CN107065518B - 一种超临界机组协调预测函数控制算法 - Google Patents
一种超临界机组协调预测函数控制算法 Download PDFInfo
- Publication number
- CN107065518B CN107065518B CN201611072612.7A CN201611072612A CN107065518B CN 107065518 B CN107065518 B CN 107065518B CN 201611072612 A CN201611072612 A CN 201611072612A CN 107065518 B CN107065518 B CN 107065518B
- Authority
- CN
- China
- Prior art keywords
- mathematical model
- prediction
- model
- pressure
- temperature
- 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
- 239000003245 coal Substances 0.000 claims abstract description 51
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 25
- 230000001105 regulatory effect Effects 0.000 claims abstract description 10
- 238000013178 mathematical model Methods 0.000 claims description 71
- 238000005457 optimization Methods 0.000 claims description 14
- 238000005070 sampling Methods 0.000 claims description 12
- 239000007983 Tris buffer Substances 0.000 claims description 4
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 101100277795 Arabidopsis thaliana PFC1 gene Proteins 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000013021 overheating Methods 0.000 description 2
- 101000609957 Homo sapiens PTB-containing, cubilin and LRP1-interacting protein Proteins 0.000 description 1
- 101150109471 PID2 gene Proteins 0.000 description 1
- 102100039157 PTB-containing, cubilin and LRP1-interacting protein Human genes 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 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
- G05B13/048—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 using a predictor
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Control Of Steam Boilers And Waste-Gas Boilers (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种超临界机组协调预测函数控制算法。常规PID控制系统很难兼顾到负荷的快速性和压力、温度的稳定性，协调控制系统品质有待提高。本发明将预测函数控制应用于超临界机组协调控制系统的压力闭环回路，形成主汽压力预测函数控制系统；将调门指令和煤量指令作为整个压力系统的扰动信号源；将预测函数控制应用于超临界机组协调控制系统的温度控制回路，形成过热温度预测函数控制系统；将给水指令作为整个温度系统的扰动信号源。本发明提高了超临界机组协调系统的控制品质，兼顾了负荷的快速性和压力、温度的稳定性。
Description
技术领域
本发明涉及超(超)临界火电机组协调控制系统的控制，具体地说是一种基于导前扰动模型的超(超)临界机组协调预测函数控制算法。
背景技术
大型超(超)临界火电机组协调系统对象为具有强耦合的三输入三输出系统，压力控制对象和温度控制对象具有大迟延、大惯性和时变性，响应较慢；负荷控制对象具有快速性，它们之间具有很强的耦合性，构成了一个相互矛盾的统一。
