CN105278507B - 超超临界机组主蒸汽系统的过程优化控制方法和系统 - Google Patents

超超临界机组主蒸汽系统的过程优化控制方法和系统 Download PDF

Info

Publication number
CN105278507B
CN105278507B CN201510744914.3A CN201510744914A CN105278507B CN 105278507 B CN105278507 B CN 105278507B CN 201510744914 A CN201510744914 A CN 201510744914A CN 105278507 B CN105278507 B CN 105278507B
Authority
CN
China
Prior art keywords
variable
operating mode
output
disturbance
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.)
Active
Application number
CN201510744914.3A
Other languages
English (en)
Other versions
CN105278507A (zh
Inventor
陈世和
张曦
罗嘉
朱亚清
李晓枫
吴乐
刘哲
任娟娟
史玲玲
李锋
胡康涛
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.)
Electric Power Research Institute of Guangdong Power Grid Co Ltd
Original Assignee
Electric Power Research Institute of Guangdong Power Grid Co Ltd
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 Electric Power Research Institute of Guangdong Power Grid Co Ltd filed Critical Electric Power Research Institute of Guangdong Power Grid Co Ltd
Priority to CN201510744914.3A priority Critical patent/CN105278507B/zh
Publication of CN105278507A publication Critical patent/CN105278507A/zh
Application granted granted Critical
Publication of CN105278507B publication Critical patent/CN105278507B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Feedback Control In General (AREA)
  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)

Abstract

本发明涉及超超临界机组主蒸汽系统的过程优化控制方法和系统，其方法包括：获取协调控制方案，并根据协调控制方案确定激励信号的加入位置；对运行过程进行工况划分，获取各工况下输入变量、输出变量和扰动变量的变化范围；根据加入位置、各工况下输入变量和输出变量的变化范围，对输入变量设定值施加激励信号并采集过程输入数据和过程输出数据；根据各工况下的过程输入数据和过程输出数据并利用闭环子空间辨识算法获取过程变量模型；根据各工况下的扰动变量的变化范围和输出变量，利用最小二乘法获取扰动模型；根据过程变量模型和扰动模型对主蒸汽系统进行过程优化控制。可以提高主蒸汽系统的优化控制效率。

