CN108984979B - 基于多变量频域法和启发式搜索算法结合的超超临界机组深度调峰控制器设计方法 - Google Patents
基于多变量频域法和启发式搜索算法结合的超超临界机组深度调峰控制器设计方法 Download PDFInfo
- Publication number
- CN108984979B CN108984979B CN201811018031.4A CN201811018031A CN108984979B CN 108984979 B CN108984979 B CN 108984979B CN 201811018031 A CN201811018031 A CN 201811018031A CN 108984979 B CN108984979 B CN 108984979B
- Authority
- CN
- China
- Prior art keywords
- controller
- matrix
- ultra
- working condition
- delta
- 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 47
- 238000013461 design Methods 0.000 title claims abstract description 23
- 238000010845 search algorithm Methods 0.000 title claims abstract description 10
- 238000012546 transfer Methods 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 36
- 230000002068 genetic effect Effects 0.000 claims description 8
- 239000000446 fuel Substances 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 210000000349 chromosome Anatomy 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 230000007547 defect Effects 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 4
- 238000012938 design process Methods 0.000 abstract description 3
- 230000002452 interceptive effect Effects 0.000 abstract description 2
- 230000001105 regulatory effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012892 rational function Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Abstract
本发明公开了基于多变量频域法和启发式搜索算法结合的超超临界机组深度调峰控制器设计方法,本发明利用“特征轨迹——遗传算法交互控制器”的设计思想,将频域和时域方法相结合,对某一工况下的控制器参数进行寻优,既规避了设计结果过分依赖设计者经验、技巧的弊端,又达到优化控制效果的目的,同时本发明建立40%、60%、80%和100%负荷工况点下的协调对象传递函数模型,按上述基本思想给出相应负荷工况下控制器参数,将各工况点控制器给出的输出控制增量进行加权作为当前工况下的输出控制增量。本发明算法过程清晰明了,克服了设计过程中过分依赖设计者经验和盲目试凑的缺陷,同时也能有效保证超超临界机组深度调峰时的控制效果。
Description
技术领域
本发明属于热能动力工程和自动控制技术领域,具体涉及一种基于多变量频域法和启发式搜索算法结合的超超临界机组深度调峰控制器设计方法。
背景技术
目前我国能源发展的主题是在保障能源供给的情况下实现能源转型,火电机组参与电网深度调峰以接纳新能源势在必行。超超临界机组的被控对象具有大惯性、非线性、时变性、强耦合性等特点,同时频繁的大范围变负荷调整使得机组非线性影响进一步加剧。为了实现国家能源转型的战略目标,作为现有发电方式中最可靠、承担最大负荷份额的火电机组被赋予更高的控制要求。
多变量频域法理论早已成熟,在工程运用上也早已取得长足发展。作为多变量频域法之一的传统特征轨迹设计法,其基本理论依据是有理函数矩阵的特征值分解,将多变量系统分解为一组独立的单输入单输出(Simple Input Simple O utput,SISO)特征子系统,随后采取单变量设计技术对各特征子系统进行补偿。
