CN104699064A - 一种火电机组协调控制系统的煤质自校正预测控制方法 - Google Patents

Abstract

本发明公开了一种火电机组协调控制系统的煤质自校正预测控制方法，本方法除了采用动态矩阵控制策略实现对燃料量和汽机调门开度的调节，使机组负荷和主汽压力能够及时跟踪目标值以外，还增加了煤质在线校正功能，以提高在煤质变化情况下协调控制系统的控制性能。其基本原理是在预测控制器内设置煤质模型，当机组煤质变化时，通过在线辨识的方法修正煤质模型，进而修正对应的预测模型，减小模型与实际对象之间的偏差，从而进一步减小控制过程的动态和稳态偏差，提高协调控制系统的控制性能。

Description

一种火电机组协调控制系统的煤质自校正预测控制方法

技术领域

本发明涉及自动控制领域，特别是火电厂内一种能快速适应燃煤性质变化的机炉协调控制方法。

背景技术

目前火力发电在我国电网中仍然属于主体地位，受到资源等多方面因素的影响，这种主体地位还会持续较长的一段时间。而由于国内电力市场的发展，燃煤价格等因素对电厂发电过程造成较大的影响，不少火电机组用的煤质偏离设计煤种而且经常更换入炉煤种，加剧了协调控制被控对象的时变特性，使机组的协调控制不能较好投用，严重影响机组对电网调度指令的响应。协调控制系统在煤质变化较大时，存在机组参数波动大、负荷变动速率低、负荷控制精度低、机组稳定性下降等对安全经济运行的不利因素。因此研究带煤质校正的协调控制方案是现实与迫切的要求。

目前，火电机组常使用燃料发热量校正回路(燃料BTU校正)来减少煤质变化对控制系统的影响。BTU校正的主要原理是利用实际燃料燃烧产生的热量与设计煤种的发热量之差对燃料量进行补偿，具体实施方法是利用蒸汽流量对燃料发热量进行修正。当负荷指令与代表热负荷的蒸汽流量之间存在偏差时，BTU校正系统开始修正发热量信号，并将修正后的发热量信号作用于锅炉主控，最终修正燃料量指令。

但实际生产过程中，燃料量与代表燃料发热量的蒸汽流量之间存在一个时延，传统方法常使用惯性环节来弥补这个过程。但是在不同煤质情况下，时延过程的延迟时间也不尽相同。因此在煤质发生变化情况下，传统的BTU校正方法可能无法准确的校核煤质，从而使控制效果变差。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种火电机组协调控制系统的煤质自校正预测控制方法，用于解决现有的火电机组内的校正环节无法实现对不同煤质情况的及时校正、控制效果差的技术问题。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种火电机组协调控制系统的煤质自校正预测控制方法，包括如下步骤：

步骤1、在稳态工况下，将协调控制方式切换至手动控制状态并使协调控制系统处于开环状态，分别进行燃料量阶跃响应实验和调门开度阶跃响应实验，得到协调控制系统的阶跃响应数据；

步骤2、根据步骤一中获得的协调控制系统的阶跃响应数据，利用离线辨识方法辨识出以下对象的离散化增量传递函数模型，包括：负荷对燃料量增量模型的传递函数W_BN(z^-1)(MW/t)、压力对燃料量增量模型的传递函数W_BP(z^-1)(MPa/t)、负荷对调门开度增量模型的传递函数W_UN(z^-1)(MW/％)、压力对调门开度增量模型的传递函数W_UP(z^-1)(MPa/％)；

步骤3、由于当燃烧煤质变化时，对协调系统产生的影响主要分为两个方面：一方面是燃料发热量改变使得模型稳态增益发生变化，另一方面是燃料物理性质变化改变了模型的时滞时间。不同煤质的煤种由于挥发分、灰分等元素含量不同，发热量和物理性质发生变化。发热量变化使得系统在同样的负荷输出情况下，所需要的燃料量改变，对应于对象模型体现为增益的变化。物理性质变化使得燃煤在磨煤机中被碾磨成煤粉的时间不同，而不同煤质情况下一次风配风方式的不同也会改变煤粉从磨煤机输送到炉膛的时间，两者相互作用，改变了对象模型的时滞参数。因此，设置负荷煤质模型结构为压力煤质模型结构为其中K_N为负荷煤质模型增益，d_N为负荷煤质模型的时滞参数，K_P为压力煤质模型增益，d_p为压力煤质模型的时滞参数。在每个采样周期内，对负荷煤质模型W_NM(z^-1)和压力煤质模型W_PM(z^-1)进行在线校正，进而修正协调控制系统内部的预测模型；

