CN106773675B - 火电机组预测函数控制简化方法及其应用 - Google Patents
火电机组预测函数控制简化方法及其应用 Download PDFInfo
- Publication number
- CN106773675B CN106773675B CN201611065502.8A CN201611065502A CN106773675B CN 106773675 B CN106773675 B CN 106773675B CN 201611065502 A CN201611065502 A CN 201611065502A CN 106773675 B CN106773675 B CN 106773675B
- Authority
- CN
- China
- Prior art keywords
- control
- predictive function
- function control
- reduced
- prediction
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000005457 optimization Methods 0.000 claims abstract description 5
- 238000005070 sampling Methods 0.000 claims description 9
- 238000013461 design Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 230000001934 delay Effects 0.000 claims description 2
- 238000012938 design process Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 4
- 238000007796 conventional method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009514 concussion Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
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
本发明公开了一种火电机组汽温预测函数控制简化方法及其应用。常规的预测函数控制结构较为复杂,需要采用指数系数的形式进行控制,参数调整不方便,且在工程应用中也不利于提高预测函数控制系统的控制品质。本发明在常规PFC最优控制律的基础上,将指数系数简化为乘数系数,将预测时域优化长度简化为预测调整系数,将修正后的被控对象输出简化为实际被控对象输出。本发明保证了预测函数控制系统具有较强的鲁棒性;提高了预测函数控制系统的控制品质;机组在扰动状态时预测函数控制系统能够处于自动调节状态,波动幅度减小,大幅减少了运行工作量。
Description
技术领域
本发明涉及火电机组对象控制,具体地说是一种火电机组汽温预测函数控制简化方法及其应用。
背景技术
大型火电机组系统对象具有大迟延、大惯性和时变性,目前广泛采用串级PID和导前微分控制等,难以取得满意的控制效果。针对火电厂系统对象的先进控制策略应用的研究层出不穷,模型预测控制在系统对象控制的应用研究取得了丰硕的成果。常规的预测函数控制结构较为复杂,需要采用指数系数的形式进行控制,参数调整不方便,且在工程应用中也不利于提高预测函数控制系统的控制品质。
为提高预测函数控制系统的控制品质,保证机组的安全、高效运行,需要设计出性能优异的预测函数控制系统,因此预测函数控制简化方法及工程应用对于预测控制系统具有重要的实践意义。
发明内容
本发明所要解决的技术问题是克服上述现有技术存在的缺陷,提供一种火电机组汽温预测函数控制简化方法,以提高预测函数控制系统的控制品质。
为此,本发明采用如下的技术方案:火电机组预测函数控制简化方法,其特征在于,在常规PFC最优控制律的基础上,将指数系数简化为乘数系数,将预测时域优化长度简化为预测调整系数,将修正后的被控对象输出简化为实际被控对象输出。
当系统对象含有纯迟延时,常规PFC控制律对系统对象输出进行修正,本发明进行简化,不进行修正,仍采用实际对象输出。
基于本发明简化方法设计出的PFC控制系统结构简单,参数调整方便,能够更好的适应工况需求,提高了控制品质。
进一步地,预测函数控制所用的预测模型选用一阶加迟延对象,即为:
式中,Km为模型增益,Tm为模型惯性时间,Td为模型纯迟延时间,s为积分因子;
当采用阶跃函数时有:
u(k+i)=u(k),i=1,2...P-1,
上式中,k表示采样时刻,P表示预测时域步长;
若采样周期为Ts,设D=Td/Ts,得如下表达式:
ypav(k)=y(k)+ym(k)-ym(k-D),
上式中,y为实际被控量,ym为模型输出,ypav为修正后被控量;
对象为一阶加纯滞后的PFC的优化控制律为:
上式中,c为设定值,TR为参考轨迹时间常数,p为预测时域优化长度,为指数系数,u为优化控制量;
将上式中的优化控制律简化为如下形式:
上式中,b为参考轨迹预测调整系数,a为控制预测调整系数,均为乘数系数,y(k)为实际被控对象的输出。
将上述火电机组预测函数控制简化方法应用于串级控制系统,形成增量式PFC串级控制工程应用算法,其设计过程包括信号的增量式处理、设计简化PFC控制回路、抗积分饱和的处理和无扰跟踪,简化PFC控制回路即为应用所述预测函数控制简化方法的控制回路。工程实践证明了该工程应用算法的优良性能。
