CN106842955A - 带烟气量扰动抑制的燃烧后co2捕集系统预测控制方法 - Google Patents

Abstract

本发明公开了一种带烟气量扰动抑制的燃烧后CO₂捕集系统预测控制方法，该预测控制方法以基于化学吸附的燃烧后CO₂捕集系统为被控对象，贫液流量和汽轮机低压缸抽汽量为系统控制输入量，CO₂捕集率和再沸器温度为系统输出量，以火电厂烟气流量为扰动信号，基于子空间辨识方法，利用系统运行产生的数据建立预测器，在此基础上建立带烟气量扰动抑制的燃烧后CO₂捕集系统预测控制方法。本发明方法在保有预测控制所有优点的前提下大幅提高系统主动克服烟气量扰动的能力，从而进一步提高CO₂捕集系统对电站变负荷运行的适应性和灵活性。

Description

带烟气量扰动抑制的燃烧后CO2捕集系统预测控制方法

技术领域

本发明涉及一种带烟气量扰动抑制的燃烧后CO₂捕集系统预测控制方法，属于预测控制方法技术领域。

背景技术

随着温室效应及相关气候生态问题的日益严峻，减排CO₂已成为国际社会应对气候变化的关键举措。作为电力供应的主要设备，火电机组是CO₂最稳定、最集中的排放源，世界30％-40％，我国40％～50％的CO₂排放来自于火电机组。在积极发展新能源技术、努力提高火电机组发电效率的同时，火电机组CO₂捕集被众多权威机构公认为未来30年内实现大规模CO₂减排最直接有效的技术手段。

在现有火电机组CO₂捕集技术中，基于化学吸收法的燃烧后CO₂捕集技术直接从电厂燃烧后的烟气中分离CO₂，具有对已有机组优秀的继承性和较好的技术适用性，是当前CO₂捕集电站采用的主流技术。由于CO₂的吸附和解析涉及到一系列化学反应，燃烧后CO₂捕集系统存在很大的惯性，导致传统控制方法往往难以取得满意的控制效果。近年来预测控制算法在CO₂捕集应用中取得一定成效，然而随着火电站变负荷运行参与电网调峰日益频繁，CO₂捕集系统常规预测控制算法在应对烟气流量等扰动时，由于缺乏对烟气信号的利用，控制效果并不理想。目前CO₂捕集系统预测控制器单纯考虑解决系统约束、惯性和耦合问题，未考虑利用可获取的烟气信号主动抗干扰。因此一种在燃烧后CO₂捕集系统中加入对烟气信号利用的预测控制算法的开发很有必要。

发明内容

发明目的：本发明所要解决的技术问题是提供一种带烟气量扰动抑制的燃烧后CO₂捕集系统预测控制方法，该预测控制方法通过利用烟气量信号，提高了CO₂捕集系统的调节品质，改善了其对火电机组变负荷运行的适应性。

本发明还要解决的技术问题是提供上述带烟气量扰动抑制的燃烧后CO₂捕集系统预测控制方法在火电机组燃烧后CO₂捕集系统方面的应用。

发明内容：为解决上述技术问题，本发明所采用的技术手段为：

带烟气量扰动抑制的燃烧后CO₂捕集系统预测控制方法，该预测控制方法以基于化学吸附的燃烧后CO₂捕集系统为被控对象，贫液流量和汽轮机低压缸抽汽量为系统控制输入量，CO₂捕集率和再沸器温度为系统输出量，以火电厂烟气流量为扰动信号，基于子空间辨识方法，利用系统运行产生的数据建立预测器，在此基础上建立带烟气量扰动抑制的燃烧后CO₂捕集系统预测控制方法。

上述带烟气量扰动抑制的燃烧后CO₂捕集系统预测控制方法，具体包括如下步骤：

步骤1，(离线准备)火电厂变负荷运行，生成的烟气量d处于变动状态，将CO₂捕集系统切换到手动状态，以贫液流量阀门开度u_a和汽轮机低压缸抽汽阀门开度信号u_b为输入，对CO₂捕集系统进行激励，获取CO₂捕集率y_a和再沸器温度y_b的开环响应数据；