Description

超超临界机组主蒸汽系统的过程优化控制方法和系统
技术领域
本发明涉及电力系统技术领域，特别是涉及一种超超临界机组主蒸汽系统的过程优化控制方法和系统。
背景技术
主蒸汽系统是火电机组的重要组成部分，主要用于维持火电机组复杂工况以及大范围调峰时主蒸汽参数的稳定，对保证整个超超临界机组的安全运行以及发电效率至关重要。
超超临界机组的主蒸汽系统采用直流炉，没有了传统汽包炉汽包的缓冲，使得超超临界机组的蓄热能力有所下降，且超超临界机组的运行参数对蓄热能力有较大影响，因此超超临界机组主蒸汽系统的温度波动大。
为降低主蒸汽系统的温度波动，维持主蒸汽参数的稳定，传统的方法通常是对主蒸汽系统的调节以水煤比粗调、减温水细调，将主蒸汽参数控制在大致范围内，但是此调节方法具有随意性，不能满足超超临界机组的控制要求，控制效率低。
发明内容
基于此，有必要针对上述问题，提供一种提高控制效率的超超临界机组主蒸汽系统的过程优化控制方法和系统。
一种超超临界机组主蒸汽系统的过程优化控制方法，包括如下步骤：
获取超超临界机组的协调控制方案，并根据所述协调控制方案确定激励信号的加入位置；
根据超超临界机组的运行特性对所述超超临界机组的运行过程进行工况划分，获取各工况下的超超级临界机组的输入变量、输出变量和扰动变量的变化范围，其中，所述输入变量包括第一侧一级减温水阀门开度、第一侧二级减温水阀门开度、第二侧一级减温水阀门开度和第二侧二级减温水阀门开度，所述输出变量包括第一侧二级减温水进口温度、第一侧高温过热器出口温度、第二侧高温过热器出口温度和第二侧减温水进口温度，所述扰动变量包括机组负荷和中间点温度；
根据所述激励信号的加入位置、各工况下所述输入变量的变化范围和所述输出变量的变化范围，对所述输入变量的设定值施加所述激励信号并采集各工况的过程输入数据和过程输出数据；
根据各工况的所述过程输入数据和所述过程输出数据，利用闭环子空间辨识算法获取各工况的对应所述输入变量与所述输出变量的过程变量模型；
根据各工况的所述扰动变量的变化范围和所述输出变量，利用最小二乘法获取各工况的对应所述扰动变量与所述输出变量的扰动模型；
根据所述过程变量模型和所述扰动模型对所述超超临界机组的主蒸汽系统进行过程优化和控制。
一种超超临界机组主蒸汽系统的过程优化控制系统，包括：
信号位置确定模块，用于获取超超临界机组的协调控制方案，并根据所述协调控制方案确定激励信号的加入位置；
变量特性获取模块，用于根据超超临界机组的运行特性对所述超超临界机组的运行过程进行工况划分，获取各工况下的超超级临界机组的输入变量、输出变量和扰动变量的变化范围，其中，所述输入变量包括第一侧一级减温水阀门开度、第一侧二级减温水阀门开度、第二侧一级减温水阀门开度和第二侧二级减温水阀门开度，所述输出变量包括第一侧二级减温水进口温度、第一侧高温过热器出口温度、第二侧高温过热器出口温度和第二侧减温水进口温度，所述扰动变量包括机组负荷和中间点温度；
过程数据采集模块，用于根据所述激励信号的加入位置、各工况下所述输入变量的变化范围和所述输出变量的变化范围，对所述输入变量的设定值施加所述激励信号并采集各工况的过程输入数据和过程输出数据；
第一模型生成模块，用于根据各工况的所述过程输入数据和所述过程输出数据，利用闭环子空间辨识算法获取各工况的对应所述输入变量与所述输出变量的过程变量模型；
第二模型生成模块，用于根据各工况的所述扰动变量的变化范围和所述输出变量，利用最小二乘法获取各工况的对应所述扰动变量与所述输出变量的扰动模型；
过程优化控制模块，用于根据所述过程变量模型和所述扰动模型对所述超超临界机组的主蒸汽系统进行过程优化和控制。
上述超超临界机组主蒸汽系统的过程优化控制方法和系统，针对输入变量和输出变量，根据确定的加入位置和获取的输入变量和输出变量的变化范围，对输入变量的设定值施加激励信号并采集过程输入数据和过程输出数据，然后根据过程输入数据和过程输出数据并利用闭环子空间辨识方法建立过程变量模型；针对扰动变量和输出变量，根据扰动变量的变化范围和输出变量并利用传统的最小二乘法建立扰动模型，然后根据过程变量模型和扰动模型对主蒸汽系统进行过程优化控制。过程变量模型和扰动模型结合了闭环子空间辨识方法和最小二乘法，能够实现多个变量的综合控制，提高主蒸汽系统温度调节控制的效率。
附图说明
图1为一实施例中超超临界机组主蒸汽系统的过程优化控制方法的流程图；
图2为主蒸汽系统的部分结构图；
