CN106019939A - 基于非线性智能预测控制技术的超临界机组再热汽温优化控制系统 - Google Patents
基于非线性智能预测控制技术的超临界机组再热汽温优化控制系统 Download PDFInfo
- Publication number
- CN106019939A CN106019939A CN201610448638.0A CN201610448638A CN106019939A CN 106019939 A CN106019939 A CN 106019939A CN 201610448638 A CN201610448638 A CN 201610448638A CN 106019939 A CN106019939 A CN 106019939A
- Authority
- CN
- China
- Prior art keywords
- control
- steam temperature
- loop
- nonlinear
- reheat steam
- 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
Classifications
-
- 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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于非线性智能预测控制技术的超临界机组再热汽温优化控制系统,该控制系统由烟气挡板控制回路和事故喷水控制回路组成,两个控制回路均包括反馈回路和前馈回路,两个控制回路的反馈回路中均以非线性智能预测控制器作为主控制器;前馈回路中均包括模糊智能前馈,模糊智能前馈的输入量为偏差量e和偏差变化率de/dt。本发明采用非线性智能预测控制能够方便地处理受限优化问题,计算过程十分清晰、简单,工程应用时,编程实施非常方便,并且控制效果优于传统PID;前馈量的加入能够实现烟气挡板开度的快速调整,有效地防止再热器金属壁温超温,控制效果上能够有效地控制再热汽温,保证了锅炉运行的经济性与安全性。
Description
技术领域
本发明涉及一种基于非线性智能预测控制技术的超临界机组新型再热汽温优化控制系统,属于热能动力工程和自动控制领域。
背景技术
超临界机组的再热汽温主要以调节再热烟气挡板来控制,而以事故喷水为辅助调节手段。再热汽温被控对象具有很大的滞后和惯性(15min以上),并且再热汽温受烟气侧和蒸汽侧各种因素的影响,而再热温度与机组效率及机组的安全性密切相关,简单的调整不能保证超临界机组在运行过程中的保持较高品质,常规的PID控制系统很难有效抑制再热汽温的大范围变化,采用基于大滞后控制理论的优化控制策略才能综合采用调整烟气挡板开度和事故喷水等辅助手段,对再热汽温进行有效控制。
从控制原理上讲,非线性预测控制方法是解决再热汽温调节过程中相关问题的有效方法,但传统的非线性预测控制算法十分复杂,加上其控制作用(烟气挡板开度)经常受限,使得非线性预测控制算法的求解问题更为复杂,在实际工程中的应用几乎不可实现。为便于非线性预测控制算法的工程实现,本发明提出了一种可方便地对非线性被控过程实施优化控制的模糊控制算法,在此基础上,针对再热汽温调节过程具有明显非线性及控制作用受限的特点,提出了基于非线性智能预测控制技术的超临界机组新型再热汽温优化控制系统。
发明内容
针对超临界机组的再热汽温,采用简单的PID控制方案很难取得理想的控制品质的现状,本发明针对再热汽温调节过程具有明显非线性及控制作用受限的特点提出了一种基于非线性智能预测控制技术的超临界机组再热汽温优化控制系统,能够有效地改善控制品质。
为实现上述目的,本发明采用的技术方案为:
一种基于非线性智能预测控制技术的超临界机组再热汽温优化控制系统,该控制系统由烟气挡板控制回路和事故喷水控制回路组成,所述烟气挡板控制回路包括第一反馈回路和第一前馈回路,事故喷水控制回路包括第二反馈回路和第二前馈回路;
所述烟气挡板控制回路的第一反馈回路的输入端接超临界机组的A侧再热汽温值设定模块,第一反馈回路的输出端接烟气挡板控制通道;所述第一反馈回路中以第一非线性智能预测控制器作为主控制器;第一前馈回路由第一模糊智能前馈和基于机组负荷指令N0的前馈量组成,第一模糊智能前馈的输入量为偏差量e和偏差变化率de/dt,基于机组负荷指令的前馈量分为两类,分别是小范围负荷变化的第一前馈和大范围负荷变化的第二前馈;
