CN108536012A - 一种超临界火电机组协调控制系统及其非线性抗干扰控制方法 - Google Patents
一种超临界火电机组协调控制系统及其非线性抗干扰控制方法 Download PDFInfo
- Publication number
- CN108536012A CN108536012A CN201810244404.3A CN201810244404A CN108536012A CN 108536012 A CN108536012 A CN 108536012A CN 201810244404 A CN201810244404 A CN 201810244404A CN 108536012 A CN108536012 A CN 108536012A
- Authority
- CN
- China
- Prior art keywords
- power unit
- thermal power
- supercritical thermal
- matrix
- fuzzy
- 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)
Abstract
本发明公开了一种超临界火电机组协调控制系统及其非线性抗干扰控制方法,该系统包括超临界火电机组、全局模糊模型、模糊模型预测控制器、扰动补偿器、运行点设置器、输出估计器和模糊扩增状态观测器;控制方法包括采集超临界火电机组现场运行数据;建立超临界火电机组全局模糊模型;计算超临界火电机组操作量;基于超临界火电机组操作量调节煤粉量、给水流量和主汽调门开度,对超临界火电机组主蒸汽压力、焓值和汽轮机发电功率进行控制。本发明不仅能克服超临界火电机组存在的非线性、强耦合、大惯性、参数时变等复杂特性,同时能补偿不确定的未知干扰。提高了超临界火电机组的安全性和调峰能力,有利于维护电网的稳定性。
Description
技术领域
本发明涉及热工自动控制方法,尤其是涉及一种超临界火电机组协调控制系统及其非线性抗干扰控制方法。
背景技术
超临界火电机组具有高效率、低排放等优点,是我国目前建设的主要火电机组。但超临界火电机组具有非线性、强耦合、大惯性、参数时变和输入受限等特性,同时随着电网中新能源的接入,需要加快火电机组负荷跟踪速度,来进行调峰,维持电网的稳定。
另外在火电机组的运行过程中干扰是普遍存在的,例如煤质的变化,干扰不仅会降低火电机组协调控制系统的控制品质,甚至会导致系统发散,出现停机事故。
目前广泛采用的PID控制已经无法对超临界火电机组进行高效的控制,必须研究适合超临界火电机组的先进控制方法。
发明内容
发明目的:为解决上述问题,本发明提出一种超临界火电机组协调控制系统及其非线性抗干扰控制方法,来克服超临界火电机组的非线性和不可测的干扰,进而提升超临界火电机组的控制性能。
技术方案:本发明的一种超临界火电机组协调控制系统的非线性抗干扰控制方法,包括以下步骤:
(1)采集超临界火电机组现场运行数据,包括燃料量、给水流量、主汽阀门开度、主蒸汽压力、焓值和汽轮机发电功率数据;
(2)基于采集的超临界火电机组现场运行数据建立超临界火电机组全局模糊模型;
(3)基于建立的超临界火电机组全局模糊模型,利用输出估计器、模糊扩增状态观测器、干扰补偿器和模糊模型预测控制器,计算超临界火电机组操作量uk;
(4)基于超临界火电机组操作量uk调节煤粉量、给水流量和主汽阀门开度,对超临界火电机组主蒸汽压力、焓值和汽轮机发电功率进行控制。
进一步的,所述步骤(2)包括以下步骤:
(21)基于采集的超临界火电机组现场运行数据建立超临界火电机组高负荷、中负荷和低负荷点的状态空间模型,其形式如下:
其中,xk、uk和yk分别是k采样时刻超临界火电机组的状态量、操作量和输出量,xk+1是k+1采样时刻的超临界火电机组状态量,A1、B1、C1、D1是超临界火电机组高负荷点参数,A2、B2、C2、D2是超临界火电机组中负荷点参数,A3、B3、C3、D3是超临界火电机组低负荷点参数;
(22)建立超临界火电机组的全局模糊模型,其形式如下:
其中是隶属度函数,z是前提变量,Ek和Fk是干扰矩阵,dk是k采样时刻的干扰。
更进一步的,所述步骤(22)中前提变量z是超临界火电机组负荷量,所述干扰矩阵Ek和Fk通过下式进行计算:
其中矩阵E1、E2、E3、F1、F2、F3由下面等式计算:
其中,rank表示矩阵的秩,rank(xk)表示xk的秩,rank(dk)表示dk的秩,I是单位矩阵。
进一步的,所述步骤(3)包括以下步骤:
(31)初始化模糊扩增状态观测器参数:k采样时刻超临界火电机组扩增状态的估计值为k采样时刻超临界火电机组操作量为uk,其中和形式如下:
其中,是k采样时刻超临界火电机组扩增状态,是k采样时刻超临界火电机组扩增状态估计值,是xk的估计值,是dk的估计值,是△dk的估计值,△dk=dk-dk-1,dk-1是k-1采样时刻的干扰;
(32)通过输出估计器求解超临界火电机组输出量yk的估计值
其中,是k采样时刻超临界火电机组输出量yk的估计值,矩阵矩阵O是零矩阵,矩阵
(33)通过模糊扩增状态观测器,计算和
其中是下一个采样时刻的超临界火电机组扩增状态估计值,矩阵矩阵L是模糊扩增状态观测器增益。
(34)通过干扰补偿器,计算模糊模型预测控制器目标操作量和输出量ut和xt,具体通过求解下面二次规划问题得到:
约束条件:
其中,ur和yr是超临界火电机组运行点的操作量和输出量,ut和xt是模糊模型预测控制器目标操作量和状态量,umin和umax是超临界火电机组操作量的最小值和最大值;
(35)通过模糊模型预测控制器,计算uk:
其中,Kk为状态反馈增益矩阵,矩阵
更进一步的,所述步骤(33)中的模糊扩增状态观测器增益L通过下式计算:
L=H-1G (12);
其中,H-1是矩阵H的逆矩阵,矩阵H和矩阵G通过求解下面线性矩阵不等式组得到:
其中,式(13)是一个线性矩阵不等式组,通过软件MATLAB线性矩阵不等式工具箱求解,矩阵P、矩阵H和矩阵G是待求矩阵变量,Q0为常数矩阵,T为矩阵转置符号。
更进一步的,所述步骤(35)中状态反馈增益矩阵Kk通过下式计算:
Kk=YF-1 (14);
其中矩阵Y和F通过求解下面优化问题得到:
约束条件:
其中,式(16)是一个线性矩阵不等式组,通过软件MATLAB线性矩阵不等式工具箱求解,γ,F,Y,Q1,Q2和Q3是待求优化问题的参数,矩阵和是给定的正定对称矩阵,矩阵umax=[u1,max u2,max u3,max]T,umin=[u1,min u2,min u3,min]T,ut=[u1,t u2,tu3,t]T。
本发明另一实施例中,一种超临界火电机组协调控制系统,该系统包括超临界火电机组、全局模糊模型、模糊模型预测控制器、干扰补偿器、运行点设置器、输出估计器和模糊扩增状态观测器;
所述全局模糊模型是基于超临界火电机组操作量uk和输出量yk建立,所述模糊模型预测控制器、干扰补偿器、输出估计器和模糊扩增状态观测器都基于全局模糊模型建立;
所述模糊扩增状态观测器接收超临界火电机组输出的yk、模糊模型预测控制器输出的uk和输出估计器输出的得到状态估计数据送到模糊模型预测控制器、得到扩增状态估计数据送到输出估计器、得到干扰估计数据送到干扰补偿器;
所述干扰补偿器接收运行点设置器输出的运行点数据ur和yr和模糊扩增状态观测器输出的干扰估计数据得到目标值数据ut和xt,输入到模糊模型预测控制器;
所述模糊模型预测控制器接收干扰补偿器输出的目标值数据ut和xt和模糊扩增状态观测器输出的状态估计数据得到最后的操作量uk,输出给超临界火电机组、输出估计器和模糊扩增状态观测器,实现对超临界火电机组主蒸汽压力、焓值和汽轮机发电功率的控制。
有益效果:与现有技术相比,本发明具有如下优点和有益效果:
(1)将模糊模型预测控制和模糊扩增状态观测器相结合,结合了二者的优点,不仅能克服超临界火电机组存在的非线性、强耦合、大惯性、参数时变等复杂特性,同时能补偿不确定的未知干扰。
(2)将操作量的最大值和最小值考虑在控制方法的设计中,不会造成执行器饱和,进而影响控制性能.