步骤4、利用协调控制系统的预测模型构建对象动态矩阵，计算本周期的最优控制输出量，并将计算得到的燃料量和调门开度作为协调控制系统的输出。

进一步的，在本发明中，

负荷对燃料量增量模型的传递函数

压力对燃料量增量模型的传递函数

负荷对调门开度增量模型的传递函数

压力对调门开度增量模型的传递函数

其中：

A _bn (z ^-1 )、B _bn (z ^-1 )、A _bp (z ^-1 )、B _bp (z ^-1 )、A _un (z ^-1 )、B _un (z ^-1 )、A _up (z ^-1 )、B _up (z ^-1 )均为关于z^-1的多项式；

并且离散模型辨识采样时间选取与控制器采样时间T_s相同，其中T_s/T₉₅＝1/15，T₉₅为W_BN(z^-1)、W_UN(z^-1)、W_BP(z^-1)、W_UP(z^-1)过渡过程上升到95％的调节时间中最大值。

进一步的，在本发明中，所述在线校正包括以下过程：

步骤3.1、当前为第k个采样周期，检测当前周期的负荷测量值y_n(k)和汽压测量值y_p(k)，计算上个周期负荷增量Δy_n(k-1)和上个周期汽压增量Δy_p(k-1)；检测当前周期燃料量u_B(k)和调门开度测量值u_U(k)，计算上个周期燃料量增量Δu_B(k-1)和上个周期调门开度增量Δu_U(k-1)；

由于负荷煤质模型校正方法与压力煤质模型校正方法基本相同，为了简化叙述，下面步骤3.2至步骤3.6着重介绍负荷煤质模型的校正方法，压力煤质模型的校正方法可以参考负荷煤质模型校正方法；

步骤3.2、构建最小二乘递推矩阵Q_n(k)和R_n(k)

R_n(k)＝Δy_n(k-1)-B_un(z^-1)(1+A_bn(z^-1))ΔU_U(k)

+(A_bn(z_-1)+A_un(z_-1)+A_bn(z_-1)A_un(z_-1))·ΔY_n(k)  (1)

$Q_n\left(k\right)=B_{\mathrm{bn}}\left(z^{-1}\right)(1+A_{\mathrm{un}}\left(z^{-1}\right))z^{-d_N}\mathrm{\Δ}{U}_B\left(k\right)$

其中：

第k个采样周期之前的燃料量增量向量ΔU_B(k)＝[Δu_B(k-1) Δu_B(k-2) …]^T

第k个采样周期之前的调门开度增量向量ΔU_U(k)＝[Δu_U(k-1) Δu_U(k-1) …]^T

第k个采样周期之前的负荷增量向量ΔY_n(k)＝[Δy_n(k-1) Δy_n(k-2) …]^T。

步骤2.3、基于遗忘因子递推最小二乘算法，根据(2)式计算本周期负荷煤质模型增益估计值

${\hat{K}}_N\left(k\right)={\hat{K}}_N(k-1)+S_n\left(k\right)[R_n\left(k\right)-{Q_n}^T\left(k\right){\hat{K}}_N(k-1)]---\left(2\right)$

并且有

$S_N\left(k\right)=\frac{P_n(k-1)Q_n\left(k\right)}{{\mathrm{\λ}}_N+{Q_n}^T\left(k\right)P_n(k-1)Q_n\left(k\right)}$

$P_N\left(k\right)=\frac{1}{{\mathrm{\λ}}_N}[I-S_n\left(k\right){Q_n}^T\left(k\right)]P_n(k-1)$

其中：

初值 $\left\{\begin{array}{c}{P}_n\left(0\right)=\mathrm{\α}\\ {\hat{K}}_N\left(0\right)=1\end{array}\right.,$ α为充分大的正实数10⁴～10⁶，λ_N取值范围为0.9～1；

步骤3.4、判断本周期负荷煤质模型增益估计值辨识是否完成，

若辨识未完成，则等待下一个周期采样数据继续辨识；

若辨识完成，将本周期的负荷煤质模型增益估计值与上一周期的负荷煤质模型增益对比：

如果两者不相等，则修改负荷煤质模型为之后重置递推计算初值P_n(0)＝α，并依次进行步骤3.5和步骤3.6；

如果两者相等，则重置递推计算初值P_n(0)＝α，并直接跳至步骤3.7；

其中：

本周期负荷煤质模型增益估计值辨识过程如下：

当不等式连续成立n_k个周期，认为负荷煤质模型增益估计值辨识完成，则新的负荷煤质模型增益估计值其中δ_k为增益死区，n_k为增益稳定判断步长；

本周期的负荷煤质模型增益估计值是否发生变化判断过程如下：

当则增益发生变化，修改负荷煤质模型为此时负荷对燃料量增量模型的传递函数之后重置递推计算初值P_n(0)＝α。

步骤3.5、使用单变量寻优法计算负荷煤质模型的时滞估计值具体步骤如下：

首先，读入离线设定的负荷煤质模型时滞参数寻优范围d_i∈[d_min … d_max]，时滞参数寻优计算步长为L，并且负荷煤质模型结构的时滞参数初值d_N0满足d_min≤d_N0≤d_max，时滞参数寻优计算步长L满足L≥d_max；