特征轨迹设计法在设计过程中重要参数通常通过设计者的试探或依据个人经验给出,故设计结果过分依赖设计者的经验和技巧,同时该设计方法只能保证系统的稳定性,不能满足其余控制性能指标的要求。
发明内容
本发明所要解决的技术问题是针对上述现有技术的不足,提供一种基于多变量频域法和启发式搜索算法结合的超超临界机组深度调峰控制器设计方法。
为实现上述技术目的,本发明采取的技术方案为:
基于多变量频域法和启发式搜索算法结合的超超临界机组深度调峰控制器设计方法,包括以下步骤:
步骤一:将超超临界机组的协调被控对象看作3输入3输出的系统,其中控制量为燃料量B(t/h)、给水流量W(t/h)、汽机调门开度μ(%),被控量为机组实发功率Ne(MW)、主汽压力p0(MPa)、中间点温度Tsp(℃);并由现场实验数据拟合出该3×3维被控对象在特定负荷工况点下的传递函数矩阵G(s);
步骤二:根据G(s)的特征方程:
Δ(g,s)=det[g(s)Im-G(s)]=0 (1)
求得G(s)的3个特征传递函数gi(s)(i=1,2,3)和特征向量矩阵W(s);
步骤三:令s沿Nyquist D围线变化,绘制各复变函数gi(s)(i=1,2,3)的特征轨迹Γi(i=1,2,3),令ω从-∞变化至+∞,绘制特征方向ωi(jω)(i=1,2,3)和自然基向量ei(i=1,2,3)之间失调角的失调角曲线;
步骤四:根据特征轨迹Γi(i=1,2,3)及各失调角曲线的特点结合遗传算法进行补偿设计;
步骤五:由现场实验数据分别拟合出所述3×3维被控对象在100%、80%、60%、40%负荷工况点下的传递函数矩阵G(s),按步骤一至四分别给出相应工况点下的控制器参数,将各控制器给出的输出控制增量进行加权作为当前工况下的输出控制增量,加权策略为:
其中,Δu40%、Δu60%、Δu80%和Δu100%分别为40%、60%、80%和100%负荷工况点下控制器给出的输出控制增量。
步骤四中的的补偿设计具体如下:
将系统工作频率范围分成高频、中低频两个频段;
在高频频段,选取使得高频关联最小的频率点ωh,采用MacFarlane提出的近似配正方法,即ALIGN方法,求出G-1(jωh)的近似实阵Ah,取高频段控制器为:
Kh=Ah
(2)
在中低频频段,选取使得中低频关联最小的频率点ωm&l,求出G(jωm&l)Kh的特征值和特征向量,得出:
G(jωm&l)Kh=W(jωm&l)diag{gi(jωm&l)}1≤i≤3V(jωm&l) (3)
其中W(jωm&l)为G(jωm&l)Kh的特征方向矩阵,V(jωm&l)为W(jωm&l)的逆矩阵,gi(jωm&l)1≤i≤3为G(jωm&l)的特征值;采用ALIGN算法计算W(jωm&l)和 V(jωm&l)的近似实阵Am&l和Bm&l;取中低频段控制器为:
Km&l=Am&ldiag{ki(s)}1≤i≤3Bm&l
(4)
为优化上述技术方案,采取的具体措施还包括:
ALIGN方法具体为:
选取一实向量ai和复向量wi(jω)调准,定义商式为:
该式用于反映实向量ai和复向量wi(jω)之间的近似程度,其中φi越大则两者
之间越接近;记:
vk(jω)=αk+jβk
(6)
式中,列相量αk与βk分别表示vk(jω)的实部与虚部;
令:
式中,Ci和Di为非负的、实对称矩阵;
Ciai=Diaiφi
(9)
如果λi是φi的极大值,上式可写为:
Ciai=λiDiai (10)
A=[a1,a2,a3]
(11)
V(jω)的近似实阵:
B=A-1 (12)。
确定目标函数的积分形式:
式中,wij(i,j=1,2,3)为权值,ΔNe(t)、Δp0(t)和ΔTsp(t)分别为功率偏差(MW)、主汽压力偏差(MPa)和中间点温度偏差(℃),Δμ(t)、ΔB(t)和ΔW(t)分别为汽机调门开度增量(℃)、燃料量增量(t/h)和给水流量增量(t/h),tiu(i=1,2,3)为上升时间;
从而适应度值函数为:
计算每一个体的适应度fi(i=1,2,…,Size),将适应度转化为被选概率:
采用轮盘赌选择法选择个体,取定交叉概率Pc和变异概率Pm,按照算法规则进行交叉与变异,产生新个体并计算该新个体的适应度,进而进行最优值替换,最终得到最优的个体βi(i=1,2,3)和αi(i=1,2,3),总的控制器为:
K(s)=KhKm&l(s)
(18)。
本发明具有以下有益效果:
本发明采用传统的特征轨迹法与经典的启发式搜索算法——遗传算法交互设计,将频域和时域方法相结合,对某一工况下的控制器参数进行寻优,既规避了设计结果过分依赖设计者经验、技巧的弊端,又达到优化控制效果的目的;
本发明建立40%、60%、80%和100%负荷工况点下的协调对象传递函数模型,按上述基本思想给出相应负荷工况下控制器参数,将各工况点控制器给出的输出控制增量进行加权作为当前工况下的输出控制增量;
本发明算法过程清晰明了,克服了设计过程中过分依赖设计者经验和盲目试凑的缺陷,同时也能有效保证超超临界机组深度调峰时的控制效果。