所述事故喷水控制回路的第二反馈回路的输入端接超临界机组的A侧再热汽温值设定模块,第二反馈回路的输出端接A侧喷水阀开度控制模块;所述第二反馈回路中以第二非线性智能预测控制器作为主控制器;所述第二前馈回路包括第二模糊智能前馈,第二模糊智能前馈的输入量为偏差量e和偏差变化率de/dt。
所述第一非线性智能预测控制器和第二非线性智能预测控制器为相同的非线性智能预测控制器,非线性智能预测控制器的再热汽温预测模型采用基于模糊性能指标的非线性模型。
所述非线性智能预测控制器包括:
控制作用范围设定模块,用于设定控制作用的寻优选择范围和控制分量;
过程输出预测模块,用于预测未来各个采样时刻过程输出;
性能指标计算模块,用于根据设定的指标公式评估控制作用选择范围各分量对应的性能指标;
最优选择模块,用于确定使得性能指标取得最小值的最优控制作用。
所述非线性智能预测控制器的控制作用范围设定模块的寻优选择范围[Uk,LL,Uk,HL]为:
Uk,LL=max[u(k-1)-δmax,UL];Uk,HL=min[u(k-1)+δmax,UH],
进行L等分后得到控制分量ui=Uk,min+i·(Uk,max-Uk,min)/L,其中UH,UL分别为控制作用的上限和下限,δmax为每个采样周期内控制作用的最大允许改变量,k表示第k个采样时刻,u(k)表示第k个时刻的控制作用烟气挡板开度。
所述非线性智能预测控制器的过程输出预测模块计算未来各个采样时刻过程输出的预测值为:
式中,u和y分别为控制作用烟气挡板开度和过程输出再热汽温,d为扰动,NF(·)为实验数据拟合的非线性函数,k为第k个采样时刻,m和n是非线性过程的输入和输出阶次,N为未来的最大预测步数;
在up的作用下,未来第N步采样时刻的预测控制偏差的偏差变化率为:
式中up为施加的控制作用烟气挡板开度,r再热汽温的设定值,为预测的未来再热汽温偏差,为预测的未来再热汽温偏差变化率,N为未来的最大预测步数。
所述非线性智能预测控制器的性能指标计算模块的性能指标J为:
其中Am,Bn∈{NB,NS,ZE,PS,PB}为模糊查询表中的模糊集,Jp为性能测量指标,λi为性能测量值。
所述非线性智能预测控制器的内部非线性模型通过实验数据拟合得出,具体方法为:通过在多个负荷点上的阶跃响应试验建立多个负荷点上的线性传递函数模型,中间负荷的模型通过已建立的相邻负荷点上的线性传递函数模型通过插值的方法计算得出;所述再热汽温预测模型中基于模糊性能指标的函数由于性能指标并不能保证恰好在性能指标序列中找出最优控制作用,寻优的具体方法为:虽然最优控制作用并不一定在序列中,但其必定在性能指标取得最小值的控制作用附近,而由于连续函数零点必然在一正一负两个点之间取得,若三者同号,则取性能指标最小值点对应的控制作用为最优控制,比较最小值性能指标及其前后时刻性能指标的正负号用以确定最优控制作用的范围,然后在此范围内之间采用线性插值的方法找出最优控制作用。
有益效果:与现有技术相比,本发明提出的基于非线性智能预测控制技术的超临界机组新型再热汽温优化控制系统,非线性智能预测控制器的算法的计算过程十分清晰、简单,工程应用时,编程实施非常方便;不管被控过程是线性模型还是非线性模型,非线性智能预测控制算法都能方便地实施;能方便地处理控制作用及其变化率受限的实际问题,符合工程应用的实际情况;所依据的模糊性能指标更加符合工程实际,并能方便地处理多目标的优化问题;基于非线性智能预测控制技术的超临界机组新型再热汽温优化控制系统,可以确保再热汽温烟气挡板和事故喷水控制系统长期稳定地投入运行,能有效减小再热汽温的波动范围,减少事故喷水量,且能防止再热器金属壁温的超温。
附图说明
图1为烟气挡板控制回路的示意图;
图2为事故喷水控制回路的示意图;
图3为5个模糊集的的示意图。
具体实施方式
下面结合具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不限于本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
