CN110244551A - 一种超超临界机组协调控制系统的控制优化方法 - Google Patents
一种超超临界机组协调控制系统的控制优化方法 Download PDFInfo
- Publication number
- CN110244551A CN110244551A CN201910465553.7A CN201910465553A CN110244551A CN 110244551 A CN110244551 A CN 110244551A CN 201910465553 A CN201910465553 A CN 201910465553A CN 110244551 A CN110244551 A CN 110244551A
- Authority
- CN
- China
- Prior art keywords
- control system
- extra
- frog
- coordinated control
- supercritical unit
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000005457 optimization Methods 0.000 title claims abstract description 26
- 230000035772 mutation Effects 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims description 9
- 239000000446 fuel Substances 0.000 claims description 7
- 230000006872 improvement Effects 0.000 claims description 5
- 238000010248 power generation Methods 0.000 claims 1
- 230000004044 response Effects 0.000 description 15
- 230000008859 change Effects 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- URWAJWIAIPFPJE-YFMIWBNJSA-N sisomycin Chemical compound O1C[C@@](O)(C)[C@H](NC)[C@@H](O)[C@H]1O[C@@H]1[C@@H](O)[C@H](O[C@@H]2[C@@H](CC=C(CN)O2)N)[C@@H](N)C[C@H]1N URWAJWIAIPFPJE-YFMIWBNJSA-N 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
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Control Of Turbines (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及一种超超临界机组协调控制系统的控制优化方法,所述超超临界机组协调控制系统包括汽轮机主控制器和锅炉主控制器,该方法包括以下步骤:S1、采用非线性解耦控制环节控制超超临界机组协调控制系统;S2、通过引入混沌初始化和高斯变异因子来改进混合蛙跳算法;S3、将基于改进混合蛙跳算法的PID控制器应用于超超临界机组协调控制系统中,优化汽轮机主控制器、锅炉主控制器和非线性解耦环节的参数。与现有技术相比,本发明不再局限于电厂中依据经验来对控制系统中的相关参数进行调整,避免了因为经验不足引起的参数调整的疏漏,从而使机组协调控制系统运行更稳定,机组运行经济性更好。
Description
技术领域
本发明涉及工业过程控制技术领域,尤其是涉及一种超超临界机组协调控制系统的控制优化方法。
背景技术
近年来,随着火力发电技术水平的不断提高,电网对火电机组协调控制系统的负荷适应能力也不断提高。协调控制系统的特点就是多变量、强耦合、非线性、大惯性、不确定性。在此之前国内外就有许多先进的控制策略对其进行深度研究,如模糊控制、自适应控制等。但是这些策略复杂且不便于实现,很难应用于实践中,因此对其系统的研究有着重要的实际意义和价值。
目前,先进控制算法已被广泛地应用于单元机组协调控制系统中,提高了控制系统的品质。Deliang Zeng,Shan Gao等人提出了一种基于综合权重的多模型广义预测控制算法,并将其应用到单元机组协调控制系统中;江溢洋,王东风提出了基于改进逆向解耦的单元机组协调系统内模PID控制设计,将单元机组对象解耦为多个SISO的广义被控对象,并分别设计PID控制器,最后基于内模控制原理整定PID控制器参数;席嫣娜,王印松提出了一种自适应反演协调控制策略,克服了非线性和不确定性的缺点,显著提升了协调控制系统的负荷跟随性和抗干扰性能;