(3)本发明方法控制下超临界火电机组受干扰影响小,干扰消除时间短,提高了火电机组的安全性。
(4)本发明方法控制下超临界火电机组负荷跟踪速度快,提高了火电机组调峰能力,有利于维护电网的稳定性。
附图说明
图1是本发明超临界火电机组协调控制系统示意图;
图2是超临界火电机组原理示意图;
图3是本发明超临界火电机组协调控制系统的非线性抗干扰控制方法流程图;
图4是隶属度函数;
图5是实验1中主蒸汽压力仿真结果拟合曲线;
图6是实验1中焓值响应仿真结果曲线;
图7是实验1中汽轮机发电功率仿真结果曲线;
图8是实验1中煤粉量仿真结果曲线;
图9是实验1中给水流量仿真结果曲线;
图10是实验1中主汽阀门开度仿真结果曲线;
图11是实验2中主蒸汽压力仿真结果曲线;
图12是实验2中焓值仿真结果曲线;
图13是实验2中汽轮机发电功仿真结果曲线;
图14是实验2中煤粉量仿真结果曲线;
图15是实验2中给水流量仿真结果曲线;
图16是实验2中主汽阀门开度仿真结果曲线;
图17是实验3中主蒸汽压力仿真结果曲线;
图18是实验3中焓值仿真结果曲线;
图19是实验3中汽轮机发电功率仿真结果曲线;
图20是实验3中煤粉量仿真结果曲线;
图21是实验3中给水流量仿真结果曲线;
图22是实验3中主汽阀门仿真结果曲线;
图23是实验4中主蒸汽压力仿真结果曲线;
图24是实验4中焓值仿真结果曲线;
图25是实验4中汽轮机发电功率仿真结果曲线
图26是实验4中煤粉量仿真结果曲线;
图27是实验4中给水流量仿真结果曲线;
图28是实验4中主汽阀门开度仿真结果曲线。
具体实施方式
下面结合附图和具体实施案例对本发明提供的技术方案进行详细说明,应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。
如图1所示,一种超临界火电机组协调控制系统,该系统包括包括超临界火电机组、全局模糊模型、模糊模型预测控制器、干扰补偿器、运行点设置器、输出估计器和模糊扩增状态观测器;
所述全局模糊模型是基于超临界火电机组的操作量uk和输出量yk建立,所述模糊模型预测控制器、干扰补偿器、输出估计器和模糊扩增状态观测器都基于全局模糊模型建立;
所述模糊扩增状态观测器接收超临界火电机组的输出量yk、模糊模型预测控制器输出的操作量uk和输出估计器输出的输出估计数据得到状态估计数据送到模糊模型预测控制器、得到扩增状态估计数据送到输出估计器、得到干扰估计数据送到干扰补偿器;
所述干扰补偿器接收运行点设置器输出的运行点数据ur和yr和模糊扩增状态观测器输出的干扰估计数据得到目标值数据ut和xt,输入到模糊模型预测控制器;
所述模糊模型预测控制器接收干扰补偿器输出的目标值数据ut和xt和模糊扩增状态观测器单元输出的状态估计数据得到最后的操作量uk,输出给超临界火电机组、输出估计器和模糊扩增状态观测器,实现对超临界火电机组主蒸汽压力、焓值和汽轮机发电功率的控制。
如图2所示,超临界火电机组的输出量分别是主蒸汽压力、焓值和汽轮发电机发电功率,操作量分别是燃料量(本实施例中是煤粉量)、给水流量和主汽阀门开度(即主汽调门开度)。
本发明以1000MW超临界火电机组协调控制系统为例进行说明。
如图3所示,本发明提供的一种超临界火电机组协调控制系统的非线性抗干扰控制方法流程图,具体实施包括以下步骤:
(1)采集超临界火电机组现场运行数据,包括煤粉量、给水流量、主汽阀门开度、主蒸汽压力、焓值和汽轮机发电功率数据。
(2)基于采集的超临界火电机组现场运行数据建立超临界火电机组全局模糊模型;
(21)基于采集的超临界火电机组现场运行数据建立超临界火电机组高负荷、中负荷和低负荷点的状态空间模型,其形式如下:
其中,xk、uk和yk分别是k采样时刻超临界火电机组的状态量、操作量和输出量,xk+1是k+1采样时刻的超临界火电机组状态量,Ai、Bi、Ci和Di为超临界火电机组负荷点参数,其中,i=1,2,3分别为超临界火电机组高负荷点参数、中负荷点参数和低负荷点参数。即A1、B1、C1、D1是超临界火电机组高负荷点参数,A2、B2、C2、D2是超临界火电机组中负荷点参数,A3、B3、C3、D3是超临界火电机组低负荷点参数。
(22)建立超临界火电机组的全局模糊模型,其形式如下:
其中αi(z)是隶属度函数,z是超临界火电机组负荷量,Ek和Fk是干扰矩阵,dk是k采样时刻的干扰,
其中矩阵E1、E2、E3、F1、F2、F3由下面等式计算:
其中,rank表示矩阵的秩,rank(xk)表示xk的秩,rank(dk)表示dk的秩,I是单位矩阵。
(3)基于建立的超临界火电机组全局模糊模型,利用输出估计器、模糊扩增状态观测器、干扰补偿器和模糊模型预测控制器,计算超临界火电机组操作量uk;
(31)初始化模糊扩增状态观测器参数:k采样时刻超临界火电机组扩增状态的估计值k采样时刻超临界火电机组操作量uk,其中和形式如下:
其中,是k采样时刻超临界火电机组扩增状态,是k采样时刻超临界火电机组扩增状态估计值,是xk的估计值,是dk的估计值,是△dk的估计值,△dk=dk-dk-1,dk-1是k-1采样时刻的干扰。
(32)通过输出估计器求解超临界火电机组输出量yk的估计值
其中,是k采样时刻超临界火电机组输出量yk的估计值,矩阵矩阵O是零矩阵,矩阵
(33)通过模糊扩增状态观测器,计算和
其中是下一个采样时刻的超临界火电机组扩增状态估计值,矩阵矩阵L是模糊扩增状态观测器增益。
其中,模糊扩增状态观测器增益L通过下式计算:
L=H-1G (9);
其中,H-1是矩阵H的逆矩阵,矩阵H和矩阵G通过求解下面线性矩阵不等式组得到:
其中,式(10)是一个线性矩阵不等式组,通过软件MATLAB线性矩阵不等式工具箱求解,矩阵P、矩阵H和矩阵G是待求矩阵变量,Q0为常数矩阵,T为矩阵转置符号。
(34)通过干扰补偿器,计算模糊模型预测控制器目标操作量和输出量ut和yt,具体通过求解下面二次规划问题得到:
约束条件:
其中,ur和yr是超临界火电机组运行点的操作量和输出量,ut和xt是模糊模型预测控制器目标操作量和状态量,umin和umax是超临界火电机组操作量的最小值和最大值。
(35)通过模糊模型预测控制器,计算uk:
其中,Kk为状态反馈增益矩阵,矩阵
其中,状态反馈增益矩阵Kk通过下式计算:
Kk=YF-1 (14);
其中矩阵Y和F通过求解下面优化问题得到:
约束条件:
其中,式(16)是一个线性矩阵不等式组,通过软件MATLAB线性矩阵不等式工具箱求解,γ,F,Y,Q1,Q2和Q3是待求优化问题的参数,矩阵和是给定的正定对称矩阵,矩阵umax=[u1,max u2,max u3,max]T,umin=[u1,min u2,min u3,min]T,ut=[u1,t u2,tu3,t]T。
(4)根据得到的操作量uk调节煤粉量、给水流量和主汽阀门开度,对超临界火电机组进行控制。
为了有效说明本发明方法的有效性,以国电泰州发电有限公司#1号机组为例,在Matlab2016仿真平台进行验证。
国电泰州发电有限公司#1号超临界火电机组非线性模型如下:
y2=x3
其中,x1是实际进入锅炉的煤粉量,单位kg/s;x2是汽水分离器出口压力,单位MPa;x3是中间点焓值,单位kJ/kg;u1是煤粉量指令,单位kg/s;u2是给水流量,单位kg/s;u3是汽轮机调节阀门,单位%;y1是主蒸汽压力,单位MPa;y2是中间点焓值,单位kJ/kg;y3是汽轮机发电功率,单位MW。
本发明方法隶属度函数选择如图4所示。
为了有力对比说明本发明方法的优越性,选用了两种现有的先进控制方法:
对比方法2:基于扩增状态观测器的模糊预测控制方法,详见文献(Zhang,F.,Wu,X.,&Shen,J.(2017).Extended state observer based fuzzy model predictivecontrol for ultra-supercritical boiler-turbine unit.Applied ThermalEngineering,118,90-100.)
对比方法1:稳定模型预测控制跟踪控制器,详见文献(Wu,X.,Shen,J.,Li,Y.,&Lee,K.Y.(2014).Fuzzy modeling and stable model predictive tracking control oflarge-scale power plants.Journal of Process Control,24(10),1609-1626.)
为了全面验证本发明方法的有效性和优越性,设计了下面4组实验:
实验1:阶跃干扰消除实验,实验结果如图5-图10所示。图5是实验1中主蒸汽压力仿真结果曲线。图6是实验1中焓值仿真结果曲线。图7是实验1中汽轮机发电功率仿真结果曲线。图6和图7中曲线如图5中定义一致。图8是实验1中煤粉量仿真结果曲线。图9是实验1中给水流量仿真结果曲线。图10是实验1中主汽阀门开度仿真结果曲线。图9和图10中曲线定义如图8一致。从图5-图7可以看出,本发明方法相比于对比方法1和对比方法2对于阶跃型干扰的抑制效果最好,干扰消除时间短。从图8-图10可以看出,本发明方法的操作量满足执行器阀门开度的限制。
实验2:斜波干扰消除实验,实验室结果如图11-图16所示;图11是实验2中主蒸汽压力仿真结果曲线。图12是实验2中焓值仿真结果曲线。图13是实验2中汽轮机发电功率仿真结果曲线。图12和图13中曲线定义如图10一致。图14是实验2中煤粉量仿真结果曲线。图15是实验2中给水流量仿真结果曲线。图16是实验2中主汽阀门开度仿真结果曲线。图15和图16中曲线定义如图14一致。从图11-图13可以看出,对于斜波型干扰,对比方法2无法将其消除,对比方法1和本发明方法都能较好抑制,但对比方法1超调量较大。从图14-图16可以看出,本发明方法受到斜波型干扰的影响最小。
实验3:抛物线干扰消除实验,实验室结果如图17-图22所示;图17是实验3中主蒸汽压力仿真结果曲线。图18是实验3中焓值仿真结果曲线。图19是实验3中汽轮机发电功率仿真结果曲线。图20是实验3中煤粉量仿真结果曲线,图22是实验3中主汽阀门开度仿真结果曲线。图21是实验3中给水流量仿真结果曲线。从图17-图21可以看出,本发明方法对于抛物线型的干扰消除时间最短,控制量波动也最小,具有最好的经济性。
实验4:大范围负荷跟踪实验,实验室结果如图23-图28所示;图23是实验4中主蒸汽压力仿真结果曲线。图24是实验4中焓值仿真结果曲线。图25是实验4中汽轮机发电功率仿真结果曲线。图26是实验4中煤粉量仿真结果曲线。图27是实验4中给水流量仿真结果曲线。图28是实验4中主汽阀门开度仿真结果曲线。从图22-图28可以看出,本发明方法的大范围负荷跟踪效果最好。
综合实验1、实验2、实验3和实验4仿真结果,本发明方法相比现有的控制技术,干扰消除时间短,受干扰影响小,更有利于超临界火电机组的稳定性。同时本发明方法负荷跟踪能力比现有控制技术更好,超调量小、调节时间短,具有更好的调峰能力,有利于维持电网的稳定。
综上所述,本发明提供的超临界火电机组的非线性抗干扰控制方法,将模糊模型预测控制和模糊扩增状态观测器相结合,结合了二者的优点,不仅能克服超临界火电机组存在的非线性、强耦合、大惯性、参数时变等复杂特性,同时能补偿不确定的未知干扰。
另外将操作量的最大最小值考虑在控制方法的设计中,不会造成执行器饱和,进而影响控制性能;本发明方法控制下超临界火电机组受干扰影响小,干扰消除时间短,提高了火电机组的安全性。同时负荷跟踪速度快,提高了火电机组调峰能力,有利于维护电网的稳定性。
Claims (7)
1.一种超临界火电机组协调控制系统的非线性抗干扰控制方法,其特征在于,包括以下步骤:
(1)采集超临界火电机组现场运行数据,包括燃料量、给水流量、主汽阀门开度、主蒸汽压力、焓值和汽轮机发电功率数据;
(2)基于采集的超临界火电机组现场运行数据建立超临界火电机组全局模糊模型;
(3)基于建立的超临界火电机组全局模糊模型,利用输出估计器、模糊扩增状态观测器、干扰补偿器和模糊模型预测控制器,计算超临界火电机组操作量uk;
(4)基于超临界火电机组操作量uk调节煤粉量、给水流量和主汽阀门开度,对超临界火电机组主蒸汽压力、焓值和汽轮机发电功率进行控制。
2.根据权利要求1所述的一种超临界火电机组协调控制系统的非线性抗干扰控制方法,其特征在于,所述步骤(2)包括以下步骤:
(21)基于采集的超临界火电机组现场运行数据建立超临界火电机组高负荷、中负荷和低负荷点的状态空间模型,其形式如下:
其中,xk、uk和yk分别是k采样时刻超临界火电机组的状态量、操作量和输出量,xk+1是k+1采样时刻的超临界火电机组状态量,A1、B1、C1、D1是超临界火电机组高负荷点参数,A2、B2、C2、D2是超临界火电机组中负荷点参数,A3、B3、C3、D3是超临界火电机组低负荷点参数;
(22)建立超临界火电机组的全局模糊模型,其形式如下:
其中αi(z)是隶属度函数,z是前提变量,Ek和Fk是干扰矩阵,dk是k采样时刻的干扰。
3.根据权利要求2所述的一种超临界火电机组协调控制系统的非线性抗干扰控制方法,其特征在于:所述步骤(22)中前提变量z是超临界火电机组负荷量,所述干扰矩阵Ek和Fk通过下式进行计算:
其中矩阵E1、E2、E3、F1、F2、F3由下面等式计算:
其中,rank表示矩阵的秩,rank(xk)表示xk的秩,rank(dk)表示dk的秩,I是单位矩阵。
4.根据权利要求1所述的一种超临界火电机组协调控制系统的非线性抗干扰控制方法,其特征在于,所述步骤(3)包括以下步骤:
(31)初始化模糊扩增状态观测器参数:k采样时刻超临界火电机组扩增状态的估计值为k采样时刻超临界火电机组操作量为uk,其中和形式如下:
其中,是k采样时刻超临界火电机组扩增状态,是k采样时刻超临界火电机组扩增状态估计值,是xk的估计值,是dk的估计值,是△dk的估计值,△dk=dk-dk-1,dk-1是k-1采样时刻的干扰;
(32)通过输出估计器求解超临界火电机组输出量yk的估计值
其中,是k采样时刻超临界火电机组输出量yk的估计值,矩阵矩阵O是零矩阵,矩阵
(33)通过模糊扩增状态观测器,计算和
其中是下一个采样时刻的超临界火电机组扩增状态估计值,矩阵矩阵L是模糊扩增状态观测器增益。
(34)通过干扰补偿器,计算模糊模型预测控制器目标操作量和输出量ut和xt,具体通过求解下面二次规划问题得到:
约束条件:
其中,ur和yr是超临界火电机组运行点的操作量和输出量,ut和xt是模糊模型预测控制器目标操作量和状态量,umin和umax是超临界火电机组操作量的最小值和最大值;
(35)通过模糊模型预测控制器,计算uk:
其中,Kk为状态反馈增益矩阵,矩阵
5.根据权利要求4所述的一种超临界火电机组协调控制系统的非线性抗干扰控制方法,其特征在于:所述步骤(33)中的模糊扩增状态观测器增益L通过下式计算:
L=H-1G (12);
其中,H-1是矩阵H的逆矩阵,矩阵H和矩阵G通过求解下面线性矩阵不等式组得到:
其中,式(13)是一个线性矩阵不等式组,通过软件MATLAB线性矩阵不等式工具箱求解,矩阵P、矩阵H和矩阵G是待求矩阵变量,Q0为常数矩阵,T为矩阵转置符号。
6.根据权利要求4所述的一种超临界火电机组协调控制系统的非线性抗干扰控制方法,其特征在于:所述步骤(35)中状态反馈增益矩阵Kk通过下式计算:
Kk=YF-1 (14);
其中矩阵Y和F通过求解下面优化问题得到:
约束条件:
其中,式(16)是一个线性矩阵不等式组,通过软件MATLAB线性矩阵不等式工具箱求解,γ,F,Y,Q1,Q2和Q3是待求优化问题的参数,矩阵和是给定的正定对称矩阵,矩阵umax=[u1,max u2,max u3,max]T,umin=[u1,min u2,min u3,min]T,ut=[u1,t u2,tu3,t]T。
7.一种超临界火电机组协调控制系统,其特征在于:该系统包括超临界火电机组、全局模糊模型、模糊模型预测控制器、干扰补偿器、运行点设置器、输出估计器和模糊扩增状态观测器;
所述全局模糊模型是基于超临界火电机组操作量uk和输出量yk建立,所述模糊模型预测控制器、干扰补偿器、输出估计器和模糊扩增状态观测器都基于全局模糊模型建立;
所述模糊扩增状态观测器接收超临界火电机组输出的yk、模糊模型预测控制器输出的uk和输出估计器输出的得到状态估计数据送到模糊模型预测控制器、得到扩增状态估计数据送到输出估计器、得到干扰估计数据送到干扰补偿器;
所述干扰补偿器接收运行点设置器输出的运行点数据ur和yr和模糊扩增状态观测器输出的干扰估计数据得到目标值数据ut和xt,输入到模糊模型预测控制器;
所述模糊模型预测控制器接收干扰补偿器输出的目标值数据ut和xt和模糊扩增状态观测器输出的状态估计数据得到最后的操作量uk,输出给超临界火电机组、输出估计器和模糊扩增状态观测器,实现对超临界火电机组主蒸汽压力、焓值和汽轮机发电功率的控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810244404.3A CN108536012B (zh) | 2018-03-23 | 2018-03-23 | 一种超临界火电机组协调控制系统及其非线性抗干扰控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810244404.3A CN108536012B (zh) | 2018-03-23 | 2018-03-23 | 一种超临界火电机组协调控制系统及其非线性抗干扰控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108536012A true CN108536012A (zh) | 2018-09-14 |
