CN108227488A - 基于滑模预测控制的超超临界火电机组协调控制方法 - Google Patents
基于滑模预测控制的超超临界火电机组协调控制方法 Download PDFInfo
- Publication number
- CN108227488A CN108227488A CN201711404784.4A CN201711404784A CN108227488A CN 108227488 A CN108227488 A CN 108227488A CN 201711404784 A CN201711404784 A CN 201711404784A CN 108227488 A CN108227488 A CN 108227488A
- Authority
- CN
- China
- Prior art keywords
- steam turbine
- boiler
- control
- represent
- turbine system
- 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
Links
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)
- Control Of Turbines (AREA)
Abstract
本发明提供了一种基于滑模预测控制的超超临界火电机组协调控制方法,包括:步骤1、建立超超临界机组的锅炉‑汽机系统非线性控制模型,并根据机组分布式控制系统历史运行数据滚动辨识模型参数;步骤2、采用输入‑输出反馈线性化方法,实现上述锅炉‑汽机系统的解耦和线性化,得到锅炉‑汽机系统的拟线性模型;步骤3、针对该拟线性模型,构造滑模函数的预测模型,设计离散滑模控制律;步骤4、考虑锅炉‑汽机系统的约束条件,建立滚动时域优化问题,并设计双模控制律;步骤5、确定控制器参数,保证锅炉‑汽机闭环控制系统的稳定性和动态性能。本发明可提高机组协调控制系统的快速跟踪性和鲁棒性,为火电机组的安全经济运行提供技术支撑。
Description
技术领域
本发明涉及超超临界火电机组的协调控制方法,具体地,涉及一种基于输入-输出反馈线性化、离散滑模控制和预测控制等的机组协调控制方法,属于火电控制与优化技 术领域。
背景技术
超超临界燃煤机组由于能源利用效率高、污染物排放相对少的优点得到了电力行业 的重视。为了充分利用可再生能源,越来越多的超超临界机组需要同时参与电网调峰。通过技术进步,改善协调控制品质不仅能提高负荷跟随性能、满足调峰要求,还能提高 机组运行的经济性和安全性,从而延长设备寿命和降低设备检修频率。
超超临界火电机组协调控制的目标是通过调节汽轮机的调门开度、给煤质量流量和 给水质量流量,实现发电功率对负荷指令的快速跟踪,并维持主蒸汽压力和中间点温度在其设定值附近的允许变化范围内。另外,由于机组在大范围变负荷运行条件下的非线 性特性,并考虑实际运行中存在各种干扰和不确定性,协调控制系统需要具备较强的鲁 棒性。
对现有技术的检索发现,王国良等(王国良,阎威武,陈世和,张曦,邵惠鹤.1000MW超超临界机组的多变量约束预测控制.控制理论与应用.29(12):1573-1578,2012)提出了一种基于双层结构的多变量约束预测控制的超超临界机组协调控制方法,该方法根据阶跃响应建立超超临界机组的三输入三输出模型,给出了多变量约束预测控制算法和对约束的处理方法。然而,该方法基于局部工况点所建立的线性模型,无法反映超超临界机 组的全工况非线性特性。目前,实际电厂中大多采用的是串级PID控制+前馈控制的传 统协调控制方式,其控制性能易受外部干扰影响,体现为主蒸汽压力和中间点温度的频 繁波动。因此,在超超临界机组大范围变负荷运行条件下,现有专利技术和常规协调控 制方法均不能同时满足快速性、稳定性和鲁棒性等方面的要求。
发明内容
针对现有技术的缺陷,本发明的目的是提供一种基于滑模预测控制的超超临界火电机组协调控制方法,该方法是在所建立的锅炉-汽机系统非线性模型基础上,采用输 入-输出反馈线性化方法得到一个拟线性模型。针对此解耦的拟线性模型,构造滑模函 数的预测模型,建立多变量约束滚动优化问题,并设计双模控制律。本发明为提高超超 临界火电机组协调控制系统的快速跟踪性和鲁棒性等提供技术支撑。
为实现以上目标,本发明提供一种基于滑模预测控制的超超临界火电机组协调控制方法,该方法包括以下步骤:
步骤一、建立能描述超超临界机组特性的锅炉-汽机系统控制模型,并结合实际机组的DCS(分布式控制系统)历史数据,辨识得到模型参数;所述锅炉-汽机系统控制 模型是非线性控制模型。
定义锅炉-汽机系统的状态变量为x=[Ne,pms,pm,hm,Df]T,操纵变量为u=[μT,μB(t-τ), Dfw]T,输出变量为y=[Ne,pms,hm]T,则锅炉-汽机系统的状态空间模型如下:
其中,表示x的一阶导数;f(x)、g(x)、h(x)分别表示与x有关的非线性函数,表示如 下:
h(x)=[x1 x2 x4]T
模型参数定义如下:
上述中,Ne、pms、pm、hm、Df分别表示发电功率、主蒸汽压力、中间点(汽水分 离器出口)压力和入炉煤的质量流量,μT、μB、Dfw分别表示汽轮机调门开度、给煤质 量流量和给水质量流量,xi表示状态向量x的第i个分量;ρms、ρm分别是主蒸汽和中间 点蒸汽的密度,Vms为过热器的总内体积,hfw为给水比焓,Dat表示减温水的质量流量; Qfg表示炉膛出口烟气携带的能量,Qnet,ar表示燃煤的低位发热量,q4表示机械不完全 燃烧损失;C0是过热器管道惯性阻尼系数,k2、k3、k4、k5为比例系数,可辨识得到;t 表示时间,τ为给煤机延迟时间,Tf和Te分别表示磨煤机和汽机调门的惯性时间常数; c11、c12、c21、c22表示与锅炉-汽机系统状态x相关的四个时变参数,可由机组运行数据 回归得到。
步骤二、在步骤一所述锅炉-汽机系统控制模型(非线性模型)的基础上,采用输入-输出反馈线性化方法进行全局线性化和解耦。
为了满足完全线性化的条件,采用动态拓展的方法:
利用上述重新定义的控制输入w和状态变量x5,可将式(1)所示的锅炉-汽机模型改写如下:
其中:
h(x)=[h1(x) h2(x) h3(x)]T=[x1 x2 x4]T
操纵变量u和重新定义的控制输入w之间的变换关系为:
定义辅助变量z为:
根据式(5),对z求一阶导数得
其中:
定义辅助变量v=[v1,v2,v3]T,引入非线性反馈如下::
w=G-1(x)[v-F(x)] (9)
结合式(4)和式(9),得到如下二阶的拟线性模型:
步骤三、针对步骤二中的式(10)所描述的拟线性模型,构造滑模函数的预测模型,并设计离散滑模控制律,以提高协调控制系统的鲁棒性。
定义由式(1)所描述锅炉-汽机系统的跟踪误差为
e=yr-y
其中:跟踪误差向量e=[e1,e2,e3]T,yr=[yr1,yr2,yr3]T,y=[y1,y2,y3]T,yr和y分别表示锅 炉-汽机系统输出向量的设定值和实际值;e1,e2,e3分别表示跟踪误差向量e的三个分量, yr1,yr2,yr3分别表示锅炉-汽机系统输出设定值向量yr的三个分量,y1,y2,y3分别表示锅炉-汽机系统输出实际值向量y的三个分量。
根据式(10),可得:
设计滑模函数s为
s=ae+ez (12)
其中,ɑ表示滑模函数的系数矩阵。
设计离散滑模控制律如下:
usmc(k+1)=EG-1(x(k))[vsmc(k)-F(x(k))] (13)
其中:
其中:k表示第k次采样时刻,T表示采样周期,δ和ε为大于零的控制器参数矩阵,vsmc(k) 表示辅助变量vsmc的第k次采样值,usmc(k+1)表示滑模控制器输出usmc的第k+1次采样值, E表示锅炉汽机系统的操纵变量与控制器输出usmc之间的变换矩阵,e(k)、e(k-1)分别 表示锅炉-汽机系统跟踪误差e的第k次和第k-1次采样值,s(k)表示滑模函数的第k次采样值,yr(k)、yr(k-1)、yr(k-2)分别表示锅炉-汽机系统输出设定值的第k次、第k-1 次和第k-2次采样值。
设计滑模函数的预测模型如下:
其中:表示s的预测值,uk(i)表示u(k+i),xk(i)表示x(k+i)。
步骤四、根据步骤三中建立的滑模函数预测模型,并考虑锅炉-汽机系统的约束条件,建立滚动时域优化问题,综合离散滑模控制器来设计双模控制律。其中,滑模控制 器参数由步骤五确定。
在考虑锅炉-汽机系统输入和状态约束的条件下,建立非线性滚动优化问题:
其中:N为预测时域,目标函数J包括每一步的代价函数和终端代价函数Q1,Q2和R表示正定的权矩阵;U∈R3表示控制输 入(操纵变量)约束:X∈R5表示锅炉-汽机系统状态约束;S△为终端滑模区,表示 如下:
其中:Δi表示si的上界,ξi为一正实数。
在k时刻,上述优化问题(16)的最优解记为uN *,并可表示为:
综合式(13)和式(18),可得滑模预测控制器的双模控制律如下:
本步骤四中,定义了滑模区,并构建双模控制律:当锅炉-汽机系统状态处于滑 模区外时,采用滚动优化控制律;当锅炉-汽机系统状态进入滑模区后,采用离散滑 模控制律。因此,本发明既能处理实际锅炉-汽机系统所受约束,优化协调控制系统 的动态性能,又能利用滑模控制的优点来提高锅炉-汽机系统对干扰和模型不确定性 的鲁棒性。
步骤五、确定控制器参数,以保证锅炉-汽机闭环控制系统的稳定性和动态性能。
为了保证锅炉-汽机闭环控制系统的鲁棒性和稳定性,滑模预测控制器的参数满足 以下条件:
其中:di表示锅炉-汽机系统干扰d的第i个分量,dmax,i相应地表示干扰信号di的上界;δi和εi分别表示式(14)中的参数δ和ε的第i个分量。
与现有技术相比,本发明具有如下的有益效果:
本发明实现了基于滑模预测控制的超超临界火电机组协调控制,采用了输入-输出 反馈线性化、离散滑模控制和模型预测控制等方法,提高了协调控制系统的鲁棒性,且控制算法易于实现,适用于大范围变负荷运行条件下的机组协调控制。
本发明结合了滑模控制和预测控制两种方法的优点,为提高协调控制系统的快速跟 踪性和对干扰和不确定性的鲁棒性等提供技术支撑,对促进超超临界机组的安全经济运 行具有重大现实意义。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特 征、目的和优点将会变得更明显:
图1为本发明一实施例基于滑模预测控制的超超临界火电机组协调控制系统框图;
图2为本发明一实施例正常情况下基于滑模预测控制(SMPC)的超超临界火电机组协调控制系统仿真结果,并将基于常规模型预测控制控制(MPC)策略的仿真结果作 为对比;
图3为本发明一实施例在带有外部干扰情况下基于滑模预测控制(SMPC)的亚临界火电机组协调控制系统仿真结果,并将基于常规模型预测控制控制(MPC)策略的仿 真结果作为对比;
图4为本发明一实施例在模型失配情况下基于滑模预测控制(SMPC)的亚临界火电机组协调控制系统仿真结果,并将基于常规模型预测控制控制(MPC)策略的仿真结 果作为对比。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人 员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进。这些都属于 本发明的保护范围。
如图1所示,一种基于滑模预测控制的超超临界火电机组协调控制方法,其流程包括:
步骤1、建立适用于变工况运行的超超临界锅炉-汽机系统非线性控制模型,并根据 机组分布式控制系统历史运行数据滚动辨识模型参数;
步骤2、采用输入-输出反馈线性化方法(如图1中反馈线性化),实现上述非线性系统的解耦和线性化,得到锅炉-汽机系统的拟线性模型;
步骤3、针对该拟线性模型,构造滑模函数的预测模型(如图1中预测模型),并 设计离散滑模控制律(如图1中离散滑模控制器);
步骤4、根据步骤二中建立的滑模函数预测模型,并考虑锅炉-汽机系统的约束条件, 建立滚动时域优化问题(如图1中的滚动优化器),综合离散滑模控制器来设计双模控制律。其中,滑模控制器参数由步骤五确定;
步骤5、确定控制器参数,以保证锅炉-汽机闭环控制系统的稳定性和动态性能。
以下实施例涉及以某1000MW超超临界燃煤机组为例,锅炉型号为 DG-3000/26.15-II1型,锅炉为一次中间再热、前后墙对冲火焰燃烧方式、双拱单炉膛、 平衡通风、尾部双烟道、烟气挡板调温、固态排渣、露天布置、全钢架悬吊式直流炉。
一种基于滑模预测控制的超超临界火电机组协调控制方法,包括以下实现步骤:
步骤一、建立能描述超超临界机组特性的锅炉-汽机系统控制模型。并结合实际机组的DCS(分布式控制系统)历史数据,辨识得到模型参数。
定义锅炉-汽机系统的状态变量为x=[Ne,pms,pm,hm,Df]T,操纵变量为u=[μT,μB(t-τ), Dfw]T,输出变量为y=[Ne,pms,hm]T,锅炉-汽机系统的状态空间模型如下:
其中,表示x的一阶导数;f(x)、g(x)、h(x)表示与x有关的非线性函数,表示如下:
h(x)=[x1 x2 x4]T
模型参数定义如下:
上述中,Ne、pms、pm、hm、Df分别表示发电功率、主蒸汽压力、中间点(汽水分 离器出口)压力和入炉煤的质量流量,μT、μB、Dfw分别表示汽轮机调门开度、给煤质 量流量和给水质量流量,xi表示状态向量x的第i个分量;ρms、ρm分别是主蒸汽和中间 点蒸汽的密度,Vms为过热器的总内体积,hfw为给水比焓,Dat表示减温水的质量流量; Qfg表示炉膛出口烟气携带的能量,Qnet,ar表示燃煤的低位发热量,q4表示机械不完全 燃烧损失;C0是过热器管道惯性阻尼系数,k2、k3、k4、k5为比例系数,可由辨识得到; t表示时间,τ为给煤机的延迟时间,Tf和Te分别表示磨煤机和汽机调门的时间常数;cn、 c11、c12、c21、c22表示与锅炉-汽机系统状态x相关的五个时变参数,可由机组运行数据 回归得到。
在实施例中,利用机组运行数据辨识得到该机组的模型参数:τ=10;Te=10;Tf=180; k1=0.964Qnet,ar;k2=29.26×(0.0327pm 2+0.15pm+4.17);k3=40.32;k4=1.28;k5=51.73; c11=15348.4pm-458.5hm+1143430;c12=1.83hm-31.5pm-2346.7;c21=433.2pm-12.2hm+32243;c22=0.889hm;cn= 617.2;Qfg=1192.1Ne+78364。
步骤二、在上述非线性锅炉-汽机模型的基础上,采用输入-输出反馈线性化方法进 行全局线性化和解耦。
为了满足完全线性化的条件,采用动态拓展的方法:
利用上述重新定义的控制输入w和状态变量x4,可将式(1)所描述的锅炉-汽机模型改写如下:
其中,
h(x)=[h1(x) h2(x) h3(x)]T=[x1 x2 x4]T
操纵变量u和重新定义的控制输入w之间的变换关系为:
辅助变量z定义为:
根据式(4),对z求一阶导数可得
其中,
定义辅助变量v=[v1,v2,v3]T,引入非线性反馈如下:
w=G-1(x)[v-F(x)] (9)
结合式(4)和式(9),可得到如下二阶的拟线性系统:
步骤三、针对步骤二中式(10)所描述的拟线性系统,构造滑模函数的预测模型,并设计离散滑模控制律。
定义由式(1)所描述锅炉-汽机系统的跟踪误差为
e=yr-y
其中,跟踪误差向量e=[e1,e2,e3]T,yr=[yr1,yr2,yr3]T,y=[y1,y2,y3]T,yr和y分别表示锅 炉-汽机系统输出向量的设定值和实际值;e1,e2,e3分别表示跟踪误差向量e的三个分量, yr1,yr2,yr3分别表示锅炉-汽机系统输出设定值向量yr的三个分量,y1,y2,y3分别表示锅炉 -汽机系统输出实际值向量y的三个分量。
根据式(10),可得:
设计滑模函数s为
s=αe+ez (12)
其中,ɑ表示滑模函数的系数矩阵。
设计离散滑模控制律如下:
usmc(k+1)=EG-1(x(k))[vsmc(k)-F(x(k))] (13)
其中,
其中,k表示第k次采样时刻,T表示采样周期,δ和ε为大于零的控制器参数。vsmc(k)表示辅助变量vsmc的第k次采样值,usmc(k+1)表示滑模控制器输出usmc的第k+1次采样值, E表示锅炉汽机系统的操纵变量与控制器输出usmc之间的变换矩阵,e(k)、e(k-1)分别 表示锅炉-汽机系统跟踪误差e的第k次和第k-1次采样值,s(k)表示滑模函数的第k次 采样值,yr(k)、yr(k-1)、yr(k-2)分别表示锅炉-汽机系统输出设定值的第k次、第k-1 次和第k-2次采样值。
设计滑模函数的预测模型如下:
其中,表示s的预测值,uk(i)表示u(k+i),xk(i)表示x(k+i)。
步骤四、根据步骤二中建立的滑模函数预测模型,并考虑锅炉-汽机系统的约束条件,建立滚动时域优化问题,综合离散滑模控制器来设计双模控制律。其中,滑模控制 器参数由步骤五确定。
在考虑锅炉-汽机系统约束条件下,建立非线性滚动优化问题:
其中,N为预测时域,目标函数J包括每一步的代价函数和终端代价函数Q1,Q2和R表示正定的权矩阵;U∈R3表示控制输 入(操纵变量)约束;X∈R5表示锅炉-汽机系统状态约束;S△为终端滑模区,表示如下:
其中,Δi表示si的上界,ξi为一正实数。
在采样时刻k,上述优化问题(16)的最优解记为uN *,并可表示为:
综合式(13)和式(18),可得滑模预测控制器的双模控制律如下:
步骤五、确定控制器参数,以保证锅炉-汽机闭环控制系统的稳定性和动态性能。
为了保证锅炉-汽机闭环控制系统的鲁棒性和稳定性,滑模预测控制器的参数满足以 下条件:
其中,di表示锅炉-汽机系统干扰d的第i个分量,dmax,i相应地表示干扰信号di的上界;δi和εi分别表示式(14)中的参数δ和ε的第i个分量。
本实施例中,(16)所描述的非线性优化问题采用内点法求解。
选取滑模预测控制器的参数为:ɑ=[15,10,1]T,δ=[0.05,0.1,0.2]T,ε=[3,0.1,5]T; 采样周期T=1s,预测时域N=15,控制时域Nm=2,权矩阵为Q1=diag{3,200,1},Q2=[30, 500,20]T,R1=diag{20,2,1}。作为对比,常规模型预测控制器的参数设为采样周期T=1s, 预测时域N=15,控制时域Nm=2,权矩阵为Q=diag{3,200,1},R=diag{20,2,1}。
在Matlab/Simulink环境下,构建超超临界机组的协调控制仿真系统。图2、图3和图4分别是正常情况、带有外部干扰和模型失配情况下的仿真结果;作为对比,基于模 型预测控制策略的仿真结果也一并呈现在图中。
从上述实施例可以看出,本发明实现了基于滑模预测控制的超超临界火电机组协调 控制,采用了输入-输出反馈线性化、离散滑模控制和模型预测控制等方法,提高了协调控制系统的鲁棒性,且控制算法易于实现,适用于大范围变负荷运行条件下的机组协 调控制;
进一步的,本发明结合了滑模控制和预测控制两种方法的优点,为提高协调控制系 统的快速跟踪性和对干扰和不确定性的鲁棒性等提供技术支撑,对促进超超临界机组的 安全经济运行具有重大现实意义。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上 述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变形或修改, 这并不影响本发明的实质内容。
Claims (8)
1.一种基于滑模预测控制的超超临界火电机组协调控制方法,其特征在于,该方法包括以下步骤:
步骤一、建立能描述超超临界机组特性的锅炉-汽机系统控制模型,并采用实际机组的分布式控制系统历史数据,辨识得到模型参数;所述锅炉-汽机系统控制模型是非线性控制模型;
步骤二、在步骤一所述锅炉-汽机系统控制模型基础上,采用输入-输出反馈线性化的方法,实现解耦和全局线性化,通过变换得到锅炉-汽机系统的拟线性模型;
步骤三、针对步骤二得到的拟线性模型,构造滑模函数的预测模型,并设计离散滑模控制律;
步骤四、根据步骤三中建立的滑模函数的预测模型,并考虑锅炉-汽机系统的约束条件,建立滚动时域优化问题,综合离散滑模控制器来设计双模控制律;
步骤五、确定滑模控制器参数,保证锅炉-汽机闭环控制系统的稳定性和动态性能,实现超超临界火电机组协调控制。
2.根据权利要求1所述的一种基于滑模预测控制的超超临界火电机组协调控制方法,其特征在于,步骤一中,所述建立能描述超超临界机组特性的锅炉-汽机系统控制模型,具体如下:
定义锅炉-汽机系统的状态变量为x=[Ne,pms,pm,hm,Df]T,操纵变量为u=[μT,μB(t-τ),Dfw]T,输出变量为y=[Ne,pms,hm]T,则锅炉-汽机系统的状态空间模型如下:
其中:表示x的一阶导数;f(x)、g(x)、h(x)分别表示与x有关的非线性函数,表示如下:
状态空间模型参数定义如下:
k1=Qnet,ar(1-q4),k5=k3k4,
上述公式中:Ne、pms、pm、hm、Df分别表示发电功率、主蒸汽压力、汽水分离器出口中间点压力和入炉煤的质量流量,μT、μB、Dfw分别表示汽轮机调门开度、给煤质量流量和给水质量流量,xi表示状态向量x的第i个分量;ρms、ρm分别是主蒸汽和中间点蒸汽的密度,Vms为过热器的总内体积,hfw为给水比焓,Dat表示减温水的质量流量;Qfg表示炉膛出口烟气携带的能量,Qnet,ar表示燃煤的低位发热量,q4表示机械不完全燃烧损失;C0是过热器管道惯性阻尼系数,k2、k3、k4、k5为比例系数,可辨识得到;t表示时间,τ为给煤机延迟时间,Tf和Te分别表示磨煤机和汽机调门的惯性时间常数;cn、c11、c12、c21、c22表示与锅炉-汽机系统状态x相关的5个时变参数,由机组运行数据回归得到。
3.根据权利要求2所述的一种基于滑模预测控制的超超临界火电机组协调控制方法,其特征在于,步骤二中,采用了动态拓展和输入-输出反馈线性化的方法,利用非线性反馈实现了超超临界锅炉-汽机系统模型的线性化和解耦。
4.根据权利要求3所述的一种基于滑模预测控制的超超临界火电机组协调控制方法,其特征在于,步骤二中,具体实现如下:
为了满足完全线性化的条件,采用动态拓展的方法:
x5=μT,
利用上述重新定义的控制输入w和状态变量x5,将式(1)所示的非线性状态空间模型改写如下:
其中:
操纵变量u和重新定义的控制输入w之间的变换关系为:
定义辅助变量z为:
根据式(5),对z求一阶导数得
其中:
定义v=[v1,v2,v3]T,引入非线性反馈如下:
w=G-1(x)[v-F(x)] (9)
结合式(4)和式(9),得到如下二阶的拟线性模型:
5.根据权利要求4所述的一种基于滑模预测控制的超超临界火电机组协调控制方法,其特征在于,所述步骤三,具体实现如下:
定义由式(1)所描述锅炉-汽机系统的跟踪误差为
e=yr-y
其中:跟踪误差向量e=[e1,e2,e3]T,yr=[yr1,yr2,yr3]T,y=[y1,y2,y3]T,yr和y分别表示锅炉-汽机系统输出向量的设定值和实际值;e1,e2,e3分别表示跟踪误差向量e的三个分量,yr1,yr2,yr3分别表示锅炉-汽机系统输出设定值向量yr的三个分量,y1,y2,y3分别表示锅炉-汽机系统输出实际值向量y的三个分量;
根据式(10),得:
设计时变滑模函数s为
s=αe+ez (12)
其中,ɑ表示滑模函数的系数矩阵;
所述设计离散滑模控制律,具体如下:
usmc(k+1)=EG-1(x(k))[vsmc(k)-F(x(k))] (13)
其中:
其中:k表示第k次采样时刻,T表示采样周期,δ和ε为大于零的控制器参数矩阵;vsmc(k)表示辅助变量vsmc的第k次采样值,usmc(k+1)表示滑模控制器输出usmc的第k+1次采样值,E表示锅炉汽机系统的操纵变量与控制器输出usmc之间的变换矩阵,e(k)、e(k-1)分别表示锅炉-汽机系统跟踪误差e的第k次和第k-1次采样值,s(k)表示滑模函数的第k次采样值,yr(k)、yr(k-1)、yr(k-2)分别表示锅炉-汽机系统输出设定值的第k次、第k-1次和第k-2次采样值;
设计滑模函数的预测模型如下:
其中,表示s的预测值,uk(i)表示u(k+i),xk(i)表示x(k+i)。
6.根据权利要求1所述的一种基于滑模预测控制的超超临界火电机组协调控制方法,其特征在于,步骤四中,构建了与滑模函数相关的目标函数,定义了滑模区,并构建双模控制律:当锅炉-汽机系统状态处于滑模区外时,采用滚动优化控制律;当锅炉-汽机系统状态进入滑模区后,采用离散滑模控制律。