图3为输入变量和输出变量的关系示意图；
图4为扰动变量和输出变量的关系示意图；
图5为另一实施例中超超临界机组主蒸汽系统的过程优化控制方法的流程图；
图6为一实施例中根据各工况的过程输入数据和过程输出数据，利用闭环子空间辨识算法获取各工况的对应输入变量与输出变量的过程变量模型的具体流程图；
图7为闭环子空间系统的结构示意图；
图8为一应用例中的模型图；
图9为一实施例中超超临界机组主蒸汽系统的过程优化控制系统的模块图；
图10为另一实施例中超超临界机组主蒸汽系统的过程优化控制系统的模块图；
图11为一实施例中第一模型生成模块的具体单元图；
图12为一实施例中第二模型生成模块的具体单元图。
具体实施方式
参考图1，本发明一实施例中的超超临界机组主蒸汽系统的过程优化控制方法，包括如下步骤。
S110：获取超超临界机组的协调控制方案，并根据协调控制方案确定激励信号的加入位置。
协调控制方案包括以锅炉跟随为主的控制方案和以汽机跟随为主的控制方案等。本实施例中，具体可以通过确定多变量约束控制器的结构、形式以及通讯方式，确定协调控制方案。
S130：根据超超临界机组的运行特性对超超临界机组的运行过程进行工况划分，获取各工况下的超超级临界机组的输入变量、输出变量和扰动变量的变化范围。
参考图2至图4，其中，输入变量包括第一侧一级减温水阀门开度、第一侧二级减温水阀门开度、第二侧一级减温水阀门开度和第二侧二级减温水阀门开度，输出变量包括第一侧二级减温水进口温度、第一侧高温过热器出口温度、第二侧高温过热器出口温度和第二侧减温水进口温度，扰动变量包括机组负荷和中间点温度。其中，A表示第一侧，B表示第二侧。
工况划分可以是根据预设值和机组负荷对超超临界机组的运行过程进行工况划分，例如，本实施例中，具体是根据满载负荷的10％作为级差对负荷进行等级划分，得到多个负荷范围对应的工况。可以理解，在其他实施例中，也可以是采用其他方式进行工况划分。
S150：根据激励信号的加入位置、各工况下输入变量的变化范围和输出变量的变化范围，对输入变量的设定值施加激励信号并采集各工况的过程输入数据和过程输出数据。
过程输入数据和过程输出数据分别对应指对输入变量的设定值施加激励信号产生的输入变量对应的过程数据、输出变量对应的过程数据。在输入变量施加激励信号，即为完成对输入变量进行过程对象的测试，从而采集闭环子空间辨识所需要的过程数据。
S170：根据各工况的过程输入数据和过程输出数据，利用闭环子空间辨识算法获取各工况的对应输入变量与输出变量的过程变量模型。
根据过程输入数据和过程输出数据，利用闭环子空间辨识算法得到的过程变量模型，可以体现输入变量与输出变量之间的关系。
S190：根据各工况的扰动变量的变化范围和输出变量，利用最小二乘法获取各工况的对应扰动变量与输出变量的扰动模型。
根据扰动变量的变化范围和输出变量，利用最小二乘法得到的扰动模型，可以体现扰动变量与输出变量之间的关系。
S210：根据过程变量模型和扰动模型对超超临界机组的主蒸汽系统进行过程优化和控制。
上述超超临界机组主蒸汽系统的过程优化控制方法，针对输入变量和输出变量，根据确定的加入位置和获取的输入变量和输出变量的变化范围，对输入变量的设定值施加激励信号并采集过程输入数据和过程输出数据，然后根据过程输入数据和过程输出数据并利用闭环子空间辨识方法建立过程变量模型；针对扰动变量和输出变量，根据扰动变量的变化范围和输出变量并利用传统的最小二乘法建立扰动模型，然后根据过程变量模型和扰动模型对主蒸汽系统进行过程优化控制。过程变量模型和扰动模型结合了闭环子空间辨识方法和最小二乘法，能够实现多个变量的综合控制，提高主蒸汽系统温度调节控制的效率。
在其中一实施例中，参考图5，步骤S110之前，还包括步骤S100和步骤S101。
S100：检测输入变量、输出变量和扰动变量是否正常。若是，则进行步骤S110；若否，则执行步骤S101。
检测输入变量、输出变量和扰动变量是否正常的标准，可以是判断输入变量、输出变量和扰动变量的输入信号是否在预设的正常条件内，若是，则判定为正常，否则，判定为不正常。具体地，预设的正常条件可以根据实际情况设置。
S101：对不正常的输入变量、输出变量或扰动变量涉及的变送器或者阀门进行修复处理。
例如，可以通过检查不正常的输入变量、输出变量或扰动变量涉及的硬件设备是否故障，或者检测涉及的信号传输过程是否故障，针对故障情况进行相应修复处理。
