CN106707756A - 融合扩张观测器的超临界火电机组机炉协调控制方法 - Google Patents

Abstract

本发明公开了一种融合扩张观测器的超临界火电机组机炉协调控制方法。首先根据1000MW超临界火电机组的非线性模型，基于非线性分析的方法在机组的不同工况点建立多个局部线性模型。之后采用该组局部线性模型，设计了一种融合扩张状态观测器的多模型预测控制器(MMPC)。通过扩张状态观测器的引入，估计并补偿了机组在不同通道内的扰动及模型不确定性，提升了预测控制器的扰动抑制性能。本发明的算法能在保证控制系统全局稳定的前提下实现机组负荷的大范围跟踪，并且具有良好的扰动抑制性能。

Description

融合扩张观测器的超临界火电机组机炉协调控制方法

技术领域

本发明属于热能动力工程和自动控制领域，涉及超临界火电机组协调控制方法，特别是一种融合扩张状态观测器的多模型预测控制，用于超临界火电机组机炉协调系统的控制算法。

背景技术

火电机组的协调控制是火电机组运行中最重要的问题之一，其核心是对锅炉侧的慢动态过程及汽机侧的快动态过程进行调和，使机组的实发功率实时跟踪电网的负荷需求，同时保证机组运行的安全及效率。超临界火电机组因其具有的高效率、低排放的优点，在过去10年里被广泛采用，并逐渐成为电力系统中的主力机型。同时，机组容量及复杂度的大幅度增加，对机炉协调系统的控制算法设计提出了新的挑战，主要体现在超临界火电机组具有的大惯性、强非线性、多变量、强耦合，以及执行机构在物理上的限制导致的控制输入约束等问题。另一方面，近年来随着大量光伏发电、风力发电等间歇性新能源的并网，给电网带来了巨大的调峰压力。在目前电网面对巨量间歇性能源并网而导致调峰能力不足的背景下，传统意义上作为基础负荷的火电机组将承担更多的调峰任务，因而变工况运行将成为常态。目前广泛采用的基于比例-积分-微分(PID)算法的机炉协调系统控制在面对上述问题时体现出了越来越多的弊端。因此，必须开发基于先进控制算法的机炉协调系统控制算法，以满足超临界火电机组机炉协调系统的控制要求。

模型预测控制(MPC)算法由于其可以对多变量系统进行最优化控制的优点，近年来成为超临界机组机炉协调系统改进设计的一种常用的技术方案。同时针对超临界火电机组机炉系统非线性的特点，一系列基于非线性预测控制(NMPC)的机炉协调控制算法被提出。然而，现有的非线性预测控制算法普遍具有在线计算量大、鲁棒性差的缺点，在实际工程中的应用效果并不理想。多模型预测控制算法(MMPC)作为NMPC的一种替代算法，具有处理对象非线性的能力，同时具有在线计算量小，实施方便等优点，在实际工程中得到了较好的应用。当前，多模型预测控制算法的问题在于其无法处理未知的扰动及机组动态的不确定性，后者在机组的实际过程中是普遍存在的。这些未知扰动与机组动态的不确定性的存在使得控制系统的性能下降，在极端情况下甚至导致系统的不稳定。

发明内容

本发明针对现有超临界火电机组协调系统的多模型预测控制中无法处理未知扰动与机组动态不确定性的问题，在稳定的MMPC算法中引入扩张状态观测器，同时对传统的扩张状态观测器进行了改进，提出一种融合扩张状态观测器的超临界火电机组机炉协调系统多模型预测控制算法，该算法能实现机组对电网负荷指令的稳定跟踪，同时提高机组运行过程中的抗扰动性能。

为达到上述目的，本发明采用如下的技术方案，所提出的一种超临界火电机组机炉协调控制方法，该方法基于由多模型预测控制模块得到的将机组的输出量驱动至给定的目标值的多模型预测控制项u_mpc(k)与由扩张状态观测模块得到的用于补偿机组各控制通道内扰动及不确定性、消除系统的稳态误差的扰动补偿项u_ESO(k)的和得到控制量；

