CN106321163A - 用于优化蒸汽涡轮机变化速率的方法和装置 - Google Patents

用于优化蒸汽涡轮机变化速率的方法和装置 Download PDF

Info

Publication number
CN106321163A
CN106321163A CN201610509786.9A CN201610509786A CN106321163A CN 106321163 A CN106321163 A CN 106321163A CN 201610509786 A CN201610509786 A CN 201610509786A CN 106321163 A CN106321163 A CN 106321163A
Authority
CN
China
Prior art keywords
stress
set point
turbine
predicted
controller
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
Application number
CN201610509786.9A
Other languages
English (en)
Other versions
CN106321163B (zh
Inventor
X·程
F·C·赫夫
M·J·诺瓦切克
R·R·姚
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.)
Emerson Process Management Power and Water Solutions Inc
Original Assignee
Emerson Process Management Power and Water Solutions Inc
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 Emerson Process Management Power and Water Solutions Inc filed Critical Emerson Process Management Power and Water Solutions Inc
Publication of CN106321163A publication Critical patent/CN106321163A/zh
Application granted granted Critical
Publication of CN106321163B publication Critical patent/CN106321163B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • F01K13/00—General layout or general methods of operation of complete plants
    • F01K13/02—Controlling, e.g. stopping or starting
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01D—NON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
    • F01D21/00—Shutting-down of machines or engines, e.g. in emergency; Regulating, controlling, or safety means not otherwise provided for
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01D—NON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
    • F01D19/00—Starting of machines or engines; Regulating, controlling, or safety means in connection therewith
    • F01D19/02—Starting of machines or engines; Regulating, controlling, or safety means in connection therewith dependent on temperature of component parts, e.g. of turbine-casing
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01D—NON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
    • F01D21/00—Shutting-down of machines or engines, e.g. in emergency; Regulating, controlling, or safety means not otherwise provided for
    • F01D21/12—Shutting-down of machines or engines, e.g. in emergency; Regulating, controlling, or safety means not otherwise provided for responsive to temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01D—NON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
    • F01D5/00—Blades; Blade-carrying members; Heating, heat-insulating, cooling or antivibration means on the blades or the members
    • F01D5/02—Blade-carrying members, e.g. rotors
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2260/00—Function
    • F05D2260/82—Forecasts
    • F05D2260/821—Parameter estimation or prediction
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2270/00—Control
    • F05D2270/30—Control parameters, e.g. input parameters
    • F05D2270/303—Temperature

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Control Of Turbines (AREA)

Abstract

本文公开了用于优化涡轮机变化速率的方法和装置。一种示例性方法包括：在预测时域上预测涡轮机转子的设定点。该示例性方法包括：经由经验数据模型，基于所预测的设定点在预测时域上预测涡轮机转子的表面温度分布。该示例性方法还包括：基于表面温度分布来预测涡轮机转子的第一应力分布。该示例性方法包括：执行第一应力值与第二应力值的比较，并基于该比较来动态地调整设定点。