本发明具有以下有益效果:保证了预测函数控制系统具有较强的鲁棒性;提高了预测函数控制系统的控制品质;机组在扰动状态(尤其是磨组启停过程)时预测函数控制系统能够处于自动调节状态,波动幅度减小,大幅减少了运行工作量。
附图说明
图1为简化PFC串级控制系统原理图(图中,c为设定值,yr为设定值参考轨迹,u为优化控制量,y0为导前温度,y为出口汽温,ym为模型输出)。
图2为本发明的控制效果图(图中,A为温度响应曲线,B为负荷曲线,C为阀门开度曲线)。
图3为常规方法控制效果图(图中,A为温度响应曲线,B为负荷曲线,C为阀门开度曲线)。
具体实施方式
下面结合说明书附图和具体实施方式对本发明作进一步说明。
一、预测函数控制简化方法
针对工业中典型一阶加纯迟延对象,预测函数控制器的预测模型选为一阶加迟延对象即
当采用阶跃函数时有
u(k+i)=u(k),i=1,2...P-1 (2)
若采样周期为Ts,设D=Td/Ts,可得如下表达式:
ypav(k)=y(k)+ym(k)-ym(k-D) (3)
对象为一阶加纯滞后的PFC的控制输出为
在上式中,TR为参考轨迹时间常数,p为预测时域优化长度,为指数系数。
本发明将(4)式中优化控制律简化为如下形式:
在式(5)中,b为参考轨迹预测调整系数,a为控制预测调整系数,均为乘数系数,y(k)为实际被控对象的输出。在调整控制系统品质时,只需调整预测调整系数a和b,便可获得良好的控制品质。
二、简化PFC串级控制系统设计
在PFC控制算法应用于工程时,首先需要将输入信号进行增量式处理,再根据式(5)设计PFC简化控制算法;对于串级控制系统还需要设计抗积分饱和回路以及一些无扰跟踪回路等,具体的系统原理图如图1所示。
在图1中,给出了简化PFC串级算法的设计结构形式,具体设计步骤如下:
1)被控对象的模型获取
一般采取特性试验的方法来获取对象的数学模型,因为采取的是串级控制系统,对象数学模型是包含整个内回路的广义对象,一般获得的模型结构为一阶加迟延的形式,如式(6)所示:
模型中的参数为Km、Tm和Td。
2)参数计算
按照公式(5)计算最优控制律,其中需要计算参数αm和β,首先需要选取采样周期Ts,对象惯性和迟延越大,可选取的采样周期越大,对于汽温控制系统一般采样周期选在4-6秒之间;其次需要选定参考轨迹时间常数,一般选在10-20秒之间。选定采样周期Ts后,按照如下公式计算参数αm和β:
3)预测调整系数整定
按照公式(5)计算最优控制律,需要整定参考轨迹预测调整系数b和控制预测调整系数a。通过现场阶跃扰动试验可以进行控制器参数调整,当参考轨迹预测调整系数b过大时,系统响应变快但是会出现系统震荡或不稳定的现象,当b过小时系统响应变慢;当控制预测调整系数a过大时,系统响应变慢但是鲁棒性增大,当a过小时系统响应变快但是鲁棒性较差。
三、实际应用
将本发明应用于某电厂1000MW超超临界机组中,当负荷指令按10MW/min速率变化,机组处于AGC状态时,获得的主汽温响应曲线如图2所示。
在图2中,实际负荷由500MW变化到720MW,主汽温度控制在在+2/-2℃以内,而且整个AGC过程主汽温度比较平稳。
为获得对比效果,按常规方法,当负荷指令按10MW/min速率变化时,机组处于AGC状态时,获得的主汽温响应曲线如图3所示。
在图3中,实际负荷由705MW变化到500MW,主汽温度控制在+8/-6℃左右,而且整个AGC过程主汽温度波动幅度较大,影响到了机组的稳定运行。
Claims (2)
1.火电机组预测函数控制简化方法,其特征在于,在常规PFC最优控制律的基础上,将指数系数简化为乘数系数,将预测时域优化长度简化为预测调整系数,将修正后的被控对象输出简化为实际被控对象输出;
预测函数控制所用的预测模型选用一阶加迟延对象,即为:
式中,Km为模型增益,Tm为模型惯性时间,Td为模型纯迟延时间,s为积分因子;
当采用阶跃函数时有:
u(k+i)=u(k),i=1,2...P-1,
上式中,k表示采样时刻,P表示预测时域步长;
若采样周期为Ts,设D=Td/Ts,得如下表达式:
ypav(k)=y(k)+ym(k)-ym(k-D),
上式中,y为实际被控量,ym为模型输出,ypav为修正后被控量;
对象为一阶加纯滞后的PFC的优化控制律为:
上式中,c为设定值,TR为参考轨迹时间常数,p为预测时域优化长度,为指数系数,u为优化控制量;
将上式中的优化控制律简化为如下形式:
上式中,b为参考轨迹预测调整系数,a为控制预测调整系数,均为乘数系数,y(k)为实际被控对象的输出。
2.权利要求1所述火电机组预测函数控制简化方法的应用,其特征在于,
将火电机组预测函数控制简化方法应用于串级控制系统,形成增量式PFC串级控制工程应用算法,其设计过程包括信号的增量式处理、设计简化PFC控制回路、抗积分饱和的处理和无扰跟踪,简化PFC控制回路即为应用所述预测函数控制简化方法的控制回路。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611065502.8A CN106773675B (zh) | 2016-11-28 | 2016-11-28 | 火电机组预测函数控制简化方法及其应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611065502.8A CN106773675B (zh) | 2016-11-28 | 2016-11-28 | 火电机组预测函数控制简化方法及其应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106773675A CN106773675A (zh) | 2017-05-31 |
CN106773675B true CN106773675B (zh) | 2019-05-28 |
Family
ID=58904668