然后，使用时滞参数d_i取代当前负荷煤质模型的时滞参数d_N得到新的负荷对燃料量增量模型的传递函数然后分别对新的负荷对燃料量增量模型的传递函数和负荷对调门开度增量模型的传递函数W_UN(z^-1)做阶跃响应实验得到2组阶跃响应向量，这2组阶跃响应向量的前L项分别构成列向量和Step_un；

接着，根据(3)式计算k-L周期到k周期在时滞为d_i时辨识用负荷预测值

其中：

辨识用负荷预测初值通过(4)式计算获得

并且有表示在i周期对j周期的辨识用负荷预测值；

是k-L周期到k-1周期控制量增量构成的矩阵，并且有

同时，实际过程中k-L周期到k周期的负荷测量值取时滞d_i下本周期前L个周期的负荷预测偏差均方差作为时滞偏差性能指标J_di：

按照以上步骤，计算时滞寻优范围d_i∈[d_min … d_max]内所有时滞d_i的偏差性能指标；最后，求出本周期的负荷煤质模型时滞估计值使用计算下周期辨识用负荷预测值

步骤3.6、判断负荷煤质模型时滞估计值辨识是否完成，

若辨识未结束，则等待下一个周期输入输出参数，继续辨识；

若辨识结束，则修改负荷煤质模型为此时负荷对燃料量增量模型的传递函数 $W_{\mathrm{BN}}\left(z^{-1}\right)=K_N{z}^{-{\hat{d}}_N}\·\frac{B_{\mathrm{bn}}\left(z^{-1}\right)}{1+A_{\mathrm{bn}}\left(z^{-1}\right)};$

步骤3.7、在进行负荷煤质模型校正的同时，参照步骤3.2至步骤3.6的过程并将负荷煤质模型的相关参数替换为压力煤质模型的相关参数进行压力煤质模型的在线校正。

进一步的，在本发明中，所述步骤4包括如下步骤：

步骤4.1、设置DMC控制器相关参数，包括采样时间T_s、负荷预测步长P₁、汽压预测步长P₂、燃料量控制步长M₁、调门控制步长M₂、输出量误差权矩阵Φ＝diag[Φ₁,Φ₂]和控制量增量权矩阵Ψ＝diag[Ψ₁,Ψ₂]；

其中Φ₁＝diag(φ₁,…,φ_P1),Ψ₁＝diag(ξ₁,…ξ_M1),Ψ₂＝diag(ζ₁,…ζ_M2)；

对每个采样周期均执行步骤4.2至步骤4.6；

步骤4.2、对离散化增量传递函数模型W_BN(z^-1)、W_BP(z^-1)、W_UN(z^-1)、W_UP(z^-1)分别做阶跃响应得到阶跃响应向量

Step_bn＝[s_bn(1),s_bn(2),…]

Step_bp＝[s_bp(1),s_bp(2),…]

Step_un＝[s_un(1),s_un(2),…]

Step_up＝[s_up(1),s_up(2),…]

基于上述阶跃响应向量构建动态矩阵S：

步骤4.3、检测当前周期负荷测量值y_n(k)和当前周期汽压测量值y_p(k)，计算出本周期负荷预测误差和本周期汽压预测误差分别用于修正上周期的负荷预测值和上周期汽压预测值得到本周期预测初值其中

${\tilde{y}}_{n0}\left(k\right)={\left[\begin{array}{ccc}{\tilde{y}}_{n0}(k+1|k)& ...& {\tilde{y}}_{n0}(k+P_1|k)\end{array}\right]}^T,{\tilde{y}}_{p0}\left(k\right)={\left[\begin{array}{ccc}{\tilde{y}}_{p0}(k+1|k)& ...& {\tilde{y}}_{p0}(k+P_2|k)\end{array}\right]}^T;$

并且有

${\tilde{y}}_{n0}(k+i|k)={\tilde{y}}_n(k+i|k-1)+e_n\left(k\right)$

${\tilde{y}}_{p0}(k+i|k)={\tilde{y}}_p(k+i|k-1)+e_p\left(k\right)$

上式中，

表示在k周期对未来k+i周期的负荷的预测初值，表示在k周期对未来k+i周期的汽压的预测初值；

步骤4.4、未来周期的预测输出由式(6)计算

$\tilde{Y}\left(k\right)={\tilde{Y}}_0\left(k\right)+S\·\mathrm{\ΔU}\left(k\right)---\left(6\right)$

其中，为在控制量作用下未来周期预测模型输出向量；

并且有

$\tilde{Y}\left(k\right)=\left[\begin{array}{c}{\tilde{y}}_n\left(k\right)\\ {\tilde{y}}_p\left(k\right)\end{array}\right]$

其中：

${\tilde{y}}_n\left(k\right)=\left[\begin{array}{c}{\tilde{y}}_n(k+1|k)\\ .\\ .\\ .\\ {\tilde{y}}_n(k+P_1|k)\end{array}\right]$