Description

用于优化蒸汽涡轮机变化速率的方法和装置
技术领域
概括地说，本公开内容涉及蒸汽涡轮机，更具体地说，本公开内容涉及用于优化蒸汽涡轮机变化速率的方法和装置。
背景技术
在诸如启动和关闭等时段期间，蒸汽涡轮机暴露于温度变化，其中温度变化影响蒸汽涡轮机的金属部件(例如，转子)的温度。由于诸如启动之类的短暂的热情形，转子经受因蒸汽涡轮机从非操作(non-operating)状态过渡到操作状态及转子被加热时在转子中的金属温度的不同而引起的热应力。蒸汽涡轮机的启动时间会影响转子所经受的热应力。
附图说明
图1是用于确定蒸汽涡轮机的速度设定点或负载设定点的示例性控制系统的框图。
图2是可以由示例性控制系统100的控制器执行以预测速度设定点或负载设定点的示例性方法的流程图。
图3是可以执行以动态地调谐图1的示例性控制系统的控制器的示例性方法的流程图。
图4是可以执行以实现图1的示例性控制系统的示例性方法的流程图。
图5是可以用于实现图2-图4的示例性方法和/或更一般地实现图1的示例性控制系统的示例性处理器平台的图。
发明内容
本文所公开的一种示例性方法包括：在预测时域(prediction horizon)上预测涡轮机转子的设定点。所述示例性方法包括：经由经验数据模型，基于所预测的设定点在所述预测时域内预测所述涡轮机转子的表面温度分布(profile)。所述示例性方法还包括：基于所述表面温度分布来预测所述涡轮机转子的第一应力分布；执行所述第一应力分布与第二应力分布的比较；以及基于所述比较来动态地调整所述设定点。
本文所公开的一种示例性系统包括：控制器，所述控制器用于：基于预测模型和控制器调谐参数来预测涡轮机的第一设定点，以使所述涡轮机以第一速率从第一操作状态变化到第二操作状态。所述示例性系统包括温度预测器，所述温度预测器用于：基于所述第一设定点和已知的温度数据来预测所述涡轮机的一个或多个部件的表面温度。所述示例性系统包括第一应力计算器，所述第一应力计算器用于基于所预测的表面温度来确定所述涡轮机上的第一应力；以及比较器，所述比较器用于将所述第一应力与第二应力进行比较。所述示例性系统还包括调整器，所述调整器用于基于所述比较来调整所述控制器调谐参数。在所述示例性系统中，如果所述第一应力超过所述第二应力，则所述控制器基于所述预测模型和所调整的控制器调谐参数来预测第二设定点，以使所述涡轮机以第二速率从所述第一操作状态变化到所述第二操作状态。所述第二速率是相对于所述第一速率的减小的速率。
本文还公开了一种用于使涡轮机从非操作状态过渡到操作状态的示例性方法。所述示例性方法包括：确定设定点，在所述设定点处所述涡轮机从所述非操作状态过渡到所述操作状态。所述示例性方法包括：基于所述设定点和经验温度数据来计算所述涡轮机的转子的表面温度。所述示例性方法包括：基于所述表面温度来计算所述转子上的第一应力；以及将所述第一应力与所述涡轮机的许用应力极限进行比较。如果所述第一应力超过所述许用应力极限，则所述示例性方法包括以下情形中的至少一个：停止或减慢所述涡轮机从所述非操作状态变化到所述操作状态，或者减小所述设定点。如果所述第一应力比所述许用应力极限低阈值量，则所述示例性方法包括增加所述涡轮机的所述设定点。
具体实施方式
使蒸汽涡轮机从非操作状态过渡到操作状态包括：加热涡轮机的部件(例如，涡轮机转子)。可以通过逐渐地增加转子的叶片转动的速度来将转子过渡到操作状态。在启动期间，蒸汽经由一个或多个阀引入涡轮机。蒸汽作用于转子叶片，以使得叶片转动。蒸汽通过例如从每分钟转数(RPM)零的速度到小于预定的操作速度(例如，小于3,600RPM)的速度来转动转子的叶片，使得涡轮机逐渐地启动。叶片转动的速度在启动时段内增加，直到达到预定的操作速度(例如，3,600RPM)并且涡轮机完全操作为止。当蒸汽涡轮机完全操作时，涡轮机可以用于驱动与涡轮机相关联的发电机以生成电力，这将负载置于与涡轮机相关联的电网上。
当蒸汽涡轮机在启动期间从非操作状态过渡到操作状态时，由于被接纳到涡轮机的流的温度和流动以及流对涡轮机叶片施加的转动能量影响转子的部件的表面温度，因此涡轮机暴露于热应力。当转子暴露于流并且叶片转动时，转子叶片的金属表面的温度会以与例如转子的内部金属部件的温度不同的速率增加。遍及转子的表面温度的不均匀变化是基于例如转子的大小以及转子部件的厚度的。在启动期间跨越转子的不同表面温度引起转子所经受的热应力。当转子的温度遍及转子基本上均匀时，转子所经受的热应力基本上减小或消除。
由于频繁和/或快速启动而暴露于热应力会减少转子的使用寿命。例如，由于热应力，转子的一个或多个部件可能因遍及转子传播的金属疲劳而经历破裂。诸如应力的幅度、温度变化的速率以及转子的材料属性之类的因素影响转子的使用寿命。
通常，为了避免使转子暴露于过度的热应力，减少涡轮机启动时间(例如，涡轮机比可能需要的更缓慢地启动)，以便在使热应力最小化的同时实现对整个转子的加热。在一些例子中，启动时间基于涡轮机制造商提供的加载图表，该加载图表提供了可允许的温度变化速率。然而，这种图表通常基于诸如均匀的转子温度和/或恒定的变化速率之类的假设。此外，增加涡轮机启动时间以试图达到转子部件的基本上均匀的温度针对发电厂(其中涡轮机在该发电厂中操作)的时间和成本是低效的。
本文公开的是用于确定涡轮机的设定点或者控制变化速率的值的示例性方法和系统，其中在该变化速率处，涡轮机转子达到(1)在与涡轮机的发电机相关联的断路器闭合之前的操作速度(例如，RPM)，即，速度设定点，和/或(2)在与发电机相关联的断路器闭合之后将由涡轮机生成的功率量(例如，兆瓦特(MW))，即，负载设定点。设定点(例如，速度设定点或负载设定点，后文通常称为“设定点”)是使用模型预测控制(MPC)逻辑来确定的，其中MPC逻辑在前瞻期(look-ahead period)或预测时域内预测设定点。本文所公开的例子通过预测转子在给定的设定点处将经受的应力并将所预测的应力与许用应力进行比较，来确定使转子所经受的热应力最小化的设定点。本文所公开的例子基于该比较来动态地调整涡轮机的设定点。当经由所公开的示例性方法和系统来确定的设定点值随时间动态变化时，设定点值反映涡轮机的变化速率或变化速率(例如，RPM/sec或MW/min)。此外，所公开的例子使用所预测的应力与许用应力之间的比较作为反馈，以自动地调谐或调整用于确定设定点的MPC逻辑。
转到附图，图1是用于确定设定点的示例性控制系统100的框图，其提供了在涡轮机102的转子104的许用热应力范围内对蒸汽涡轮机的启动和/或操作。涡轮机102可以是例如组合的循环装置、煤装置或者燃油装置。涡轮机102包括涡轮机控制器105，以便响应于由示例性控制系统100确定的设定点而执行控制逻辑。具体而言，示例性控制系统100包括模型预测控制器106(后文称为“控制器106”)，模型预测控制器106基于一个或多个输入来预测速度设定点或负载设定点，并响应于来自示例性控制系统100的一个或多个其它部件的反馈而调整所预测的设定点，如下面将公开的。涡轮机控制器105基于从示例性控制系统100接收的设定点来实现逻辑以启动或操作蒸汽涡轮机102。
为了预测设定点，控制器106从例如用户输入接收目标设定点yset。在操作中，目标设定点yset可以是与转子的速度相关联的速度设定点。目标速度设定点yset可以基于例如用于使涡轮机102变化或过渡到完全操作状态的预定或期望时间。替代地，目标设定点yset可以是与发电相关联的负载设定点。针对负载的用户输入可以基于来自与涡轮机102相关联的发电机的数据。
为了预测设定点，控制器106采用MPC逻辑来生成提供给涡轮机102的控制信号或控制输入。控制输入表示对涡轮机102的速度需求或负载需求。MPC逻辑的所预测的过程输出表示基于控制输入的涡轮机的速度或负载响应。MPC逻辑提供了在有限的预测时间段或预测时域上对过程的将来行为的优化。具体而言，MPC逻辑计算使目标函数最小化的控制信号，以使得所预测的输出变量遵循或基本上遵循参考轨迹。在示例性控制系统100中，控制器106使用MPC逻辑来优化涡轮机102的行为，以使得所预测的过程输出或所预测的设定点输出轨迹yp(例如，速度或负载)接近目标设定点yset。此外，示例性系统100的控制器106实现针对当前时间k以及正向(forward)模拟阶段内的MPC逻辑，以便在预测时域上对所预测的设定点yp进行预测。
具体而言，在采样时间k处对涡轮机的当前或实时状态进行采样，以获得与涡轮机102相关联的一个或多个状态变量的初始条件。通常，可以用以下状态空间方程来描述多输入多输出装置：
x(k+1)＝Ax(k)+Bu(k) (式1a)；以及
y(k)＝Cx(k)(式1b)；其中，x是状态变量向量；u是控制输入向量；y是过程输出向量；并且A、B和C是常数。
在时间k处的MPC优化可以基于以下惯例和表达式来执行。在时间k处涡轮机102测量的状态变量可以用表达式x(k|k)＝x(k)来描述，并且在时间k处估计的状态变量可以描述为此外，用于优化的预测时域可以用变量Hp来表示，并且控制时域可以用变量Hc来表示。基于经测量的状态变量x(k)(或者经估计的状态变量在时间k+i处的一个或多个所预测的状态变量可以描述为xp(k+i|k)，其中(i＝1,...,Hp)。此外，在时间k+i处的一个或多个所预测的控制输入变量可以描述为up(k+i-1|k)，其中(i＝1,...,Hp)。基于前述惯例和表达式，可以由控制器106如下来实现MPC逻辑。
首先，获得在时间k处一个或多个状态变量x的初始或经估计的条件。在时间k处经估计的状态变量可以使用以下状态估计方程来获得：
其中Ke是所预测的状态估计器增益，并且y(k)是对输出变量y(k)的实时测量。
为了在当前采样时间k处优化涡轮机102的变化速率行为，所预测的状态变量xp(k|k)被定义为使得其中是使用上面的式2得到的经估计的状态变量。在采样时间k处求解以下优化，以使所预测的过程输出yp与目标设定点yset之间的差最小化，并确定所预测的控制输入或需求信号up，其中up表示将置于涡轮机102上的涡轮机速度或负载需求：
其中
err(k)＝y(k)-yp(k|k) (输出误差)
xp(k+i+1|k)＝Axp(k+i|k)+Bup(k+i|k) (状态方程)
yp(k+i|k)＝Cxp(k+i|k) (输出方程)