如图1所示为一种基于非线性智能预测控制技术的超临界机组再热汽温优化控制系统,该控制系统由烟气挡板控制回路10和事故喷水控制回路20组成,所述烟气挡板控制回路10包括第一反馈回路11和第一前馈回路12,事故喷水控制回路20包括第二反馈回路21和第二前馈回路22;
所述烟气挡板控制回路10的第一反馈回路11的输入端接超临界机组的A侧再热汽温值设定模块30,第一反馈回路11的输出端接烟气挡板控制通道40;所述第一反馈回路11中以第一非线性智能预测控制器111作为主控制器;第一前馈回路12由第一模糊智能前馈121和基于机组负荷指令N0的前馈量组成,第一模糊智能前馈121的输入量为偏差量e和偏差变化率de/dt,基于机组负荷指令的前馈量分为两类,分别是小范围负荷变化的第一前馈122和大范围负荷变化的第二前馈123;
所述事故喷水控制回路20的第二反馈回路21的输入端接超临界机组的A侧再热汽温值设定模块30,第二反馈回路的输出端接A侧喷水阀开度控制模块50;所述第二反馈回路21中以第二非线性智能预测控制器211作为主控制器;所述第二前馈回路22包括第二模糊智能前馈221,第二模糊智能前馈221的输入量为偏差量e和偏差变化率de/dt。
本发明针对火电机组再热汽温被控对象具有很大的滞后和惯性特点,采用非线性智能预测控制和模糊智能前馈技术,提出了基于非线性智能预测控制技术的超临界机组新型再热汽温优化控制系统,在反馈控制回路中,采用了非线性智能预测控制算法,在系统的前馈通道中,采用了模糊智能前馈技术,先进控制技术均能在保证系统稳定性的前提条件下,有效“提前”锅炉再热烟气挡板和再热喷水的调节,有效地抑制在各种扰动情况下的再热汽温的动态偏差。
所述第一非线性智能预测控制器和第二非线性智能预测控制器为相同的非线性智能预测控制器,非线性智能预测控制器的再热汽温预测模型采用基于模糊性能指标的非线性模型。
所述非线性智能预测控制器包括:
控制作用范围设定模块,用于设定控制作用的寻优选择范围和控制分量,即控制系统中的烟气挡板开度;
过程输出预测模块,用于预测未来各个采样时刻过程输出,即控制系统中的再热汽温;
性能指标计算模块,用于根据设定的指标公式评估控制作用选择范围各分量对应的性能指标;
最优选择模块,用于确定使得性能指标取得最小值的最优控制作用。
非线性智能预测控制器的控制方法为:
设u和y为分别为控制作用(即控制系统中的烟气挡板开度)和过程输出(即控制系统中的再热汽温),设Uk,LL,Uk,HL分别为控制作用的上限和下限;又δmax为每个采样周期内控制作用的最大允许改变量,则未来控制作用u(k)的寻优选择范围[Uk,LL,Uk,HL]为:
Uk,LL=max[u(k-1)-δmax,UL];Uk,HL=min[u(k-1)+δmax,UH],
式中,max(.),min(.)分别为取大、取小函数。k表示第k个采样时刻,u(k)表示第k个时刻的控制作用;
将控制作用范围[Uk,LL,Uk,HL]进行L等分,获得一组控制参考分量:
ui=Uk,LL+i·(Uk,HL-Uk,LL)/L(i=0,1,...,L)
未来各个采样时刻过程输出的预测值为:
式中,u和y为分别为控制作用烟气挡板开度和过程输出再热汽温,d为扰动,NF(·)为实验数据拟合的非线性函数,k为第k个采样时刻,m和n是非线性过程的输入和输出阶次,假设过程的未来控制作用固定不变,假定为up;过程的未来扰动固定不变,即有d(k)=d(k+i),i=1,2,...,N;
在up的作用下,未来第N步采样时刻的预测控制偏差和偏差变化率为:
其中r为再热汽温的设定值,将和论域按图3所示划分为5个模糊集。
再通过以表1所示的下性能指标的模糊查询
表1
得到其模糊查询规则为:
其中Am,Bn∈{NB,NS,ZE,PS,PB}为的模糊查询表中的模糊集,Jp为性能测量指标,λi为性能测量值。
对于再热汽温控制,主要采用调节烟气挡板和再热喷水相结合,根据再热喷水量Wps的大小对性能指标Jp进行修正。采用同样的方法将再热喷水量Wps划分为4个模糊集,即Wps∈{ZE(零),PS(正小),PM(正中),PB(正大)},则修改后的性能指标:
J=β×Jp
其中β为修改系数,其值可由表2确定
表2
在各控制分量ui(i=0,1,...,L)中找出最接近最优控制作用uop的控制分量uL,即有:
最优的控制作用uop所对应的指标函数Jop=0,而uL所对应的指标JL是在所计算的性能指标序列中最小。因此,最优控制作用uop一定在控制作用uL附近。根据JL-1,JL,JL+1数值的正负情况,计算出最优控制作用uop。