7.根据权利要求6所述的一种基于滑模预测控制的超超临界火电机组协调控制方法,其特征在于,所述步骤四,具体实现如下:
在考虑锅炉-汽机系统输入和状态约束的条件下,建立非线性滚动优化问题:
其中:N为预测时域,目标函数J包括每一步的代价函数和终端代价函数Q1,Q2和R表示正定的权矩阵;U∈R3表示控制输入即操纵变量约束;X∈R5表示锅炉-汽机系统状态约束;SΔ为终端滑模区,表示如下:
其中:Δi表示si的上界,ξi为一正实数;
在k时刻,上述优化问题(16)的最优解记为uN *,并表示为:
综合式(13)和式(18),得到滑模预测控制器的双模控制律如下:
8.根据权利要求1-7任一项所述的一种基于滑模预测控制的超超临界火电机组协调控制方法,其特征在于,所述步骤五,具体实现如下:
为了保证锅炉-汽机闭环控制系统的鲁棒性和稳定性,滑模预测控制器的参数满足以下条件:
其中:di表示锅炉-汽机系统干扰d的第i个分量,dmax,i相应地表示干扰信号di的上界;δi和εi分别表示参数δ和ε的第i个分量,δ和ε为大于零的控制器参数矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711404784.4A CN108227488B (zh) | 2017-12-22 | 2017-12-22 | 基于滑模预测控制的超超临界火电机组协调控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711404784.4A CN108227488B (zh) | 2017-12-22 | 2017-12-22 | 基于滑模预测控制的超超临界火电机组协调控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108227488A true CN108227488A (zh) | 2018-06-29 |
CN108227488B CN108227488B (zh) | 2020-02-04 |
Family
ID=62647810
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711404784.4A Active CN108227488B (zh) | 2017-12-22 | 2017-12-22 | 基于滑模预测控制的超超临界火电机组协调控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108227488B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109491337A (zh) * | 2018-10-25 | 2019-03-19 | 鄂尔多斯职业学院 | 一种火电机组协调控制系统及其协调控制方法 |
CN110579968A (zh) * | 2019-09-25 | 2019-12-17 | 国家能源集团谏壁发电厂 | 一种超超临界机组深度调峰协调系统预测控制策略 |
CN110878720A (zh) * | 2019-11-12 | 2020-03-13 | 上海交通大学 | 一种基于滑模控制的柴油机调速控制方法 |
CN110939928A (zh) * | 2019-12-13 | 2020-03-31 | 浙江省能源集团有限公司 | 一种具有强鲁棒性的燃煤机组汽包锅炉水位控制方法 |
CN111290282A (zh) * | 2020-03-25 | 2020-06-16 | 国电科学技术研究院有限公司 | 火电机组协调系统的预见式预测控制方法 |
CN112015082A (zh) * | 2020-05-13 | 2020-12-01 | 东南大学 | 一种基于模糊增益调度预测控制的机炉协调系统控制方法 |
CN112650055A (zh) * | 2021-01-11 | 2021-04-13 | 东北大学 | 一种高性能双率串级pid控制方法、装置及系统 |
CN113093550A (zh) * | 2021-04-08 | 2021-07-09 | 浙江浙能技术研究院有限公司 | 一种火电机组锅炉煤量至主汽压的开环特性优化方法 |
CN116577984A (zh) * | 2023-04-20 | 2023-08-11 | 中国矿业大学 | 超超临界燃煤机组汽水分离器蒸汽焓值的抗干扰控制方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN103606939A (zh) * | 2013-11-28 | 2014-02-26 | 上海电力学院 | 基于滑模控制的风柴混合电力系统负荷频率控制方法 |