up(k+Hc+j|k)＝up(k+Hc|k),(j＝1,2,...,Hp-Hc)以及
|up(k+i|k)|≤Umax (控制输入约束)
|yp(k+i|k)|≤Ymax (过程输出约束)；以及
(i＝0,1,...,Hp).
输出方程用于计算所预测的过程输出yp或者涡轮机102的负载响应或速度响应。为了使所预测的过程输出yp与目标设定点yset之间的差最小化，式3考虑过程输出y(k)(例如，在时间k处的实际过程输出)与在时间k处预测的输出yp(k|k)之间的任何误差，如上面用输出误差方程err(k)来表示的。此外，在对式3的优化过程中考虑所预测的过程输出yp上的约束。例如，过程输出约束Ymax限定所预测的过程输出yp的预计的界限或范围。过程输出约束Ymax可以被认为是软约束，这是因为过程输出约束Ymax表示涡轮机102在与所预测的过程输出yp的预计范围的过程偏离方面的性能。在一些例子中，如果对式3的优化遇到针对使所预测的过程输出yp与目标设定点yset之间的差最小化的可行性问题，则所预测的过程输出yp会偏离(例如，超过)过程输出约束Ymax。在这种例子中，可以放宽过程输出约束Ymax，以试图增加找到优化设定点的可行解的可能性。
所预测的过程控制输入信号up发送给涡轮机控制器105并且up表示速度需求或负载需求，其中涡轮机102对该速度需求或负载需求进行响应(例如，通过生成或基本上生成所预测的过程输出yp)。在涡轮机控制器105接收到过程控制输入信号up时，基于与过程输入信号up相关联的速度或负载需求，将过程控制输入信号up转换为一个或多个设备控制信号，例如燃料输入信号或涡轮机调整阀位置信号(例如，用于控制流的流动速率)。鉴于涡轮机102的物理或操作极限，对式3的优化约束了所预测的过程控制输入信号up。例如，控制输入约束Umax表示涡轮机102的一个或多个部件(例如，涡轮机致动器)的物理或操作极限(例如，速度)。鉴于针对使涡轮机102从非操作状态移动到操作状态的涡轮机部件的物理或操作极限，控制输入约束Umax限制了所预测的过程控制输入信号up。与过程输出约束Ymax形成对比，控制输入约束Umax是硬约束，这是因为Umax表示涡轮机102的一个或多个部件的物理或操作极限，其中不能够在对涡轮机102没有损害的情况下偏离这些极限。
在式3中，参数Q和R是针对所预测的过程输出yp和所预测的控制输入信号up的加权因子。例如，如果Q参数具有相对于R参数较大的值，则所预测的控制输入信号up得到由控制器106置于涡轮机102上的更积极(aggressive)的负载或速度需求(例如，从而得到更快的变化速率)，在与当R参数具有相对于Q参数的较大值时(例如，涡轮机102的更慢的变化速率，但在一些例子中，更稳定的响应)相比的情况下。在一些例子中，参数Q和R的值是基于预定值或经验值来设定的。可以鉴于例如目标设定点yset、所预测的过程输出yp和/或所预测的控制输入信号up中的一个或多个来调整参数Q和R的值。
在完成对时间k处的式3的优化之后，所预测的控制输入变量up被设定为在时间k处的控制输入信号u(k)，以使得u(k)＝up(k|k)。在将控制输入信号u(k)设定为所预测的控制输入变量up时，将表示时间k处的所预测的控制输入up的控制信号发送给涡轮机控制器105。因此，在上面公开的MPC逻辑中，所预测的控制输入up是发送给涡轮机控制器105的实际控制输入信号。
在MPC逻辑的已知实现方式中，针对后续的实时(例如，实际)采样时间k+1重复以下操作：识别状态变量的初始条件，以及执行对式3的优化。确定新预测的控制输入信号up(k+1)，并且控制输入信号u(k+1)被设定为所预测的控制输入信号up(k+1)。因此，在每个采样时间k,k+1,k+n等处所预测的控制输入信号up充当发送给涡轮机控制器105的控制输入信号。
在所公开的例子中，控制器106应用如上面所公开的MPC逻辑，以鉴于目标设定点yset来优化所预测的过程输出yp。此外，控制器106引入正向模拟阶段，以在扩展的时域时段内预测设定点，从而增加了控制器106的预测能力。实现如上面所公开的MPC逻辑通常使用短的控制时域Hc，这使实时求解的优化变量的数量最小化，并将MPC逻辑的预测范围限制到时域控制时段(例如，up(k),up(k+1)...up(k+Hc))。通过包括正向模拟阶段，所公开的例子通过增强MPC逻辑的预测分量来优化对设定点的确定。
图2是可以由图1的控制器106实现以便使用MPC逻辑并包括正向模拟模型来预测设定点的示例性方法200的流程图。示例性方法200包括：结合式1a、式1b和式2来识别如上面所公开的状态变量的初始条件(框202)。示例性方法200还包括：结合式3来执行如上面所公开的优化(框204)。
如上面所描述的，MPC逻辑的已知实现方式提供了迭代优化，这是因为在实际时间k处生成优化之后，在时间k+1处对状态变量进行采样并且在时间k+1处重复优化，以生成新的控制输入信号u(k+1)。示例性方法200包括根据模拟模型在模拟采样时间段内执行优化(框206)，而不是针对采样时间k+1来重复优化以生成新预测的控制输入信号up(k+1)(其充当时间k+1处的实际控制输入信号。如下面将公开的，在模拟采样步长内(例如，模拟时间k+1)执行优化。来自正向模拟模型的所预测的或将来的过程输出yp由示例性系统100用于鉴于涡轮102的许用应力来评估所预测的设定点。
例如，在其上预测控制输入信号u的p预测时域Hp可以包括一个或多个时间段，例如四个离散时间段(第一时间段、第二时间段、第三时间段和第四时间段)。在这种例子中，模拟采样时间可以是一个时间段。在示例性模拟模型中，在从第一时间段到第四时间段的预测时域Hp内(并且因此包括四个模拟步长)执行正向模拟。正向模拟移向第二时间段，以使得当模拟从第二时间段运行到第四时间段时，模拟步长的数量等于三。因此，每次模拟步长推进一个时间段的采样时间，模拟步长就增加或朝前移动一个时间段。预测时域保持四个时间段，并且最终在预测时域Hp的长度(例如，四个时间段)上执行模拟步长。
根据本文所公开的示例性模拟模型针对模拟采样时间来执行优化包括：将在模拟采样时间k处预测的状态变量xp(k|k)设定为xp(k|k)＝xp(k+1|k)，其中，时间k+1表示正向模拟阶段。在模拟采样时间k处执行优化以使得：
其中
err(k)＝y(k)-yp(k|k) (输出误差)
xp(k+i+1|k)＝Axp(k+i|k)+Bup(k+i|k) (状态方程)
yp(k+i|k)＝Cxp(k+i|k) (输出方程)
up(k+Hc+j|k)＝up(k+Hc|k),(j＝1,2,...,Hp-Hc)以及
|up(k+i|k)|≤Umax (控制输入约束)
|yp(k+i|k)|≤Ymax (过程输出约束)；以及
(i＝0,1,...,Hp).
因此，使用上面所公开的式3来执行的优化与使用式4来执行的优化之间的差别基于对所预测的状态变量xp(k|k)的定义。在式3中，所预测的状态变量被设定为在当前时间k处估计的状态变量在示例性模拟模型的式4中，所预测的状态变量被设定为正向模拟时段k+1的模拟状态变量或xp(k+1|k)。
示例性方法200以如下操作来继续：将在模拟时间步长k处所预测的过程控制输入up(k)和从对式4的优化得到的所预测的过程输出yp(k)保存到预测分布数据队列或数据库(例如，图1的示例性控制器106的数据库107)中(框208)。预测分布数据库107存储在与示例性系统100相关联的存储器(例如，下面图5的示例性处理器平台500的存储器513)中。在每个模拟步长之后，所预测的过程输入控制信号up用于每个模拟步长处的重复优化，而不是用作为发送给涡轮机控制器105的实际输入控制信号。因此，在正向模拟阶段，重复的优化构建了负载/速度分布，其包括所预测的过程控制输入up(k)和得到的所预测的过程输出yp(k)。
具体而言，保存在预测分布数据库107中在每个模拟步长内所预测的过程输出yp(k)指示所预测的涡轮机102在将来时间的负载响应或速度响应。所预测的过程输出yp(k)或设定点由示例性系统100的其它部件(例如，金属温度预测器108和应力计算器110)用于计算所预测的转子应力，如下面将公开的。因此，所预测的过程输出yp(k)充当至示例性系统100的其它部件的输入。在一些例子中，所公开的MPC逻辑可以输出具有变化设定点偏置(其可以应用于固定或预定的变化设定点以调整变化速率)形式的所预测的过程输出yp(k)，而不是确定设定点。
所预测的过程输入控制输入up(k)表示控制器106在通过将速度或负载需求置于涡轮机102上来控制涡轮机102的变化时的将来动作。所预测的过程输入控制输入up(k)或涡轮机102上的速度/负载需求生成所预测的过程输出yp(k)或所预测的速度或负载响应。在一些例子中(例如，稳定状态)，所预测的过程输入控制输入up(k)或速度/负载需求与所预测的过程输出yp(k)或所预测的速度或负载基本上相同。在其它例子中，例如在涡轮机102响应于所预测的过程输入控制输入up(k)的动态过渡期间，所预测的将来输出yp(k)落后于控制器动作up(k)。此外，在理想例子中，实际控制输入信号u(k)(例如，表示速度或负载需求)与每个模拟步长的所预测的控制输入信号up(k)相同或基本上相同。
作为正向模拟阶段的推进的一部分，在模拟步长与MPC预测时域Hp之间执行比较(框210)，以确定模拟步长是否等于预测时域Hp的长度。如上面公开的，模拟步长增加一(例如，移向每个步长处的采样时间段)。在实现模拟模型期间的某个时间，模拟步长的数量将达到最后时间段或预测时域Hp的长度(例如，遵循上面所示出的例子，第四时间段)。如果增加的模拟步长小于预测时域Hp的长度，则用另一增量(例如，另一时间段)来增加或推进模拟步长，以使得模拟步长被定义为模拟步长+1。使用增加的模拟步长来执行对式4的优化(框206)。所预测的控制输入信号up和得到的所预测的过程输出yp保存在预测分布数据队列中，并且重复模拟步长(例如，增加的模拟步长)与预测时域Hp的比较(框208)，直到模拟步长达到预测时域Hp(例如，遵循上面所示出的例子，对应于四个时间段的预测时域Hp)的长度为止。
如果模拟步长等于MPC预测时域Hp，则示例性方法200以如下操作来继续：将实际时间增量(与模拟时间相比)设定为k+1(其中k是当前时间)并等待实际时间k+1到达(框214)。示例性方法200包括：重复对状态变量的识别以及在当前时间k+1处和模拟采样时间处基于MPC逻辑来进行优化(例如，框202-212)。