正是由于上述控制对象的数学模型具有强耦合特性，常规PID控制系统很难兼顾到负荷的快速性和压力、温度的稳定性，协调控制系统品质有待提高。
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，提供一种基于导前扰动模型的超临界机组协调预测函数控制算法，以能够更好的适应工况需求和提高控制品质。
为此，本发明采用如下的技术方案：一种超临界机组协调预测函数控制算法，包括如下步骤：
1)将预测函数控制应用于超临界机组协调控制系统的压力闭环回路，形成主汽压力预测函数控制系统；将调门指令和煤量指令作为整个压力系统的扰动信号源，通过调门对压力的数学模型和煤量对压力的数学模型作用于主汽压力 预测函数控制系统，主通道采用给水对压力的数学模型；
根据主汽压力预测函数控制系统的数学模型获得最优控制律，在该最优控制律的基础上进行简化，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，得到简化的最优控制律；
2)将预测函数控制应用于超临界机组协调控制系统的温度控制回路，形成过热温度预测函数控制系统；将给水指令作为整个温度系统的扰动信号源，通过给水对温度的数学模型作用于预测控制系统，主通道采用煤量对温度的数学模型；
根据过热温度预测函数控制系统的数学模型获得最优控制律，在该最优控制律的基础上进行简化，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，得到简化的最优控制律。
锅炉、汽轮机系统可在给定的工况点下简化为一个具有强耦合的三输入三输出系统，其特性函数中都包含了大部分的惯性加迟延环节。本发明将预测函数控制应用于压力控制回路和汽温控制回路等带有迟延惯性环节的系统中，将优化算法应用于超临界机组协调控制系统，得到简化的最优控制律，控制效果证明了本发明算法的优良性能。基于本发明设计出的预测函数控制系统结构简单，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，超临界机组协调控制系统的负荷闭环回路采用PID控制，负荷指令对煤量前馈系统采用基准线加微分的方式，煤量至水量采用惯性迟延方式。
进一步地，步骤1)中，
所述调门对压力的数学模型，用于近似调门对压力特性，其为
式中，Ktm2为模型增益，Ttm2为模型惯性时间，Tdtm2为模型纯迟延时间(s表示积分因子)；
所述煤量对压力的数学模型，用于近似煤量对压力特性，其为
式中，Kbm2为模型增益，Tbm2为模型惯性时间，Tdbm2为模型纯迟延时间；
所述给水对压力的数学模型，用于近似给水对压力特性，其为
式中，Kfm1为模型增益，Tfm1为模型惯性时间，Tdfm1为模型纯迟延时间。
进一步地，步骤1)中，
当采用一个基函数时，有：
u1(k+i)＝u1(k)，i＝1,2,…,H-1；
Bu(k+i)＝Bu(k)，i＝1,2,…,H-1；
Tu(k+i)＝Tu(k)，i＝1,2,…,H-1；
上述各式中，k表示采样时刻，H表示预测时域步长，u1为给水量预测指令，Bu为锅炉煤量指令，Tu为汽机调门控制指令；
各数学模型的预测输出为：
上述各式中，αfm1为数学模型Gfm1(s)差分方程系数，αbm2为数学模型Gbm2(s)差分方程系数，αtm2为数学模型Gtm2(s)差分方程系数；
数学模型的总输出为：
ym(k+H)＝yfm1(k+H)+ybm2(k+H)+ytm2(k+H)，
根据优化指标的极值获得最优控制律为：
上式中，c1为压力设定值，β为系统期望闭环动态特性，y1(k)为被控量实际压力，yfm1(k)为数学模型Gfm1(s)输出，ybm2(k)为数学模型Gbm2(s)输出，ytm2(k)为数学模型Gtm2(s)输出，ypm(k)为yfm1(k)、ybm2(k)和ytm2(k)叠加后的输出， Ts为采样周期，TR为参考轨迹时间常数；
进一步地，步骤1)中的预测调整系数包括参考轨迹预测调整系数b和控制预测调整系数a，简化的最优控制律如下：
调整预测调整系数实现对超临界机组协调对象的优化控制。
进一步地，步骤2)中，
所述给水对温度的数学模型，用于近似给水对温度特性，其为
式中，Km2为模型增益，Tm2为模型惯性时间，Tdm2为模型纯迟延时间；
所述煤量对温度的数学模型，用于近似煤量对温度特性，其为
式中，Km1为模型增益，Tm1为模型惯性时间，Tdm1为模型纯迟延时间。
进一步地，步骤2)中，
当采用一个基函数时，有：
u2(k+i)＝u2(k)，i＝1,2,…,H-1；
fw(k+i)＝fw(k)，i＝1,2,…,H-1；
上述各式中，k表示采样时刻，H表示预测时域步长，u2为给煤量预测指令，fw为锅炉水量指令；
各数学模型的预测输出为：
上述各式中，αm1为数学模型Gm1(s)差分方程系数，αm2为数学模型Gm2(s)差分方程系数；
数学模型的总输出为：
ym(k+H)＝ym1(k+H)+ym2(k+H)，
根据优化指标的极值获得最优控制律为：