步骤2，(离线准备)选定采样周期Ts，以为扩增输入，为输出，利用子空间辨识方法，构建带烟气量扰动信号的CO₂捕集系统子空间预测矩阵l_w，l_u；

步骤3，(在线运行)每一采样时刻，通过当下的烟气量，预估在未来一定时间内系统的CO₂捕集率和再沸器温度通过优化计算得到最优的贫液流量阀门开度u_a-op和汽轮机低压缸抽汽阀门开度信号u_b-op，将其用于CO₂捕集系统。

其中，步骤2中，构建带烟气量扰动信号的CO₂捕集系统子空间预测矩阵l_w，l_u，具体步骤为：

步骤A：将连续获得的从第0时刻到第2N+j-2时刻的输出数据Y和扩增输入数据分别排列为Hankel矩阵形式：

其中，N为矩阵行数，N大于CO₂捕集系统阶次，j为矩阵列数，Y和分别表示输出与扩增输入数据组成的Hankel矩阵，Y^f和Y^p分别表示输出数据的未来数据和过去数据，和分别表示扩增输入数据的未来数据和过去数据，y_i表示第j个输出数据，表示第j个扩增输入数据；

步骤B：令对如下矩阵进行QR分解：

获得矩阵L：

步骤C：从而获得矩阵L_w＝L(：，1：N(m+l))，L_u＝L(：，N(m+l)+1：end)，m为输入变量维数，l为输出变量维数，L(：，1：N(m+l))表示矩阵L的前N(m+l)列，L(：，N(m+l)+1：end)表示矩阵L自第N(m+l)+1列之后的所有列；

步骤D：最后得到子空间预测矩阵l_w＝L_w(1：l，：)，lu＝L_u(1：l，1：m)。

其中，步骤3中，采用如下公式预估在未来一段时间内系统的CO₂捕集率和再沸器温度

其中，为CO₂捕集系统过去N个时刻的输出和扩增输入数据组合，

为CO₂捕集系统过去N个时刻的扩增输入数据，

为未来N₂个时刻的扩增输入数据，

采用如下公式计算性能指标函数J：

其中，Q_f和R_f是调节输入输出控制品质的权值矩阵，

r_f是未来N₁时刻系统CO₂捕集率和再沸器温度设定值序列，

分别表示k+1时刻到k+N₁时刻系统CO₂捕集率r_a和再沸器温度r_b设定值，

是未来N₁时刻系统CO₂捕集率和再沸器温度预估值序列，

分别表示k+1时刻到k+N₁时刻系统CO₂捕集率y_a和再沸器温度y_b预估值，

Δu_f是未来N₂时刻的贫液流量阀门开度信号u_a和低压缸抽汽阀门开度信号u_b序列的增量，其中

CO2捕集系统贫液流量阀门和低压缸抽汽阀门开度信号u的幅值约束(u_min，u_max)和增量约束(Δu_min，Δu_max)为：

其中，u_min，u_max分别表示贫液流量阀门和低压缸抽汽阀门开度信号u的最小值与最大值，Δu_min，Δu_max分别表示贫液流量阀门和低压缸抽汽阀门开度信号u的最小增量与最大增量；

每一采样时刻，将公式(1)代入公式(2)，并在满足公式(3)和(4)的情况下最小化性能指标函数J，得到最优的控制增量序列Δu_f：

提取最优控制增量序列Δu_f中的第一块增量Δu_k+1，并与当前时刻的控制作用u_k相加，得到算最优的贫液流量阀门和低压缸抽汽阀门开度信号

u_op＝u_k+Δu_k+1。

上述带烟气量扰动抑制的燃烧后CO₂捕集系统预测控制方法在火电机组燃烧后CO₂捕集系统方面的应用。

其中，步骤2中，采样周期T_s可以用经验规则T95/T_s＝5～15来选取，其中T95为过渡过程上升到95％的调节时间；步骤3中，预测控制参数Q_f、R_f、N₁、N₂可以根据实际控制过程中的性能品质、计算时间等因素人为选取。