${\tilde{y}}_p\left(k\right)=\left[\begin{array}{c}{\tilde{y}}_p(k+1|k)\\ .\\ .\\ .\\ {\tilde{y}}_p(k+P_2|k)\end{array}\right]$

表示在k对k+i周期负荷的预测值，

表示在k周期对k+i周期汽压的预测值，

ΔU(k)是未来周期的控制量增量向量，包括未来周期的燃料量增量和未来周期的调门开度增量；

以(7)式作为优化输出性能指标：

$J={\left|\right|Y_r\left(k\right)-\tilde{Y}\left(k\right)\left|\right|}_{\mathrm{\Φ}}^2+{\left|\right|\mathrm{\ΔU}\left(k\right)\left|\right|}_{\mathrm{\Ψ}}^2---\left(7\right)$

其中Y_r(k)是参考目标值向量，

并且有 $Y_r\left(k\right)={\left[\begin{array}{cccccc}{y}_n^r(k+1)& ...& y_n^r(k+P_1)& y_p^r(k+1)& ...& y_p^r(k+P_2)\end{array}\right]}^T;$

通过极值必要条件由(8)式计算出最优控制量增量向量，

$\mathrm{\ΔU}\left(k\right)={[S^T\mathrm{\ΦS}+\mathrm{\Ψ}]}^{-1}{S}^T[Y_r\left(k\right)-{\tilde{Y}}_0\left(k\right)]---\left(8\right)$

ΔU(k)＝[Δu_B(k),…,Δu_B(k+M₁-1),Δu_U(k),…Δu_U(k+M₂-1)]^T，取ΔU(k)的首个燃料量输出增量Δu_B(k)和首个调门开度输出增量Δu_U(k)作为本周期输出量增量Δu(k)＝[Δu_B(k),Δu_U(k)]^T；

步骤4.5、计算下个周期的燃料量输出量u_B(k+1)＝u_B(k)+Δu_B(k)与下个周期的调门开度输出量u_U(k+1)＝u_U(k)+Δu_U(k)，并对控制量进行上下限约束处理：对于燃料量控制量u_B(k+1)，如果 $u_B(k+1)>u_{\max }^B,$ 那么令 $u_B(k+1)=u_{\max }^B,\mathrm{\Δ}{u}_B\left(k\right)=u_{\max }^B-u_B\left(k\right);$ 如果 $u_B(k+1)>u_{\min }^B,$ 那么令 $u_B(k+1)=u_{\min }^B,\mathrm{\Δ}{u}_B\left(k\right)=u_{\min }^B-u_B\left(k\right);$ 其中是燃料量的上下限；调门开度控制量u_U(k+1)处理方式与u_B(k+1)相同，其对应的上下限为

步骤4.6、计算本周期对未来时刻的预测向量

其中：

${\tilde{y}}_n(k+1)={\tilde{y}}_{n0}\left(k\right)+{\mathrm{Step}}_{\mathrm{bn}}\·\mathrm{\Δ}{u}_B\left(k\right)+{\mathrm{Step}}_{\mathrm{un}}\·\mathrm{\Δ}{u}_U\left(k\right)$

${\tilde{y}}_p(k+1)={\tilde{y}}_{p0}\left(k\right)+{\mathrm{Step}}_{\mathrm{bp}}\·\mathrm{\Δ}{u}_B\left(k\right)+{\mathrm{Step}}_{\mathrm{up}}\·\mathrm{\Δ}{u}_U\left(k\right)$

有益效果：

本发明提供的了一种新的煤质校正方法，通过对设计的煤质模型进行在线校正煤质系数的方法，实现机组负荷与汽压的整体化协调控制，使得机组燃料量、调门开度快速响应系统的煤质变化，不但修正燃料发热量的变化，同时也修正燃煤性质变化对过程时延带来的影响，提高煤质变化后协调系统的响应速度和控制效果，使负荷与汽压的响应速度满足控制要求，增加系统整体的安全性和经济性，提高对电网指令的响应速率，从而提高控制效果。

附图说明

图1为本发明的火电机组带煤质校正的协调系统预测控制结构图。

图2为本发明具体实施方式中负荷随时间变化的曲线；

图3为本发明具体实施方式中汽压随时间变化的曲线；

图4为本发明具体实施方式中燃料量随时间变化的曲线；

图5为本发明具体实施方式中调门开度随时间变化的曲线；

图6为本发明具体实施方式中煤质模型增益随时间变化的曲线；

图7为本发明具体实施方式中煤质模型时滞随时间变化的曲线。

具体实施方式

下面结合附图对本发明作更进一步的说明。

以某500MW协调控制模型为例。

步骤1、通过开环阶跃响应试验获取辨识数据；

步骤2、经离线辨识后得到协调控制系统的离散传递函数模型。构建协调系统控制模型：

$\left[\begin{array}{c}\mathrm{\ΔN}\\ \mathrm{\ΔP}\end{array}\right]=\left[\begin{array}{cc}{W}_{\mathrm{BN}}\left(z^{-1}\right)& W_{\mathrm{UN}}\left(z^{-1}\right)\\ W_{\mathrm{BP}}\left(z^{-1}\right)& W_{\mathrm{UP}}\left(z^{-1}\right)\end{array}\right]\left[\begin{array}{c}\mathrm{\Δ}{u}_B\\ \mathrm{\Δ}{u}_U\end{array}\right]$