其具体包括以下步骤：

1.1、基于机炉协调系统的多个局部子模型建立所述多模型预测控制模型，在采样时间点根据机组实发功率确定当前负荷点对应的加权模型，以该加权模型，计算得到代价函数最小化的最优控制量，即多模型预测控制项u_mpc(k)；

1.2、所述扩张状态观测模块通过构造一个扩张的状态观测器，基于对系统内存在的扰动及模型不确定性进行估计，在采样时间点产生对应的补偿控制项u_ESO(k)；

1.3、将多模型预测控制项u_mpc(k)和补偿控制项u_ESO(k)叠加得到系统的总控制量；

1.4、使超临界机组的功率跟踪电网给予的负荷指令，并将主蒸汽温度与压力控制在给予的参考值内，保证控制输入量负荷系统执行机构的物理限制。

进一步的，步骤1.1中的多模型预测控制项u_mpc(k)由式1求得：

u_mpc(k)＝YG^-1x(k)+u_s； (1)

其中，k为采样时间点，Y,G由下列线性矩阵不等式可得：

其中，γ为代价函数的上界，该代价函数J表示为

其中，y(k)、x(k)分别表示在采样时间点k，模型的输出量和状态量；k+i|k表示在采样时间点k对第k+i时刻的预测值；x_s为系统状态的目标稳态值；

u_j,boundary＝min(|u_j,min-u_j,s|,|u_j,max-u_j,s|),j＝1,…,n_u； (3)

其中，u_j,s为系统第j个控制输入的目标稳态值，u_j,s与x_s由输出量目标值及机炉协调系统的非线性模型联立求得，u_j,min与u_j,max分别为控制输入量约束的下界与上界；其中；A_i，B_i，C_i，D_i为多模型预测控制器中第i个局部子模型的系统矩阵；U_jj代表U的第j个对角元素，n_u是控制输入量的个数，Q₀与R₀分别为输出代价权重矩阵与输入代价权重矩阵。

进一步的，步骤1.2中的扰动补偿项u_ESO(k)由式4可得：

其中，K_d,K_v为补偿增益，

K_d＝-((C+DF)(I-A-BF)^-1B+D)^-1(C+DF)(I-A-BF)^-1B_d， (5)

K_v＝-((C+DF)(I-A-BF)^-1B+D)^-1D_v， (6)

F＝Y·G^-1， (7)

其中，分别为在采样时间点k系统状态通道及输出通道的扰动估计值，B_d与D_v为待选取的系数矩阵，A，B，C，D为根据该采样时间点k的机组负荷，采用加权规则对机组各子模型系统矩阵A_i，B_i，C_i，D_i进行加权得到的加权系统矩阵。

进一步的，通过如下的方法求取系统状态通道的扰动估计值及输出通道的扰动估计值

所述步骤1.2中构造的扩张状态观测器如下：

其中， 为扩张状态观测器的状态量，y(k)为机组在采样时间点k时刻的输出测量值，L为观测器增益矩阵。

进一步的，观测器增益矩阵L由下式计算：

L＝H^-1G， (9)

其中H，G为下列线性矩阵不等式的解：

P^T＝P＞0

采用上述的技术方案，本发明具有以下的有益效果：

1.本发明在稳定MMPC控制方法中引入扩张状态观测器，提出了融合扩张状态观测器的超临界火电机组机炉协调系统多模型预测控制算法，保证了超临界火电机组对电网负荷指令的大范围稳定跟踪的性能，同时可以有效处理超临界火电机组机炉协调控制中存在的未知扰动与机组动态的不确定性。