本发明带烟气量扰动抑制的燃烧后CO₂捕集系统预测控制方法充分利用火电厂生成烟气流量信号，运用预测控制思想，每一步进行一次优化求解获得系统运行最佳输入信号：贫液流量阀门开度和低压缸抽汽阀门开度。仿真结果表明，本发明中的算法相比一般的预测控制算法能够更加有效地抑制烟气量扰动的影响，维持CO₂捕集率和再沸器温度在设定值附近。

相比于现有技术，本发明技术方案具有的有益效果为：

本发明的预测控制方法具有良好的抗烟气量干扰能力，能够保证预测控制最优性能的前提下，迅速消除烟气扰动对系统的影响，应用于火电站燃烧后CO₂捕集系统能够有效抑制烟气量干扰，确保CO₂捕集率和再沸器温度在设定值附近；当无烟气量扰动时，本发明比普通预测控制算法具有更好的设定值跟踪和调节性能；此外，由于本发明预测控制完全基于数据，从而可以有效避免普通预测控制繁琐的建模过程和建模误差的影响；最后，本发明预测控制方法总体提高了燃烧后CO₂捕集系统的运行水平和对电厂负荷变动的适应性。

附图说明

图1为本发明预测控制方法的原理流程图；

图2为本发明预测控制(实线)与常规比例积分微分控制(虚线)在CO₂捕集率设定值阶跃变化下的控制效果对比图(点划线为设定值)；

图3为本发明预测控制(实线)与一般预测控制(虚线)在烟气流量变化下的控制效果对比图(点划线为设定值)。

具体实施方式

根据下述实施例，可以更好地理解本发明。然而，本领域的技术人员容易理解，实施例所描述的内容仅用于说明本发明，而不应当也不会限制权利要求书中所详细描述的本发明。

将本发明的预测控制方法应用于某1MW火电机组燃烧后CO₂捕集系统系统仿真模型中，控制的目标是在满足输入约束的条件下，使CO₂捕集率和再沸器温度跟踪设定值。

本发明的带烟气量扰动抑制的燃烧后CO₂捕集系统预测控制方法，基于子空间辨识方法，利用系统输入输出和烟气量数据，预估系统在未来一段时间内的性能，在不破坏预测控制原有设计框架的前提下主动抑制烟气量扰动作用，算法在无扰情况下，与普通预测控制器具有更优的设定值跟踪和调节能力，本发明总体提高了CO₂捕集系统的控制品质，增强了其对火电厂负荷变动的适应性。

如图1所示，本发明的带烟气量扰动抑制的燃烧后CO₂捕集系统预测控制方法，具体包括如下步骤：

步骤1，在火电厂变负荷运行，生成烟气量d变动的状态下，设计30秒变化一次，持续30000秒的贫液流量阀门开度信号u_a和汽机低压缸抽汽阀门开度信号u_b，对系统进行激励，获取一系列CO₂捕集率y_a和再沸器温度y_b的开环响应数据；

步骤2，选定采样周期T_s＝30s，以为扩增输入，为输出，利用子空间辨识方法，构建带烟气量扰动信号的CO₂捕集系统子空间预测矩阵l_w，l_u，具体步骤为：

A：将连续获得的1000组输出数据Y和扩增输入数据分别排列为Hankel矩阵形式(2N+j-2＝1000)：

其中，N为矩阵行数，取N＝10；j为矩阵列数，在硬件条件允许的情况下越大越好，Y和分别表示输出与扩增输入数据组成的Hankel矩阵，Y^f和Y^p分别表示输出数据的未来数据和过去数据，和分别表示扩增输入数据的未来数据和过去数据，y_j表示第j个输出数据，表示第j个扩增输入数据，上标f和p分别表示未来和过去，下标0，1，...，2N+j-2表示数据的个数；

B；令对如下矩阵进行QR分解：

获得矩阵L，

C：获得矩阵L_w＝L(：，1：N(m+l))，Lu＝L(：，N(m+l)+1：end)，m＝3，m为扩增输入变量维数，l＝2，l为输入输出变量维数，L(：，1：N(m+l))表示L的前N(m+l)列，L(：，N(m+l)+1：end)表示L自第N(m+l)+1列之后的所有列；