其中采样周期T_s＝5s，负荷煤质初始模型K_N＝1，d_N＝0；汽压煤质初始模型K_P＝1，d_P＝0。负荷煤质模型增益辨识初值 $\left\{\begin{array}{c}{P}_N\left(0\right)={10}^4\\ {\hat{K}}_N\left(0\right)=1\end{array}\right.,$ 增益稳定判断步长n_k＝20，增益死区δ_k＝0.01，时滞寻优范围d_i∈[0 … 30]，时滞寻优长度L＝50，时滞稳定判断步长n_d＝20；汽压煤质模型辨识参数初值乣负荷煤质模型辨识参数初值相同。由于模型中燃料量与调门开度均为百分比参数，故燃料量与调门开度的上下限均为0～1。

$W_{\mathrm{BN}}\left(z^{-1}\right)=W_{\mathrm{NM}}\left(z^{-1}\right)\·\frac{0.0097z^{-1}+0.03736z^{-2}+{0.009z}^{-3}}{1-2.869z^{-1}+{2.75z}^{-2}-{0.8759z}^{-3}}$

$W_{\mathrm{BP}}\left(z^{-1}\right)=W_{\mathrm{PM}}\left(z^{-1}\right)\·\frac{0.0003446z^{-1}+0.00131z^{-2}+0.0003212z^{-3}}{1-2.862z^{-1}+2.731z^{-2}-{0.889z}^{-3}}$

$W_{\mathrm{UN}}\left(z^{-1}\right)=\frac{103.6z^{-1}-103.6z^{-2}}{1-1.679z^{-1}+{0.7068z}^{-2}}$

$W_{\mathrm{UP}}\left(z^{-1}\right)=\frac{-0.9191z^{-1}+0.3481z^{-2}+0.39z^{-3}}{1-1.732z^{-1}+0.8448z^{-2}-{0.1003z}^{-3}}$

步骤3、在每个采样周期内，对负荷煤质模型W_NM(z^-1)和压力煤质模型W_PM(z^-1)进行在线校正，进而修正协调控制系统的内部预测模型；

具体步骤如下：

首先，在第k个采样周期内，计算出递推最小二乘所需参数Q_n(k)和R_n(k)

R_n(k)＝Δy_n(k-1)-[0.0097,0.021,-0.0475,0.0111,0.0064]·ΔU_U(k)

+[-4.5658,8.3201,3.4264,-0.6191]·ΔY_N(k)

Q_n(k)＝[0.0097,0.021,-0.0475,0.0111,0.0064]ΔU_B(k)

根据(2)式计算本周期负荷煤质模型增益估计值

然后，判断负荷煤质模型增益估计值是否辨识完成。当不等式连续成立n_k个周期，认为负荷煤质模型增益估计值辨识完成，则新的负荷煤质模型增益若修改煤质模型之后重置递推计算初值P_n(0)＝10⁴。

当负荷煤质模型增益变化时，使用单变量寻优的方法计算负荷煤质模型的时滞以时滞d_i＝3为例，使用时滞d_i取代负荷煤质模型的初始时滞d_N0得到取新模型阶跃响应的前50项组成 ${\mathrm{Step}}_{\mathrm{bn}}^{d_i}={\left[\begin{array}{ccccccc}0& 0& 0& 0.0097& 0.0747& ...& 216.083\end{array}\right]}^T,$ 取模型W_UN(z^-1)阶跃响应的前50项组成 ${\mathrm{Step}}_{\mathrm{un}}^{d_i}={\left[\begin{array}{cccc}103.59& 175.77& ...& 65.62\end{array}\right]}^T.$

接着，由(4)式计算辨识用负荷预测初值代入(3)式计算k-L周期到k周期在时滞d_i＝3情况下辨识用负荷预测输出实际过程中k-L时刻到k时刻的负荷测量值按(5)式计算时滞d_i＝3时过去L周期的时滞偏差性能指标：重复此过程得到不同时滞下负荷时滞偏差性能指标向量[J₀ … J₃₀]；比较得到本周期的最优时滞

若等式连续成立n_d个周期，则认为辨识结束，得到新的模型时滞修改负荷煤质模型此时负荷-燃料量增量模型 $W_{\mathrm{BN}}\left(z^{-1}\right)=K_N{z}^{-{\hat{d}}_N}\·\frac{B_{\mathrm{bn}}\left(z^{-1}\right)}{1+A_{\mathrm{bn}}\left(z^{-1}\right)}.$