附图说明
图1是本发明的中协调控制系统被控对象数学模型结构示意图;
图2是本发明在某工况下用遗传算法确定中低频控制器参数的流程图。
具体实施方式
以下结合附图对本发明的实施例作进一步详细描述。
本发明的基于多变量频域法和启发式搜索算法结合的超超临界机组深度调峰控制器设计方法,包括以下步骤:
步骤一:将超超临界机组的协调被控对象看作3输入3输出的系统,其中控制量为燃料量B(t/h)、给水流量W(t/h)、汽机调门开度μ(%),被控量为机组实发功率Ne(MW)、主汽压力p0(MPa)、中间点温度Tsp(℃),并由现场实验数据拟合出该3×3维被控对象在特定负荷工况点下的传递函数矩阵G(s);
步骤二:根据G(s)的特征方程:
Δ(g,s)=det[g(s)Im-G(s)]=0 (1)
求得G(s)的3个特征传递函数gi(s)(i=1,2,3)和特征向量矩阵W(s);
步骤三:令s沿Nyquist D围线变化,绘制各复变函数gi(s)(i=1,2,3)的特征轨迹Γi(i=1,2,3),令ω从-∞变化至+∞,绘制特征方向ωi(jω)(i=1,2,3)和自然基向量ei(i=1,2,3)之间失调角的失调角曲线;
步骤四:根据特征轨迹Γi(i=1,2,3)及各失调角曲线的特点结合遗传算法进行补偿设计,具体如下:
将系统工作频率范围分成高频、中低频两个频段;
在高频频段,选取使得高频关联最小的频率点ωh,采用ALIGN方法求出 G-1(jωh)的近似实阵Ah,取高频段控制器为:
Kh=Ah
(2)
在中低频频段,选取使得中低频关联最小的频率点ωm&l,求出G(jωm&l)Kh的特征值和特征向量,得出:
G(jωm&l)Kh=W(jωm&l)diag{gi(jωm&l)}1≤i≤3V(jωm&l) (3)
其中W(jωm&l)为G(jωm&l)Kh的特征方向矩阵,V(jωm&l)为W(jωm&l)的逆矩阵,gi(jωm&l)1≤i≤3为G(jωm&l)的特征值;采用ALIGN算法计算W(jωm&l)和 V(jωm&l)的近似实阵Am&l和Bm&l;取中低频段控制器为:
Km&l=Am&ldiag{ki(s)}1≤i≤3Bm&l
(4)
为简便地实施ALIGN计算方法,选取一实向量ai和复向量wi(jω)调准。定义商式为:
该式用于反映实向量ai和复向量wi(jω)之间的近似程度,其中φi越大则两者
之间越接近;记:
vk(jω)=αk+jβk
(6)
式中,列相量αk与βk分别表示vk(jω)的实部与虚部;
令:
式中,Ci和Di为非负的、实对称矩阵;
Ciai=Diaiφi
(9)
如果λi是φi的极大值,上式可写为:
Ciai=λiDiai
(10)
A=[a1,a2,a3]
(11)
V(jω)的近似实阵:
B=A-1 (12)。
确定目标函数的积分形式:
式中,wij(i,j=1,2,3)为权值,ΔNe(t)、Δp0(t)和ΔTsp(t)分别为功率偏差(MW)、主汽压力偏差(MPa)和中间点温度偏差(℃),Δμ(t)、ΔB(t)和ΔW(t)分别为汽机调门开度增量(℃)、燃料量增量(t/h)和给水流量增量(t/h),tiu(i=1,2,3)为上升时间,于是适应度值函数为:
计算每一个体的适应度fi(i=1,2,…,Size),将适应度转化为被选概率:
采用轮盘赌选择法选择个体,取定交叉概率Pc和变异概率Pm,按照算法规则进行交叉与变异,产生新个体并计算该新个体的适应度,进而进行最优值替换,最终得到最优的个体βi(i=1,2,3)和αi(i=1,2,3),总的控制器为:
K(s)=KhKm&l(s)
(18)。
步骤五:由现场实验数据分别拟合出所述3×3维被控对象在100%、80%、60%、40%负荷工况点下的传递函数矩阵G(s),按步骤一至四分别给出相应工况点下的控制器参数,将各控制器给出的输出控制增量进行加权作为当前工况下的输出控制增量,加权策略为:
其中,Δu40%、Δu60%、Δu80%和Δu100%分别为40%、60%、80%和100%负荷工况点下控制器给出的输出控制增量。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (2)
1.基于多变量频域法和启发式搜索算法结合的超超临界机组深度调峰控制器设计方法,其特征在于:包括以下步骤:
步骤一:将超超临界机组的协调被控对象看作3输入3输出的系统,并由现场实验数据分别拟合出3×3维被控对象在100%、80%、60%、40%负荷工况点下的传递函数矩阵G(s);
步骤二:根据G(s)的特征方程:
Δ(g,s)=det[g(s)Im-G(s)]=0 (1)
求得G(s)的3个特征传递函数gi(s)(i=1,2,3)和特征向量矩阵W(s);
步骤三:令s沿Nyquist D围线变化,绘制gi(s)(i=1,2,3)的特征轨迹Γi(i=1,2,3),令ω从-∞变化至+∞,绘制特征方向ωi(jω)(i=1,2,3)和自然基向量ei(i=1,2,3)之间失调角的失调角曲线;