因此，示例性方法200基于正向模拟阶段(其模拟将来的时间段)来预测过程输出yp(k)，并在预测时域Hp内预测过程输出yp(k)。使用所预测的控制输入up(k)，示例性方法200实现了一种模拟模型，该模拟模型在模拟时间步长(其在预测时域Hp上推进)内预测过程输出yp(k)，以构建负载/速度分布。所预测的过程输出yp(k)由示例性系统100的其它部件用于鉴于涡轮机102上的许用应力来评估所预测的设定点。
具体而言，图1的示例性系统100提供了鉴于涡轮机102能够耐受的许用应力而对所预测的设定点的进一步评估而例如对涡轮机102的一个或多个部件没有损害或没有损害的风险。基于对所预测的设定点的评估，可以动态地调整由控制器106发送给涡轮机控制器105的控制输入命令，以提供优化的设定点，其中该设定点还鉴于许用应力极限而使对涡轮机102的损害最小化。
为了评估所预测的设定点或过程输出yp的效果，图1的示例性系统100包括金属温度预测器108。转子104的表面温度受到被接纳到涡轮机102的流的流温度和流动的影响。如上面公开的，当转子104从非操作状态移动到操作状态时，涡轮机102的转子104的表面温度可以变化。例如，表面温度的范围可以从250°F到950°F。金属温度预测器108基于经验数据以及由如上面所公开的控制器106结合图2的示例性方法200生成的所预测的设定点分布，来计算转子104的金属表面温度分布。金属温度预测器108沿预测时域Hp(其中控制器106在Hp内预测过程输出设定点)来预测转子104的金属的表面温度。具体而言，金属温度预测器108针对控制器106在预测时域Hp上预测的每个设定点来预测转子104的金属的表面温度，以生成转子104的金属表面温度分布。
在与涡轮机102的发电机相关联的断路器闭合之前，流的温度和流的流动影响转子104的速度(例如，叶片的转动速度)。在断路器闭合之后，流的温度和流的流动还影响负载。因此，转子速度和负载可以用作为至金属温度预测器108的输入变量，以用于预测转子表面温度。在一些例子中，金属温度预测器108使用除了速度和负载之外的一个或多个另外的输入变量来预测转子的表面温度。
金属温度预测器108使用基于经验数据的线性模型来预测表面温度。金属温度预测器108所采用的示例性线性传递模型可以表示为：
其中，y是输出变量，u是输入变量，n是系统的阶数，z是时移算子，并且参数a和b是常数。
式5在时域中可以表示为：
y(k)＝-a1y(k-1)-a2y(k-2)-…-any(k-n)+b1u(k-1)+…+
bn-1u(k-n+1) (式6)
其中，k表示当前时间，并且u(k–1),u(k–2)...,u(k–n+1)是在图2的示例性方法200(例如，框206-212)的正向模拟阶段期间生成的历史控制输入变量。因此，金属温度预测器108通过将所生成的过程输入变量的历史数据(例如，u(k–1),u(k–2)...,u(k–n+1))考虑为正向模拟模型(例如，如结合图2的示例性方法200(例如，框206-212)所公开的)的一部分，来计算所预测的金属表面温度分布y(k)。
式5和式6的参数a、b等可以从经验数据中获得。在一些例子中，从涡轮机操作装置中收集在不同的涡轮机负载处的温度数据。例如，信号(例如，步长信号、正弦信号等等)可以在输入点处注入到涡轮机过程中。可以记录过程输入数据(例如，速度或负载)和输出数据(例如，金属温度)。所保存的数据可以用作为至线性模型识别程序的输入数据，其中线性模型识别程序基于例如最小二乘拟合来生成针对经验数据的曲线拟合。此外，在一些例子中，使用全局优化方法来消除所保存的数据中的噪声，如基本上在美国专利No.8,560,283中描述的，其中该专利通过引用被并入本文。替代地，在一些例子中，可以基于非线性第一原理模型而不是经验数据驱动的模型来预测表面温度。
由金属温度预测器108计算的所预测的金属表面温度分布提供给应力计算器110。针对在预测时域Hp上的分布中的每个所预测的温度，应力计算器110使用所预测的金属表面温度分布来预测转子104上的应力。因此，应力计算机110生成应力分布。由于所预测的金属表面温度分布是基于包括所预测的过程输出yp(k)的负载/速度分布的，应力计算器110在应力计算中考虑由控制器106生成的所预测的设定点。在一些例子中，应力计算器110还基于转子的当前金属表面温度，来计算转子104上的当前或实时应力。
应力计算器110基于转子104的材料的金属属性和热膨胀特性，来确定或预测转子104所经受的应力(例如，在所预测的金属表面温度分布中的每个温度值处的应力)。在一些例子中，针对转子104的一个或多个部分来计算转子表面应力。当转子104的表面温度在涡轮机102从非操作状态过渡到操作状态的同时增加时，该增加的温度传播遍及转子104。应力计算器110基于针对转子104的一个或多个部分的当前表面温度，来计算一个或多个时间间隔的实时应力。应力计算器110基于转子104的材料属性(例如，金属类型)以及由金属温度预测器108生成的在预测时域Hp内的金属表面温度分布，来计算所预测的应力。
示例性系统100还包括许用应力计算器112，该许用应力计算器112使用经验数据来构造涡轮机102的许用应力曲线。经验数据可以包括与启动和加载涡轮机102相关联的循环支出曲线。具体而言，循环支出曲线将流温度的变化速率(例如，度/小时)与转子表面金属温度的变化进行相关。使用经验数据，许用应力计算器112根据循环支出曲线来构造涡轮机102的许用应力曲线。
为了鉴于相对于许用应力的所预测的设定点和/或实际应力条件来评估转子104上的应力，示例性系统100包括比较器114。比较器114将由应力计算器110生成的应力分布中的所预测的应力值和实际应力与许用应力计算器112所构造的许用应力曲线进行比较。比较器114基于许用应力曲线来确定所预测的应力值和/或实际应力中是否有任何一个超过许用应力。在一些例子中，比较器114在将来的某个时间比较所预测的应力和许用应力。在其它例子中，比较器114在与预测时域Hp相对应的时间段上将所预测的应力与许用应力进行比较。例如，如果金属表面温度分布包括十个所预测的温度值，则应力计算器110将计算十个所预测的应力值，并且比较器114将确定十个所预测的应力值或实际应力中是否有任何一个超过许用应力。
所预测的应力和/或实时应力与许用应力的比较提供了相对应力值或表面应力比率(例如，转子表面应力相对于许用应力)。例如，如果表面应力比率超过值1或者在预先定义的阈值量内接近值1，则比较器114确定许用应力被违反。如果比较器114确定所预测的应力或实时应力大于许用应力，则比较器114将许用应力标记为被违反。因此，在示例性系统100中，由许用应力计算器112生成的许用应力曲线充当针对控制器106所预测的设定点的约束以及提供给涡轮机102的相应控制输入信号。
在一些例子中，如果所预测的应力(例如，应力分布中的一个或多个所预测的应力值)和/或实时应力小于许用应力，则比较器114确定所预测的应力和/或实时应力比许用应力小的量(例如，如果所预测的应力和/或实时应力比许用应力低某个百分比或量)。比较器114确定许用应力与所预测的应力和/或实时应力之间的差是否落入相对于许用应力的阈值范围内。如果比较器114确定所预测的应力和/或实时应力接近许用应力，则比较器114可以将所预测的应力和/或实时应力标记为接近可能导致违反许用应力的值。
如由比较器114确定的所预测的应力和/或实时应力与许用应力之间的比较结果提供给示例性系统100的决策支持调谐器116。如果所预测的应力和/或实时应力违反许用应力，则决策支持调谐器116向控制器106发送命令。在一些例子中，响应于来自决策支持调谐器116的反馈，控制器116向涡轮机控制器105发送命令，以鉴于违反许用应力而停止或减小涡轮机102的变化。在这种例子中，控制器106在确定涡轮机102的不同设定点之前，可以等待接收另一用户输入(例如，速度设定点)。在其它例子中，控制器104鉴于应力违反而自动地确定涡轮机102的不同设定点。
决策支持调谐器116还使用许用应力与所预测的应力之间的比较结果，动态地调谐由控制器106在预测设定点时所使用的MPC逻辑以及相关联的函数和参数(例如，过程输出约束)。基于比较器114针对所预测的应力和许用应力执行的比较结果，决策支持调谐器116调整、更新和/或修正控制器106用于预测设定点的MPC逻辑，从而影响发送给涡轮机102的速度或负载需求以及得到的涡轮机响应(例如，经由涡轮机控制器105)。具体而言，决策支持调谐器116调整控制器106在优化设定点时所使用的逻辑的积极性(aggressiveness)。
例如，如果比较器114确定所预测的应力违反许用应力，则决策支持调谐器116减小控制器106所使用的逻辑的主动性，以使得控制器106向涡轮机102发送速度或负载需求，与关联于设定点的变化速率(其引起应力违反)相比，该速度或负载需求得到涡轮机102的减小的变化速率。如果决策支持调谐器116确定所预测的应力在阈值范围内未违反许用应力(例如，所预测的应力比许用应力低某个百分比或量)，则决策支持调谐器116也可以调整控制器106所使用的函数和参数。例如，由决策支持调谐器116进行的调整可以使得控制器106发送控制输入信号，该控制输入信号引起涡轮机以更快的变化速率(与涡轮机102原本基于初始预测的设定点而具有的变化速率相比)变化到完全操作状态。
决策支持调谐器116使用模糊逻辑(fuzzy logic)来动态地调谐控制器106所采用的MPC逻辑，并且因此，调整涡轮机102鉴于由控制器106发送的控制输入而达到速度或负载时的响应迅速性。如上面所公开的，使用式3和式4执行的优化包括加权因子或调谐参数R，其中R影响如由控制器106确定的涡轮机102的速度设定点或负载设定点的主动性。例如，如果调谐参数R具有相对于调谐参数Q的小的值，则负载变化或速度变化速率将会更加主动。因此，决策支持调谐器116可以基于来自比较器114的反馈来修改调谐参数R，以调整设定点，并且因此调整涡轮机102的响应。