上式中，c2为温度设定值，β为系统期望闭环动态特性，y2(k)为被控量实际温度，ym1(k)为数学模型Gm1(s)输出，ym2(k)为数学模型Gm2(s)输出，ym(k)为ym1(k)和ym2(k)叠加后的输出，Ts为采样周期，TR为参考轨迹时间常数；
进一步地，步骤2)中的预测调整系数包括参考轨迹预测调整系数b和控制预测调整系数a，简化的最优控制律如下：
调整预测调整系数实现对超临界机组协调对象的优化控制。
本发明具有以下有益效果：有效缓解了锅炉和汽机之间的耦合作用；保证了煤水之间的匹配，实现了负荷快速响应的同时，温度、压力保持平稳；提高了超(超)临界机组协调系统的控制品质，兼顾了负荷的快速性和压力、温度的稳定性。
附图说明
图1为常规带扰动预测函数控制系统原理图(图中，c为设定值，yr为参考轨迹，u为最优控制量，D为扰动信号源，ym2为扰动模型Gm2(s)输出，ym1为对象模型Gm1(s)输出，ym为模型总输出，y为被控对象输出，W(s)为被控对象传递函数，WD(s)为扰动通道传递函数。)
图2为本发明预测函数控制系统的原理图(图中，c1为压力设定值，yr1为压力参考轨迹，u1为给水量预测指令，c2为温度设定值，yr2为温度参考轨迹，u2为给煤量预测指令，ff为负荷至煤量前馈信号，Bu为锅炉煤量指令，fw为锅炉水量指令，Tu为汽机调门控制指令，ytm2为调门对压力数学模型输出，ybm2为煤量对压力数学模型输出，yfm1为给水对压力数学模型输出，ypm为压力数学模型总输出，y1为实际压力信号,ym2为给水对温度数学模型输出，ym1为煤量对温度数学模型输出，ym为温度数学模型总输出，y2为实际温度信号，y0为实际负荷信号。)
图3为本发明负荷响应曲线(图中A为负荷设定值，B为负荷响应曲线)
图4为本发明压力响应曲线(图中A为压力响应曲线，B为压力设定值)。
图5为本发明温度响应曲线(图中A为温度设定值，B为温度响应曲线)。
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、常规带扰动预测函数控制算法
根据图1，当控制系统的外部扰动信号可测时，可以通过试验确定系统的扰动模型，此时系统具有两个模型，即对象通道模型Gm1(s)和扰动通道模型Gm2(s)，假定均为一阶加迟延模型，即：
当采用一个基函数时，有：
u(k+i)＝u(k)i＝1,2,…,H-1
D(k+i)＝D(k)i＝1,2,…,H-1 (3)
各通道的预测输出为：
模型输出为：
ym(k+H)＝ym1(k+H)+ym2(k+H) (5)
根据优化指标的极值可以获得最优控制律为：
二、超临界机组协调预测函数控制系统设计
对于超(超)临界机组，在锅炉燃烧正常、给水正常和发电机励磁系统正常工作的前提下，锅炉、汽轮机系统可在给定的工况点下简化为一个具有强耦合的三输入三输出系统：
其中：ΔN为机组电功率变化量；ΔP为机前压力变化量；ΔT为机组过热度变化量；Δμ为汽机调门开度变化量；ΔB为煤量变化量；ΔW为给水变化量；根据试验可以确定式(7)中各函数的形式，其中G11可近似为微分环节，G12、G13、G21、G22、G23、G32、G33可近似为惯性加迟延环节。
根据图2，Gtm2是调门对压力的数学模型用来近似调门对压力特性，Gbm2是煤量对压力的数学模型用来近似煤量对压力特性，Gfm1是给水对压力的数学模型用来近似给水对压力特性；Gm2是给水对温度的数学模型用来近似给水对温度特性，Gm1是煤量对温度的数学模型用来近似煤量对温度特性。
本发明为一种基于预测函数系统的超(超)临界机组协调控制算法，其中主汽压力采用预测函数控制PFC1，计算出的控制量u1为给水量预测指令；分离器出口过热温度采用预测函数控制PFC2，计算出的控制量u2为给煤量预测指令。
锅炉主控指令的计算为：通过给水量预测指令u1的反算函数f1(x)计算出对应的煤量，再叠加煤量基准线f2(x)、煤量前馈ff和给煤量预测指令u2计算出总煤量指令Bu；其中煤量基准f2(x)的输入负荷指令叠加压力偏差的PID2修正输出。
给水指令的计算为：煤量基准线f2(x)叠加煤量前馈ff后经惯性环节得出给水量信号，再叠加给水量预测指令u1最终获得给水指令fw。
汽机调门的指令计算为：负荷偏差经控制器PID1后计算获得汽机调门指令。
在主汽压力预测函数控制系统中，将调门指令和煤量指令作为整个压力系统的扰动信号源，通过调门对压力的数学模型和煤量对压力的数学模型作用于预测控制系统，主通道采用给水对压力的数学模型，对照图2可以推导出主汽压力预测函数控制的最优控制律。当控制系统的外部扰动信号可测时，即为调门指令Tu和锅炉主控指令Bu，此时系统具有三个模型，即控制通道模型Gfm1(s)和扰动通道模型Gbm2(s)和Gtm2(s)，假定均为一阶加迟延模型，即：
当采用一个基函数时，有：
u1(k+i)＝u1(k)i＝1,2,…,H-1
Bu(k+i)＝Bu(k)i＝1,2,…,H-1
Tu(k+i)＝Tu(k)i＝1,2,…,H-1 (11)
各通道的预测输出为：
模型总输出为：
ym(k+H)＝yfm1(k+H)+ybm2(k+H)+ytm2(k+H) (13)
根据优化指标的极值可以获得最优控制律为：