步骤四:根据特征轨迹Γi(i=1,2,3)及各失调角曲线的特点结合遗传算法进行超超临界机组深度调峰控制器的补偿设计;
步骤五:根据步骤四给出的100%、80%、60%、40%负荷工况点下的控制器参数,将各控制器给出的输出控制增量进行加权作为当前工况下的输出控制增量;
步骤一所述3输入3输出的系统中控制量为燃料量B(t/h)、给水流量W(t/h)、汽机调门开度μ(%),被控量为机组实发功率Ne(MW)、主汽压力p0(MPa)、中间点温度Tsp(℃);
步骤四所述的补偿设计具体如下:
将系统工作频率范围分成高频、中低频两个频段;
在高频频段,选取使得高频关联最小的频率点ωh,采用ALIGN方法求出G-1(jωh)的近似实阵Ah,取高频段控制器为:
Kh=Ah (2)
在中低频频段,选取使得中低频关联最小的频率点ωm&l,求出G(jωm&l)Kh的特征值和特征向量,得出:
G(jωm&l)Kh=W(jωm&l)diag{gi(jωm&l)}1≤i≤3V(jωm&l) (3)
其中W(jωm&l)为G(jωm&l)Kh的特征方向矩阵,V(jωm&l)为W(jωm&l)的逆矩阵,gi(jωm&l)1≤i≤3为G(jωm&l)的特征值,采用ALIGN算法计算W(jωm&l)和V(jωm&l)的近似实阵Am&l和Bm&l,取中低频段控制器为:
Km&l=Am&ldiag{ki(s)}1≤i≤3Bm&l (4)
所述ALIGN方法具体为:
选取一实向量ai和复向量wi(jω)调准,定义商式为:
该式用于反映实向量ai和复向量wi(jω)之间的近似程度,其中φi越大则两者之间越接近;
记:
vk(jω)=αk+jβk (6)
式中,列相量αk与βk分别表示vk(jω)的实部与虚部;
令:
式中,Ci和Di为非负的、实对称矩阵;
Ciai=Diaiφi (9)
如果λi是φi的极大值,上式可写为:
Ciai=λiDiai (10)
取λi为矩阵Di -1Ci的最大特征值,ai为与最大特征值相应的特征向量,按上述过程重复3次,并构成W(jω)的近似实阵:
A=[a1,a2,a3] (11)
V(jω)的近似实阵:
B=A-1 (12);
确定目标函数的积分形式:
式中,wij(i,j=1,2,3)为权值,ΔNe(t)、Δp0(t)和ΔTsp(t)分别为功率偏差(MW)、主汽压力偏差(MPa)和中间点温度偏差(℃),Δμ(t)、ΔB(t)和ΔW(t)分别为汽机调门开度增量(℃)、燃料量增量(t/h)和给水流量增量(t/h),tiu(i=1,2,3)为上升时间;
从而适应度值函数为:
计算每一个体的适应度fi(i=1,2,…,Size),将适应度转化为被选概率:
采用轮盘赌选择法选择个体,取定交叉概率Pc和变异概率Pm,按照算法规则进行交叉与变异,产生新个体并计算该新个体的适应度,进而进行最优值替换,最终得到最优的个体βi(i=1,2,3)和αi(i=1,2,3),总的控制器为:
K(s)=KhKm&l(s) (18)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811018031.4A CN108984979B (zh) | 2018-08-31 | 2018-08-31 | 基于多变量频域法和启发式搜索算法结合的超超临界机组深度调峰控制器设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811018031.4A CN108984979B (zh) | 2018-08-31 | 2018-08-31 | 基于多变量频域法和启发式搜索算法结合的超超临界机组深度调峰控制器设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108984979A CN108984979A (zh) | 2018-12-11 |
CN108984979B true CN108984979B (zh) | 2022-08-23 |
Family
ID=64547567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811018031.4A Active CN108984979B (zh) | 2018-08-31 | 2018-08-31 | 基于多变量频域法和启发式搜索算法结合的超超临界机组深度调峰控制器设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108984979B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113641153A (zh) * | 2021-07-07 | 2021-11-12 | 华能铜川照金煤电有限公司 | 亚临界火电机组协调控制系统参数寻优方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107168062A (zh) * | 2017-05-31 | 2017-09-15 | 国网河南省电力公司电力科学研究院 | 一种超临界燃煤机组协调控制系统中的负荷预测方法 |