例如，所预测的许用应力违反e(t)可以表示为e(t)＝实际应力–最大许用应力。所预测的许用应力违反e(t)的变化可以表示为Δe(t)/Δt。此外，控制器106的调谐参数的变化可以表示为Δw(t)。示例性方法300可以应用基于已知的模糊逻辑原理的一个或多个规则集合，以鉴于许用应力违反来调整加权参数R。
示例性的模糊逻辑系统包括Sugeno类型的模糊逻辑系统，其中三角形/梯形、高斯或钟形形状用作为输入的成员函数，并且单例(singleton)输出值用作为输出的成员函数。根据以下术语：NL：负大；NS：负小；ZE：零；PS：正小；以及PL：正大，能够应用的示例性规则可以如下面表1中所公开的来表示。
表1：模糊影响系统规则表
作为表1的规则的示例性实现方式，如果所预测的许用应力违反e(t)是NS(负小)并且所预测的许用应力违反变化Δe(t)是PL，则控制器调谐参数的变化Δw(t)是PS(正小)。由控制器106结合MPC逻辑来实现的最终示出或调谐变化作为去模糊(de-fuzzification)过程的一部分被计算为所有活动规则的输出的集合体。可以用于根据模糊逻辑来产生可量化结果的已知的去模糊方法的例子包括重心法(COG)和最大平均法(MOM)。
例如，如果所预测的许用应力违反e(t)是800psi，并且所预测的应力违反变化Δe(t)是350psi/min，则模糊逻辑单例值可以被选择为：
NL:-5,NS:-1,ZE:0,PS:1,PL:5
此外，继续上面公开的例子，可以应用以下规则：
规则(1)：如果e(t)是PL并且Δe(t)/Δt是PL，则调谐变化Δw(t)是PL；以及
规则(2)：如果e(t)是PS并且Δe(t)/Δt是PL，则调谐变化Δw(t)是PL。
规则(1)和(2)可以解释成以下示例性的数值逻辑：
规则(1)：如果e(t)是0.7并且Δe(t)/Δt是0.6，则调谐变化Δw(t)是5；以及
规则(2)：如果e(t)是0.4并且Δe(t)/Δt是0.6，则调谐变化Δw(t)是5。
规则(1)和(2)可以进一步精简为：
规则(1)：如果Δe(t)/Δt是0.6，则调谐变化Δw(t)是5；以及
规则(2)：如果e(t)/Δt是0.4，则调谐变化Δw(t)是5。
在使用一种或多种已知方法进行去模糊之后，上面所公开的例子的最终输出可以获得为如下：(0.6*5+0.4*5)/(0.6+0.4)＝5。基于上面所公开的例子的最终输出，加权参数R增加了5，这减小(例如，减慢)了涡轮机102的负载或速度设定点移动。
在一些例子中，可以实时地调谐或调整加权参数R。然而，这种实时调谐在实现MPC逻辑、计算所预测的转子应力、以及向控制器106提供实时反馈时会使示例性系统100发生应变。为了减小决策支持调谐器116的实时调谐努力，决策支持调谐器116可以实现离线的、自动的自适应调谐方法。图3是用于由控制器106采用的对MPC逻辑的离线调谐的示例性方法300。可以由决策支持调谐器116来实现示例性方法300。在示例性方法300中，未调整模糊逻辑影响规则(例如，表1)和成员函数；而是仅调整单例输出值(如果基于与许用应力相比的实际应力而确定这种调整是必要的)。此外，对单例值的调整仅出现在决策支持调谐器116实现模糊逻辑调谐时的实时运行之间。
示例性方法300以基于模糊逻辑实时地调谐控制器(例如，模型预测控制器106)(框302)开始。在实时调谐(例如，由决策支持调谐器116)结束时，示例性方法300包括：确定实际应力是否违反许用应力(例如，如由比较器114确定的)(框304)。如果许用应力违反实际应力，则示例性方法300自动地减小NS(负小)和NL(负大)的模糊逻辑单例值并增加PL(正大)和PS(正小)的单例值(框306)。在示例性方法300中，因实际应力违反许用应力而对单例值的调整出现在模糊逻辑调谐的下一实时实现或运行(框308)之前。经调整的单例值用于模糊逻辑的下一实时模糊逻辑运行或实现，以调谐控制器(框302)。
如果实际应力未违反许用应力，则示例性方法300包括：确定实际应力是否比许用应力低预定的阈值量(框310)。在一些例子中，阈值量表示实际应力被认为比许用应力极限低的量(例如，实际应力显著低于许用应力极限)。因此，在这种例子中，可以增加负载或速度设定点而没有违反许用应力的风险。为了调谐或调整控制器(例如，控制器106)所使用的MPC逻辑以使得输出更主动的负载或速度设定点，示例性方法300包括：增加NS(负小)和NL(负大)的单例值并减小PL(正大)和PS(正小)的单例值(框312)。在这种例子中，基于实际应力比许用应力低阈值量而对单例值的调整出现在模糊逻辑调谐的下一实时运行(框308)之前，以使得经调整的单例值用于下一实时模糊逻辑运行以调谐控制器(框302)。
如果实际应力未比许用应力低阈值量，则示例性方法300禁止调整单例值(框314)。在这种例子中，尽管实际应力未违反许用应力，但是实际应力没有比许用应力极限低某一量(例如，阈值量)，其中该量会保证MPC逻辑在计算速度/负载设定点时主动性的增加。因此，示例性方法300通过调整控制器的主动性而不调整单例值，以便不会鉴于许用应力而冒违反实际应力的风险。禁止调整单例值还防止控制器采取少主动的方法，这种方法不必要地减慢了速度或负载设定点。在这种例子中，单例值在实时模糊逻辑调谐运行之间不改变(框302、308)。
因此，示例性方法300提供了鉴于针对控制器的动态调谐的许用应力而提供对实际应力的评估的高效的、离线的手段。基于实际应力与许用应力的比较，示例性方法300确定是否应当修正或调整单例值作为MPC逻辑的实时模糊逻辑调谐的下一实现的一部分。因此，在实时模糊逻辑调谐的连续实现之间，示例性方法300提供了在对控制器的将来实时调谐中可以实现的调整。
示例性系统100还包括模型适配器118。模型适配器118收集由以下各项中的一个或多个生成的数据：控制器106(例如，所预测的设定点)、金属温度预测器108(例如，所预测的金属温度)、应力计算器110和许用应力计算器112(例如，实际应力、所预测的应力、以及许用应力)、比较器114(例如，许用应力违反和/或阈值)、以及决策支持调谐器116(例如，对加权参数的调整)。模型适配器118可以基本上实时地从示例性系统100的一个或多个其它部件接收数据，例如当控制器106确定所预测的设定点和/或比较器114确定是否存在应力违反时。在其它例子中，模型适配器118在例如决策支持调谐器116确定是否应当调整由控制器106使用的MPC逻辑(例如，一个或多个调谐参数，如调谐参数R)之后从一个或多个部件接收数据。
基于从示例性系统100的一个或多个其它部件接收的数据，模型适配器118校准和/或重新校准由MPC控制器106和/或金属温度预测器108所使用的模型。在一些例子中，由模型适配器118收集的数据用作为基准或已知的值以用于校准由示例性系统100的一个或多个部件在确定和评估所预测的设定点时所使用的模型或算法。
例如，控制器106所使用的预测模型鉴于目标设定点和实际或实时的变化速度或负载来预测设定点(例如，速度设定点或负载设定点)。所预测的设定点与实际的速度或负载变化值之间的差表示控制器106所使用的预测模型的预测误差。如果预测误差高于预定的阈值(其可以指示较大的预测误差)，则模型适配器118基于例如经验数据来适配或调整预测模型。举另一个例子，如果由金属温度预测器108计算的所预测的金属表面温度与实际表面温度之间的差得到高于阈值的预测误差，则模型适配器118修正金属温度计算器108所使用的模型以预测温度。
虽然图1中示出了实现示例性系统100的示例性方式，但是图1中所示出的元件、过程和/或设备中的一个或多个可以以任何其它方式进行组合、划分、重新排列、省略、消除和/或实现。此外，可以用硬件、软件、固件、和/或硬件、软件和/或固件的任意组合来实现示例性模型预测控制器106、示例性金属温度预测器108、示例性应力计算器110、示例性许用应力计算器112、示例性比较器114、示例性决策支持调谐器116、示例性模型适配器118和/或更一般地图1的示例性系统100。因此，例如可以用一个或多个模拟或数字电路、逻辑电路、可编程处理器、专用集成电路(ASIC)、可编程逻辑器件(PLD)和/或现场可编程逻辑器件(FPLD)来实现示例性模型预测控制器106、示例性金属温度预测器108、示例性应力计算器110、示例性许用应力计算器112、示例性比较器114、示例性决策支持调谐器116、示例性模型适配器118和/或更一般地示例性系统100中的任何一个。当阅读本专利中用以覆盖纯软件和/或固件实现方式的装置或系统权利要求中的任何权利要求时，示例性模型预测控制器106、示例性金属温度预测器108、示例性应力计算器110、示例性许用应力计算器112、示例性比较器114、示例性决策支持调谐器116、示例性模型适配器118中的至少一个故此被明确地定义为包括有形计算机可读存储设备或存储盘，例如存储软件和/或固件的存储器、数字多功能盘(DVD)、压缩盘(CD)、蓝光盘等等。此外，图1的示例性系统100可以包括除了图1中所示出的那些元件、过程和/或设备之外(或者作为其替代)的一个或多个元件、过程和/或设备，和/或可以包括所示出的元件、过程和设备中的任何或全部中的一个以上。
图4示出了表示可以实现为预测涡轮机(例如，图1的涡轮机102)的设定点(例如，速度设定点或负载设定点)以及调谐由控制器(例如，控制器106)在预测设定点时所实现的MPC逻辑的主动性的示例性方法400的流程图。示例性方法400以预测设定点(框402)开始，在示例性方法400中，可以由控制器(例如，图1的控制器106)使用一个或多个模型预测控制技术来执行预测设定点，以在正向模拟阶段上预测设定点，如基本上结合图2的示例性方法200所描述的。在一些例子中，预测设定点是基于一个或多个输入的，例如用于使涡轮机从非操作状态过渡到操作状态的目标设定点。
示例性方法400包括：预测涡轮机的一个或多个部件(例如，涡轮机的转子(例如，图1的转子104))的金属表面温度(框404)。在一些方法中，由计算器(例如，金属温度预测器108)来执行预测金属表面温度。在示例性方法400中，预测金属表面温度是基于所预测的设定点和经验的涡轮机温度数据的。经验的或已知的温度数据可以提供用于针对所预测的设定点来预测金属表面温度的线性模型的参数。