本发明在上述最优控制律的基础进行简化设计，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，分别为参考轨迹预测调整系数b和控制预测调整系数a，经简化后设计出的最优控制律如下：
在上式中，Ts为采样周期，TR为参考轨迹时间常数，一般设置为4～12秒；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。
在过热温度预测函数控制回路中，将给水指令作为整个温度系统的扰动信号源，通过给水对温度的数学模型作用于预测控制系统，主通道采用煤量对温 度的数学模型，对照图2可以推导出主汽压力预测函数控制的最优控制律。当控制系统的外部扰动信号可测时，即为给水指令fw，此时系统具有两个模型，即控制通道模型Gm1(s)和扰动通道模型Gm2(s)，假定均为一阶加迟延模型，即：
当采用一个基函数时，有：
u2(k+i)＝u2(k)i＝1,2,…,H-1
fw(k+i)＝fw(k)i＝1,2,…,H-1 (18)
各通道的预测输出为：
模型输出为：
ym(k+H)＝ym1(k+H)+ym2(k+H) (20)
根据优化指标的极值可以获得最优控制律为：
本发明在上述最优控制律的基础进行简化设计，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，分别为参考轨迹预测调整系数b和控制预测调整系数a，经简化后设计出的最优控制律如下：
在上式中，Ts为采样周期，TR为参考轨迹时间常数，一般设置为4～12秒；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。
三、本发明算法控制效果
将本发明的控制算法应用于某1000MW超临界机组协调控制系统，进行仿真研究。根据式(7)协调对象的各传递函数特性为
G31(s)＝0 (25)
汽机主控采用PI控制，比例系数为1，积分系数为0.1；前馈信号采用负荷指令折算的煤量基准信号与微分之和。
采用图2所示的系统，在主汽压力预测函数控制系统中对调门对压力的特性、煤量对压力和给水对压力的特性进行拟合简化，得到等效的一阶加纯迟延对象模型；在过热温度预测函数控制系统中对给水对温度的特性、煤量对温度 的特性进行拟合简化，得到等效的一阶加纯迟延对象模型；
煤量对压力的预测模型为：
调门对压力的预测模型为：
给水对压力的预测模型为：
给水对温度的预测模型为：
煤量对温度的预测模型为：
主汽压力PFC1控制的三个预测模型取为：Kfm1＝0.008，Tfm1＝30，Tdfm1＝80；Kbm2＝0.012，Tbm2＝500，Tdbm2＝200；Ktm2＝-0.35，Ttm2＝85，Tdtm2＝20；PFC 1采用一个基函数，采样周期设置为6，参考轨迹时间常数12，参考轨迹预测调整系数12，控制预测调整系数2.5。过热温度PFC2控制的两个预测模型取为：Km1＝0.5，Tm1＝500，Tdm1＝240；Km2＝-0.2，Tm2＝90，Tdm2＝120。PFC采用一个基函数，采样周期设置为6，参考轨迹时间常数10，参考轨迹预测调整系数4，控制预测调整系数4；进行控制系统负荷变动实验，将负荷指令变化260MW获得的负荷和压力控制响应曲线如图3、图4、图5所示：图3中负荷偏差在±2MW以内，图4中压力偏差在+0.1/-0.2MPa以内，图5中温度偏差在+2.5/-1℃以内。
Claims (5)
1.一种超临界机组协调预测函数控制算法，其特征在于，包括如下步骤：
1)将预测函数控制应用于超临界机组协调控制系统的压力闭环回路，形成主汽压力预测函数控制系统；将调门指令和煤量指令作为整个压力系统的扰动信号源，通过调门对压力的数学模型和煤量对压力的数学模型作用于主汽压力预测函数控制系统，主通道采用给水对压力的数学模型；
根据主汽压力预测函数控制系统的数学模型获得最优控制律，在该最优控制律的基础上进行简化，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，得到简化的最优控制律；
2)将预测函数控制应用于超临界机组协调控制系统的温度控制回路，形成过热温度预测函数控制系统；将给水指令作为整个温度系统的扰动信号源，通过给水对温度的数学模型作用于预测控制系统，主通道采用煤量对温度的数学模型；
根据过热温度预测函数控制系统的数学模型获得最优控制律，在该最优控制律的基础上进行简化，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，得到简化的最优控制律；
步骤1)中，所述调门对压力的数学模型，用于近似调门对压力特性，其为
式中，Ktm2为模型增益，Ttm2为模型惯性时间，Tdtm2为模型纯迟延时间；
所述煤量对压力的数学模型，用于近似煤量对压力特性，其为：
式中，Kbm2为模型增益，Tbm2为模型惯性时间，Tdbm2为模型纯迟延时间；
所述给水对压力的数学模型，用于近似给水对压力特性，其为：
式中，Kfm1为模型增益，Tfm1为模型惯性时间，Tdfm1为模型纯迟延时间；
步骤1)中，当采用一个基函数时，有：
u1(k+i)＝u1(k)，i＝1,2,…,H-1；
