24 | 东南大学 | 燃气轮机转速系统的多模型自适应广义预测控制方法 |
US20110277482A1 (en) * | 2010-05-14 | 2011-11-17 | General Electric Company | Model-based coordinated air-fuel control for a gas turbine |
Non-Patent Citations (4)
Title |
---|
夏心磊: ""重型燃气轮机控制系统的分析与应用"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
张剑: ""基于解耦控制的燃气轮机的控制系统的研究与仿真"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
张学燕: ""神经网络自适应PID控制器的研究与仿真"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
王振清: ""材料工程中参数的计算机测控"", 《金属热处理》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111240378A (zh) * | 2020-01-14 | 2020-06-05 | 西南交通大学 | 一种适用于冻土试验的变温控制系统及控温方法 |
CN113110641A (zh) * | 2021-05-08 | 2021-07-13 | 杭州华电半山发电有限公司 | 一种以燃机排烟温度为基准的机组负荷自动控制方法 |
CN113110641B (zh) * | 2021-05-08 | 2022-04-26 | 杭州华电半山发电有限公司 | 一种以燃机排烟温度为基准的机组负荷自动控制方法 |
CN116466567A (zh) * | 2023-04-23 | 2023-07-21 | 上海交通大学 | 一种复杂工况下舰船燃气轮机自适应控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104196640B (zh) | 2017-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Meng et al. | Adaptive power capture control of variable-speed wind energy conversion systems with guaranteed transient and steady-state performance | |
CN102401371B (zh) | 一种基于多变量预测控制的再热汽温优化控制方法 | |
CN101709869A (zh) | 燃煤锅炉过热蒸汽温度系统混合控制方法 | |
CN104090491B (zh) | 燃气蒸汽联合循环机组多变量受限预测函数负荷控制方法 | |
CN101709863B (zh) | 燃煤锅炉炉膛压力系统混合控制方法 | |
CN108983602B (zh) | 一种用于快堆功率和冷却剂出口温度的自抗扰控制方法 | |
CN107065518B (zh) | 一种超临界机组协调预测函数控制算法 | |
CN101709867B (zh) | 燃煤锅炉汽包水位系统混合控制方法 | |
CN105449698B (zh) | 一种新型水电机组负荷与频率控制器 | |
CN106090870A (zh) | 火电厂主汽温度串级自抗扰控制器及系统和方法 | |
CN104865925A (zh) | 一种火电机组协调控制系统的发电功率指令前馈控制方法 | |
CN104199299A (zh) | 燃气轮机负荷调节性能的多变量受限广义预测控制方法 | |
CN104196640A (zh) | 一种基于重型燃气轮机模型的解耦控制方法和系统 | |
CN101504135B (zh) | 锅炉-汽轮机单元的汽压均衡控制器 | |
Ren et al. | Feedforward feedback pitch control for wind turbine based on feedback linearization with sliding mode and fuzzy PID algorithm | |
CN104504614B (zh) | 获得火电厂最优可控因子的试验系统及其方法 | |
CN108549231A (zh) | 一种融合供热抽汽调节的热电联产机组的协调控制方法 | |
CN111682593B (zh) | 基于神经网络模型状态观测器的火电机组协调优化方法 | |
CN108803342B (zh) | 一种单元机组负荷快速响应预测控制方法 | |
CN108919642A (zh) | 一种炉跟机协调控制系统控制器参数优化整定方法 | |
CN101813053A (zh) | 改善水轮发电机组功角振荡的互联结构修正控制方法 | |
CN106451526B (zh) | 孤网运行时汽轮机opc保护设置方法 | |
CN108828932B (zh) | 一种单元机组负荷控制器参数优化整定方法 | |
CN107065538A (zh) | 汽包锅炉‑汽轮机组的模糊跟踪控制方法 | |
CN106483870B (zh) | 一种带有有界控制输出的火电机组的协调控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PP01 | Preservation of patent right | ||
PP01 | Preservation of patent right |
Effective date of registration: 20190820 Granted publication date: 20171103 |
|
PD01 | Discharge of preservation of patent | ||
PD01 | Discharge of preservation of patent |
Date of cancellation: 20191230 Granted publication date: 20171103 |