然而,这些智能算法很多只能在理论上实现,很难结合实际工程对象并应用于实际工程上。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种超超临界机组协调控制系统的控制优化方法。
本发明的目的可以通过以下技术方案来实现:
一种超超临界机组协调控制系统的控制优化方法,所述超超临界机组协调控制系统包括汽轮机主控制器和锅炉主控制器,该方法包括以下步骤:
S1、采用非线性解耦控制环节控制超超临界机组协调控制系统;
S2、通过引入混沌初始化和高斯变异因子来改进混合蛙跳算法;
S3、将基于改进混合蛙跳算法的PID控制器应用于超超临界机组协调控制系统中,优化汽轮机主控制器、锅炉主控制器和非线性解耦环节的参数。
优选的,所述非线性解耦控制环节包括死区非线性环节和饱和非线性环节。
优选的,所述死区非线性环节中的死区值设为0.5MPa。
优选的,所述步骤S2具体包括:
S21、初始化,用混沌序列初始化种群,生产初始蛙群;
S22、划分模因组,每一个模因组中具有性能最优的青蛙Xb和性能最差的青蛙Xw;
S23、利用引入高斯变异因子的最差青蛙个体的更新公式更新Xw,得到更新后的青蛙;
如果更新后的青蛙性能优于Xw,则直接替代Xw,否则执行选择操作:先用全局性能最优的青蛙代替每个模因组中性能最优的青蛙继续执行最差青蛙个体的更新公式,如果更新后Xw的性能仍没有改进,则随机产生一只青蛙代替Xw;
S24、对每一个模因组,重复上述步骤S23的局部搜索Lmax次;
S25、当完成局部搜索后,若达到最大迭代次数maxgen或适应度值达到最小,则进化过程结束,输出全局最优解,否则将所有模因组内的青蛙重新混合再返回步骤S22。
优选的,所述步骤S21中用混沌序列初始化种群过程中通过Logistic方程产生混沌序列,所述Logistic方程为:
其中,Sk表示0-1间的随机数,μ表示大于0的常数,max表示某种群的总个数。
优选的,所述引入高斯变异因子的最差青蛙个体的更新公式为:
S=r·(Xb-Xw)·G(0,1)
Xw′=Xw+S,||S||≤Smax
其中,S表示每次更新步长,r表示表示0-1间的随机数,Xw′表示更新后的青蛙,G(0,1)表示利用高斯分布产生的0-1之间的随机数,Smax表示最大更新步长,
优选的,所述步骤S3过程中的适应度采用综合误差性能指标,所述综合误差性能指标为系统的每个输出的误差性能指标的加权和。
优选的,所述超超临界机组协调控制系统为输入量为汽轮机调门开度、总燃料量,输出量为发电机功率、主蒸汽压力的双输入双输出被控对象。
与现有技术相比,本发明具有以下优点:
1、利用改进混合蛙跳算法对超超临界机组协调控制系统相关控制参数进行寻优,不再局限于电厂中依据经验来对控制系统中的相关参数进行调整,避免了因为经验不足引起的参数调整的疏漏,从而使机组协调控制系统运行更稳定,机组运行经济性更好。
2、改进的混合蛙跳算法在同等种群规模下,初始化种群有更好的遍历性,增加了种群的多样性,局部搜索的速度更快,能够有效地避免陷入局部最优,在收敛速度和收敛精度方面都有明显的提高。
附图说明
图1为本发明中超超临界机组负荷协调控制系统原理方框图;
图2为本发明中改进混合蛙跳算法的流程图;
图3为图2中对每个模因组局部搜索步骤的子程序流程图;
图4(1)~(4)为本发明中将改进混合蛙跳算法和未改进混合蛙跳算法的PID控制器应用于超超临界机组协调控制系统时负荷上升100MW时各变量的响应曲线图:图4(1)为汽轮机调门响应曲线,图4(2)为锅炉燃料量响应曲线,图4(3)为功率响应曲线,图4(4)为主蒸汽压力响应曲线;
图5(1)~(4)为本发明中将改进混合蛙跳算法和未改进混合蛙跳算法的PID控制器应用于超超临界机组协调控制系统时压力值升高1MPa时各变量的响应曲线图:图5(1)为汽轮机调门响应曲线,图5(2)为锅炉燃料量响应曲线,图5(3)为功率响应曲线,图5(4)为主蒸汽压力响应曲线。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例
本申请提出一种超超临界机组协调控制系统的控制优化方法,将超超临界机组协调控制系统看做一个输入量为汽轮机调门开度、总燃料量,输出量为发电机功率、主蒸汽压力的双输入双输出被控对象。超超临界机组协调控制系统包括汽轮机主控制器PI1和锅炉主控制器PI2,如图1所示。
该方法包括以下步骤:
S1、采用非线性解耦控制环节控制超超临界机组协调控制系统;
S2、通过引入混沌初始化和高斯变异因子来改进混合蛙跳算法;