2.对引入的扩张状态观测器进行了改进，使其能对多变量系统中所有通道内的未知扰动与机组动态不确定进行抑制。

附图说明

下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述或其他方面的优点将会变得更加清楚。

图1超临界火电机组原理图；

图2隶属度函数图；

图3为大范围负荷跟踪实验机组各被控输出量图；

图4为大范围负荷跟踪实验机组各控制输入量图；

图5为抗扰动实验机组被控输出量图；

图6为抗扰动实验机组控制输入量图。

具体实施方式

为了使本发明要解决的技术问题、技术方案和有益效果更加清楚，下面结合附图及具体的实施例进行详尽的描述。

本发明所提出的控制器控制量由两项组成，由下式表示：

u(k)＝u_mpc(k)+u_ESO(k)； (11)

其中u_mpc(k)为多模型预测控制项，作用是将机组的输出量驱动至给定的目标值，由多模型预测控制算法给出。u_ESO(k)为扰动补偿项，作用是补偿机组各控制通道内扰动及不确定性，消除系统的稳态误差，基于扩张状态观测器的相关状态量计算求得。

采用代价函数

其中，Q₀与R₀分别为输出代价权重矩阵与输入代价权重矩阵,k+i|k代表变量在采样时间点k对k+i的预测值。

多模型预测控制项u_mpc(k)由下式求得：

u_mpc(k)＝YG^-1x(k)+u_s； (1)

Y,G由下列线性矩阵不等式可得

其中γ为代价函数J的上界，该代价函数J表示为：

其中，y(k)、x(k)分别表示在采样时间点k，模型的输出量和状态量；k+i|k表示在采样时间点k对第k+i时刻的预测值；x_s为系统状态的目标稳态值。

u_j,bo_undary＝min(|u_j,min-u_j,s|,|u_j,max-u_j,s|),j＝1,…,n_u， (3)

u_j,s为系统第j个控制输入的目标稳态值，u_j,s与x_s由输出量目标值及机炉协调系统的非线性模型联立求得，u_j,min与u_j,max分别为控制输入量约束的下界与上界。A_i，B_i，C_i，D_i为多模型预测控制器中第i个局部子模型的系统矩阵。U_jj代表U的第j个对角元素，n_u是控制输入量的个数，Q₀与R₀分别为预测控制代价函数中，输出代价权重矩阵与输入代价权重矩阵。

扰动补偿项由下式计算：

K_d,K_v为补偿增益，由下式计算得到：

K_d＝-((C+DF)(I-A-BF)^-1B+D)^-1(C+DF)(I-A-BF)^-1B_d， (5)

K_v＝-((C+DF)(I-A-BF)^-1B+D)^-1D_v， (6)

F＝Y·G^-1， (7)

在此，A,B,C,D表示根据该采样时间点k的机组负荷，采用一定加权规则对机组各子模型系统矩阵A_i，B_i，C_i，D_i进行加权得到的加权系统矩阵矩阵。

这里以矩阵A为例，

其中n为子模型的个数；α_i为当前负荷下机组模型对各子模型的隶属度；B，C，D的确定方法与之类似。

B_d与D_v为待选取的扰动系数矩阵，由仿真实验及现场经验确定，分别为在采样时间点k系统状态通道及输出通道的扰动估计值。

为获得上述扰动的估计值，构造如下的扩张状态观测器：

其中

为扩张状态观测器的状态量，y(k)为机组在采样时间点k时刻的输出测量值，L为观测器增益矩阵。

其中的观测器增益矩阵L由下式计算：

L＝H^-1G， (9)

其中H，G为下列线性矩阵不等式的解：

P^T＝P＞0

图1为一个典型的超临界火电机组原理图。在这个系统中，煤通过给煤系统研磨成煤粉后，由一次风吹入锅炉炉膛，其化学能在炉膛中被转化为蒸汽的热能；之后在汽轮机中转化为汽轮机的机械能；汽轮机带动发电机产生电能。机炉协调控制系统居于全厂控制系统的最上层，通过控制进入机组的工质量(给水)、燃料量(给煤量)以及汽轮机主蒸汽阀门开度，使整个机组的发电功率跟踪上电网跟定的负荷指令。除此之外，也必须对影响机组经济性与安全性的重要参数即主蒸汽的温度与压力进行控制。同时，选取汽水分离器出口焓值与压力作为中间状态量以提高控制系统的控制效果。由于在实际的运行中主蒸汽温度的控制可以非常简单地由喷水减温来精确控制，因此在协调控制中，可将汽水分离器出口汽温作为被控输出量。综上所述，超临界火电机组协调控制可以归结为一个三输入三输出的系统。控制输入为燃料量指令、给水量及汽轮机主蒸汽阀门开度，被控输出为主蒸汽压力、汽水分离器出口焓值及机组功率，状态量为进入炉膛的燃料量、汽水分离器出口蒸汽焓值及汽水分离器出口蒸汽压力。