CN108536012B CN108536012B (zh) | 2020-11-20 |
Family
ID=63483642
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810244404.3A Active CN108536012B (zh) | 2018-03-23 | 2018-03-23 | 一种超临界火电机组协调控制系统及其非线性抗干扰控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108536012B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110488610A (zh) * | 2019-09-04 | 2019-11-22 | 东南大学 | 一种基于鲁棒模糊预测控制的微型燃气轮机热电联供系统热负荷控制方法 |
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 |
CN110705042A (zh) * | 2019-09-12 | 2020-01-17 | 国网湖南省电力有限公司 | 基于t-s模糊模型的汽轮机阀门流量特性辨识方法、系统及介质 |
CN110794811A (zh) * | 2019-11-07 | 2020-02-14 | 浙江工业大学 | 一种带有量化的网络化运动控制系统的安全控制方法 |
CN110908279A (zh) * | 2018-09-18 | 2020-03-24 | 通用汽车环球科技运作有限责任公司 | 将非线性模型预测控制(mpc)用于自主系统的系统和方法 |
CN111413864A (zh) * | 2020-02-27 | 2020-07-14 | 国网河南省电力公司电力科学研究院 | 一种600mw超临界火电机组建模与控制方法 |
CN111596546A (zh) * | 2020-05-19 | 2020-08-28 | 东南大学 | 一种微型燃气轮机热电联供系统抗扰预测控制方法 |
CN111694274A (zh) * | 2020-05-19 | 2020-09-22 | 东南大学 | 一种基于扰动反馈补偿的热工过程h无穷控制系统 |
CN111736464A (zh) * | 2020-05-19 | 2020-10-02 | 东南大学 | 一种基于广义扩增状态观测器的热工过程h无穷控制方法 |
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 |
CN112147891A (zh) * | 2020-09-07 | 2020-12-29 | 东南大学 | 一种火电机组协调系统全局非线性优化控制方法 |
CN112180715A (zh) * | 2020-09-03 | 2021-01-05 | 海南热带海洋学院 | 超临界火发电机组协调控制系统及其非线性抗干扰控制方法 |
CN113189871A (zh) * | 2021-04-12 | 2021-07-30 | 华北电力大学 | 一种面向火电机组灵活性运行的协调控制策略 |
CN113391552A (zh) * | 2021-06-15 | 2021-09-14 | 华北电力大学 | 一种提高火电机组灵活性运行的级联自适应容积卡尔曼自抗扰控制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120259437A1 (en) * | 2011-04-08 | 2012-10-11 | General Cybernation Group Inc. | Model-free adaptive control of advanced power plants |
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 |
CN104699064A (zh) * | 2015-03-20 | 2015-06-10 | 东南大学 | 一种火电机组协调控制系统的煤质自校正预测控制方法 |
CN104864385A (zh) * | 2014-02-24 | 2015-08-26 | 北京国电智深控制技术有限公司 | 一种计算超临界机组给水流量指令的方法和装置 |
CN106707756A (zh) * | 2017-01-23 | 2017-05-24 | 东南大学 | 融合扩张观测器的超临界火电机组机炉协调控制方法 |
CN106855691A (zh) * | 2016-12-06 | 2017-06-16 | 东南大学 | 用于超临界火电机组机炉系统负荷跟踪的双层控制系统 |
-
2018
- 2018-03-23 CN CN201810244404.3A patent/CN108536012B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120259437A1 (en) * | 2011-04-08 | 2012-10-11 | General Cybernation Group Inc. | Model-free adaptive control of advanced power plants |
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 |