D：子空间矩阵l_w＝L_w(1：l，：)，l_u＝L_u(1：l，1：m)；

步骤3，每一采样时刻，预估在当前烟气量下，在未来一定时间内系统的CO₂捕集率和再沸器温度

其中，为CO2捕集系统过去N个时刻的输出和扩增输入数据组合，

为CO₂捕集系统过去N个时刻的扩增输入数据，为未来N₂个时刻的扩增输入数据，本例中取N₂＝10；

步骤4，贫液流量阀门开度u_a-op和汽机低压缸抽汽阀门开度信号u_b-op，取式(2)性能指标函数式：

其中，是调节输入输出控制品质的权值矩阵，r_f是未来N₁时刻系统CO2捕集率和再沸器温度设定值序列，

分别表示k+1时刻到k+N₁时刻系统CO₂捕集率r_a和再沸器温度r_b设定值，

是未来N₁时刻系统CO₂捕集率和再沸器温度预估值序列，

分别表示k+1时刻到k+N₁时刻系统CO₂捕集率y_a和再沸器温度y_b预估值，可由式(1)描述，取N₁＝10；Δu_f是未来N₂时刻的贫液流量阀门开度信号和低压缸抽汽阀门开度信号序列的增量，其中

考虑CO₂捕集系统阀门开度信号的幅值约束(u_min＝[0 0]^T，u_max＝[0.8 0.08]^T)和增量约束(Δu_min＝[-0.007/s -0.006/s]^T，Δu_max＝[0.007/s 0.006/s]^T)：

每一采样时刻，将(1)代入性能指标式(2)，并在满足约束(3)和(4)的情况下最小化(2)，得到最优的控制增量序列输入增量提取最优控制增量序列Δu_f计中的第一块Δu_k+1，并与当前时刻的控制作用u_k相加，计算最优的贫液流量阀门和低压缸抽汽阀门开度信号

u_op＝u_k+Δu_k+1 (5)

并将其施加于燃烧后CO₂捕集系统；

步骤5，固定用于预估系统未来输出的子空间矩阵l_w和l_u，重复步骤3～4以实现连续控制。

本实施例为了比较本发明中的带烟气量扰动抑制的燃烧后CO₂捕集系统预测控制方法、常规比例积分微分控制方法和一般预测控制方法的控制效果，做了两组仿真试验：仿真实验1，CO₂捕集系统初始捕集率稳定于0.65，在t＝600s和3600s，CO₂捕集率设定值从0.65分别变化为0.85和0.75，再沸器温度设定值保持在384K不变；仿真实验2，CO₂捕集系统初始捕集率稳定于0.85，在t＝50s，火电厂生成烟气流量从0.13kg/s变化为0.16kg/s。

如图2、3所示，在无烟气量变化时，CO₂捕集率设定值阶跃增加或减小情况下，本发明对燃烧后CO₂捕集系统的优化控制效果曲线明显优于常规比例加积分控制器，具有满意的设定值跟踪和调节能力。当烟气量扰动发生时，本发明的优化控制方法可以消除扰动的影响，将CO₂捕集率和再沸器温度维持在设定值上，同时相比常规扰动抑制预测控制，具有更快速平稳的扰动抑制效果且无稳态偏差，提高了CO₂捕集系统的运行品质以及对火电厂变负荷运行的适应性。

本发明烟气量扰动抑制的燃烧后CO₂捕集系统预测控制方法，利用可测得的火电厂生成烟气流量，建立可以反映烟气量对捕集系统运行影响的高品质预估器，并在此基础上设计预测控制器，在保有预测控制所有优点的前提下大幅提高系统主动克服烟气量扰动的能力，从而进一步提高CO₂捕集系统对电站变负荷运行的适应性和灵活性。

显然，上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而这些属于本发明的精神所引伸出的显而易见的变化或变动仍处于本发明的保护范围之中。

Claims (5)