通过预先对输入变量、输出变量和扰动变量进行状态检测，并及时处理不正常的输入变量、输出变量或扰动变量涉及的变送器或者阀门，提高了数据建模的可靠性和准确性。
在其中一实施例中，步骤S150针对不同的输入变量，施加的激励信号可以不同。不同的输入变量对超超临界机组的协调控制系统的影响不同，针对不同的输入变量设置不同的激励信号，使得采集的数据更具代表性，从而根据闭环空间子辨识所得到的过程变量模型可靠性更高。
在其中一实施例中，参考图6，步骤S170包括步骤S171至步骤S175。
S171：根据各工况的过程输入数据和过程输出数据进行闭环子空间辨识，得到各工况的阶跃响应系数。
S173：根据阶跃响应系数估算阶跃响应延迟时间。
S175：利用最小二乘法分别对各工况的阶跃响应系数进行拟合，生成传递函数矩阵并结合阶跃响应延迟时间生成过程变量模型。
通过采用状态空间模型，参数化简单，且对多输入多输出的控制效果尤为显著。
参考图7，为超超临界机组闭环子空间辨识方法框图，其中，RBS为激励信号，r为设定值，C为控制器，u为控制变量，e为扰动变量，K为扰动模型，p为主蒸汽系统模型。
定义如下等式：
步骤S171的具体过程为如下。
(1)u为输入，y为输出的开关辨识。
假定该系统线性时不变状态空方程可描述为：
其中，xt∈Rn为输入变量，ut∈Rl为控制变量，et∈Rm为零均值、稳定的白噪声序列，R表示实数空间，m，n，l表示实数空间的维度，A、B、C和D均为状态矩阵。
以Xp为系统过去输入序列，经过1，2，3，...N步迭代，以Xf为系统未来输入序列，经过N+1，N+2，....2N步迭代，分别求得系统过去输出子空间矩阵以及未来输出子空间矩阵：
其中，Xp为(X1 X2 … Xf)，Xf为(XN+1 XN+2 … XN+J)，ΓN为系统扩展可观矩阵，分别提供过程信息和扰动信息。
ΓN＝(C CA … CAN-1)T；
输入输出Hankel矩阵为：
过程噪声et的子空间矩阵为：
其中，为了降低辨识过程中对于噪声的敏感性，通常J远大于max(mN，lN)，N则与系统阶次相关。Xp与Xp之间的抵推关系为：
Xf＝AN·Xp+△B·Up+△k·Ep；
其中，△B＝(AN-1B AN-2B … B)，△K＝(AN-1K AN-2K … K)。
应用递推关系，输出可表达为：
Yf＝Lw·Wp+Lu·Uf+LeEf；
其中，Wp＝(Yp Up)T，E＝(Ep Ef)T，Lw和Le为对应的系数矩阵。
(2)r为输入，u为输出的开环辨识。
同(1)推导类似可得：
其中， 和为相应系数矩阵。
矩阵形式为：
其中式中均可以通过最小二乘估计求解。
(3)求解阶跃响应系数：
其中，
其中，Fi为脉冲响应系数，从而可得出阶跃响应系数阵SN。
Gi为第i组单位阶跃系数。至此，求得单位阶跃响应系数。
上述算法为在联合输入输出闭环子空间辨识方法的基础上的一种闭环非参数辨识方法。该方法省略了参数估计的步骤，采用类似上述的(1)和(2)两步开环辨识直接获得系统的阶跃响应系数。针对一些先进控制算法所需的非参数模型而言，不仅简化了计算过程，同时避免了估计参数环节到获得非参数模型这一环节可能附带的误差，提高了准确性。
在其中一实施例中，步骤S190包括步骤11和步骤12。
步骤11：选取变化范围最小的扰动变量，获取变化范围最小的扰动变量的数据和对应的输出变量的数据并进行最小二乘法处理，生成各工况的对应扰动变量与输出变量的传递函数。
例如，比较机组负荷和中间点温度的变化范围大小，若机组负荷的变化范围较小，即机组负荷的波动较小，则获取机组负荷的数据和对应的输出变量的数据，从而选择机组负荷建立扰动变量模型。本实施例中，变化范围最小的扰动变量的数据和对应的输出变量的数据可以通过DCS(Distributed Control System分布式控制系统)自动获取。
步骤12：对传递函数进行阶跃响应，得到扰动模型。
在其中一实施例中，参考图5，步骤S170之后或者步骤S190之后，步骤S210之前，还包括步骤S200至步骤S202。
S200：分别获取各工况的过程输入数据和过程输出数据的采样间隔以及传递函数矩阵的最佳阶次。
为了保证辨识结果的准确性，采集数据的总时间跨度应表现系统的动态特性。采样间隔过小，会导致采样的过程数据长度变长，从而会增加闭环子空间辨识算法的计算量。采样间隔过大，会导致采样的过程数据遗失系统信息，辨识结果不准确。本实施例中，采样周期可以预设为1秒。可以理解，在其他实施例中，采样周期也可以为其他数值。