本发明的目的是针对如上所述的超临界火电机组机炉协调系统的控制问题，提出一种融合扩张状态观测器的超临界火电机组机炉协调系统多模型预测控制算法，提高机组输出功率对电网负荷指令的大范围稳定跟踪能力，并提高控制系统在扰动及模型不确定性情况下的抗干扰能力。

在此以国电泰州发电有限公司#1号机组为例，具体说明本发明的设计方法及实施方案。该机组为一个1000MW超超临界燃煤发电机组，锅炉是哈尔滨锅炉厂设计制造的HG-2980/26.15-YM2型超超临界直流锅炉，汽轮机为哈尔滨汽轮机厂和日本东芝公司联合设计制造的CLN1000-25.0/600/600型超超临界一次中间再热、凝汽式、单轴汽轮机。

采用机理分析与参数辨识的方法可得到机组的非线性模型：

y₂＝x₃

其中：

x₁，x₂，x₃分别为进入炉膛的燃料量，汽水分离器出口压力，汽水分离器出口焓；

u₁，u₂，u₃分别为燃料量信号指令，给水流量，汽轮机阀门开度；

y₁，y₂，y₃分别为主蒸汽压力，汽水分离器出口焓，机组负荷。

由上述非线性模型可以得到机组的几个典型的工况点如下表所示：

	y1(MPa)	y2(kJ/kg)	y3(MW)	u1(kg/s)	u2(kg/s)	u3(％)
							#1	13.7	2783.0	550.1	53.1	409.6	74
#2	16.3	2751.5	650.0	62.5	492.3	74
							#3	18.3	2726.3	731.9	70.1	562.1	75
#4	20.0	2710.0	800.0	76.4	619.9	75
							#5	22.7	2698.7	905.9	86.2	706.5	75
#6	22.6	2698.0	1000.0	94.9	780.1	83

为简单起见，分别取#1，#3，#5点建立局部线性子模型。

依据机组的负荷，按照图2所示的隶属度规则，确定在某一负荷点时，各子模型的隶属度系数α₁，α₂，α₃。图中的点划线、实线、虚线分别代表了加权模型对#1，#3，#5点处(即机组低负荷、中负荷、高负荷)子模型的隶属度。

取控制器采样时间T_s＝5s，权重矩阵扰动

系数矩阵

系统控制输入量约束

[u_1,max,u_2,max,u_3,max]＝[100,800,1.0]，[u_1,min,u_2,min,u_3,min]＝[40,350,0]。

为验证方案的可行性与优越性，进行控制系统仿真实验。

实验1：大范围负荷跟踪实验：

假设机组初始运行于#5稳态点，之后在250s时给机组下达变工况指令，使其运行至#1工况点。在此将本发明方法分别与下面几种现有的负荷跟踪控制方法进行比较：1)单模型MPC；2)传统的多模型MPC；3)加入了扩张状态观测器的单模型MPC。

仿真结果如图3所示。由图3可见，本发明所提出的机炉协调控制算法相比方法1)，其跟踪性能有显著的提升。由于扩张状态观测器的引入，本发明的方法相对单纯采用多模型的控制方法2)，具有更小的跟踪误差。而相比方法3)，本发明的方法亦具有更好的跟踪性能，体现了多模型的控制方法对非线性系统的有效性。总而言之，本发明提出的机炉协调控制设计方法，相比现有的方法在性能上具有明显的优势。图4为试验中机组各控制输入量图，由图可见，本发明所采用的方法，其控制输入的波动与其它的三种方法相比最小，给控制系统带来的好处是减小了执行机构的动作幅度与频率，提高了机组各执行机构的寿命。