S3、将基于改进混合蛙跳算法的PID控制器应用于超超临界机组协调控制系统中,优化汽轮机主控制器、锅炉主控制器和非线性解耦环节的参数。
如图1所示,结合实际工程实践要求,采用非线性环节代替解耦。非线性解耦控制环节包括死区非线性环节和饱和非线性环节。简化后死区非线性和饱和非线性环节的特点如下,死区非线性中的死区值设为0.5MPa,即主蒸汽压力Pt在±0.5MPa范围波动时,利用锅炉的蓄热量即可调节发电机功率,不需要向汽轮机侧发出指令。超出死区范围后,锅炉主控制器PI2检测到压力偏差,一方面,向汽轮机侧发出指令,以限制汽轮机调门进一步的变化,以防止过度利用储能,从而使蒸汽压力Pt保持相对稳定;另一方面,锅炉侧需要平衡输出功率所需的热量,会发出改变燃料量的指令。控制过程结束后,汽轮机主控制器PI1和锅炉主控制器PI2会共同让主蒸汽压力变化到定值P0,从而使机组负荷指令N0与输出电功率Ne同步。
图2所示为改进混合蛙跳算法的具体流程,其中局部搜索子流程如图3所示。步骤S2具体包括:
S21、初始化,引入混沌初始化,用混沌序列初始化种群,使青蛙种群具有多样性;通过Logistic方程产生混沌序列,生产初始蛙群,Logistic方程为:
其中,Sk表示0-1间的随机数,μ表示大于0的常数,max表示某种群的总个数;其中μ=4时,控制系统呈现完全混沌状态,初值S0可取为0.3;
S22、划分模因组,每一个模因组中具有性能最优的青蛙Xb和性能最差的青蛙Xw;
S23、利用引入高斯变异因子的最差青蛙个体的更新公式更新Xw,避免陷入局部最优,得到更新后的青蛙;更新公式为:
S=r·(Xb-Xw)·G(0,1)
Xw′=Xw+S,||S||≤Smax
其中,S表示每次更新步长,r表示0-1间的随机数,Xw′表示更新后的青蛙,G(0,1)表示利用高斯分布产生的0-1之间的随机数,Smax表示最大更新步长;
如果更新后的青蛙性能优于Xw,则直接替代Xw,否则执行选择操作:先用全局性能最优的青蛙代替每个模因组中性能最优的青蛙继续执行最差青蛙个体的更新公式,如果更新后Xw的性能仍没有改进,则随机产生一只青蛙代替Xw;
S24、对每一个模因组,重复上述步骤S23的局部搜索Lmax次;
S25、当完成局部搜索后,若达到最大迭代次数maxgen或适应度值达到最小,则进化过程结束,输出全局最优解,否则将所有模因组内的青蛙重新混合再返回步骤S22。
步骤S3过程中的适应度采用综合误差性能指标,综合误差性能指标为系统的每个输出的误差性能指标的加权和:
其中,t表示积分时间,e(t)表示系统误差。
步骤S3中将基于改进混合蛙跳算法的PID控制器应用于超超临界机组协调控制系统上。本实施例以某1000MW火电机组协调控制系统为具体实施例来说明,利用改进后的混合蛙跳算法(igsfla)和未改进的混合蛙跳算法(sfla)分别进行优化,对比两种算法的结果。其中图1中:
具体过程如下:
首先,用基于改进混合蛙跳算法的PID控制器来优化汽轮机和锅炉主控制器及两个非线性环节的参数,需要优化的参数是δ1、δ2、Ti1、Ti2、k12、k21。
然后,选择优化过程中的误差指标函数。汽轮机侧的控制回路调节很快,一般它调节结束的时候锅炉侧的调节才刚刚开始,因此在选择目标函数时,汽轮机侧不必考虑,只需要考虑锅炉侧。另外,由于这是一个非线性多变量系统,系统的动态特性和系统的内部参数有关,还与系统施加的扰动量大小有关,因此也就不能考虑用线性系统时的品质指标作为目标函数或约束条件。现在仅考虑使用锅炉侧的动态偏差构造目标函数:
得到的优化结果为:δ1=0.58、δ2=0.42、Ti1=9.6、Ti2=250、k12=137.4、k21=1.32。
最后,将优化后的PID控制器应用于超超临界机组协调控制系统。如图4(1)~(4)所示,是本实施例中将利用改进和未改进混合蛙跳算法的PID控制器应用于超超临界机组协调控制系统时负荷上升100MW时各变量的响应曲线图。
在最优参数下,压力保持不变,负荷给定值以dN0/dt=12MW/min上升到100MW时各变量的响应曲线。由图4(1)可以看出,汽轮机侧能快速地响应负荷的变化,在改进混合蛙跳算法优化下,调节汽轮机阀门开度的速度稍微快一点。图4(2)在燃料量方面,锅炉侧首先增大燃料量,然后下降到定值,最后趋于稳定。改进混合蛙跳算法优化后的燃料量曲线的波动明显较未改进混合蛙跳算法要稳定很多,也就是说优化后的系统更加节能,更符合工程实际需求。在调节过程中,图4(4)主汽压力先升高后下降,最后稳定于定值。改进混合蛙跳算法优化后的主汽压力曲线的波动和超调量更小、稳定时间更快。
如图5(1)~(4)所示,是本发明中将基于改进和未改进混合蛙跳算法的PID控制器应用于超超临界机组协调控制系统时压力值升高1MPa时各变量的响应曲线图。