由此结束负荷煤质模型的在线校正。

同理，按照上述过程，完成压力煤质模型的在线校正过程。

步骤4、利用协调控制系统的预测模型构建对象动态矩阵，计算本周期的最优控制输出量，将计算得到的燃料量和调门开度作为协调控制系统的输出。具体过程如下：

步骤4.1、设置DMC控制器相关参数，包括采样时间T_s＝5s，负荷预测步长P₁＝300，汽压预测步长P₂＝300，燃料量控制步长M₁＝10，调门控制步长M₂＝10，输出量误差权矩阵Φ＝diag[Φ₁,Φ₂]，控制量增量权矩阵Ψ＝diag[Ψ₁,Ψ₂]。

其中Φ₁＝diag(0.1,…,0.1)，Φ₂＝diag(0.5,…,0.5)，Ψ₁＝diag(100,…100)，Ψ₂＝diag(100,…,100)。

对每个采样周期均执行步骤4.2至步骤4.6。

步骤4.2、对模型W_BN(z^-1),W_UN(z^-1),W_BP(z^-1),W_UP(z^-1)做阶跃响应得到阶跃响应矢量：

Step_bn＝[0.0097,…,500.83]_300×1,Step_bp＝[0.0003,…,16.15]_300×1

Step_up＝[-0.919,…,-14.71]_300×1,Step_un＝[103.59,…,0.0041]_300×1，

构建动态矩阵S：

步骤4.3、检测当前周期负荷测量值y_n(k)，汽压测量值y_p(k)，计算出本周期负荷预测误差和汽压预测误差分别用于修正上周期的负荷预测值和汽压预测值得到本周期预测初值 ${\tilde{Y}}_0\left(k\right)={\left[\begin{array}{cc}{\tilde{y}}_{n0}\left(k\right)& {\tilde{y}}_{p0}\left(k\right)\end{array}\right]}^T;$

步骤4.4、根据(8)式计算最优控制量增量向量ΔU(k)，并取ΔU(k)的首个燃料量输出增量Δu_B(k)和首个调门开度输出增量Δu_U(k)作为本周期输出量增量Δu(k)＝[Δu_B(k),Δu_U(k)]^T；

步骤4.5、计算协调控制系统燃料量输出u_B(k+1)＝u_B(k)+Δu_B(k)以及调门开度输出u_U(k+1)＝u_U(k)+Δu_U(k)，并对控制量u_B(k+1)和u_U(k+1)进行上下限约束处理得到最终控制输出量。

步骤4.5、协调控制系统输出控制量，并计算本周期对未来时刻的预测值 $\tilde{Y}(k+1)={\left[\begin{array}{cc}{\tilde{y}}_n(k+1)& {\tilde{y}}_p(k+1)\end{array}\right]}^T.$

如图2至图5所示，在500s时，煤质发生变化，发热量增加10％，从燃料量到锅炉吸热量的时滞增加30s。效果图中黑色实线是目标值，虚线为不同控制器控制效果。图6和图7显示控制在线校正煤质模型的结果。可以看出，协调控制系统经过一段时间的在线校正后，能够得到比较准确的辨识结果。从而使带煤质校正的DMC协调控制器超调量小于传统的PID控制器，稳定速度也相对较快，控制效果有明显的提升。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (4)

1.一种火电机组协调控制系统的煤质自校正预测控制方法，其特征在于：包括如下步骤：

步骤1、在稳态工况下，将协调控制方式切换至手动控制状态并使协调控制系统处于开环状态，分别进行燃料量阶跃响应实验和调门开度阶跃响应实验，得到协调控制系统的阶跃响应数据；

步骤2、根据步骤一中获得的协调控制系统的阶跃响应数据，利用离线辨识方法辨识出以下对象的离散化增量传递函数模型，包括：

负荷对燃料量增量模型的传递函数W_BN(z^-1)，单位为MW/t；

压力对燃料量增量模型的传递函数W_BP(z^-1)，单位为MP/t；

负荷对调门开度增量模型的传递函数W_UN(z^-1)，单位为MW/％；

压力对调门开度增量模型的传递函数W_UP(z^-1)，单位为MPa/％；

步骤3、设置负荷煤质模型结构为压力煤质模型结构为其中K_N为负荷煤质模型增益，d_N为负荷煤质模型的时滞参数，K_P为压力煤质模型增益，d_p为压力煤质模型的时滞参数；

在每个采样周期内，对负荷煤质模型W_NM(z^-1)和压力煤质模型W_PM(z^-1)进行在线校正，进而修正协调控制系统的预测模型；

步骤4、利用协调控制系统的预测模型构建对象动态矩阵，计算本周期的最优控制输出量，并将计算得到的燃料量和调门开度作为协调控制系统的输出。

2.根据权利要求1所述的火电机组协调控制系统的煤质自校正预测控制方法，其特征在于：

负荷对燃料量增量模型的传递函数

压力对燃料量增量模型的传递函数

负荷对调门开度增量模型的传递函数

压力对调门开度增量模型的传递函数

其中：

A_bn(z^-1)、B_bn(z^-1)、A_bp(z^-1)、B_bp(z^-1)、A_un(z^-1)、B_un(z^-1)、A_up(z^-1)、B_up(z^-1)均为关于z^-1的多项式。