选取合适的传递函数矩阵的行数N和列数J。最佳阶次的选择标准包括：列数J应当远大于max(mN，lN)，其中l为输入维度，m为输出维度；当计算获得的第N个附近的脉冲响应系数逼近于0时对应的阶次选择为较佳。
S201：根据过程变量模型、扰动模型、采样间隔和最佳阶次对主蒸汽系统进行运行测试，判断主蒸汽系统是否运行正常。若否，则执行步骤S202。
判断超超临界机组是否运行正常，可以是判断超超临界机组的运行参数是否在预设的参数范围内，若是，则判定超超临界机组运行正常，否则为不正常。具体地，预设的参数范围可以根据实际情况设置。
S202：调整采样间隔和最佳阶次，并返回步骤S200。
通过对获取的过程变量模型、扰动模型进行采样间隔、最佳阶次等参数的配置，并进行运行测试，确保主蒸汽系统能正常运行，提高了过程变量模型和扰动模型的准确性。
参考图8，为应用上述超超临界机组主蒸汽系统的过程优化控制系统得到的模型图。
参考图9，本发明一实施例中超超临界机组主蒸汽系统的过程优化控制系统，包括信号位置确定模块110、变量特性获取模块130、过程数据采集模块150、第一模型生成模块170、第二模型生成模块190和过程优化控制模块210。
信号位置确定模块110用于获取超超临界机组的协调控制方案，并根据协调控制方案确定激励信号的加入位置。
协调控制方案包括以锅炉跟随为主的控制方案和以汽机跟随为主的控制方案等。本实施例中，具体可以通过确定多变量约束控制器的结构、形式以及通讯方式，确定协调控制方案。
变量特性获取模块130用于根据超超临界机组的运行特性对超超临界机组的运行过程进行工况划分，获取各工况下的超超级临界机组的输入变量、输出变量和扰动变量的变化范围。
其中，参考图2至图4，输入变量包括第一侧一级减温水阀门开度、第一侧二级减温水阀门开度、第二侧一级减温水阀门开度和第二侧二级减温水阀门开度，输出变量包括第一侧二级减温水进口温度、第一侧高温过热器出口温度、第二侧高温过热器出口温度和第二侧减温水进口温度，扰动变量包括机组负荷和中间点温度。
工况划分可以是根据预设值和机组负荷对超超临界机组的运行过程进行工况划分，例如，本实施例中，具体是根据满载负荷的10％作为级差对负荷进行等级划分，得到多个负荷范围对应的工况。可以理解，在其他实施例中，也可以是采用其他方式进行工况划分。
过程数据采集模块150用于根据激励信号的加入位置、各工况下输入变量的变化范围和输出变量的变化范围，对输入变量的设定值施加激励信号并采集各工况的过程输入数据和过程输出数据。
过程输入数据和过程输出数据分别对应指对输入变量的设定值施加激励信号产生的输入变量对应的过程数据、输出变量对应的过程数据。在输入变量施加激励信号，即为完成对输入变量进行过程对象的测试，从而采集闭环子空间辨识所需要的过程数据。
第一模型生成模块170用于根据各工况的过程输入数据和过程输出数据，利用闭环子空间辨识算法获取各工况的对应输入变量与输出变量的过程变量模型。
根据过程输入数据和过程输出数据，利用闭环子空间辨识算法得到的过程变量模型，可以体现输入变量与输出变量之间的关系。
第二模型生成模块190用于根据各工况的扰动变量的变化范围和输出变量，利用最小二乘法获取各工况的对应扰动变量与输出变量的扰动模型。
根据扰动变量的变化范围和输出变量，利用最小二乘法得到的扰动模型，可以体现扰动变量与输出变量之间的关系。
过程优化控制模块210用于根据过程变量模型和扰动模型对超超临界机组的主蒸汽系统进行过程优化和控制。
上述超超临界机组主蒸汽系统的过程优化控制系统，针对输入变量和输出变量，过程数据采集模块150根据信号位置确定模块110确定的加入位置和变量特性获取模块130获取的输入变量和输出变量的变化范围，对输入变量的设定值施加激励信号并采集过程输入数据和过程输出数据，第一模型生成模块170根据过程输入数据和过程输出数据并利用闭环子空间辨识方法建立过程变量模型；针对扰动变量和输出变量，第二模型生成模块190根据扰动变量的变化范围和输出变量并利用传统的最小二乘法建立扰动模型，过程优化控制模块210根据过程变量模型和扰动模型对主蒸汽系统进行过程优化控制。过程变量模型和扰动模型结合了闭环子空间辨识方法和最小二乘法，能够实现多个变量的综合控制，提高主蒸汽系统温度调节控制的效率。
在其中一实施例中，参考图10，超超临界机组主蒸汽系统的过程优化控制系统还包括信号状态检测模块100和异常信号处理模块101。