若JL与JL-1异号而与JL+1同号,则uop一定在[uL-1,uL]之间,只要等份数M足够大,[uL-1,uL]的区间较小,uop可通过线性插值获得,即有,
若JL与JL-1同号而与JL+1异号,则uop一定在[uL,uL+1]之间,通过同样方法有,
若JL与JL-1和JL+1均为同号,则有
uop=uL
前馈回路中采用基于模糊智能前馈的控制器,控制方法为:
在新型的再热汽温控制系统中,采用了基于机组负荷指令的前馈及基于再热汽温偏差及偏差变化率的智能前馈。其中,基于机组负荷指令的前馈又分为负荷小范围内变化及大幅变化时的二种前馈信号,该类前馈量与变负荷速率、负荷指令大小以及再热汽温的实际运行情况有关,本发明中该部分的前馈量为(-30%30%),智能前馈采用模糊控制。具体输入变量包括:机组负荷、再热汽温偏差、再热汽温偏差变化率。
非线性智能预测控制器的内部模型采用了受负荷与烟气挡板开度影响的非线性模型,方法为:
通过在多个负荷点上的阶跃响应试验建立多个负荷点上的线性传递函数模型,而中间负荷的模型可以通过已建立的相邻负荷点上的线性传递函数模型通过插值的方法计算得出;烟气挡板开度本身存在开度与再热汽温的非线性关系,可以在定再热喷水量的条件下,通过常规数据拟合的方法拟合出烟气挡板开度与再热汽温之间的非线性函数。
事故喷水控制系统中采用的的控制方法为:
当烟气挡板关到某一位置时,烟气挡板的调节余量已较小,可切换到喷水调节再热汽温,以不致使再热汽温过高;当再热汽温已回调时,应及时关小喷水门,并根据回调情况及时关闭喷水门,尽可能减少喷水流
防止壁温超温的智能控制回路采用的控制方法为:
当壁温接近限值时,能自动调整再热汽温设定值,并快速关小烟气挡板一定值。若这些措施仍无法抑制金属壁温,则自动打开喷水阀,抑制金属壁温的继续上升。
下面以某发电有限责任公司2×1000MW超临界机组采用本发明的优化控制系统为例,详细说明本发明内容。基于本应用场景,上述相关参数选为:
取采样周期10s,通过双线性变换可得到离散化预测模型,选择未来的最大预测步数N=40,性能指标中控制增量的权系数λ=0.5,根据工程的实际情况,控制作用(烟气挡板开度)为智能前馈回路和反馈前路控制作用的总和,其上限UHL和下限ULL分别为80%和0%,每个采样周期内控制作用的最大允许改变量δmax=5%。该发明的优化控制系统已在某厂2×1000MW超临界机组成功应用。在高负荷段20MW速率变负荷,低负荷段20MW速率变负荷,AGC测试模式下对再热汽温控制性能进行了测试,结果显示:高负荷段20MW速率变负荷时,1000MW机组以20MW/min的速率从850MW增加到950MW,稍待稳定后再下降回850MW,进行了一次正、反向100MW幅度的变负荷试验,再热汽温除了大幅降负荷时由于锅炉燃烧的特点,再热汽温下跌稍多外(最大9.2℃),其它控制时段的最大动态偏差仅为3~4℃;低负荷段20MW速率变负荷时,机组以20MW/min的速率从715MW下降至620MW,待运行稳定后再从620MW增加回715MW,进行了一次反、正向95MW幅度的变负荷试验,再热汽温控制最大动态偏差仅为6℃,性能优良;在AGC测试模式下,再热汽温的最大动态偏差仅为3~4℃。以上实例表明:基于非线性智能预测控制技术的超临界机组新型再热汽温优化控制系统,可有效改善再热汽温控制系统的运行性能,有效减少再热汽温的波动,提高锅炉效率,可取得良好的经济效益及运行的安全性。
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 (7)
1.一种基于非线性智能预测控制技术的超临界机组再热汽温优化控制系统,其特征在于:该控制系统由烟气挡板控制回路和事故喷水控制回路组成,所述烟气挡板控制回路包括第一反馈回路和第一前馈回路,事故喷水控制回路包括第二反馈回路和第二前馈回路;
所述烟气挡板控制回路的第一反馈回路的输入端接超临界机组的A侧再热汽温值设定模块,第一反馈回路的输出端接烟气挡板控制通道;所述第一反馈回路中以第一非线性智能预测控制器作为主控制器;第一前馈回路由第一模糊智能前馈和基于机组负荷指令N0的前馈量组成,第一模糊智能前馈的输入量为偏差量e和偏差变化率de/dt,基于机组负荷指令的前馈量分为两类,分别是小范围负荷变化的第一前馈和大范围负荷变化的第二前馈;