实验2：抗扰动实验

假设机组初始运行于#5稳态点，在100s时，在燃料通道内加入斜坡扰动及阶跃扰动，用以模拟煤质变化带来的扰动。假设扰动由0斜坡上升至8kg/s，如图5中粉红色点状线所示。在此将本发明方法分别与下面几种现有的扰动抑制方法进行比较：1)带积分的MPC算法；2)稳定模型预测跟踪控制；3)基于广义扩张状态观测器反馈控制算法。

实验结果如图6所示。本发明所提出的方法相比现有的各种方法，无论是对于阶跃型的扰动还是斜坡型的扰动都具有最佳的扰动抑制性能。机组的各输出在扰动产生时能快速地返回至原稳态点。同时可以看出与之的对比的现有算法，无论是方法1)还是方法2)都不具有消除斜坡扰动的能力。而对于传统的基于广义扩张状态观测器反馈控制算法即方法3),尽管其具有一定的扰动抑制能力，但系统的动态性能明显劣于本发明提出的方法，各输出都具有更大的超调及更长的过渡时间。图4为各控制输入图。由图可见，本发明的方法具有更小的执行器动作，并且满足控制过程中的各种约束要求。

方案仅为本发明的优选实施例，而并非本发明的可能实施例的穷举。对于本领域一般技术而言，在不背离本发明原理和精神的前提下对其所作出的任何显而易见的改动，都应该包含在本发明的权利要求的保护范围内。

Claims (5)

1.融合扩张观测器的超临界火电机组机炉协调控制方法，其特征在于：该方法基于由多模型预测控制模块得到的将机组的输出量驱动至给定的目标值的多模型预测控制项u_mpc(k)与由扩张状态观测模块得到的用于补偿机组各控制通道内扰动及不确定性、消除系统的稳态误差的扰动补偿项u_ESO(k)的和得到控制量；

其具体包括以下步骤：

1.1、基于机炉协调系统的多个局部子模型建立所述多模型预测控制模型，在采样时间点根据机组实发功率确定当前负荷点对应的加权模型，以该加权模型，计算得到代价函数最小化的最优控制量，即多模型预测控制项u_mpc(k)；

1.2、所述扩张状态观测模块通过构造一个扩张的状态观测器，基于对系统内存在的扰动及模型不确定性进行估计，在采样时间点产生对应的补偿控制项u_ESO(k)；

1.3、将多模型预测控制项u_mpc(k)和补偿控制项u_ESO(k)叠加得到系统的总控制量；

1.4、使超临界机组的功率跟踪电网给予的负荷指令，并将主蒸汽温度与压力控制在给予的参考值内，保证控制输入量负荷系统执行机构的物理限制。

2.根据权利要求1所述的融合扩张观测器的超临界火电机组机炉协调控制方法，其特征在于：所述步骤1.1中的多模型预测控制项u_mpc(k)由式1求得：

u_mpc(k)＝YG^-1x(k)+u_s； (1)

其中，k为采样时间点，Y,G由下列线性矩阵不等式可得：

$\underset{G,Y,S,U}{\min }\mathrm{\γ}$

$\left[\begin{array}{cc}1& x^T\left(k\right)\\ x\left(k\right)& S\end{array}\right]\≥0$

$\left[\begin{array}{cccc}{G}^T+G-S& {\left(A_{i}G+B_{i}Y\right)}^T& {\left(C_{i}G+D_{i}Y\right)}^T{Q}_0^{1/2}& Y^T{R}_0^{1/2}\\ A_{i}G+B_{i}Y& S& & \\ Q_0^{1/2}\left(C_{i}G+D_{i}Y\right)& & \mathrm{\γ}I& \\ R_0^{1/2}Y& & & \mathrm{\γ}I\end{array}\right]\≥0,$