信号状态检测模块100用于检测输入变量、输出变量和扰动变量是否正常，并在输入变量、输出变量和扰动变量正常时，返回执行信号位置确定模块110的功能。
检测输入变量、输出变量和扰动变量是否正常的标准，可以是判断输入变量、输出变量和扰动变量的输入信号是否在预设的正常条件内，若是，则判定为正常，否则，判定为不正常。具体地，预设的正常条件可以根据实际情况设置。
异常信号处理模块101用于在输入变量、输出变量或扰动变量不正常时，对不正常的输入变量、输出变量或扰动变量涉及的变送器或者阀门进行修复处理。
例如，可以通过检查不正常的输入变量、输出变量或扰动变量涉及的硬件设备是否故障，或者检测涉及的信号传输过程是否故障，针对故障情况进行相应修复处理。
通过预先对输入变量、输出变量和扰动变量进行状态检测，并及时处理不正常的输入变量、输出变量或扰动变量涉及的变送器或者阀门，提高了数据建模的可靠性和准确性。
在其中一实施例中，过程数据采集模块150针对不同的输入变量，施加的激励信号可以不同。不同的输入变量对超超临界机组的协调控制系统的影响不同，针对不同的输入变量设置不同的激励信号，使得采集的数据更具代表性，从而根据闭环空间子辨识所得到的过程变量模型可靠性更高。
在其中一实施例中，参考图11，第一模型生成模块170包括模型辨识单元171、时间获取单元173和过程变量模型生成单元175。
模型辨识单元171用于根据各工况的过程输入数据和过程输出数据进行闭环子空间辨识，得到各工况的阶跃响应系数。
时间获取单元173用于根据阶跃响应系数获取阶跃响应延迟时间。
过程变量模型生成单元175用于利用最小二乘法分别对各工况的阶跃响应系数进行拟合，生成传递函数矩阵并结合阶跃响应延迟时间生成过程变量模型。
通过采用状态空间模型，参数化简单，且对多输入多输出的控制效果尤为显著。
在其中一实施例中，参考图12，第二模型生成模块190包括传递函数生成单元191和扰动模型生成单元193。
传递函数生成单元191用于选取变化范围最小的扰动变量，获取变化范围最小的扰动变量和对应的输出变量的数据并进行最小二乘法处理，生成各工况的对应扰动变量与输出变量的传递函数。
例如，比较机组负荷和中间点温度的变化范围大小，若机组负荷的变化范围较小，即机组负荷的波动较小，则获取机组负荷的数据和对应的输出变量的数据，从而选择机组负荷建立扰动变量模型。本实施例中，变化范围最小的扰动变量的数据和对应的输出变量的数据可以通过DCS(Distributed Control System分布式控制系统)自动获取。
扰动模型生成单元193用于对传递函数进行阶跃响应，得到扰动模型。
在其中一实施例中，参考图10，超超临界机组主蒸汽系统的过程优化控制系统还包括参数配置模块230、系统运行测试模块250和参数调整模块270。
参数配置模块230用于分别获取各工况的过程输入数据和过程输出数据的采样间隔以及传递函数矩阵的最佳阶次。
为了保证辨识结果的准确性，采集数据的总时间跨度应表现系统的动态特性。采样间隔过小，会导致采样的过程数据长度变长，从而会增加闭环子空间辨识算法的计算量。采样间隔过大，会导致采样的过程数据遗失系统信息，辨识结果不准确。本实施例中，采样周期可以预设为1秒。可以理解，在其他实施例中，采样周期也可以为其他数值。
选取合适的传递函数矩阵的行数N和列数J。最佳阶次的选择标准包括：列数J应当远大于max(mN，lN)，其中l为输入维度，m为输出维度；当计算获得的第N个附近的脉冲响应系数逼近于0时对应的阶次选择为较佳。
系统运行测试模块250用于根据过程变量模型、扰动模型、采样间隔和最佳阶次对主蒸汽系统进行运行测试，判断主蒸汽系统是否运行正常。
判断超超临界机组是否运行正常，可以是判断超超临界机组的运行参数是否在预设的参数范围内，若是，则判定超超临界机组运行正常，否则为不正常。具体地，预设的参数范围可以根据实际情况设置。
参数调整模块270用于在主蒸汽系统运行不正常时，调整采样间隔和最佳阶次，并返回执行参数配置模块230的功能。
通过对获取的过程变量模型、扰动模型进行采样间隔、最佳阶次等参数的配置，并进行运行测试，确保主蒸汽系统能正常运行，提高了过程变量模型和扰动模型的准确性。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
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 (10)