所述事故喷水控制回路的第二反馈回路的输入端接超临界机组的A侧再热汽温值设定模块,第二反馈回路的输出端接A侧喷水阀开度控制模块;所述第二反馈回路中以第二非线性智能预测控制器作为主控制器;所述第二前馈回路包括第二模糊智能前馈,第二模糊智能前馈的输入量为偏差量e和偏差变化率de/dt。
2.根据权利要求1所述的基于非线性智能预测控制技术的超临界机组再热汽温优化控制系统,其特征在于:所述第一非线性智能预测控制器和第二非线性智能预测控制器为相同的非线性智能预测控制器,非线性智能预测控制器的再热汽温预测模型采用基于模糊性能指标的非线性模型。
3.根据权利要求2所述的基于非线性智能预测控制技术的超临界机组再热汽温优化控制系统,其特征在于:所述非线性智能预测控制器包括:
控制作用范围设定模块,用于设定控制作用的寻优选择范围和控制分量;
过程输出预测模块,用于预测未来各个采样时刻过程输出;
性能指标计算模块,用于根据设定的指标公式评估控制作用选择范围各分量对应的性能指标;
最优选择模块,用于确定使得性能指标取得最小值的最优控制作用。
4.根据权利要求3所述的基于非线性智能预测控制技术的超临界机组再热汽温优化控制系统,其特征在于:
所述非线性智能预测控制器的控制作用范围设定模块的寻优选择范围[Uk,LL,Uk,HL]为:
Uk,LL=max[u(k-1)-δmax,UL];Uk,HL=min[u(k-1)+δmax,UH],
进行L等分后得到控制分量ui=Uk,min+i·(Uk,max-Uk,min)/L,其中UH,UL分别为控制作用的上限和下限,δmax为每个采样周期内控制作用的最大允许改变量,k表示第k个采样时刻,u(k)表示第k个时刻的控制作用烟气挡板开度。
5.根据权利要求3所述的基于非线性智能预测控制技术的超临界机组再热汽温优化控制系统,其特征在于:
所述非线性智能预测控制器的过程输出预测模块计算未来各个采样时刻过程输出的预测值为:
式中,u和y分别为控制作用烟气挡板开度和过程输出再热汽温,d为扰动,NF(·)为实验数据拟合的非线性函数,k为第k个采样时刻,m和n是非线性过程的输入和输出阶次,N为未来的最大预测步数;
在up的作用下,未来第N步采样时刻的预测控制偏差和偏差变化率为:
式中up为施加的控制作用烟气挡板开度,r再热汽温的设定值,为预测的未来再热汽温偏差,为预测的未来再热汽温偏差变化率,N为未来的最大预测步数。
6.根据权利要求3所述的基于非线性智能预测控制技术的超临界机组再热汽温优化控制系统,其特征在于:
所述非线性智能预测控制器的性能指标计算模块的性能指标J为:
其中Am,Bn∈{NB,NS,ZE,PS,PB}为模糊查询表中的模糊集,Jp为性能测量指标,λi为性能测量值。
7.根据权利要求2所述的基于非线性智能预测控制技术的超临界机组再热汽温优化控制系统,其特征在于:所述非线性智能预测控制器的内部非线性模型通过实验数据拟合得出,具体方法为:通过在多个负荷点上的阶跃响应试验建立多个负荷点上的线性传递函数模型,中间负荷的模型通过已建立的相邻负荷点上的线性传递函数模型通过插值的方法计算得出;所述再热汽温预测模型中基于模糊性能指标的函数由于性能指标并不能保证恰好在性能指标序列中找出最优控制作用,寻优的具体方法为:虽然最优控制作用并不一定在序列中,但其必定在性能指标取得最小值的控制作用附近,而由于连续函数零点必然在一正一负两个点之间取得,若三者同号,则取性能指标最小值点对应的控制作用为最优控制,比较最小值性能指标及其前后时刻性能指标的正负号用以确定最优控制作用的范围,然后在此范围内之间采用线性插值的方法找出最优控制作用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610448638.0A CN106019939B (zh) | 2016-06-20 | 2016-06-20 | 基于非线性智能预测控制技术的超临界机组再热汽温优化控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610448638.0A CN106019939B (zh) | 2016-06-20 | 2016-06-20 | 基于非线性智能预测控制技术的超临界机组再热汽温优化控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106019939A true CN106019939A (zh) | 2016-10-12 |