3.根据权利要求1所述的火电机组协调控制系统的煤质自校正预测控制方法，其特征在于：所述在线校正包括以下过程：

步骤3.1、当前为第k个采样周期，检测当前周期的负荷测量值y_n(k)和汽压测量值y_p(k)，计算上个周期负荷增量Δy_n(k-1)和上个周期汽压增量Δy_p(k-1)；检测当前周期燃料量u_B(k)和调门开度测量值u_U(k)，计算上个周期燃料量增量Δu_B(k-1)和上个周期调门开度增量Δu_U(k-1)；按照步骤3.2至步骤3.6的过程进行负荷煤质模型的校正；

步骤3.2、构建最小二乘递推矩阵Q_n(k)和R_n(k)：

R_n(k)＝Δy_n(k-1)-B_un(z^-1)(1+A_bn(z^-1))ΔU_U(k)

                                    (1)

+(A_bn(z^-1)+A_un(z^-1)+A_bn(z^-1)A_un(z^-1))·ΔY_n(k)

$Q_n\left(k\right)=B_{\mathrm{bn}}\left(z^{-1}\right)(1+A_{\mathrm{un}}\left(z^{-1}\right))z^{-d_N}\mathrm{\Δ}{U}_B\left(k\right)$

其中：

第k个采样周期之前的燃料量增量向量ΔU_B(k)＝[Δu_B(k-1) Δu_B(k-2) …]^T

第k个采样周期之前的调门开度增量向量ΔU_U(k)＝[Δu_U(k-1) Δu_U(k-1) …]^T

第k个采样周期之前的负荷增量向量ΔY_n(k)＝[Δy_n(k-1) Δy_n(k-2) …]^T；

步骤3.3、基于遗忘因子递推最小二乘算法，根据(2)式计算本周期负荷煤质模型增益估计值

${\hat{K}}_N\left(k\right)={\hat{K}}_N(k-1)+S_n\left(k\right)[R_n\left(k\right)-{Q_n}^T\left(k\right){\hat{K}}_N(k-1)]---\left(2\right)$

并且有

$S_N\left(k\right)=\frac{P_n(k-1)Q_n\left(k\right)}{{\mathrm{\λ}}_N+{Q_n}^T\left(k\right)P_n(k-1)Q_n\left(k\right)}$

$P_N\left(k\right)=\frac{1}{{\mathrm{\λ}}_N}[I-S_n\left(k\right){Q_n}^T\left(k\right)]P_n(k-1)$

其中：

初值 $\left\{\begin{array}{c}{P}_n\left(0\right)=\mathrm{\α}\\ {\hat{K}}_N\left(0\right)=1\end{array}\right.,$ α为充分大的正实数10⁴～10⁶，λ_N取值范围为0.9～1；

步骤3.4、判断本周期负荷煤质模型增益估计值辨识是否完成，

若辨识未完成，则等待下一个周期采样数据继续辨识；

若辨识完成，将本周期的负荷煤质模型增益估计值与上一周期的负荷煤质模型增益对比：

如果两者不相等，则修改负荷煤质模型为此时负荷对燃料量增量模型的传递函数之后重置递推计算初值P_n(0)＝α，并依次进行步骤3.5和步骤3.6；

如果两者相等，则重置递推计算初值P_n(0)＝α，并直接跳至步骤3.7；

步骤3.5、使用单变量寻优法计算负荷煤质模型的时滞估计值具体步骤如下：

首先，读入离线设定的负荷煤质模型时滞参数寻优范围d_i∈[d_min … d_max]，时滞参数寻优计算步长为L，并且负荷煤质模型结构的时滞参数初值d_N0满足d_min≤d_N0≤d_max，时滞参数寻优计算步长L满足L≥d_max；

然后，使用时滞参数d_i取代当前负荷煤质模型的时滞参数d_N得到新的负荷对燃料量增量模型的传递函数然后分别对新的负荷对燃料量增量模型的传递函数和负荷对调门开度增量模型的传递函数W_UN(z^-1)做阶跃响应实验得到2组阶跃响应向量，这2组阶跃响应向量的前L项分别构成列向量和Step_un；

接着，根据(3)式计算k-L周期到k周期在时滞为d_i时辨识用负荷预测值

其中：

辨识用负荷预测初值通过(4)式计算获得

并且有表示在i周期对j周期的辨识用负荷预测值；

ΔU′_B是k-L周期到k-1周期燃料量增量构成的矩阵，ΔU′_U是k-L周期到k-1周期调门开度增量构成的矩阵，并且有

同时，实际过程中k-L周期到k周期的负荷测量值取时滞d_i下本周期前L个周期的负荷预测偏差均方差作为时滞偏差性能指标

按照以上步骤，计算时滞寻优范围d_i∈[d_min … d_max]内所有时滞d_i的偏差性能指标；最后，求出本周期的负荷煤质模型时滞估计值使用计算下周期辨识用负荷预测值