Bu(k+i)＝Bu(k)，i＝1,2,…,H-1；
Tu(k+i)＝Tu(k)，i＝1,2,…,H-1；
上述各式中，k表示采样时刻，H表示预测时域步长，u1为给水量预测指令，Bu为锅炉煤量指令，Tu为汽机调门控制指令；
各数学模型的预测输出为：
上述各式中，αfm1为数学模型Gfm1(s)差分方程系数，αbm2为数学模型Gbm2(s)差分方程系数，αtm2为数学模型Gtm2(s)差分方程系数；
数学模型的总输出为：
ym(k+H)＝yfm1(k+H)+ybm2(k+H)+ytm2(k+H)，
根据优化指标的极值获得最优控制律为：
上式中，c1为压力设定值，β为系统期望闭环动态特性，y1(k)为被控量实际压力，yfm1(k)为数学模型Gfm1(s)输出，ybm2(k)为数学模型Gbm2(s)输出，ytm2(k)为数学模型Gtm2(s)输出，ypm(k)为yfm1(k)、ybm2(k)和ytm2(k)叠加后的输出，Ts为采样周期，TR为参考轨迹时间常数；
步骤1)中的预测调整系数包括参考轨迹预测调整系数b和控制预测调整系数a，简化的最优控制律如下：
2.根据权利要求1所述的超临界机组协调预测函数控制算法，其特征在于，
超临界机组协调控制系统的负荷闭环回路采用PID控制，负荷指令对煤量前馈系统采用基准线加微分的方式，煤量至水量采用惯性迟延方式。
3.根据权利要求1或2所述的超临界机组协调预测函数控制算法，其特征在于，步骤2)中，
所述给水对温度的数学模型，用于近似给水对温度特性，其为
式中，Km2为模型增益，Tm2为模型惯性时间，Tdm2为模型纯迟延时间；
所述煤量对温度的数学模型，用于近似煤量对温度特性，其为
式中，Km1为模型增益，Tm1为模型惯性时间，Tdm1为模型纯迟延时间。
4.根据权利要求3所述的超临界机组协调预测函数控制算法，其特征在于，步骤2)中，
当采用一个基函数时，有：
u2(k+i)＝u2(k)，i＝1,2,…,H-1；
fw(k+i)＝fw(k)，i＝1,2,…,H-1；
上述各式中，k表示采样时刻，H表示预测时域步长，u2为给煤量预测指令，fw为锅炉水量指令；
各数学模型的预测输出为：
上述各式中，αm1为数学模型Gm1(s)差分方程系数，αm2为数学模型Gm2(s)差分方程系数；
数学模型的总输出为：
ym(k+H)＝ym1(k+H)+ym2(k+H)，
根据优化指标的极值获得最优控制律为：
上式中，c2为温度设定值，β为系统期望闭环动态特性，y2(k)为被控量实际温度，ym1(k)为数学模型Gm1(s)输出，ym2(k)为数学模型Gm2(s)输出，ym(k)为ym1(k)和ym2(k)叠加后的输出，Ts为采样周期，TR为参考轨迹时间常数；
5.根据权利要求4所述的超临界机组协调预测函数控制算法，其特征在于，步骤2)中的预测调整系数包括参考轨迹预测调整系数b和控制预测调整系数a，简化的最优控制律如下：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611072612.7A CN107065518B (zh) | 2016-11-28 | 2016-11-28 | 一种超临界机组协调预测函数控制算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611072612.7A CN107065518B (zh) | 2016-11-28 | 2016-11-28 | 一种超临界机组协调预测函数控制算法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107065518A CN107065518A (zh) | 2017-08-18 |
| CN107065518B true CN107065518B (zh) | 2019-12-24 |
Family
ID=59619451
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611072612.7A Active CN107065518B (zh) | 2016-11-28 | 2016-11-28 | 一种超临界机组协调预测函数控制算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107065518B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN108717260B (zh) * | 2018-03-07 | 2021-05-18 | 国网浙江省电力有限公司电力科学研究院 | 基于单调整系数的带扰动预测函数控制设计方法 |
| 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 |
| CN109407545B (zh) * | 2018-09-21 | 2021-09-28 | 南京国电南自维美德自动化有限公司 | 超超临界二次再热火电机组协调控制非嵌入式仿真方法 |