由图5(2)可以看出,当压力定值升高时,首先增加给煤量,在改进混合蛙跳算法优化下,燃煤量的曲线波动较小,即耗煤量更加地小,更加节约能耗。图5(1)汽轮机阀门开度在原来基础上下调11%左右。两种算法相比,在改进混合蛙跳算法优化下,调节汽轮机阀门开度的速度变快,而且到达稳定的时间和原来一样。由于负荷保持不变,图5(3)功率曲线在发生波动后恢复到原来状态,在改进混合蛙跳算法下功率曲线虽然波动峰值较大,但是稳定速度很快,最后误差允许范围内恢复到稳态值。
总体来讲,虽然改进混合蛙跳算法优化后的各变量响应曲线在稳定时间要长一点,但是在曲线波动、响应速度、超调量、节约控制能源等方面都有明显的改善,说明所提出的控制优化方法是有效的,改善了控制系统的性能。
Claims (8)
1.一种超超临界机组协调控制系统的控制优化方法,所述超超临界机组协调控制系统包括汽轮机主控制器和锅炉主控制器,其特征在于,该方法包括以下步骤:
S1、采用非线性解耦控制环节控制超超临界机组协调控制系统;
S2、通过引入混沌初始化和高斯变异因子来改进混合蛙跳算法;
S3、将基于改进混合蛙跳算法的PID控制器应用于超超临界机组协调控制系统中,优化汽轮机主控制器、锅炉主控制器和非线性解耦环节的参数。
2.根据权利要求1所述的一种超超临界机组协调控制系统的控制优化方法,其特征在于,所述非线性解耦控制环节包括死区非线性环节和饱和非线性环节。
3.根据权利要求2所述的一种超超临界机组协调控制系统的控制优化方法,其特征在于,所述死区非线性环节中的死区值设为0.5MPa。
4.根据权利要求1所述的一种超超临界机组协调控制系统的控制优化方法,其特征在于,所述步骤S2具体包括:
S21、初始化,用混沌序列初始化种群,生产初始蛙群;
S22、划分模因组,每一个模因组中具有性能最优的青蛙Xb和性能最差的青蛙Xw;
S23、利用引入高斯变异因子的最差青蛙个体的更新公式更新Xw,得到更新后的青蛙;
如果更新后的青蛙性能优于Xw,则直接替代Xw,否则执行选择操作:先用全局性能最优的青蛙代替每个模因组中性能最优的青蛙继续执行最差青蛙个体的更新公式,如果更新后Xw的性能仍没有改进,则随机产生一只青蛙代替Xw;
S24、对每一个模因组,重复上述步骤S23的局部搜索Lmax次;
S25、当完成局部搜索后,若达到最大迭代次数maxgen或适应度值达到最小,则进化过程结束,输出全局最优解,否则将所有模因组内的青蛙重新混合再返回步骤S22。
5.根据权利要求4所述的一种超超临界机组协调控制系统的控制优化方法,其特征在于,所述步骤S21中用混沌序列初始化种群过程中通过Logistic方程产生混沌序列,所述Logistic方程为:
其中,Sk表示0-1间的随机数,μ表示大于0的常数,max表示某种群的总个数。
6.根据权利要求4所述的一种超超临界机组协调控制系统的控制优化方法,其特征在于,所述引入高斯变异因子的最差青蛙个体的更新公式为:
S=r·(Xb-Xw)·G(0,1)
Xw′=Xw+S,||S||≤Smax
其中,S表示每次更新步长,r表示表示0-1间的随机数,Xw′表示更新后的青蛙,G(0,1)表示利用高斯分布产生的0-1之间的随机数,Smax表示最大更新步长。
7.根据权利要求1所述的一种超超临界机组协调控制系统的控制优化方法,其特征在于,所述步骤S3过程中的适应度采用综合误差性能指标,所述综合误差性能指标为系统的每个输出的误差性能指标的加权和。
8.根据权利要求1所述的一种超超临界机组协调控制系统的控制优化方法,其特征在于,所述超超临界机组协调控制系统为输入量为汽轮机调门开度、总燃料量,输出量为发电机功率、主蒸汽压力的双输入双输出被控对象。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910465553.7A CN110244551B (zh) | 2019-05-30 | 2019-05-30 | 一种超超临界机组协调控制系统的控制优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910465553.7A CN110244551B (zh) | 2019-05-30 | 2019-05-30 | 一种超超临界机组协调控制系统的控制优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110244551A true CN110244551A (zh) | 2019-09-17 |
CN110244551B CN110244551B (zh) | 2023-08-29 |
Family