示例性方法400包括：基于所预测的金属表面温度来计算涡轮机上的应力(框406)。计算应力可以包括：基于所预测的金属表面温度和涡轮机的一个或多个材料属性(例如，构造转子的金属类型)来预测应力。在一些例子中，计算应力包括：基于转子的当前表面温度来实时地计算转子上的实际应力。可以由一个或多个计算器(例如，图1的应力计算器110)来执行示例性方法400的应力计算。
在示例性方法400中，将经计算的应力(例如，所预测的应力和/或实际应力)与涡轮机的许用应力进行比较(例如，经由图1的比较器114)(框408)。可以(例如，经由许用应力计算器112)根据一个或多个经验数据曲线来确定或计算许用应力，其中一个或多个经验数据曲线将提供给涡轮机的流的温度变化速率与转子的表面金属温度的变化进行映射。基于该比较，示例性方法400包括：确定经计算的应力是否违反许用应力(框410)。在一些例子中，如果经计算的应力超过许用应力或者超过针对许用应力的阈值范围，则确定经计算的应力违反许用应力。
如果经计算的应力违反许用应力，则示例性方法400包括：调整设定点和/或停止变化(框412)。例如，控制器(例如，控制器106)可以修正或重新计算所预测的设定点，以减慢涡轮机的变化速率，并且因此减小转子上的应力。经修正的设定点可以(例如，经由来自控制器106的指令)提供给涡轮机。在变化正在进行的例子中，基于确定所预测的设定点违反许用应力，可以(例如，经由来自控制器106的指令)自动地停止或减小涡轮机的变化。
如果所预测的应力未违反许用应力，则示例性方法400包括：基于所预测的设定点来指导涡轮机进行变化(框414)。可以经由控制器(例如，控制器106)发送给涡轮机(例如，涡轮机102的涡轮机控制器105)的一个或多个命令，实现基于所预测的设定点来指导涡轮机进行变化。
在示例性方法400中，经计算的应力与许用应力的比较还充当用于调谐MPC逻辑(其用于预测设定点)的反馈。具体而言，示例性方法400包括：基于经计算的应力与许用应力的比较来调谐MPC逻辑(框418)。例如，如果经计算的应力违反许用应力，则可以(例如，经由图1的决策支持调谐器116)调整MPC逻辑的一个或多个参数和/或约束(例如，调谐参数R)，以减小MPC逻辑的主动性，以使得涡轮机以比初始预测的设定点(例如，在框402处确定的设定点)处的变化速率减小的变化速率来进行变化。在经计算的应力未违反许用应力的例子中，调谐MPC逻辑可以包括：保持MPC逻辑的参数和/或约束中的一个或多个。替代地，调谐MPC逻辑可以包括：调整一个或多个参数和/或约束以增加MPC逻辑的主动性，以使得涡轮机以比初始预测的设定点(例如，在框402处确定的设定点)更快的速率进行变化。在一些例子中，调谐MPC逻辑的一个或多个参数是基于模糊逻辑的，如基本上结合图3的示例性方法300所公开的。
因此，示例性方法400提供了预测用于使涡轮机从非操作状态过渡到操作状态的设定点而不会违反涡轮机能够耐受的许用应力极限。具体而言，示例性方法400包括：基于从所预测的设定点得到的所预测的应力和/或实际应力与许用应力的比较来评估所预测的设定点。如果所预测的或实际应力违反许用应力，则示例性方法400通过动态地调整和/或停止涡轮机的变化以便不会将不当应力置于涡轮机上(对将不当应力置于涡轮机上会导致对涡轮机部件的损害)来进行响应。此外，基于该比较，示例性方法400自动地调谐用于预测设定点的逻辑或算法，从而提供用于确定设定点的反馈驱动的方法。
图2-图4的流程图表示可以用于实现图1的示例性系统100的示例性方法。在这些例子中，可以使用包括用于由处理器(例如，在下面结合图5所讨论的示例性处理器平台500中所示出的处理器512)执行的程序的机器可读指令来实现所述方法。程序可以包含在软件中，其中软件存储在有形计算机可读存储介质上，例如CD-ROM、软盘、硬盘驱动器、数字多功能盘(DVD)、蓝光盘、或者与处理器512相关联的存储器，但是整个程序和/或其部分可以替代地由除了处理器512之外的设备来执行和/或包含在固件或专用硬件中。此外，尽管参考图2-图4中所示出的流程图来描述了示例性程序，但是替代地可以使用实现示例性系统100的许多其它方法。例如，可以改变框的执行顺序和/或可以改变、消除或组合所描述的框中的一些框。
如上面提到的，可以使用存储在诸如下列各项的有形计算机可读存储介质上的经编码的指令(例如，计算机和/或机器可读指令)来实现图2-图4的示例性方法：硬盘驱动器、闪存、只读存储器(ROM)、压缩盘(CD)、数字多功能盘(DVD)、高速缓存、随机存取存储器(RAM)、和/或信息在其中存储任意持续时间(例如，延长的时间段、永久地、短暂地、暂时缓冲和/或对信息进行高速缓存)的任何其它存储设备或存储盘。如本文所使用的，术语有形计算机可读存储介质明确地定义为：包括任何类型的计算机可读存储设备和/或存储盘，并排除传播信号以及排除传输介质。如本文所使用的，“有形计算机可读存储介质”和“有形机器可读存储介质”可互换使用。另外地或替代地，可以使用存储在诸如下列各项的非暂时性计算机和/或机器可读介质上的经编码的指令(例如，计算机和/或机器可读指令)来实现图2-图4的示例性方法：硬盘驱动器、闪存、只读存储器、压缩盘、数字多功能盘、高速缓存、随机存取存储器、和/或信息在其中存储任意持续时间(例如，延长的时间段、永久地、短暂地、暂时缓冲和/或对信息进行高速缓存)的任何其它存储设备或存储盘。如本文所使用的，术语非暂时性计算机可读介质明确地定义为：包括任何类型的计算机可读存储设备和/或存储盘，并排除传播信号以及排除传输介质。如本文所使用的，当短语“至少”被用作权利要求中的前序部分的过渡术语时，它是开放式的，与术语“包括”是开放式的方式相同。
图5是能够执行用于实现图1的示例性系统100的、图2-图4的指令的示例性处理器平台500的框图。例如，处理器平台500可以是服务器、个人计算机、移动设备(例如，蜂窝电话、智能电话和诸如iPadTM之类的平板设备)、个人数字助理(PDA)、互联网设备、或者任何其它类型的计算设备。
所示例子的处理器平台500包括处理器512。所示例子的处理器512是硬件。例如，可以由来自任何期望的家族或制造商的一个或多个集成电路、逻辑电路、微处理器或控制器来实现处理器512。
所示例子的处理器512包括本地存储器513(例如，高速缓存)。所示例子的处理器512经由总线518与主存储器(包括易失性存储器514和非易失性存储器516)进行通信。易失性存储器514可以由同步动态随机存取存储器(SDRAM)、动态随机存取存储器(DRAM)、RAMBUS动态随机存取存储器(RDRAM)和/或任何其它类型的随机存取存储器设备来实现。非易失性存储器516可以由闪存和/或任何其它期望类型的存储器设备来实现。对主存储器514、516的存取由存储器控制器进行控制。
所示例子的处理器平台500还包括接口电路520。接口电路520可以由任何类型的接口标准(例如，以太网接口、通用串行总线(USB)和/或PCI高速接口)来实现。
在所示例子中，一个或多个输入设备522连接到接口电路520。输入设备522允许用户向处理器512输入数据和命令。例如，输入设备可以由音频传感器、麦克风、照相机(静止或视频的照相机)、键盘、按钮、鼠标、触摸屏、轨迹板、轨迹球、等点鼠标(isopoint)和/或语音识别系统来实现。
一个或多个输出设备524也连接到所示例子的接口电路520。例如，输出设备524可以由显示设备(例如，发光二极管(LED)、有机发光二极管(OLED)、液晶显示器、阴极射线管显示器(CRT)、触摸屏、触觉输出设备、打印机和/或扬声器)来实现。因此，所示例子的接口电路520通常包括图形驱动器卡、图形驱动器芯片或图形驱动器处理器。
所示例子的接口电路520还包括诸如发射机、接收机、收发机、调制解调器和/或网络接口卡之类的通信设备，以有助于经由网络526(例如，以太网连接、数字用户线(DSL)、电话线、同轴电缆、蜂窝电话系统等)与外部机器(例如，任何类型的计算设备)的数据交换。
所示例子的处理器平台500还包括用于存储软件和/或数据的一个或多个大容量存储设备528。这种大容量存储设备528的例子包括：软盘驱动器、硬盘驱动器、压缩盘驱动器、蓝光盘驱动器、RAID系统和数字多功能盘(DVD)驱动器。
用于实现图2-图4的方法的经编码的指令532可以存储在大容量存储设备528中、易失性存储器514中、非易失性存储器516中、和/或可移动有形计算机可读存储介质(例如，CD或DVD)上。
根据前述内容，将意识到，上面公开的装置和方法确定用于使蒸汽涡轮机从非操作状态过渡到操作状态的速度设定点和/或负载设定点而不会违反涡轮机的预定的许用应力极限。所公开的例子结合正向模拟模型来使用MPC逻辑，以便在预测时域上预测设定点。正向模拟模型提供了对涡轮机变化速率的比已知MPC逻辑(其针对预测能力受限)改善的预测。此外，所公开的例子提供了至涡轮机的控制输入，其中控制输入与涡轮机上的速度或负载需求(其生成所预测的设定点)相对应。
所公开的例子鉴于涡轮机上的许用应力来评估所预测的设定点，以降低在涡轮机过渡到完全操作状态期间的热应力对涡轮机造成损害的风险。在所公开的例子中，所预测的设定点用于预测涡轮机的转子的金属表面温度。基于所预测的表面温度，所公开的例子预测涡轮机上的应力，并将所预测的应力与许用应力进行比较。如果所预测的应力违反许用应力，则所公开的例子通过调整设定点和/或指导涡轮机停止变化来自动地进行响应，以防止鉴于许用应力违反而对涡轮机的损害。此外，所公开的例子响应于所预测的应力与许用应力之间的比较，自动地调整MPC逻辑的一个或多个参数、函数和/或约束。此外，可以在MPC逻辑和模拟模型的迭代运行之间离线地确定这种调整，以实时地增加对MPC逻辑的调谐效率而不会使所公开的控制系统过载。因此，鉴于在实现设定点时置于涡轮机上的速度或负载需求，所公开的例子提供了对涡轮机响应的预测建模。此外，所公开的例子鉴于例如涡轮机转子的所预测的金属表面温度来评估涡轮机的响应。这种评估提供了关于设定点是否会导致涡轮机上的不当应力的确定，并且可以用于向所公开的控制系统提供反馈以用于对涡轮机变化速率的将来预测。通过确定能够接近但不超过许用应力极限的最佳设定点，所公开的例子提供了在对涡轮机的损害的风险减小或基本上消除的情况下对涡轮机的高效启动。
尽管本文公开了某些示例性的方法、装置和制品，但是本专利的覆盖范围不限于此。与此相对，本专利覆盖落入本专利的权利要求书的范围内的所有方法、装置和制品。