CN104864385A (zh) * | 2014-02-24 | 2015-08-26 | 北京国电智深控制技术有限公司 | 一种计算超临界机组给水流量指令的方法和装置 |
CN104699064A (zh) * | 2015-03-20 | 2015-06-10 | 东南大学 | 一种火电机组协调控制系统的煤质自校正预测控制方法 |
CN106855691A (zh) * | 2016-12-06 | 2017-06-16 | 东南大学 | 用于超临界火电机组机炉系统负荷跟踪的双层控制系统 |
CN106707756A (zh) * | 2017-01-23 | 2017-05-24 | 东南大学 | 融合扩张观测器的超临界火电机组机炉协调控制方法 |
Non-Patent Citations (2)
Title |
---|
FAN ZHANG等: "Extended state observer based fuzzy model predictive control for ultra-supercritical boiler-turbine unit", 《APPLIED THERMAL ENGINEERING》 * |
崔晓波: "超临界机组典型非线性过程的建模与控制研究", 《中国博士学位论文全文数据库(工程科技Ⅱ辑)》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110908279A (zh) * | 2018-09-18 | 2020-03-24 | 通用汽车环球科技运作有限责任公司 | 将非线性模型预测控制(mpc)用于自主系统的系统和方法 |
CN110488610A (zh) * | 2019-09-04 | 2019-11-22 | 东南大学 | 一种基于鲁棒模糊预测控制的微型燃气轮机热电联供系统热负荷控制方法 |
CN110488610B (zh) * | 2019-09-04 | 2022-05-10 | 东南大学 | 一种基于鲁棒模糊预测控制的微型燃气轮机热电联供系统热负荷控制方法 |
CN110705042A (zh) * | 2019-09-12 | 2020-01-17 | 国网湖南省电力有限公司 | 基于t-s模糊模型的汽轮机阀门流量特性辨识方法、系统及介质 |
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 |
CN110794811B (zh) * | 2019-11-07 | 2021-02-26 | 浙江工业大学 | 一种带有量化的网络化运动控制系统的安全控制方法 |
CN110794811A (zh) * | 2019-11-07 | 2020-02-14 | 浙江工业大学 | 一种带有量化的网络化运动控制系统的安全控制方法 |
CN111413864A (zh) * | 2020-02-27 | 2020-07-14 | 国网河南省电力公司电力科学研究院 | 一种600mw超临界火电机组建模与控制方法 |
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 |
CN111596546A (zh) * | 2020-05-19 | 2020-08-28 | 东南大学 | 一种微型燃气轮机热电联供系统抗扰预测控制方法 |
CN111694274B (zh) * | 2020-05-19 | 2022-06-14 | 东南大学 | 一种基于扰动反馈补偿的热工过程h无穷控制系统 |
CN111596546B (zh) * | 2020-05-19 | 2022-06-03 | 东南大学 | 一种微型燃气轮机热电联供系统抗扰预测控制方法 |
CN111694274A (zh) * | 2020-05-19 | 2020-09-22 | 东南大学 | 一种基于扰动反馈补偿的热工过程h无穷控制系统 |
CN111736464B (zh) * | 2020-05-19 | 2022-04-26 | 东南大学 | 一种基于广义扩增状态观测器的热工过程h无穷控制方法 |
CN111736464A (zh) * | 2020-05-19 | 2020-10-02 | 东南大学 | 一种基于广义扩增状态观测器的热工过程h无穷控制方法 |
CN112180715A (zh) * | 2020-09-03 | 2021-01-05 | 海南热带海洋学院 | 超临界火发电机组协调控制系统及其非线性抗干扰控制方法 |
CN112180715B (zh) * | 2020-09-03 | 2023-03-07 | 海南热带海洋学院 | 超临界火发电机组协调控制系统及其非线性抗干扰控制方法 |
CN112147891A (zh) * | 2020-09-07 | 2020-12-29 | 东南大学 | 一种火电机组协调系统全局非线性优化控制方法 |
CN112147891B (zh) * | 2020-09-07 | 2022-06-14 | 东南大学 | 一种火电机组协调系统全局非线性优化控制方法 |
CN113189871A (zh) * | 2021-04-12 | 2021-07-30 | 华北电力大学 | 一种面向火电机组灵活性运行的协调控制策略 |
CN113189871B (zh) * | 2021-04-12 | 2023-02-03 | 华北电力大学 | 一种面向火电机组灵活性运行的协调控制策略 |
CN113391552A (zh) * | 2021-06-15 | 2021-09-14 | 华北电力大学 | 一种提高火电机组灵活性运行的级联自适应容积卡尔曼自抗扰控制方法 |