CN104122797A (zh) * | 2014-07-22 | 2014-10-29 | 东南大学 | 一种新型火电机组负荷多变量预测控制方法 |
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 |
CN105896596A (zh) * | 2016-04-15 | 2016-08-24 | 合肥工业大学 | 一种考虑需求侧响应的风电功率分层平滑系统及其方法 |
CN106292277A (zh) * | 2016-08-15 | 2017-01-04 | 上海交通大学 | 基于全局滑模控制的亚临界火电机组协调控制方法 |
CN106647255A (zh) * | 2016-09-29 | 2017-05-10 | 国电科学技术研究院 | 按设定误差性能指标函数收敛的火电机组协调控制方法 |
-
2017
- 2017-12-22 CN CN201711404784.4A patent/CN108227488B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN103606939A (zh) * | 2013-11-28 | 2014-02-26 | 上海电力学院 | 基于滑模控制的风柴混合电力系统负荷频率控制方法 |
CN104122797A (zh) * | 2014-07-22 | 2014-10-29 | 东南大学 | 一种新型火电机组负荷多变量预测控制方法 |
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 |
CN105896596A (zh) * | 2016-04-15 | 2016-08-24 | 合肥工业大学 | 一种考虑需求侧响应的风电功率分层平滑系统及其方法 |
CN106292277A (zh) * | 2016-08-15 | 2017-01-04 | 上海交通大学 | 基于全局滑模控制的亚临界火电机组协调控制方法 |
CN106647255A (zh) * | 2016-09-29 | 2017-05-10 | 国电科学技术研究院 | 按设定误差性能指标函数收敛的火电机组协调控制方法 |
Non-Patent Citations (2)
Title |
---|
侯国莲等: "《变论域自适应模糊滑模多变量控制算法及其在单元机组协调控制中的应用》", 《中国电机工程学报》 * |
宋立忠等: "《滑模预测离散变结构控制》", 《控制理论与应用》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109491337A (zh) * | 2018-10-25 | 2019-03-19 | 鄂尔多斯职业学院 | 一种火电机组协调控制系统及其协调控制方法 |
CN110579968A (zh) * | 2019-09-25 | 2019-12-17 | 国家能源集团谏壁发电厂 | 一种超超临界机组深度调峰协调系统预测控制策略 |
CN110878720A (zh) * | 2019-11-12 | 2020-03-13 | 上海交通大学 | 一种基于滑模控制的柴油机调速控制方法 |
CN110939928A (zh) * | 2019-12-13 | 2020-03-31 | 浙江省能源集团有限公司 | 一种具有强鲁棒性的燃煤机组汽包锅炉水位控制方法 |
CN110939928B (zh) * | 2019-12-13 | 2021-10-01 | 浙江省能源集团有限公司 | 一种具有强鲁棒性的燃煤机组汽包锅炉水位控制方法 |
CN111290282A (zh) * | 2020-03-25 | 2020-06-16 | 国电科学技术研究院有限公司 | 火电机组协调系统的预见式预测控制方法 |
CN111290282B (zh) * | 2020-03-25 | 2022-08-09 | 国家能源集团科学技术研究院有限公司 | 火电机组协调系统的预见式预测控制方法 |
CN112015082B (zh) * | 2020-05-13 | 2022-04-08 | 东南大学 | 一种基于模糊增益调度预测控制的机炉协调系统控制方法 |
CN112015082A (zh) * | 2020-05-13 | 2020-12-01 | 东南大学 | 一种基于模糊增益调度预测控制的机炉协调系统控制方法 |
CN112650055A (zh) * | 2021-01-11 | 2021-04-13 | 东北大学 | 一种高性能双率串级pid控制方法、装置及系统 |
CN112650055B (zh) * | 2021-01-11 | 2021-12-07 | 东北大学 | 一种高性能双率串级pid控制方法、装置及系统 |