| CN111443681B (zh) * | 2020-05-29 | 2021-05-11 | 聊城信源集团有限公司 | 超临界火电机组协调控制系统多模型预测控制设计方法 |
| CN112947048B (zh) * | 2021-01-28 | 2023-08-04 | 国网湖南省电力有限公司 | 一种多变量耦合控制系统的控制方法、系统及介质 |
| CN114985501B (zh) * | 2022-08-01 | 2022-10-21 | 天津赛象科技股份有限公司 | 一种多规格钢丝圈加工生产线 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102608911A (zh) * | 2012-03-14 | 2012-07-25 | 东南大学 | 一种基于多参数预测的火电机组协调控制方法 |
| CN102707743A (zh) * | 2012-05-30 | 2012-10-03 | 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 |
| CN102841540A (zh) * | 2012-09-10 | 2012-12-26 | 广东电网公司电力科学研究院 | 基于多模型预测控制的超临界机组协调控制方法 |
| CN102841539A (zh) * | 2012-09-10 | 2012-12-26 | 广东电网公司电力科学研究院 | 基于多模型预测控制的亚临界协调控制方法 |
| CN102777879B (zh) * | 2012-07-06 | 2014-04-02 | 广东电网公司电力科学研究院 | 一种火力发电厂超超临界机组的主汽温预测控制方法 |
| CN104181895A (zh) * | 2014-08-28 | 2014-12-03 | 国家电网公司 | 适应新能源接入的短期与超短期协调滚动调度优化策略 |
| 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 |
| CN104656448A (zh) * | 2015-01-16 | 2015-05-27 | 东南大学 | 一种基于解耦和扰动观测的超临界机组预测控制方法 |
| KR101556805B1 (ko) * | 2007-11-13 | 2015-10-01 | 피닉스 바이오테크놀러지 인코포레이티드. | 강심배당체를 사용한 암 화학요법에서 치료 반응의 확률을 측정하는 방법 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8058366B2 (en) * | 2003-10-17 | 2011-11-15 | Univation Technologies, Llc | Polymerization monitoring and method of selecting leading indicators |
-
2016
- 2016-11-28 CN CN201611072612.7A patent/CN107065518B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101556805B1 (ko) * | 2007-11-13 | 2015-10-01 | 피닉스 바이오테크놀러지 인코포레이티드. | 강심배당체를 사용한 암 화학요법에서 치료 반응의 확률을 측정하는 방법 |
| CN102608911A (zh) * | 2012-03-14 | 2012-07-25 | 东南大学 | 一种基于多参数预测的火电机组协调控制方法 |
| CN102707743A (zh) * | 2012-05-30 | 2012-10-03 | 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 |
| CN102777879B (zh) * | 2012-07-06 | 2014-04-02 | 广东电网公司电力科学研究院 | 一种火力发电厂超超临界机组的主汽温预测控制方法 |
| CN102841540A (zh) * | 2012-09-10 | 2012-12-26 | 广东电网公司电力科学研究院 | 基于多模型预测控制的超临界机组协调控制方法 |
| CN102841539A (zh) * | 2012-09-10 | 2012-12-26 | 广东电网公司电力科学研究院 | 基于多模型预测控制的亚临界协调控制方法 |
| CN104181895A (zh) * | 2014-08-28 | 2014-12-03 | 国家电网公司 | 适应新能源接入的短期与超短期协调滚动调度优化策略 |
| 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 |
| CN104656448A (zh) * | 2015-01-16 | 2015-05-27 | 东南大学 | 一种基于解耦和扰动观测的超临界机组预测控制方法 |