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611065502.8A Active CN106773675B (zh) | 2016-11-28 | 2016-11-28 | 火电机组预测函数控制简化方法及其应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106773675B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108333947B (zh) * | 2018-03-07 | 2021-08-27 | 国网浙江省电力有限公司电力科学研究院 | 基于智能寻优的单调整系数预测函数控制参数整定方法 |
CN108333948B (zh) * | 2018-03-07 | 2020-12-18 | 国网浙江省电力有限公司电力科学研究院 | 一种单步乘数型预测函数控制设计方法 |
CN108445754B (zh) * | 2018-03-07 | 2021-09-21 | 国网浙江省电力有限公司电力科学研究院 | 单调整系数预测函数控制设计方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101893232B (zh) * | 2010-06-24 | 2012-02-01 | 东南大学 | 火电机组再热汽温改进受限广义预测控制方法 |
JP5834759B2 (ja) * | 2011-02-28 | 2015-12-24 | 富士通株式会社 | 行列生成プログラム、方法及び装置、並びにプラント制御プログラム、方法及び装置 |
CN102707743B (zh) * | 2012-05-30 | 2014-07-23 | 广东电网公司电力科学研究院 | 基于多变量预测控制的超超临界机组汽温控制方法及系统 |
CN103676651B (zh) * | 2013-12-02 | 2018-03-06 | 国家电网公司 | 基于状态观测模型的锅炉汽温预测控制方法 |
-
2016
- 2016-11-28 CN CN201611065502.8A patent/CN106773675B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106773675A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103225799B (zh) | 一种火电厂主蒸汽温度控制方法 | |
CN107168055B (zh) | 一种基于多变量预测控制的氨法脱硫优化控制方法 | |
CN106773675B (zh) | 火电机组预测函数控制简化方法及其应用 | |
CN102401371B (zh) | 一种基于多变量预测控制的再热汽温优化控制方法 | |
Aravind et al. | Modelling and simulation of non linear tank | |
CN101509656B (zh) | 一种超临界直流炉综合型协调控制方法 | |
CN104089270A (zh) | 一种发电机组锅炉负荷控制优化调整试验方法 | |
CN104122797A (zh) | 一种新型火电机组负荷多变量预测控制方法 | |
CN102607006B (zh) | 一种抗积分饱和及智能积分的锅炉汽温控制方法 | |
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 | |
Kumar et al. | Cascaded PID controller design for heating furnace temperature control | |
CN104199299B (zh) | 燃气轮机负荷调节性能的多变量受限广义预测控制方法 | |
CN109506028A (zh) | 一种压力调节阀的快速随动控制算法 | |
Kocaarslan et al. | A fuzzy logic controller application for thermal power plants | |
CN104712378A (zh) | 火电机组主蒸汽压力闭环节能控制方法和系统 | |
CN105929695B (zh) | 一种基于扰动模型的脱硝控制系统广义预测控制方法 | |
CN108549231A (zh) | 一种融合供热抽汽调节的热电联产机组的协调控制方法 | |
CN114326387A (zh) | 一种火电机组脱硝控制装置及控制方法 | |
CN103032869B (zh) | 超临界机组汽温观测优化控制方法 | |
CN113094896B (zh) | 一种电厂供热机组优化控制方法 | |
Liu et al. | Model‐Free Adaptive Control of pH Value of Wet Desulfurization Slurry under Switching of Multiple Working Conditions | |
CN102455718A (zh) | 一种催化剂生产装置中的温度控制系统及其方法和应用 | |
CN110262221B (zh) | 一种热工过程中对象的pid控制器参数控制方法 | |
CN106647261B (zh) | 一种基于导前扰动模型的火电机组汽温预测函数控制算法 | |
CN101364082A (zh) | 工业过程的仿人pid智能控制方法 |
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 |