1.带烟气量扰动抑制的燃烧后CO₂捕集系统预测控制方法，其特征在于：该预测控制方法以基于化学吸附的燃烧后CO₂捕集系统为被控对象，贫液流量和汽轮机低压缸抽汽量为系统控制输入量，CO₂捕集率和再沸器温度为系统输出量，以火电厂烟气流量为扰动信号，基于子空间辨识方法，利用系统运行产生的数据建立预测器，在此基础上建立带烟气量扰动抑制的燃烧后CO₂捕集系统预测控制方法。

2.根据权利要求1所述的带烟气量扰动抑制的燃烧后CO₂捕集系统预测控制方法，其特征在于，具体包括如下步骤：

步骤1，火电厂变负荷运行，生成的烟气量d处于变动状态，将CO₂捕集系统切换到手动状态，以贫液流量阀门开度u_a和汽轮机低压缸抽汽阀门开度信号u_b为输入，对CO₂捕集系统进行激励，获取CO₂捕集率y_a和再沸器温度y_b的开环响应数据；

步骤2，选定采样周期Ts，以为扩增输入，为输出，利用子空间辨识方法，构建带烟气量扰动信号的CO₂捕集系统子空间预测矩阵l_w，l_u；

步骤3，每一采样时刻，通过当下的烟气量，预估在未来一定时间内系统的CO₂捕集率和再沸器温度通过优化计算得到最优的贫液流量阀门开度u_a-op和汽轮机低压缸抽汽阀门开度信号u_b-op，将其用于CO₂捕集系统。

3.根据权利要求2所述的带烟气量扰动抑制的燃烧后CO₂捕集系统预测控制方法，其特征在于：步骤2中，构建带烟气量扰动信号的CO₂捕集系统子空间预测矩阵l_w，l_u，具体步骤为：

步骤A：将连续获得的从第0时刻到第2N+j-2时刻的输出数据Y和扩增输入数据分别排列为Hankel矩阵形式：

$Y=\[\frac{Y^p}{Y^f}\]=\[\frac{\begin{array}{cccc}{y}_0& y_1& \mathrm{...}& y_{j-1}\\ y_1& y_2& \mathrm{...}& y_j\\ \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}\\ y_{N-1}& y_N& \mathrm{...}& y_{N+j-2}\end{array}}{\begin{array}{cccc}{y}_N& y_{N+1}& \mathrm{...}& y_{N+j-1}\\ y_{N+1}& y_{N+2}& \mathrm{...}& y_{N+j}\\ \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}\\ y_{2N-1}& y_{2N}& \mathrm{...}& y_{2N+j-2}\end{array}}\],$

$\tilde{U}=\[\frac{{\tilde{U}}^p}{{\tilde{U}}^f}\]=\[\frac{\begin{array}{cccc}{\tilde{u}}_0& {\tilde{u}}_1& \mathrm{...}& {\tilde{u}}_{j-1}\\ {\tilde{u}}_1& {\tilde{u}}_2& \mathrm{...}& {\tilde{u}}_j\\ \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}\\ {\tilde{u}}_{N-1}& {\tilde{u}}_N& \mathrm{...}& {\tilde{u}}_{N+j-2}\end{array}}{\begin{array}{cccc}{\tilde{u}}_N& {\tilde{u}}_{N+1}& \mathrm{...}& {\tilde{u}}_{N+j-1}\\ {\tilde{u}}_{N+1}& {\tilde{u}}_{N+2}& \mathrm{...}& {\tilde{u}}_{N+j}\\ \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}\\ {\tilde{u}}_{2N-1}& {\tilde{u}}_{2N}& \mathrm{...}& {\tilde{u}}_{2N+j-2}\end{array}}\],$

其中，N为矩阵行数，N大于CO₂捕集系统阶次，j为矩阵列数，Y和分别表示输出与扩增输入数据组成的Hankel矩阵，Y^f和Y^p分别表示输出数据的未来数据和过去数据，和分别表示扩增输入数据的未来数据和过去数据，y_j表示第j个输出数据，表示第j个扩增输入数据；