1.一种超超临界机组主蒸汽系统的过程优化控制方法，其特征在于，包括如下步骤：
获取超超临界机组的协调控制方案，并根据所述协调控制方案确定激励信号的加入位置；
根据超超临界机组的运行特性对所述超超临界机组的运行过程进行工况划分，获取各工况下的超超级临界机组的输入变量、输出变量和扰动变量的变化范围，其中，所述输入变量包括第一侧一级减温水阀门开度、第一侧二级减温水阀门开度、第二侧一级减温水阀门开度和第二侧二级减温水阀门开度，所述输出变量包括第一侧二级减温水进口温度、第一侧高温过热器出口温度、第二侧高温过热器出口温度和第二侧减温水进口温度，所述扰动变量包括机组负荷和中间点温度；
根据所述激励信号的加入位置、各工况下所述输入变量的变化范围和所述输出变量的变化范围，对所述输入变量的设定值施加所述激励信号并采集各工况的过程输入数据和过程输出数据；
根据各工况的所述过程输入数据和所述过程输出数据，利用闭环子空间辨识算法获取各工况的对应所述输入变量与所述输出变量的过程变量模型；
根据各工况的所述扰动变量的变化范围和所述输出变量，利用最小二乘法获取各工况的对应所述扰动变量与所述输出变量的扰动模型；
根据所述过程变量模型和所述扰动模型对所述超超临界机组的主蒸汽系统进行过程优化和控制。
2.根据权利要求1所述的超超临界机组主蒸汽系统的过程优化控制方法，其特征在于，所述获取超超临界机组的协调控制方案，并根据所述协调控制方案确定激励信号的加入位置之前，还包括：
检测所述输入变量、所述输出变量和所述扰动变量是否正常；
若否，则对不正常的输入变量、输出变量或扰动变量涉及的变送器或者阀门进行修复处理；
若是，则执行所述获取超超临界机组的协调控制方案，并根据所述协调控制方案确定激励信号的加入位置的步骤。
3.根据权利要求1所述的超超临界机组主蒸汽系统的过程优化控制方法，其特征在于，所述根据对各工况的所述过程输入数据和所述过程输出数据，利用闭环子空间辨识算法获取各工况的对应所述输入变量与所述输出变量的过程变量模型，包括以下步骤：
根据各工况的所述过程输入数据和所述过程输出数据进行闭环子空间辨识，得到各工况的阶跃响应系数；
根据所述阶跃响应系数估算阶跃响应延迟时间；
利用最小二乘法分别对各工况的所述阶跃响应系数进行拟合，生成传递函数矩阵并结合所述阶跃响应延迟时间生成所述过程变量模型。
4.根据权利要求3所述的超超临界机组主蒸汽系统的过程优化控制方法，其特征在于，所述根据各工况的所述过程输入数据和所述过程输出数据，利用闭环子空间辨识算法获取各工况的对应所述输入变量与所述输出变量的过程变量模型之后，所述根据所述过程变量模型和所述扰动模型对所述超超临界机组的主蒸汽系统进行过程优化和控制之前，还包括以下步骤：
分别获取所述各工况的过程输入数据和所述过程输出数据的采样间隔以及所述传递函数矩阵的最佳阶次；
根据所述过程变量模型、所述扰动模型、所述采样间隔和所述最佳阶次对所述主蒸汽系统进行运行测试，判断所述主蒸汽系统是否运行正常；
若否，调整所述采样间隔和最佳阶次，并返回所述分别获取所述各工况的过程输入数据和所述过程输出数据的采样间隔和所述传递函数矩阵的最佳阶次的步骤。
5.根据权利要求1所述的超超临界机组主蒸汽系统的过程优化控制方法，其特征在于，所述根据各工况的所述扰动变量的变化范围和所述输出变量，利用最小二乘法获取各工况的对应所述扰动变量与所述输出变量的扰动模型，包括：
选取变化范围最小的扰动变量，获取所述变化范围最小的扰动变量的数据和对应的所述输出变量的数据并进行最小二乘法处理，生成各工况的对应所述扰动变量与所述输出变量的传递函数；
对所述传递函数进行阶跃响应，得到所述扰动模型。
6.一种超超临界机组主蒸汽系统的过程优化控制系统，其特征在于，包括：
信号位置确定模块，用于获取超超临界机组的协调控制方案，并根据所述协调控制方案确定激励信号的加入位置；
变量特性获取模块，用于根据超超临界机组的运行特性对所述超超临界机组的运行过程进行工况划分，获取各工况下的超超级临界机组的输入变量、输出变量和扰动变量的变化范围，其中，所述输入变量包括第一侧一级减温水阀门开度、第一侧二级减温水阀门开度、第二侧一级减温水阀门开度和第二侧二级减温水阀门开度，所述输出变量包括第一侧二级减温水进口温度、第一侧高温过热器出口温度、第二侧高温过热器出口温度和第二侧减温水进口温度，所述扰动变量包括机组负荷和中间点温度；
过程数据采集模块，用于根据所述激励信号的加入位置、各工况下所述输入变量的变化范围和所述输出变量的变化范围，对所述输入变量的设定值施加所述激励信号并采集各工况的过程输入数据和过程输出数据；
第一模型生成模块，用于根据各工况的所述过程输入数据和所述过程输出数据，利用闭环子空间辨识算法获取各工况的对应所述输入变量与所述输出变量的过程变量模型；
第二模型生成模块，用于根据各工况的所述扰动变量的变化范围和所述输出变量，利用最小二乘法获取各工况的对应所述扰动变量与所述输出变量的扰动模型；
过程优化控制模块，用于根据所述过程变量模型和所述扰动模型对所述超超临界机组的主蒸汽系统进行过程优化和控制。
7.根据权利要求6所述的超超临界机组主蒸汽系统的过程优化控制系统，其特征在于，还包括：
信号状态检测模块，用于检测所述输入变量、所述输出变量和所述扰动变量是否正常，并在所述输入变量、所述输出变量和所述扰动变量正常时返回执行所述位置确定模块的功能；
异常信号处理模块，用于在所述输入变量、所述输出变量或所述扰动变量不正常时，对不正常的输入变量、输出变量或扰动变量涉及的变送器或者阀门进行修复处理。
8.根据权利要求6所述的超超临界机组主蒸汽系统的过程优化控制系统，其特征在于，所述第一模型生成模块包括：
模型辨识单元，用于根据各工况的所述过程输入数据和所述过程输出数据进行闭环子空间辨识，得到各工况的阶跃响应系数；
时间获取单元，用于根据所述阶跃响应系数获取阶跃响应延迟时间；
过程变量模型生成单元，用于利用最小二乘法分别对各工况的所述阶跃响应系数进行拟合，生成传递函数矩阵并结合所述阶跃响应延迟时间生成所述过程变量模型。
9.根据权利要求8所述的超超临界机组主蒸汽系统的过程优化控制系统，其特征在于，还包括：
参数配置模块，用于分别获取所述各工况的过程输入数据和所述过程输出数据的采样间隔以及所述传递函数矩阵的最佳阶次；
系统运行测试模块，用于根据所述过程变量模型、所述扰动模型、所述采样间隔和所述最佳阶次对所述主蒸汽系统进行运行测试，判断所述主蒸汽系统是否运行正常；
参数调整模块，用于在所述主蒸汽系统运行不正常时，调整所述采样间隔和所述最佳阶次，并返回执行参数配置模块的功能。
10.根据权利要求6所述的超超临界机组主蒸汽系统的过程优化控制系统，其特征在于，所述第二模型生成模块包括：
传递函数生成单元，用于选取变化范围最小的扰动变量，获取所述变化范围最小的扰动变量的数据和对应的所述输出变量的数据进行最小二乘法处理，生成各工况的对应所述扰动变量与输出变量的传递函数；
扰动模型生成单元，用于对所述传递函数进行阶跃响应，得到所述扰动模型。
CN201510744914.3A 2015-11-03 2015-11-03 超超临界机组主蒸汽系统的过程优化控制方法和系统 Active CN105278507B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510744914.3A CN105278507B (zh) 2015-11-03 2015-11-03 超超临界机组主蒸汽系统的过程优化控制方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510744914.3A CN105278507B (zh) 2015-11-03 2015-11-03 超超临界机组主蒸汽系统的过程优化控制方法和系统