Claims (20)

1.一种方法，包括：
在预测时域上预测涡轮机转子的设定点；
经由经验数据模型，基于所预测的设定点在所述预测时域内对所述涡轮机转子的表面温度分布进行预测；
基于所述表面温度分布来预测所述涡轮机转子的第一应力分布；
执行所述第一应力分布与第二应力分布的比较；以及
基于比较结果来动态地调整所述设定点。
2.根据权利要求1所述的方法，其中，所述第一应力分布包括多个第一应力值，并且所述第二应力分布包括多个第二应力值，并且其中，如果所述多个第一应力值中的一个第一应力值大于所述多个第二应力值中的一个第二应力值，则调整所述设定点包括自动地减小所述设定点。
3.根据权利要求2所述的方法，其中，如果所述多个第一应力值中的一个第一应力值在所述多个第二应力值中的一个第二应力值的阈值量内但小于所述多个第二应力值中的所述一个第二应力值，则调整所述设定点还包括保持所述设定点。
4.根据权利要求1所述的方法，其中，基于所述比较结果来动态地调整所述设定点包括：对用于预测所述设定点的预测模型的一个或多个参数进行修改。
5.根据权利要求1所述的方法，其中，计算所述第一应力分布还基于所述涡轮机转子的金属类型。
6.根据权利要求5所述的方法，还包括：基于所述涡轮机的经验应力数据来确定所述第二应力分布。
7.根据权利要求1所述的方法，其中，在所述预测时域内预测所述设定点包括：
在所述预测时域的第一采样时间段内执行对预测模型的优化；
在第二采样时间段内计算第一模拟设定点，所述第二采样时间段是出现在所述第一采样时间段之后的模拟时间段；以及
将所述第一模拟设定点存储在数据库中。
8.根据权利要求7所述的方法，其中，预测所述表面温度是基于存储在所述数据库中的所述第一模拟设定点的。
9.根据权利要求8所述的方法，还包括：
基于在所述第二模拟时间段期间生成的控制输入，在第三采样时间段内计算第二模拟设定点，所述第三采样时间段是出现在所述第二模拟采样时间段之后的模拟时间段；以及
将所述第二模拟设定点存储在所述数据库中。
10.根据权利要求1所述的方法，其中，所述设定点是速度设定点或负载设定点中的一个。
11.一种系统，包括：
控制器，所述控制器用于基于预测模型和控制器调谐参数来预测涡轮机的第一设定点，以使所述涡轮机以第一速率从第一操作状态变化到第二操作状态；
温度预测器，所述温度预测器用于基于所述第一设定点和已知的温度数据来预测所述涡轮机的一个或多个部件的表面温度；
第一应力计算器，所述第一应力计算器用于基于所预测的表面温度来确定所述涡轮机上的第一应力；
比较器，所述比较器用于将所述第一应力与第二应力相比较；以及
调整器，所述调整器用于基于比较结果来调整所述控制器调谐参数，其中，如果所述第一应力超过所述第二应力，则所述控制器基于所述预测模型和所调整的控制器调谐参数来预测第二设定点，以使所述涡轮机以第二速率从所述第一操作状态变化到所述第二操作状态，所述第二速率是相对于所述第一速率的减小的速率。
12.根据权利要求11所述的系统，还包括第二应力计算器，所述第二应力计算器用于基于所述涡轮机的许用应力极限来确定所述第二应力。
13.根据权利要求11所述的系统，还包括预测分布数据库，所述预测分布数据库用于存储所述第一设定点，其中，所述温度预测器从所述数据库中取回所述第一设定点以预测所述表面温度。
14.根据权利要求11所述的系统，其中，所述比较器确定所述第一应力是否在所述第二应力的阈值范围内，并且如果所述第一应力在所述阈值范围内，则所述调整器禁止对所述控制器调谐参数进行调整。
15.根据权利要求11所述的系统，其中，所述调整器在所述控制器对所述第一设定点进行预测与对所述第二设定点进行预测之间的时间段期间调整所述控制器调谐参数。
16.根据权利要求11所述的系统，其中，在所述涡轮机从所述第一操作状态变化到所述第二操作状态时，所述控制器基于所述第一设定点来预测所述涡轮机的速度响应或负载响应。
17.根据权利要求11所述的系统，其中，所述第一操作状态是所述涡轮机的非操作状态，并且所述第二操作状态是所述涡轮机的操作状态。
18.一种用于使涡轮机从非操作状态过渡到操作状态的方法，所述方法包括：
确定所述涡轮机从所述非操作状态过渡到所述操作状态的设定点；
基于所述设定点和经验温度数据来计算所述涡轮机的转子的表面温度；
基于所述表面温度来计算所述转子上的第一应力；以及
将所述第一应力与所述涡轮机的许用应力极限相比较，其中，如果所述第一应力超过所述许用应力极限，则执行自动地停止所述涡轮机从所述非操作状态到所述操作状态的变化或自动地减小所述设定点中的至少一个，并且，如果所述第一应力在所述许用应力极限以下一阈值量，则执行自动地增加所述涡轮机的所述设定点。
19.根据权利要求18所述的方法，其中，确定所述设定点包括基于预测模型在一个或多个模拟时间段上预测所述设定点。
20.根据权利要求18所述的方法，还包括：基于所述第一应力与所述许用应力极限的比较结果来动态地调整所述预测模型。
CN201610509786.9A 2015-07-01 2016-07-01 用于优化蒸汽涡轮机变化速率的方法和装置 Active CN106321163B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/789,021 2015-07-01
US14/789,021 US10267182B2 (en) 2015-07-01 2015-07-01 Methods and apparatus to optimize steam turbine ramp rates