Non-Patent Citations (4)
| Title |
|---|
| 超临界机组协调控制系统的预测优化控制;马良玉等;《热力发电》;20140930;第43卷(第9期);第54-59页 * |
| 超临界机组汽温模型预测控制研究;李泉等;《浙江电力》;20161031;第35卷(第10期);第40-42页 * |
| 超临界机组脱硝系统模型预测控制研究;李泉等;《浙江电力》;20161125;第35卷(第11期);第34-36、53页 * |
| 超超临界机组模型辨识及预测控制仿真研究;胡勇等;《计算机仿真》;20140731;第31卷(第7期);第121-126页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107065518A (zh) | 2017-08-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107065518B (zh) | 一种超临界机组协调预测函数控制算法 | |
| CN103225799B (zh) | 一种火电厂主蒸汽温度控制方法 | |
| Sun et al. | Direct energy balance based active disturbance rejection control for coal-fired power plant | |
| CN101431310B (zh) | 循环流化床发电机组的协调控制方法 | |
| CN104089270A (zh) | 一种发电机组锅炉负荷控制优化调整试验方法 | |
| 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 | |
| CN101763035A (zh) | Rbf神经网络整定pid与模糊免疫控制方法 | |
| CN104503502B (zh) | 一种改进型Smith预估主汽温控制结构 | |
| CN106647240B (zh) | 基于导前扰动模型的亚临界机组协调预测函数控制算法 | |
| CN109506028A (zh) | 一种压力调节阀的快速随动控制算法 | |
| CN111413865A (zh) | 一种扰动补偿的单回路过热汽温自抗扰控制方法 | |
| CN111562736A (zh) | 一种超临界机组一次调频动作时锅炉主控控制系统及方法 | |
| CN107102550B (zh) | 一种超超临界火电机组控制分离器温度的预测控制方法 | |
| CN112050189A (zh) | 一种基于精准能量平衡的机组协调优化控制系统 | |
| Han et al. | A L1-LEMPC hierarchical control structure for economic load-tracking of super-critical power plants | |
| Andriyashin et al. | Comparison of PID and MPC control for a boiler room | |
| Sun et al. | DEB-oriented modelling and control of coal-fired power plant | |
| Zhu et al. | Internal model control using LMS filter and its application to superheated steam temperature of power plant | |
| CN107168059A (zh) | 一种基于主汽压力的火电机组预测控制策略 | |
| Ma et al. | Neural network inverse control for the coordinated system of a 600MW supercritical boiler unit | |
| CN116736699B (zh) | 一种含过热汽温的机炉协调系统抗干扰控制方法 | |
| Shu et al. | Load regulation of the heat supply unit assisted by the energy storage in thermal networks via a reference model-based controller | |
| Xiao et al. | Optimal design of boiler drum water level control system | |
| Wan et al. | Study on Control Algorithms for Union Regulating with Different Strength Multiply Actuators |
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 |