CN113093550A (zh) * | 2021-04-08 | 2021-07-09 | 浙江浙能技术研究院有限公司 | 一种火电机组锅炉煤量至主汽压的开环特性优化方法 |
CN116577984A (zh) * | 2023-04-20 | 2023-08-11 | 中国矿业大学 | 超超临界燃煤机组汽水分离器蒸汽焓值的抗干扰控制方法 |
CN116577984B (zh) * | 2023-04-20 | 2024-01-12 | 中国矿业大学 | 超超临界燃煤机组汽水分离器蒸汽焓值的抗干扰控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108227488B (zh) | 2020-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108227488A (zh) | 基于滑模预测控制的超超临界火电机组协调控制方法 | |
CN104238520B (zh) | 超临界锅炉燃煤热值自平衡控制回路分散控制系统实现方法 | |
CN101551103B (zh) | 循环流化床锅炉燃烧自动控制系统 | |
Tian et al. | Modeling and sliding mode predictive control of the ultra-supercritical boiler-turbine system with uncertainties and input constraints | |
CN104062905B (zh) | 一种直流锅炉单元机组协调控制系统及其设计方法 | |
Draganescu et al. | Generalized predictive control for superheated steam temperature regulation in a supercritical coal-fired power plant | |
CN106292277B (zh) | 基于全局滑模控制的亚临界火电机组协调控制方法 | |
CN107515598A (zh) | 基于多参数动态矩阵控制的火电机组分布式协调控制系统 | |
CN104482525A (zh) | 超超临界机组再热汽温的控制方法和系统 | |
CN104864385A (zh) | 一种计算超临界机组给水流量指令的方法和装置 | |
CN106801890A (zh) | 减小锅炉在升降负荷过程中主再热汽温波动的方法 | |
CN111708333A (zh) | 一种电厂智能预测协调控制系统 | |
Darwish et al. | Advanced boiler control system for steam power plants using modern control techniques | |
CN103336438A (zh) | 复杂热工对象非对称约束自适应控制方法 | |
Sun et al. | DEB-oriented modelling and control of coal-fired power plant | |
CN105240822B (zh) | 一种基于神经网络的锅炉三烟道挡板控制方法及系统 | |
CN204063028U (zh) | 超临界cfb锅炉床温控制系统 | |
CN114562713A (zh) | 发电锅炉主蒸汽温度控制方法及系统 | |
Schörghuber et al. | Control of a biomass-furnace based on input-output-linearization | |
CN111522253A (zh) | 一种锅炉-汽轮机系统的喷水减温系统仿真方法及装置 | |
Tian et al. | Modeling of drum boiler-turbine unit and the model-based coordinated control strategy | |
CN109539804A (zh) | 锌沸腾焙烧余热发电过程的燃煤锅炉工况高效迁移方法 | |
Sethi et al. | Internal model controller for CFBC boiler using neural networks | |
Fan et al. | A Dynamic Nonlinear Model of Once-Through Boiler Turbine Units with Superheated Steam Temperature | |
Vinatoru et al. | Heat exchange model for a power station boiler |
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 |