CN106019939B CN106019939B (zh) | 2018-09-07 |
Family
ID=57087101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610448638.0A Active CN106019939B (zh) | 2016-06-20 | 2016-06-20 | 基于非线性智能预测控制技术的超临界机组再热汽温优化控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106019939B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106919053A (zh) * | 2017-04-12 | 2017-07-04 | 东南大学 | 一种基于变结构预测控制算法的火电机组协调控制系统 |
CN107168059A (zh) * | 2017-05-27 | 2017-09-15 | 杭州意能电力技术有限公司 | 一种基于主汽压力的火电机组预测控制策略 |
CN107479389A (zh) * | 2017-09-30 | 2017-12-15 | 东南大学 | 一种火电机组过热汽温预测模糊自适应pid控制方法 |
CN107908106A (zh) * | 2017-11-01 | 2018-04-13 | 东南大学 | 二次再热机组再热汽温的自降阶多回路集中预估控制系统 |
CN108363295A (zh) * | 2017-12-27 | 2018-08-03 | 国网山东省电力公司电力科学研究院 | 基于系统辨识的火电机组agc性能考核指标计算与预测方法 |
CN108490791A (zh) * | 2018-05-10 | 2018-09-04 | 燕山大学 | 温控负荷成本控制策略 |
CN109597301A (zh) * | 2017-09-30 | 2019-04-09 | 上海梅山钢铁股份有限公司 | 干熄焦余热锅炉主汽温优化控制方法 |
CN110631003A (zh) * | 2019-09-25 | 2019-12-31 | 国家能源集团谏壁发电厂 | 一种基于层级调度多模型预测控制的再热汽温调节方法 |
CN111123704A (zh) * | 2019-12-09 | 2020-05-08 | 国家能源集团泰州发电有限公司 | 一种二次再热机组再热汽温的节能型预测控制方法 |
CN113958944A (zh) * | 2021-11-08 | 2022-01-21 | 华电电力科学研究院有限公司 | 一种超临界燃煤机组再热汽温控制方法和装置 |
CN114428456A (zh) * | 2020-10-29 | 2022-05-03 | 北京国电智深控制技术有限公司 | 一种火电机组控制系统的控制方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0235501A (ja) * | 1988-07-26 | 1990-02-06 | Toshiba Corp | ファジィ制御方式 |
CN101125344A (zh) * | 2007-09-18 | 2008-02-20 | 武汉钢铁(集团)公司 | 热轧带钢双环控制层流冷却系统 |
CN101338892A (zh) * | 2008-06-25 | 2009-01-07 | 中国电力科学研究院 | 一种火电机组再热汽温控制方法 |
CN102012017A (zh) * | 2010-11-19 | 2011-04-13 | 华北电力大学(保定) | 一种锅炉汽温自动控制系统中前馈信号控制方法 |
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 |
-
2016