-
2018
- 2018-08-31 CN CN201811018031.4A patent/CN108984979B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107168062A (zh) * | 2017-05-31 | 2017-09-15 | 国网河南省电力公司电力科学研究院 | 一种超临界燃煤机组协调控制系统中的负荷预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108984979A (zh) | 2018-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111222711B (zh) | 一种基于指标联动分析的电力系统调峰调度多目标优化方法 | |
CN103576553B (zh) | 一种燃煤锅炉蒸汽温度的分数阶自整定控制方法 | |
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 | |
CN111637444B (zh) | 一种基于q学习的核电蒸汽发生器水位控制方法 | |
CN110838590B (zh) | 一种质子交换膜燃料电池气体供应控制系统及方法 | |
CN109978276B (zh) | 火电厂机群多台供热机组热电负荷分配的在线优化方法 | |
CN108984979B (zh) | 基于多变量频域法和启发式搜索算法结合的超超临界机组深度调峰控制器设计方法 | |
CN115986839A (zh) | 一种风-水-火综合能源系统的智能调度方法及系统 | |
CN114552587A (zh) | 基于不完全升维的数据驱动电力系统的优化方法及应用 | |
CN110912185B (zh) | 一种含风力发电电网自动发电控制系统pid控制器设计方法 | |
CN113962140A (zh) | 基于ga-lstm的汽轮机阀门流量特性函数的优化方法 | |
CN111245032B (zh) | 一种计及风电场集电线路降损优化的电压预测控制方法 | |
CN115933410B (zh) | 一种基于q学习的双时间尺度燃煤发电系统最优跟踪控制方法 | |
Cheng et al. | An optimized nonlinear generalized predictive control for steam temperature in an ultra supercritical unit | |
CN113189871B (zh) | 一种面向火电机组灵活性运行的协调控制策略 | |
CN116050461A (zh) | 运用卷积神经网络确定模糊控制理论隶属度函数的改进法 | |
CN114011564B (zh) | 一种基于模型离线规划的磨煤机控制优化方法 | |
CN115616908A (zh) | 一种基于改进多目标蛇群优化算法的超超临界机组协调控制系统节能优化方法 | |
Hou et al. | Parameters optimization of ADRC based on adaptive CPSO algorithm and its application in main-steam temperature control system | |
CN108828932B (zh) | 一种单元机组负荷控制器参数优化整定方法 | |
Zheng et al. | Double fuzzy pitch controller of wind turbine designed by genetic algorithm | |
CN111353649B (zh) | 一种基于kl展开的大规模水电站群优化调度降维方法 | |
CN114263899B (zh) | 一种热电联产母管制供热机组的锅炉负荷分配方法 | |
Priyanka et al. | Simulation and tuning of PID controllers using evolutionary algorithms | |
Xu et al. | An improved-MPGA and its application in OTSG load reduction characteristics optimization |
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 |