步骤B：令对如下矩阵进行QR分解：

$\left[\begin{array}{c}{W}^p\\ {\tilde{U}}^f\\ Y^f\end{array}\right]=\left[\begin{array}{ccc}{R}_{11}& 0& 0\\ R_{21}& R_{22}& 0\\ R_{31}& R_{32}& R_{33}\end{array}\right]\left[\begin{array}{c}{Q}_1\\ Q_2\\ Q_3\end{array}\right],$

获得矩阵L：

步骤C：从而获得矩阵L_w＝L(：，1：N(m+l))，L_u＝L(：，N(m+l)+1：end)，m为输入变量维数，l为输出变量维数，L(：，1：N(m+l))表示矩阵L的前N(m+l)列，L(：，N(m+l)+1：end)表示矩阵L自第N(m+l)+1列之后的所有列；

步骤D：最后得到子空间预测矩阵l_w＝L_w(1：l，：)，l_u＝L_u(1：l，1：m)。

4.根据权利要求2所述的带烟气量扰动抑制的燃烧后CO₂捕集系统预测控制方法，其特征在于：步骤3中，采用公式(1)预估在未来一段时间内系统的CO₂捕集率和再沸器温度

其中，为CO₂捕集系统过去N个时刻的输出和扩增输入数据组合，

为CO₂捕集系统过去N个时刻的扩增输入数据，

为未来N₂个时刻的扩增输入数据，

采用如下公式计算性能指标函数J：

其中，Q_f和R_f是调节输入输出控制品质的权值矩阵，

$Q_f=Q_f^T>0,R_f=R_f^T>0,$

r_f是未来N₁时刻系统CO₂捕集率和再沸器温度设定值序列，

$r_f={\left[\begin{array}{cccc}{r}_{k+1}^T& r_{k+2}^T& \mathrm{...}& r_{k+N_1}^T\end{array}\right]}^T,$

分别表示k+1时刻到k+N₁时刻系统CO₂捕集率r_a和再沸器温度r_b设定值，

是未来N₁时刻系统CO₂捕集率和再沸器温度预估值序列，

${\hat{y}}_f={\left[\begin{array}{cccc}{\hat{y}}_{k+1}^T& {\hat{y}}_{k+2}^T& \mathrm{...}& {\hat{y}}_{k+N_1}^T\end{array}\right]}^T,$

分别表示k+1时刻到k+N₁时刻系统CO₂捕集率y_a和再沸器温度y_b预估值，

Δu_f是未来N₂时刻的贫液流量阀门开度信号u_a和低压缸抽汽阀门开度信号u_b序列的增量，其中

CO2捕集系统贫液流量阀门和低压缸抽汽阀门开度信号u的幅值约束(u_min，u_max)和增量约束(Δu_min，Δu_max)为：

$\left[\begin{array}{c}I\\ I\\ .\\ .\\ .\\ I\end{array}\right]{\mathrm{\Δu}}_{min}\≤{\mathrm{\Δu}}_f\≤\left[\begin{array}{c}I\\ I\\ .\\ .\\ .\\ I\end{array}\right]{\mathrm{\Δu}}_{max}---\left(4\right),$

其中，u_min，u_max分别表示贫液流量阀门和低压缸抽汽阀门开度信号u的最小值与最大值，Δu_min，Δu_max分别表示贫液流量阀门和低压缸抽汽阀门开度信号u的最小增量与最大增量；

每一采样时刻，将公式(1)代入公式(2)，并在满足公式(3)和(4)的情况下最小化性能指标函数J，得到最优的控制增量序列Δu_f：

${\mathrm{\Δu}}_f={\left[\begin{array}{cccc}{\mathrm{\Δu}}_{k+1}^T& {\mathrm{\Δu}}_{k+2}^T& \mathrm{...}& {\mathrm{\Δu}}_{k+N_2}^T\end{array}\right]}^T;$

提取最优控制增量序列Δu_f中的第一块增量Δu_k+1，并与当前时刻的控制作用u_k相加，得到算最优的贫液流量阀门和低压缸抽汽阀门开度信号u_op＝u_k+Δu_k+1。

5.权利要求1所述带烟气量扰动抑制的燃烧后CO₂捕集系统预测控制方法在火电机组燃烧后CO₂捕集系统方面的应用。