- 2016-06-20 CN CN201610448638.0A patent/CN106019939B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0235501A (ja) * | 1988-07-26 | 1990-02-06 | Toshiba Corp | ファジィ制御方式 |
CN101125344A (zh) * | 2007-09-18 | 2008-02-20 | 武汉钢铁(集团)公司 | 热轧带钢双环控制层流冷却系统 |
CN101338892A (zh) * | 2008-06-25 | 2009-01-07 | 中国电力科学研究院 | 一种火电机组再热汽温控制方法 |
CN102012017A (zh) * | 2010-11-19 | 2011-04-13 | 华北电力大学(保定) | 一种锅炉汽温自动控制系统中前馈信号控制方法 |
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 |
Non-Patent Citations (3)
Title |
---|
张秋生等: "西柏坡发电厂再热汽温自动控制系统的改进", 《河北电力技术》 * |
杨红月: "基于动态特性机理分析的再热汽温状态变量控制系统研究", 《全国优秀硕士学位论文数据库》 * |
郑卫东等: "先进AGC及汽温控制系统在1000MW超超临界机组的应用", 《浙江电力》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106919053A (zh) * | 2017-04-12 | 2017-07-04 | 东南大学 | 一种基于变结构预测控制算法的火电机组协调控制系统 |
CN107168059A (zh) * | 2017-05-27 | 2017-09-15 | 杭州意能电力技术有限公司 | 一种基于主汽压力的火电机组预测控制策略 |
CN109597301B (zh) * | 2017-09-30 | 2021-11-16 | 上海梅山钢铁股份有限公司 | 干熄焦余热锅炉主汽温优化控制方法 |
CN107479389A (zh) * | 2017-09-30 | 2017-12-15 | 东南大学 | 一种火电机组过热汽温预测模糊自适应pid控制方法 |
CN107479389B (zh) * | 2017-09-30 | 2020-04-14 | 东南大学 | 一种火电机组过热汽温预测模糊自适应pid控制方法 |
CN109597301A (zh) * | 2017-09-30 | 2019-04-09 | 上海梅山钢铁股份有限公司 | 干熄焦余热锅炉主汽温优化控制方法 |
CN107908106A (zh) * | 2017-11-01 | 2018-04-13 | 东南大学 | 二次再热机组再热汽温的自降阶多回路集中预估控制系统 |
CN108363295A (zh) * | 2017-12-27 | 2018-08-03 | 国网山东省电力公司电力科学研究院 | 基于系统辨识的火电机组agc性能考核指标计算与预测方法 |
CN108363295B (zh) * | 2017-12-27 | 2020-11-13 | 国网山东省电力公司电力科学研究院 | 基于系统辨识的火电机组agc性能考核指标计算与预测方法 |
CN108490791A (zh) * | 2018-05-10 | 2018-09-04 | 燕山大学 | 温控负荷成本控制策略 |
CN108490791B (zh) * | 2018-05-10 | 2020-05-12 | 燕山大学 | 温控负荷成本控制策略 |
CN110631003A (zh) * | 2019-09-25 | 2019-12-31 | 国家能源集团谏壁发电厂 | 一种基于层级调度多模型预测控制的再热汽温调节方法 |
CN111123704A (zh) * | 2019-12-09 | 2020-05-08 | 国家能源集团泰州发电有限公司 | 一种二次再热机组再热汽温的节能型预测控制方法 |
CN114428456A (zh) * | 2020-10-29 | 2022-05-03 | 北京国电智深控制技术有限公司 | 一种火电机组控制系统的控制方法及装置 |