ID=67885530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910465553.7A Active CN110244551B (zh) | 2019-05-30 | 2019-05-30 | 一种超超临界机组协调控制系统的控制优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110244551B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111429010A (zh) * | 2020-03-27 | 2020-07-17 | 上海圆曦电力科技有限公司 | 一种基于内模控制结构的火力发电机组协调控制系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101131571A (zh) * | 2007-08-15 | 2008-02-27 | 华北电力大学 | 单元制发电机组协调控制系统的pid参数整定方法 |
CN103337001A (zh) * | 2013-07-18 | 2013-10-02 | 山东大学 | 考虑最佳期望输出与荷电状态的风电场储能容量优化方法 |
US20160296800A1 (en) * | 2015-04-07 | 2016-10-13 | Ohio State Innovation Foundation | Automatically adjustable treadmill control system |
CN106126863A (zh) * | 2016-07-20 | 2016-11-16 | 国网青海省电力公司 | 基于人工鱼群和蛙跳算法的光伏电池参数辨识方法 |
CN106597850A (zh) * | 2016-12-16 | 2017-04-26 | 新疆疆天航空科技有限公司 | 一种基于混沌蛙跳的植保无人机编队目标分配方法 |
CN109143857A (zh) * | 2018-08-14 | 2019-01-04 | 上海电力学院 | 一种超超临界机组协调控制系统的解耦控制方法 |
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 |
-
2019
- 2019-05-30 CN CN201910465553.7A patent/CN110244551B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101131571A (zh) * | 2007-08-15 | 2008-02-27 | 华北电力大学 | 单元制发电机组协调控制系统的pid参数整定方法 |
CN103337001A (zh) * | 2013-07-18 | 2013-10-02 | 山东大学 | 考虑最佳期望输出与荷电状态的风电场储能容量优化方法 |
US20160296800A1 (en) * | 2015-04-07 | 2016-10-13 | Ohio State Innovation Foundation | Automatically adjustable treadmill control system |
CN106126863A (zh) * | 2016-07-20 | 2016-11-16 | 国网青海省电力公司 | 基于人工鱼群和蛙跳算法的光伏电池参数辨识方法 |
CN106597850A (zh) * | 2016-12-16 | 2017-04-26 | 新疆疆天航空科技有限公司 | 一种基于混沌蛙跳的植保无人机编队目标分配方法 |
CN109143857A (zh) * | 2018-08-14 | 2019-01-04 | 上海电力学院 | 一种超超临界机组协调控制系统的解耦控制方法 |
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 |
Non-Patent Citations (9)
Title |
---|
刘悦婷: "基于混沌和动态变异的蛙跳算法", 计算机应用与软件, vol. 29, no. 12, pages 137 - 140 * |
张桂珠 等: "一种具有领导机制的混合蛙跳优化算法冰", 《计算机应用研究》 * |
张桂珠 等: "一种具有领导机制的混合蛙跳优化算法冰", 《计算机应用研究》, vol. 31, no. 7, 31 July 2014 (2014-07-31), pages 1984 - 1988 * |
杨巍 等: ""一种改进的智能优化算法"", 《电子测量技术》 * |
杨巍 等: ""一种改进的智能优化算法"", 《电子测量技术》, vol. 41, no. 23, 31 December 2018 (2018-12-31), pages 23 - 28 * |