CN113391552B (zh) * | 2021-06-15 | 2022-07-29 | 华北电力大学 | 一种提高火电机组灵活性运行的级联自适应容积卡尔曼自抗扰控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108536012B (zh) | 2020-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108536012A (zh) | 一种超临界火电机组协调控制系统及其非线性抗干扰控制方法 | |
Zhang et al. | Extended state observer based fuzzy model predictive control for ultra-supercritical boiler-turbine unit | |
CN106773666B (zh) | 一种针对压水堆一回路系统的模型参数获取方法 | |
Wei et al. | Adaptive backstepping-based composite nonlinear feedback water level control for the nuclear U-tube steam generator | |
Daren et al. | Nonlinear coordinated control of drum boiler power unit based on feedback linearization | |
Niu et al. | A dynamic nonlinear model for a once-through boiler-turbine unit in low load | |
Wang et al. | Improved boiler-turbine coordinated control of 1000 MW power units by introducing condensate throttling | |
CN106707756B (zh) | 融合扩张观测器的超临界火电机组机炉协调控制方法 | |
CN109407545A (zh) | 超超临界二次再热火电机组协调控制非嵌入式仿真方法 | |
Liu et al. | A hybrid receding horizon optimization and active disturbance rejection control of boiler superheated steam temperature | |
CN106855691A (zh) | 用于超临界火电机组机炉系统负荷跟踪的双层控制系统 | |
Kuz’menko | Nonlinear adaptive control of a shipboard power plant turbine | |
CN108931928B (zh) | 一种超临界机组参与风功率消纳的两区域系统调频的仿真方法 | |
Karampoorian et al. | Generalized model predictive control for a multivariable boiler-turbine unit | |
Alamoodi et al. | Nonlinear decoupling control with deadtime compensation for multirange operation of steam power plants | |
Zhang et al. | Control of ultra-supercritical once-through boiler-turbine unit using MPC and ESO approaches | |
Zhou et al. | Modelling, validation and control of steam turbine bypass system of thermal power plant | |
Deng et al. | Quantitative analysis of energy storage in different parts of combined heat and power plants | |
Wang et al. | Adaptive Backstepping PID Control for Boiler-turbine Units | |
Wei et al. | H∞-based LQR water level control for nuclear u-tube steam generators | |
Singh et al. | Load frequency control of single area power system using JAYA algorithm | |
Xi et al. | Improvement of a non-linear model of ultra-supercritical boiler-turbine unit and its application | |
Hou et al. | Nonlinear predictive control of a boiler-turbine system based on TS fuzzy model | |
David et al. | Modeling, identification and detection of faults in industrial boiler (July2015) | |
Kong et al. | Fuzzy Adaptive Model Predictive Control for the Subcritical Boiler-Turbine System |
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 |