CN114428456B (zh) * | 2020-10-29 | 2024-05-14 | 北京国电智深控制技术有限公司 | 一种火电机组控制系统的控制方法及装置 |
CN113958944A (zh) * | 2021-11-08 | 2022-01-21 | 华电电力科学研究院有限公司 | 一种超临界燃煤机组再热汽温控制方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106019939B (zh) | 2018-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106019939A (zh) | 基于非线性智能预测控制技术的超临界机组再热汽温优化控制系统 | |
CN103225799B (zh) | 一种火电厂主蒸汽温度控制方法 | |
CN102401371B (zh) | 一种基于多变量预测控制的再热汽温优化控制方法 | |
CN106919053A (zh) | 一种基于变结构预测控制算法的火电机组协调控制系统 | |
CN104102134B (zh) | 一种通过性能指标实现再热汽温多变量协调预测控制的方法 | |
CN104482525B (zh) | 超超临界机组再热汽温的控制方法和系统 | |
CN106765052A (zh) | 一种电站锅炉蒸汽温度的智能计算预测控制方法 | |
CN107515598A (zh) | 基于多参数动态矩阵控制的火电机组分布式协调控制系统 | |
Ma et al. | Intelligent coordinated controller design for a 600 MW supercritical boiler unit based on expanded-structure neural network inverse models | |
CN112286057A (zh) | 一种基于火电厂agc优化的煤量寻优预测控制方法 | |
CN102841539A (zh) | 基于多模型预测控制的亚临界协调控制方法 | |
CN103134046B (zh) | 一种火电机组过热汽温两级协调预测控制方法 | |
Zeng et al. | Optimization control for the coordinated system of an ultra-supercritical unit based on stair-like predictive control algorithm | |
CN107908106B (zh) | 二次再热机组再热汽温的自降阶多回路集中预估控制系统 | |
CN110501909A (zh) | 基于扰动观测器的增强鲁棒特性的模糊预测控制方法 | |
CN106340331A (zh) | 一种用于核反应堆功率的自抗扰控制方法 | |
CN110515304A (zh) | 基于ARX-Laguerre函数模型的过热汽温PID预测控制方法 | |
CN108361683A (zh) | 一种全负荷段再热气温智能控制系统 | |
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 | |
Ramírez et al. | Min-max predictive control of a heat exchanger using a neural network solver | |
CN103453519A (zh) | 切换控制系统的组态设计方法 | |
Sun et al. | DEB-oriented modelling and control of coal-fired power plant | |
Han et al. | A L1-LEMPC hierarchical control structure for economic load-tracking of super-critical power plants | |
CN207146353U (zh) | 一种主汽温度调节系统 | |
CN102081352A (zh) | 火力发电机组的主汽温预估优化控制方法 |
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 |