$\left[\begin{array}{cc}U& Y\\ Y^T& G^T+G-S\end{array}\right]\≥0,U_{jj}\≤u_{j,boundary}^2,j=1,...,n_u$

其中，γ为代价函数的上界，该代价函数J表示为

$J=\underset{i=0}{\overset{\mathrm{\∞}}{\mathrm{\Σ}}}y{(k+i|k)}^T{Q}_{0}y(k+i|k)+{\left({\mathrm{YG}}^{-1}x\right(k+i|k\left)\right)}^T{R}_0\left({\mathrm{YG}}^{-1}x\right(k+i|k\left)\right);---\left(2\right)$

其中，y(k)、x(k)分别表示在采样时间点k，模型的输出量和状态量；k+i|k表示在采样时间点k对第k+i时刻的预测值；x_s为系统状态的目标稳态值；

u_j,boundary＝min(|u_j,min-u_j,s|,|u_j,max-u_j,s|),j＝1,…,n_u； (3)

其中，u_j,s为系统第j个控制输入的目标稳态值，u_j,s与x_s由输出量目标值及机炉协调系统的非线性模型联立求得，u_j,min与u_j,max分别为控制输入量约束的下界与上界；

其中；A_i，B_i，C_i，D_i为多模型预测控制器中第i个局部子模型的系统矩阵；U_jj代表U的第j个对角元素，n_u是控制输入量的个数，Q₀与R₀分别为输出代价权重矩阵与输入代价权重矩阵。

3.根据权利要求2所述的融合扩张观测器的超临界火电机组机炉协调控制方法，其特征在于：所述步骤1.2中的扰动补偿项u_ESO(k)由式4可得：

$u_{ESO}\left(k\right)=K_d\hat{d}\left(k\right)+K_v\hat{v}\left(k\right),---\left(4\right)$

其中，K_d,K_v为补偿增益，

K_d＝-((C+DF)(I-A-BF)^-1B+D)^-1(C+DF)(I-A-BF)^-1B_d， (5)

K_v＝-((C+DF)(I-A-BF)^-1B+D)^-1D_v， (6)

F＝Y·G^-1， (7)

其中，分别为在采样时间点k系统状态通道及输出通道的扰动估计值，B_d与D_v为待选取的系数矩阵，A，B，C，D为根据该采样时间点k的机组负荷，采用加权规则对机组各子模型系统矩阵A_i，B_i，C_i，D_i进行加权得到的加权系统矩阵。

4.根据权利要求3所述的融合扩张观测器的超临界火电机组机炉协调控制方法，其特性在于：通过如下的方法求取系统状态通道的扰动估计值及输出通道的扰动估计值

所述步骤1.2中构造的扩张状态观测器如下：

$\begin{array}{c}\widehat{\stackrel{\‾}{x}}\left(k\right)=\stackrel{\‾}{A}\widehat{\stackrel{\‾}{x}}\left(k+1\right)+\stackrel{\‾}{B}u\left(k-1\right)+L\[\hat{y}\left(k-1\right)-y\left(k\right)\]\\ \hat{y}\left(k\right)=\stackrel{\‾}{C}\widehat{\stackrel{\‾}{x}}\left(k\right)+\stackrel{\‾}{D}u\left(k\right)\end{array},---\left(8\right)$

其中， 为扩张状态观测器的状态量，y(k)为机组在采样时间点k时刻的输出测量值，L为观测器增益矩阵。

5.根据权利要求4所述的融合扩张观测器的超临界火电机组机炉协调控制方法，其特性在于：所述观测器增益矩阵L由下式计算：

L＝H^-1G， (9)其中H，G为下列线性矩阵不等式的解：

$\begin{array}{c}\left[\begin{array}{cc}{H}^T+H-P& {\left(H\stackrel{\‾}{A}+G\stackrel{\‾}{C}\right)}^T\\ H\stackrel{\‾}{A}+G\stackrel{\‾}{C}& P\end{array}\right]>0\\ P^T=P>0\end{array}.---\left(10\right)$