步骤3.6、判断负荷煤质模型时滞估计值辨识是否完成，

若辨识未完成，则等待下一个周期采用数据继续辨识；

若辨识完成，则修改负荷煤质模型为此时负荷对燃料量增量模型的传递函数 $W_{\mathrm{BN}}\left(z^{-1}\right)=K_N{z}^{-{\hat{d}}_N}\·\frac{B_{\mathrm{bn}}\left(z^{-1}\right)}{1+A_{\mathrm{bn}}\left(z^{-1}\right)};$

步骤3.7、在进行负荷煤质模型校正的同时，参照步骤3.2至步骤3.6的过程并将负荷煤质模型的相关参数替换为压力煤质模型的相关参数进行压力煤质模型的在线校正。

4.根据权利要求1所述的火电机组协调控制系统的煤质自校正预测控制方法，其特征在于：所述步骤4包括如下步骤：

步骤4.1、设置DMC控制器相关参数，包括采样时间T_s、负荷预测步长P₁、汽压预测步长P₂、燃料量控制步长M₁、调门控制步长M₂、输出量误差权矩阵Φ＝diag[Φ₁,Φ₂]和控制量增量权矩阵Ψ＝diag[Ψ₁,Ψ₂]；

对每个采样周期均执行步骤4.2至步骤4.6；

步骤4.2、对离散化增量传递函数模型W_BN(z^-1)、W_BP(z^-1)、W_UN(z^-1)、W_UP(z^-1)分别做阶跃响应得到阶跃响应向量Step_bn、Step_bp、Step_un、Step_up，构建动态矩阵S；

步骤4.3、检测当前周期负荷测量值y_n(k)和当前周期汽压测量值y_p(k)，计算出本周期负荷预测误差e_n(k)和本周期汽压预测误差e_p(k)，分别用于修正上周期的负荷预测值和上周期的汽压预测值得到本周期预测初值其中 ${\tilde{y}}_{n0}\left(k\right)={\left[\begin{array}{ccc}{\tilde{y}}_{n0}(k+1|k)& ...& {\tilde{y}}_{n0}(k+P_1|k)\end{array}\right]}^T,{\tilde{y}}_{p0}\left(k\right)={\left[\begin{array}{ccc}{\tilde{y}}_{p0}(k+1|k)& ...& {\tilde{y}}_{p0}(k+P_2|k)\end{array}\right]}^T;$

步骤4.4、未来周期的模型预测输出向量由式(6)计算

$\tilde{Y}\left(k\right)={\tilde{Y}}_0\left(k\right)+\mathrm{S\ΔU}\left(k\right)---\left(6\right)$

并且有

$\tilde{Y}\left(k\right)=\left[\begin{array}{c}{\tilde{y}}_n\left(k\right)\\ {\tilde{y}}_p\left(k\right)\end{array}\right]$

其中：

${\tilde{y}}_n\left(k\right)=\left[\begin{array}{c}{\tilde{y}}_n(k+1|k)\\ .\\ .\\ .\\ {\tilde{y}}_n(k+P_1|k)\end{array}\right]$

${\tilde{y}}_p\left(k\right)=\left[\begin{array}{c}{\tilde{y}}_p(k+1|k)\\ .\\ .\\ .\\ {\tilde{y}}_p(k+P_2|k)\end{array}\right]$

表示在k周期对k+i周期负荷的预测值，

表示在k周期对k+i周期汽压的预测值，

ΔU(k)是未来周期的控制量增量向量，包括未来周期的燃料量增量和未来周期的调门开度增量；

以(7)式作为优化输出性能指标：

$J={\left|\right|Y_r\left(k\right)-\tilde{Y}\left(k\right)\left|\right|}_{\mathrm{\Φ}}^2+{\left|\right|\mathrm{\ΔU}\left(k\right)\left|\right|}_{\mathrm{\Ψ}}^2---\left(7\right)$

其中Y_r(k)是参考目标值向量；

通过极值必要条件由(8)式计算出最优控制量增量向量，

$\mathrm{\ΔU}\left(k\right)={[S^T\mathrm{\ΦS}+\mathrm{\Ψ}]}^{-1}{S}^T[Y_r\left(k\right)-{\tilde{Y}}_0\left(k\right)]---\left(8\right)$

并且取ΔU(k)的首个燃料量增量Δu_B(k)和首个调门开度增量Δu_U(k)作为本周期输出量增量；

步骤4.5、计算下个周期的燃料量输出量u_B(k+1)与下个周期的调门开度输出量u_U(k+1)，并对u_B(k+1)和u_U(k+1)进行上下限约束处理；

步骤4.6、计算本周期对未来时刻的预测向量