Publications (2)

Publication Number Publication Date
CN105278507A CN105278507A (zh) 2016-01-27
CN105278507B true CN105278507B (zh) 2017-12-12

Family

ID=55147689

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510744914.3A Active CN105278507B (zh) 2015-11-03 2015-11-03 超超临界机组主蒸汽系统的过程优化控制方法和系统

Country Status (1)

Country Link
CN (1) CN105278507B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109507910A (zh) * 2018-10-31 2019-03-22 国网河南省电力公司电力科学研究院 一种基于数据驱动的火电机组建模与控制方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08284091A (ja) * 1995-04-07 1996-10-29 Mitsubishi Chem Corp 静的多変数制御方法および多変数制御装置
CN101436077A (zh) * 2008-09-28 2009-05-20 广州粤能电力科技开发有限公司 双向校正中间点温度和过热汽温的方法及其专用装置
CN102109172A (zh) * 2009-12-24 2011-06-29 江苏方天电力技术有限公司 超临界及超超临界机组燃水比控制方法
CN104482525A (zh) * 2014-12-25 2015-04-01 广东电网有限责任公司电力科学研究院 超超临界机组再热汽温的控制方法和系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08284091A (ja) * 1995-04-07 1996-10-29 Mitsubishi Chem Corp 静的多変数制御方法および多変数制御装置
CN101436077A (zh) * 2008-09-28 2009-05-20 广州粤能电力科技开发有限公司 双向校正中间点温度和过热汽温的方法及其专用装置
CN102109172A (zh) * 2009-12-24 2011-06-29 江苏方天电力技术有限公司 超临界及超超临界机组燃水比控制方法
CN104482525A (zh) * 2014-12-25 2015-04-01 广东电网有限责任公司电力科学研究院 超超临界机组再热汽温的控制方法和系统

Also Published As

Publication number Publication date
CN105278507A (zh) 2016-01-27

Similar Documents

Publication Publication Date Title
CN102374519B (zh) 蒸汽温度的动态矩阵控制的动态整定
CN110285403A (zh) 基于被控参数预估的主蒸汽温度控制方法
CN104482525B (zh) 超超临界机组再热汽温的控制方法和系统
CN102841539A (zh) 基于多模型预测控制的亚临界协调控制方法
US20210256428A1 (en) Controller for controlling a technical system, and method for configuring the controller
Ballé Fuzzy-model-based parity equations for fault isolation
PH12016000253A1 (en) Methods and apparatus to optimize steam header blending and gas turbine loading in combined cycle power plants
CN109032117A (zh) 基于arma模型的单回路控制系统性能评价方法
Berenguel et al. Modelling the free response of a solar plant for predictive control
CN105278333B (zh) 超超临界机组协调控制系统的数据建模方法和系统
CN105278507B (zh) 超超临界机组主蒸汽系统的过程优化控制方法和系统
US11761623B2 (en) Apparatus for combustion optimization and method therefor
KR101663348B1 (ko) 증기 발전소의 제어를 위한 모델 변수들을 결정하는 방법 및 장치, 증기 발생기용 제어 유닛 및 컴퓨터 프로그램 제품
CN104504614B (zh) 获得火电厂最优可控因子的试验系统及其方法
CN105595391A (zh) 一种关于ctd气流式烘丝机的先进控制方法
CN115129005A (zh) 基于工业过程的控制、模型方法、设备和存储介质
EP3364256A1 (en) Heat recovery steam generator adaptive control
CN106855691A (zh) 用于超临界火电机组机炉系统负荷跟踪的双层控制系统
CN105720574A (zh) 基于spsa的电力系统单区域负荷频率的数据驱动控制方法
CN102967393B (zh) 一种超超临界机组锅炉分离器出口温度在线校准的方法
KR102291800B1 (ko) 보일러 연소 모델 도출 장치 및 방법
CN104062903A (zh) 一种基于免疫机制的碳纤维凝固浴重构控制器
CN103670539B (zh) 补偿发电机组动态特性联合调频控制方法、系统与装置
Oshnoei et al. Detection and mitigation of coordinate false datainjection attacks in frequency control of power grids
Balle et al. Fault detection and isolation for nonlinear processes based on local linear fuzzy models and parameter estimation

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