赵鹏军: "一种新的仿生优化算法及其改进", 《商洛学院学报》 * |
赵鹏军: "一种新的仿生优化算法及其改进", 《商洛学院学报》, vol. 23, no. 2, 30 April 2009 (2009-04-30), pages 19 - 22 * |
郑云水 等: "带有高斯变异的混合蛙跳蝙蝠算法", 《计算机应用研究》 * |
郑云水 等: "带有高斯变异的混合蛙跳蝙蝠算法", 《计算机应用研究》, vol. 32, no. 12, 30 December 2015 (2015-12-30), pages 3629 - 3633 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111429010A (zh) * | 2020-03-27 | 2020-07-17 | 上海圆曦电力科技有限公司 | 一种基于内模控制结构的火力发电机组协调控制系统 |
CN111429010B (zh) * | 2020-03-27 | 2024-01-09 | 上海圆曦电力科技有限公司 | 一种基于内模控制结构的火力发电机组协调控制系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110244551B (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106019939B (zh) | 基于非线性智能预测控制技术的超临界机组再热汽温优化控制系统 | |
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 | |
CN102629131A (zh) | 一种脉冲方式调整凝结水流量参与调频的协调控制方法 | |
CN108757059B (zh) | 一种汽轮机在节流配汽下的定滑压曲线试验优化方法 | |
CN104456513B (zh) | 一种火力发电厂主汽温预估优化控制方法 | |
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 | |
CN109378833B (zh) | 一种通过控制汽轮机抽汽量实现机组快速调频的方法 | |
CN105299612A (zh) | 基于多模型切换的主蒸汽温度控制方法及控制系统 | |
CN105275509A (zh) | 火电机组的汽轮机调门开度控制方法及系统 | |
CN108549231B (zh) | 一种融合供热抽汽调节的热电联产机组的协调控制方法 | |
CN105467842B (zh) | 一种超临界或者超超临界机组锅炉的主汽压力智能控制方法 | |
CN110376895A (zh) | 一种基于分层受限预测控制的火电机组协调控制方法 | |
CN105953207A (zh) | 一种高品质的电站锅炉汽温控制系统 | |
CN110244551A (zh) | 一种超超临界机组协调控制系统的控制优化方法 | |
CN110579968A (zh) | 一种超超临界机组深度调峰协调系统预测控制策略 | |
CN111123704A (zh) | 一种二次再热机组再热汽温的节能型预测控制方法 | |
CN104235820A (zh) | 一种基于改进型单神经元自适应pid控制策略的锅炉汽温控制方法 | |
CN110513158A (zh) | 汽轮机前馈的多级速率调节方法 | |
CN101963344A (zh) | 基于过程特性补偿的再热汽温控制方法 | |
CN108919642B (zh) | 一种炉跟机协调控制系统控制器参数优化整定方法 | |
Mishra et al. | Load frequency control of a nonlinear power system via demand response control strategy based fractional order fuzzy controller | |
Gough | Advanced control of steam superheat temperature on a utility boiler | |
CN113835372A (zh) | 电极式电锅炉辅助火电机组一次调频的控制系统及方法 | |
CN108828932A (zh) | 一种单元机组负荷控制器参数优化整定方法 | |
CN216281315U (zh) | 一种双渣室燃煤机组主蒸汽温度优化控制装置 |
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 |