Publications (2)

Publication Number Publication Date
CN106321163A true CN106321163A (zh) 2017-01-11
CN106321163B CN106321163B (zh) 2020-11-10

Family

ID=56895055

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610509786.9A Active CN106321163B (zh) 2015-07-01 2016-07-01 用于优化蒸汽涡轮机变化速率的方法和装置

Country Status (6)

Country Link
US (1) US10267182B2 (zh)
CN (1) CN106321163B (zh)
CA (1) CA2933949C (zh)
DE (1) DE102016112027A1 (zh)
GB (1) GB2541501B (zh)
PH (1) PH12016000233A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10781723B2 (en) 2015-07-24 2020-09-22 Emerson Process Management Power And Water Solutions, Inc. Methods and apparatus to optimize steam header blending and gas turbine loading in combined cycle power plants
US10033317B2 (en) * 2016-10-14 2018-07-24 Florida Power & Light Company Automated maximum sustained rate system and method
JP7351678B2 (ja) * 2019-09-03 2023-09-27 三菱重工業株式会社 起動制御装置、起動制御方法およびプログラム
US11352901B2 (en) * 2020-02-17 2022-06-07 Emerson Process Management Power & Water Solutions Methods and apparatus to determine material parameters of turbine rotors
CN111535881B (zh) * 2020-05-11 2022-05-13 国能南京电力试验研究有限公司 汽轮机优化调整方法
US11428115B2 (en) * 2020-09-25 2022-08-30 General Electric Company Control of rotor stress within turbomachine during startup operation

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4215552A (en) * 1977-02-09 1980-08-05 Alsthom-Atlantique Method for the operation of a power generating assembly
US4558227A (en) * 1983-06-14 1985-12-10 Hitachi, Ltd. Method of controlling operation of thermoelectric power station
CN1035156A (zh) * 1987-12-31 1989-08-30 西屋电气公司 高压转子应力损伤的累积记录方法
US7980053B2 (en) * 2005-03-16 2011-07-19 Kabushiki Kaisha Toshiba Turbine starting controller and turbine starting control method
CN102226415A (zh) * 2011-05-06 2011-10-26 上海发电设备成套设计研究院 汽轮机转子安全风险在线监视与控制装置及方法
CN102650219A (zh) * 2012-05-31 2012-08-29 上海电气电站设备有限公司 1000mw超超临界机组自动控制系统
EP2532840A1 (fr) * 2011-06-09 2012-12-12 Airbus Opérations SAS Procédé et dispositif d'aide à la surveillance d'une turbomachine d'aéronef
US8560283B2 (en) * 2009-07-10 2013-10-15 Emerson Process Management Power And Water Solutions, Inc. Methods and apparatus to compensate first principle-based simulation models

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5825842B2 (ja) 1977-09-14 1983-05-30 株式会社日立製作所 熱応力予測計算に基づくタ−ビン起動方法
JPS59226211A (ja) 1983-06-08 1984-12-19 Hitachi Ltd 火力プラント制御方法
JPS62178704A (ja) 1986-01-31 1987-08-05 Hitachi Ltd プラントの最適起動システム
JP3673017B2 (ja) 1996-05-23 2005-07-20 株式会社東芝 蒸気タービン起動制御装置
US8352148B2 (en) 2008-05-21 2013-01-08 General Electric Company System for controlling input profiles of combined cycle power generation system
US20100305768A1 (en) 2009-06-01 2010-12-02 General Electric Company Control for improved thermal performance of a steam turbine at partial load
US8843240B2 (en) 2010-11-30 2014-09-23 General Electric Company Loading a steam turbine based on flow and temperature ramping rates
US9382848B2 (en) 2013-03-15 2016-07-05 General Electric Company System and method for start-up of a combined cycle power plant
JP6295062B2 (ja) 2013-11-07 2018-03-14 三菱日立パワーシステムズ株式会社 蒸気タービンプラント起動制御装置
US10781723B2 (en) 2015-07-24 2020-09-22 Emerson Process Management Power And Water Solutions, Inc. Methods and apparatus to optimize steam header blending and gas turbine loading in combined cycle power plants

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4215552A (en) * 1977-02-09 1980-08-05 Alsthom-Atlantique Method for the operation of a power generating assembly
US4558227A (en) * 1983-06-14 1985-12-10 Hitachi, Ltd. Method of controlling operation of thermoelectric power station
CN1035156A (zh) * 1987-12-31 1989-08-30 西屋电气公司 高压转子应力损伤的累积记录方法
US7980053B2 (en) * 2005-03-16 2011-07-19 Kabushiki Kaisha Toshiba Turbine starting controller and turbine starting control method
US8560283B2 (en) * 2009-07-10 2013-10-15 Emerson Process Management Power And Water Solutions, Inc. Methods and apparatus to compensate first principle-based simulation models
CN102226415A (zh) * 2011-05-06 2011-10-26 上海发电设备成套设计研究院 汽轮机转子安全风险在线监视与控制装置及方法
EP2532840A1 (fr) * 2011-06-09 2012-12-12 Airbus Opérations SAS Procédé et dispositif d'aide à la surveillance d'une turbomachine d'aéronef
CN102650219A (zh) * 2012-05-31 2012-08-29 上海电气电站设备有限公司 1000mw超超临界机组自动控制系统

Also Published As

Publication number Publication date
PH12016000233B1 (en) 2018-01-29
CA2933949C (en) 2023-10-17
GB2541501B (en) 2021-03-10
US10267182B2 (en) 2019-04-23
CN106321163B (zh) 2020-11-10
GB2541501A (en) 2017-02-22
CA2933949A1 (en) 2017-01-01
PH12016000233A1 (en) 2018-01-29
GB201610542D0 (en) 2016-08-03
DE102016112027A1 (de) 2017-01-05
US20170002692A1 (en) 2017-01-05

Similar Documents

Publication Publication Date Title
CN106321163A (zh) 用于优化蒸汽涡轮机变化速率的方法和装置
Li et al. Transforming cooling optimization for green data center via deep reinforcement learning
US20230228438A1 (en) Smart thermostat with model predictive control
Khorramdel et al. A fuzzy adaptive probabilistic wind power prediction framework using diffusion kernel density estimators
US10061279B2 (en) Multi-objective scheduling for on/off equipment
Elsisi et al. Bat inspired algorithm based optimal design of model predictive load frequency control
US9959515B2 (en) Optimized asset maintenance and replacement schedule
Liu et al. Robust adaptive inverse control of a class of nonlinear systems with Prandtl-Ishlinskii hysteresis model
US20160357169A1 (en) Model Predictive Control with Uncertainties
JP2016100009A (ja) 機械の動作を制御する方法、および機械の動作を反復的に制御する制御システム
US20190309979A1 (en) Initialization of radial base function neural network nodes for reinforcement learning incremental control system
Yao et al. Data‐driven distributionally robust reserve and energy scheduling over Wasserstein balls
Shiva et al. Comparative performance assessment of a novel quasi‐oppositional harmony search algorithm and internal model control method for automatic generation control of power systems
US11449731B2 (en) Update of attenuation coefficient for a model corresponding to time-series input data
Takeang et al. Multiple of hybrid lambda iteration and simulated annealing algorithm to solve economic dispatch problem with ramp rate limit and prohibited operating zones
CN111783356A (zh) 一种基于人工智能的石油产量预测方法和装置
Banis et al. Load–frequency control in microgrids using target‐adjusted MPC
Zhu et al. Lyapunov‐based adaptive model predictive control for unconstrained non‐linear systems with parametric uncertainties
Pillai et al. Optimal load frequency control through combined state and control gain estimation for noisy measurements
CN116126052A (zh) 用于温度控制的方法、装置、设备和存储介质
CN115564193A (zh) 智能配电网多维度综合效益评估方法及系统、存储介质
JP5467929B2 (ja) 関数生成装置、及び関数生成方法
Xie et al. Nonstop: A nonstationary online prediction method for time series
Zhang et al. DRL-S: Toward safe real-world learning of dynamic thermal management in data center
Chen et al. Indirect iterative learning control for robot manipulator with non‐Gaussian disturbances

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant