CN110376895A - 一种基于分层受限预测控制的火电机组协调控制方法 - Google Patents

一种基于分层受限预测控制的火电机组协调控制方法 Download PDF

Info

Publication number
CN110376895A
CN110376895A CN201910692650.XA CN201910692650A CN110376895A CN 110376895 A CN110376895 A CN 110376895A CN 201910692650 A CN201910692650 A CN 201910692650A CN 110376895 A CN110376895 A CN 110376895A
Authority
CN
China
Prior art keywords
control
setting value
layering
power generating
constrained
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
Application number
CN201910692650.XA
Other languages
English (en)
Other versions
CN110376895B (zh
Inventor
高歆光
刘福军
孙涛
杨庆治
郭勇
李绍平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yingkou Power Plant of Huaneng Power International Inc
Original Assignee
Yingkou Power Plant of Huaneng Power International Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yingkou Power Plant of Huaneng Power International Inc filed Critical Yingkou Power Plant of Huaneng Power International Inc
Priority to CN201910692650.XA priority Critical patent/CN110376895B/zh
Publication of CN110376895A publication Critical patent/CN110376895A/zh
Application granted granted Critical
Publication of CN110376895B publication Critical patent/CN110376895B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

本发明提供了一种基于分层受限预测控制的火电机组协调控制方法，所述的分层受限预测控制器包括控制目标轨迹动态优化层和受限预测控制层两部分,它的特点是将各个变量设定值输入轨迹优化层进行控制轨迹优化,下层采用简化的受限预测控制当误差过大时根据上层的目标轨迹进行最优控制率的计算。由这种方法设计出的控制器适应性强，控制准确。简化后的受限预测控制器需要参数较少，有利于调试。可以克服火电机组协调控制中对象的大滞后、大惯性的特点，同时受限预测控制可有效考虑执行机构上下限、速率限制等实际约束，提高机组协调系统控制的安全性。

Description

一种基于分层受限预测控制的火电机组协调控制方法
技术领域
本发明涉及火电机组的自动控制领域，尤其是一种基于分层受限预测控制的火电机组协调控制方法。
背景技术
随着新能源产业的持续壮大，风电和太阳能逐渐改变了目前电网格局，由于新能源的不稳定性，各高参数机组如何频繁高效的解决调频调峰问题，实现机炉间的协调控制，快速跟踪电网负荷响应成为各电厂的主要任务。
单元制机组的协调控制系统是将锅炉、汽机及辅机作为整体加以控制的多变量，强耦合，非线性的时变系统，目前传统且广泛的协调控制系统采用常规PID控制，但不能适应变工况过程中的对象特性变化以及机组的安全经济运行的需要，尤其是负荷和主蒸汽温度对设定值的跟踪难以令人满意。采用预测控制方法可有效解决大滞后问题，已经广泛成为大惯性热工控制对象的控制方法之一，在协调控制的实际问题中，首先需要考虑输入输出存在的众多约束，因此在常规预测控制基础上提出受限预测控制方法可以更高效解决此类问题。但受限预测控制方法的复杂算法往往导致在实际工程应用中无法实现，文献[1]提出基于模糊指标函数的受限预测控制方法，但计算量大，过程复杂。其次安全性和经济性指标也是电厂考核的重要因素，但在目前的控制方法中还未予以实现。
基于上述提到的问题，本发明提出的，分成上下层优化。先利用支持向量机方法计算出优化后的设定值，再利用受限预测控制计算最优控制率，可在考虑多种约束的同时减小预测控制的计算量，保证控制的快速性和准确性。
参考文献
[1]郭颖,张铁军,吕剑虹.基于遗传监督的受限预测控制及其在热工控制中的应用[J].东南大学学报(自然科学版),2005,35(1):55-59。
发明内容
技术问题：本发明的目的在于克服上述背景技术中提及的不足，提供一种基于分层受限预测控制的火电机组协调控制方法，可以克服当前火电机组协调控制的众多约束，预测控制算法还可以克服大惯性纯滞后环节，有效解决协调控制对象大滞后，多变量强耦合的问题。下层的改进受限广义预测控制的控制算法改进了约束限制，算法简单，计算量小，易于工程实践。
技术方案：本发明的一种基于分层受限预测控制器的火电机组协调控制方法具体由以下方案实现：
所述的分层受限预测控制器包括目标轨迹动态优化层即上层和受限预测控制层即下层，火电机组协调控制方法具体步骤如下：
步骤1：根据历史数据及评价函数训练目标轨迹动态优化层的支持向量机模型；
步骤2：实验得到机组典型工况下的协调系统传递函数模型G(s)；
步骤3：确定受限预测控制层的约束范围、控制步长、预测步长及采样时间Ts；
步骤4：根据所述步骤1中训练后的支持向量机模型，输入当前机组状态得到优化后的目标轨迹；
步骤5：在误差超过各自阀值时将所述步骤4中得到的目标轨迹输入受限预测控制器，得到当前时刻的煤量指令、汽机调门开度指令和给水量指令。
其中：
所述的目标轨迹动态优化层，其输入为当前机组负荷、总风量、总煤量、总给水量、总风量、负荷设定值、主汽压力设定值、主汽压力实际值和中间点温度设定值及实际值；输出为新的负荷设定值、主汽压力设定值和中间点温度设定值。
所述的步骤1中训练目标轨迹动态优化层，其输入数据为过去5000s的机组负荷、总风量、总煤量、总给水量、负荷设定值、主汽压力设定值、主汽压力实际值和中间点温度设定值及实际值；输出为新的负荷设定值、主汽压力设定值和中间点温度设定值，其核函数为径向基函数。
所述的核函数为径向基函数，采用评价函数J作为其评价指标：
式中Pt为实际主蒸汽压力，Ne为机组实发功率，Tm为实际中间点温度；B、K和D分别为上一采样周期的总煤量指令、汽机调门开度和给水流量指令，B1、K1和D1分别为当前时刻的总煤量指令、汽机调门开度和给水流量指令，ΔPt、ΔNe和ΔTm分别为主蒸汽压力、机组实发功率和中间点温度的实际值与设定值的偏差；α、β和γ分别为煤量指令、汽机调门开度指令和给水量指令的误差权重，范围为[0,1]。
所述步骤2中机组典型工况下的协调系统传递函数模型G(s)，要求在机组50％-80％额定负荷段内做煤量变化、给水变化和汽机调门开度变化实验，从而得到机组协调控制系统的传递函数模型G(s)。
所述的步骤3中的受限预测控制层的控制步长取1，预测步长为30-60，采样时间取5-10s，根据实际控制系统情况调整采样周期。
所述的受限预测控制层在广义预测控制，控制率计算后只对当前控制作用u(t)、控制增量Δu(t)和输出y(t+1)进行限制，将对输出y(t+1)的约束改写为对Δu(t)的约束，可得控制增量Δu(t)受被控量输出限制的上限和下限
同时可得控制增量Δu(t)受控制器输出幅度限制的上限和下限
最终约束为：
上式中H1、F1和G1分别为Hj、Fj和Gj当预测步长j＝1时取得，Hj、Fj和Gj可通过求解丢番图方程：
1＝Ej(z-1)A(z-1)Δ+z-jHj(z-1)
Ej(z-1)B(z-1)＝Gj(z-1)+z-jFj(z-1)
z-1为后移算子，Δ＝1-z-1，Ej(z-1)是由A(z-1)和预测步长j唯一确定的多项式，A(z-1)和B(z-1)为被控对象CRAIMA模型的系数：
A(z-1)Δy(t)＝B(z-1)Δu(t-1)+C(z-1)ξ(t)
其中na和nb分别为A(z-1)和B(z-1)的阶次，a1…ana和b0,b1…bnb分别为A和B各个阶次的系数。
有益效果：本发明所述的一种基于分层受限预测控制的火电机组协调控制方法，分层计算可以获得更加合理的动态设定值，受限预测控制还具有较强的追踪能力和对不同控制速率的适应能力，可以克服当前火电机组协调控制的众多约束，预测控制算法还可以克服大惯性纯滞后环节，有效解决协调控制对象大滞后，多变量强耦合的问题。下层的改进受限广义预测控制的控制算法改进了约束限制，算法简单，计算量小，易于工程实践。
附图说明
图1为火电机组分层受限预测控制结构图。
图2为本发明目标轨迹优化层训练结构图。
图3为火电机组协调控制系统示意图。
图4为火电机组分层受限预测控制方法流程图。
具体实施方式
本发明的一种基于分层受限预测控制器的火电机组协调控制方法具体由以下方案实现：
所述的分层受限预测控制器包括目标轨迹动态优化层即上层和受限预测控制层即下层，火电机组协调控制方法具体步骤如下：
步骤1：根据历史数据及评价函数训练目标轨迹动态优化层的支持向量机模型；
步骤2：实验得到机组典型工况下的协调系统传递函数模型G(s)；
步骤3：确定受限预测控制层的约束范围、控制步长、预测步长及采样时间Ts；
步骤4：根据所属步骤1中训练后的支持向量机模型，输入当前机组状态得到优化后的目标轨迹；
步骤5：在误差超过各自阀值时将所述步骤4中得到的目标轨迹输入受限预测控制器，得到当前时刻的煤量指令、汽机调门开度指令和给水量指令。
进一步的，所述的步骤1中目标轨迹动态优化层训练的输入数据为过去5000s的机组负荷、总风量、总煤量、总给水量、负荷设定值、主汽压力设定值、主汽压力实际值和中间点温度设定值及实际值。输出为新的负荷设定值、主汽压力设定值和中间点温度设定值，其核函数为径向基函数，采用评价函数J作为其评价指标：
式中Pt为实际主蒸汽压力，Ne为机组实发功率，Tm为实际中间点温度。B、K和D分别为上一采样周期的总煤量指令、汽机调门开度和给水流量指令，B1、K1和D1分别为当前时刻的总煤量指令、汽机调门开度和给水流量指令，ΔPt、ΔNe和ΔTm分别为主蒸汽压力、机组实发功率和中间点温度的实际值与设定值的偏差。α、β和γ分别为煤量指令、汽机调门开度指令和给水量指令的误差权重，范围为[0,1]。
进一步的，所述步骤2中要求在机组50％-80％额定负荷段内做煤量变化、给水变化和汽机调门开度变化实验，从而得到机组协调控制系统的传递函数模型G(s)；
进一步的，所述的步骤3中的受限预测控制层的控制步长取1，预测步长为30-60，采样时间取5-10s，可根据实际控制系统情况调整采样周期。
进一步的，根据权利要求1所述的基于分层受限预测控制的火电机组协调控制方法，其特征在于：所述的受限预测控制层在广义预测控制，控制率计算后只对当前控制作用u(t)、控制增量Δu(t)和输出y(t+1)进行限制，将对输出y(t+1)的约束改写为对Δu(t)的约束，将对输出y(t+1)的约束改写为对Δu(t)的约束，可得控制增量Δu(t)受被控量输出限制的上限和下限
同时可得控制增量Δu(t)受控制器输出幅度限制的上限和下限
最终约束为：
上式中H1、F1和G1分别为Hj、Fj和Gj当预测步长j＝1时取得，Hj、Fj和Gj可通过求解丢番图方程：
1＝Ej(z-1)A(z-1)Δ+z-jHj(z-1)
Ej(z-1)B(z-1)＝Gj(z-1)+z-jFj(z-1)
z-1为后移算子，Δ＝1-z-1，Ej(z-1)是由A(z-1)和预测步长j唯一确定的多项式，A(z-1)和B(z-1)为被控对象CRAIMA模型的系数：
A(z-1)Δy(t)＝B(z-1)Δu(t-1)+C(z-1)ξ(t)
其中na和nb分别为A(z-1)和B(z-1)的阶次，a1…ana和b0,b1…bnb分别为A和B各个阶次的系数。
下面结合附图和具体实施方案对本发明作进一步说明。
图1为所述的一种基于分层受限预测控制的火电机组协调控制结构图，受限预测控制器同时接收优化后的设定值和优化前的设定值，当主汽压力、功率、中间点温度的误差大于各自的阀值时，切入优化后的设定值以加快调节，否则选择原有设定值以保证无稳态偏差，其中主蒸汽压力偏差阀值EPmax＝0.3MPa,中间点温度偏差阀值ETmax＝5℃，功率偏差阀值ENmax＝2MW。其中受限预测控制层的控制步长取1，预测步长为30-60，采样时间取5-10s，可根据实际控制系统情况调整采样周期，各个控制量的上下限和速率限制保持原有不变。在最优控制率计算时只对当前时刻的控制作用u(t)、控制增量Δu(t)和输出y(t+1)进行限制。
计算中对输出y(t+1)的约束改写为对Δu(t)的约束：
根据被控对象的CARIMA模型及丢番图方程可得出控制步长取1时的广义预测控制的输出为：
y(t+1)＝G1·Δu(t)+H1·y(t)+F1·Δu(t-1)
整理可得：
ymin-H1y(t)-F1Δu(t-1)≤G1Δu(t)≤ymax-H1y(t)-F1Δu(t-1)
上式中H1、F1和G1分别为Hj、Fj和Gj当j＝1时取得，Hj、Fj和Gj则通过求解丢番图方程得出：
1＝Ej(z-1)A(z-1)Δ+z-jHj(z-1)
Ej(z-1)B(z-1)＝Gj(z-1)+z-jFj(z-1)
z-1为后移算子，Δ＝1-z-1，A(z-1)和B(z-1)为被控对象CRAIMA模型的系数：
A(z-1)Δy(t)＝B(z-1)Δu(t-1)+C(z-1)ξ(t)
A(z-1)＝1+a1z-1+…anaz-na
B(z-1)＝b0+b1z-1+…bnbz-nb
其中na和nb分别为A(z-1)和B(z-1)的阶次。
由于G1为非零常数，所以上式可化为
所以控制增量Δu(t)受被控量输出限制的上限和下限
同时可得控制增量Δu(t)受控制器输出幅度限制的上限和下限
最终约束为：
由此，原来预测控制中的多约束优化转化为简单的一元二次函数在有限定义域内的极小值问题，从而减小了计算量。计算出的给水流量、汽机调门开度及总煤量作用于实际火电机组。
图2为一种基于分层受限预测控制的火电机组协调控制方法中的目标轨迹动态优化层结构图，根据过去一段时间历史数据作为支持向量机的输入进行训练，时长取5000s。所需数据包括机组负荷、总风量、总煤量、总给水量、负荷设定值、主汽压力设定值、主汽压力实际值和中间点温度设定值及实际值。输出为新的负荷设定值、主汽压力设定值和中间点温度设定值，其核函数为径向基函数。通过评价函数J作为其评价指标：
式中Pt为实际主蒸汽压力，Ne为机组实发功率，Tm为实际中间点温度。B、K和D分别为上一采样周期的总煤量指令、汽机调门开度和给水流量指令，B1、K1和D1分别为当前时刻的总煤量指令、汽机调门开度和给水流量指令，ΔPt、ΔNe和ΔTm分别为主蒸汽压力、机组实发功率和中间点温度的实际值与设定值的偏差。α、β和γ分别为煤量指令、汽机调门开度指令和给水量指令的误差权重，范围为[0,1]。
图3为火电机组协调控制系统示意图，为三输入三输出系统，输入为汽轮机调门开度,给水流量和燃料量，输出为机组实发功率，分离器出口蒸汽温度(中间点温度)和主蒸汽压力。传递函数模型G(s)矩阵要求在机组50％-80％额定负荷段内做煤量变化、给水变化和汽机调门开度变化实验，将数据处理后利用MATLAB工具箱拟合出该传递函数矩阵。
图4为火电机组分层受限预测控制方法流程图，首先利用历史数据训练目标轨迹动态优化模型，之后根据在典型工况下的实验得到机组传递函数模型，利用训练好的模型代入受限预测控制算法，进行参数设定后，根据目标轨迹动态优化的输出进行机组的实际控制。

Claims (7)

1.一种基于分层受限预测控制器的火电机组协调控制方法，其特征在于：所述的分层受限预测控制器包括目标轨迹动态优化层即上层和受限预测控制层即下层，火电机组协调控制方法具体步骤如下：
步骤1：根据历史数据及评价函数训练目标轨迹动态优化层的支持向量机模型；
步骤2：实验得到机组典型工况下的协调系统传递函数模型G(s)；
步骤3：确定受限预测控制层的约束范围、控制步长、预测步长及采样时间Ts；
步骤4：根据所述步骤1中训练后的支持向量机模型，输入当前机组状态得到优化后的目标轨迹；
步骤5：在误差超过各自阀值时将所述步骤4中得到的目标轨迹输入受限预测控制器，得到当前时刻的煤量指令、汽机调门开度指令和给水量指令。
2.根据权利要求1所述的基于分层受限预测控制器的火电机组协调控制方法，其特征在于：所述的目标轨迹动态优化层，其输入为当前机组负荷、总煤量、总给水量、总风量、负荷设定值、主汽压力设定值、主汽压力实际值和中间点温度设定值及实际值；输出为新的负荷设定值、主汽压力设定值和中间点温度设定值。
3.根据权利要求1所述的基于分层受限预测控制器的火电机组协调控制方法，其特征在于：步骤1中所述的训练目标轨迹动态优化层，其输入数据为过去5000s的机组负荷、总风量、总煤量、总给水量、负荷设定值、主汽压力设定值、主汽压力实际值和中间点温度设定值及实际值；输出为新的负荷设定值、主汽压力设定值和中间点温度设定值，其核函数为径向基函数。
4.根据权利要求3所述的基于分层受限预测控制器的火电机组协调控制方法，其特征在于：所述的核函数为径向基函数，采用评价函数J作为其评价指标：
式中Pt为实际主蒸汽压力，Ne为机组实发功率，Tm为实际中间点温度；B、K和D分别为上一采样周期的总煤量指令、汽机调门开度和给水流量指令，B1、K1和D1分别为当前时刻的总煤量指令、汽机调门开度和给水流量指令，ΔPt、ΔNe和ΔTm分别为主蒸汽压力、机组实发功率和中间点温度的实际值与设定值的偏差；α、β和γ分别为煤量指令、汽机调门开度指令和给水量指令的误差权重，范围为[0,1]。
5.根据权利要求1所述的基于分层受限预测控制器的火电机组协调控制方法，其特征在于：所述步骤2中机组典型工况下的协调系统传递函数模型G(s)，要求在机组50％-80％额定负荷段内做煤量变化、给水变化和汽机调门开度变化实验，从而得到机组协调控制系统的传递函数模型G(s)。
6.根据权利要求1所述的基于分层受限预测控制器的火电机组协调控制方法，其特征在于所述的步骤3中的受限预测控制层的控制步长取1，预测步长为30-60，采样时间取5-10s，根据实际控制系统情况调整采样周期。
7.根据权利要求1所述的基于分层受限预测控制器的火电机组协调控制方法，其特征在于：所述的受限预测控制层在广义预测控制，控制率计算后只对当前控制作用u(t)、控制增量Δu(t)和输出y(t+1)进行限制，将对输出y(t+1)的约束改写为对Δu(t)的约束，可得控制增量Δu(t)受被控量输出限制的上限和下限
同时可得控制增量Δu(t)受控制器输出幅度限制的上限和下限
最终约束为：
上式中H1、F1和G1分别为Hj、Fj和Gj当预测步长j＝1时取得，Hj、Fj和Gj可通过求解丢番图方程：
1＝Ej(z-1)A(z-1)Δ+z-jHj(z-1)
Ej(z-1)B(z-1)＝Gj(z-1)+z-jFj(z-1)
z-1为后移算子，Δ＝1-z-1，Ej(z-1)是由A(z-1)和预测步长j唯一确定的多项式，A(z-1)和B(z-1)为被控对象CRAIMA模型的系数：
A(z-1)Δy(t)＝B(z-1)Δu(t-1)+C(z-1)ξ(t)
其中na和nb分别为A(z-1)和B(z-1)的阶次，a1…ana和b0,b1…bnb分别为A和B各个阶次的系数。
CN201910692650.XA 2019-07-30 2019-07-30 一种基于分层受限预测控制的火电机组协调控制方法 Active CN110376895B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910692650.XA CN110376895B (zh) 2019-07-30 2019-07-30 一种基于分层受限预测控制的火电机组协调控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910692650.XA CN110376895B (zh) 2019-07-30 2019-07-30 一种基于分层受限预测控制的火电机组协调控制方法

Publications (2)

Publication Number Publication Date
CN110376895A true CN110376895A (zh) 2019-10-25
CN110376895B CN110376895B (zh) 2022-03-04

Family

ID=68256972

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910692650.XA Active CN110376895B (zh) 2019-07-30 2019-07-30 一种基于分层受限预测控制的火电机组协调控制方法

Country Status (1)

Country Link
CN (1) CN110376895B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN112462609A (zh) * 2020-11-24 2021-03-09 华能沁北发电有限责任公司 一种火电机组全负荷协调控制方法
CN112526882A (zh) * 2020-11-30 2021-03-19 国家电投集团东北电力有限公司本溪热电分公司 基于分层模型预测控制算法的超临界机组协调控制方法
CN113777930A (zh) * 2021-10-09 2021-12-10 西安热工研究院有限公司 基于模型预测控制算法的供热机组协调控制系统及其方法
CN114428456A (zh) * 2020-10-29 2022-05-03 北京国电智深控制技术有限公司 一种火电机组控制系统的控制方法及装置

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1689889A2 (en) * 2003-12-01 2006-08-16 Epigenomics AG Methods and nucleic acids for the analysis of gene expression associated with the development of prostate cell proliferative disorders
CN102494336A (zh) * 2011-12-16 2012-06-13 浙江大学 一种循环流化床锅炉燃烧过程多变量控制方法
CN103412486A (zh) * 2013-07-23 2013-11-27 沈阳化工大学 一种聚氯乙烯汽提过程智能控制方法
CN104090491A (zh) * 2014-07-04 2014-10-08 东南大学 燃气蒸汽联合循环机组多变量受限预测函数负荷控制方法
CN104199299A (zh) * 2014-08-18 2014-12-10 国家电网公司 燃气轮机负荷调节性能的多变量受限广义预测控制方法
CN104454346A (zh) * 2014-11-09 2015-03-25 华北电力大学（保定） 一种小型永磁直驱风力发电系统最大功率跟踪控制方法
CN104500336A (zh) * 2014-11-27 2015-04-08 江苏科技大学 一种基于Hammerstein-Wiener模型的风电机组恒功率广义预测控制方法
CN106933105A (zh) * 2017-04-24 2017-07-07 清华大学 受限条件下的轨迹更新综合预测迭代学习控制算法
US9710836B1 (en) * 2013-04-11 2017-07-18 Matthew Carl O'Malley Sensor, weapon, actor, and registration monitoring, evaluating, and relationships
CN108233417A (zh) * 2018-01-22 2018-06-29 华北电力大学（保定） 一种多预测模型串联校正并联耦合的可再生能源出力预测计算方法
CN108345571A (zh) * 2018-01-18 2018-07-31 东南大学 微型燃气轮机冷热电联供系统预测控制方法与控制系统
CN108879670A (zh) * 2018-07-17 2018-11-23 国家电网公司 一种高压配电网分区优化方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1689889A2 (en) * 2003-12-01 2006-08-16 Epigenomics AG Methods and nucleic acids for the analysis of gene expression associated with the development of prostate cell proliferative disorders
CN102494336A (zh) * 2011-12-16 2012-06-13 浙江大学 一种循环流化床锅炉燃烧过程多变量控制方法
US9710836B1 (en) * 2013-04-11 2017-07-18 Matthew Carl O'Malley Sensor, weapon, actor, and registration monitoring, evaluating, and relationships
CN103412486A (zh) * 2013-07-23 2013-11-27 沈阳化工大学 一种聚氯乙烯汽提过程智能控制方法
CN104090491A (zh) * 2014-07-04 2014-10-08 东南大学 燃气蒸汽联合循环机组多变量受限预测函数负荷控制方法
CN104199299A (zh) * 2014-08-18 2014-12-10 国家电网公司 燃气轮机负荷调节性能的多变量受限广义预测控制方法
CN104454346A (zh) * 2014-11-09 2015-03-25 华北电力大学（保定） 一种小型永磁直驱风力发电系统最大功率跟踪控制方法
CN104500336A (zh) * 2014-11-27 2015-04-08 江苏科技大学 一种基于Hammerstein-Wiener模型的风电机组恒功率广义预测控制方法
CN106933105A (zh) * 2017-04-24 2017-07-07 清华大学 受限条件下的轨迹更新综合预测迭代学习控制算法
CN108345571A (zh) * 2018-01-18 2018-07-31 东南大学 微型燃气轮机冷热电联供系统预测控制方法与控制系统
CN108233417A (zh) * 2018-01-22 2018-06-29 华北电力大学（保定） 一种多预测模型串联校正并联耦合的可再生能源出力预测计算方法
CN108879670A (zh) * 2018-07-17 2018-11-23 国家电网公司 一种高压配电网分区优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
YANFEI YE，等: "Research of Polymerization Temperature Control Based on Improved GPC", 《 2011 THIRD INTERNATIONAL CONFERENCE ON INTELLIGENT HUMAN-MACHINE SYSTEMS AND CYBERNETICS》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN114428456A (zh) * 2020-10-29 2022-05-03 北京国电智深控制技术有限公司 一种火电机组控制系统的控制方法及装置
CN114428456B (zh) * 2020-10-29 2024-05-14 北京国电智深控制技术有限公司 一种火电机组控制系统的控制方法及装置
CN112462609A (zh) * 2020-11-24 2021-03-09 华能沁北发电有限责任公司 一种火电机组全负荷协调控制方法
CN112462609B (zh) * 2020-11-24 2022-07-26 华能沁北发电有限责任公司 一种火电机组全负荷协调控制方法
CN112526882A (zh) * 2020-11-30 2021-03-19 国家电投集团东北电力有限公司本溪热电分公司 基于分层模型预测控制算法的超临界机组协调控制方法
CN113777930A (zh) * 2021-10-09 2021-12-10 西安热工研究院有限公司 基于模型预测控制算法的供热机组协调控制系统及其方法

Also Published As

Publication number Publication date
CN110376895B (zh) 2022-03-04

Similar Documents

Publication Publication Date Title
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
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
CN102444784B (zh) 基于动态矩阵控制的钢铁企业蒸汽管网压力控制系统
CN104343475B (zh) 火电机组汽轮机高压调门流量特性修正方法
CN112147891B (zh) 一种火电机组协调系统全局非线性优化控制方法
CN102778880B (zh) 基于能量平衡的整体煤气化联合循环电站协调控制方法
CN104865830A (zh) 一种机组负荷双重智能优化控制方法
CN107780982B (zh) 一种在线的间接空冷高背压供热机组背压控制系统及方法
CN110879620B (zh) 一种核电站立式蒸汽发生器液位控制方法以及系统
CN105275509A (zh) 火电机组的汽轮机调门开度控制方法及系统
CN110579968A (zh) 一种超超临界机组深度调峰协调系统预测控制策略
Ding et al. Sliding mode/H∞ control of a hydro-power plant
CN111637444A (zh) 一种基于q学习的核电蒸汽发生器水位控制方法
CN105202519A (zh) 供热机组调频调峰全工况协调控制方法
CN113448248A (zh) 一种火电机组灵活性及深度调峰智能控制方法
CN108131238A (zh) 一种抑制水锤压力波动的新型pid控制方法
CN110939928A (zh) 一种具有强鲁棒性的燃煤机组汽包锅炉水位控制方法
CN216281315U (zh) 一种双渣室燃煤机组主蒸汽温度优化控制装置
CN113110316B (zh) 一种联合循环机组汽机一次调频控制方法
CN109375507A (zh) 基于自寻优并矢展开控制器的火电机组深度调峰协调控制方法
Wang et al. Adaptive Backstepping PID Control for Boiler-turbine Units
CN108828932B (zh) 一种单元机组负荷控制器参数优化整定方法
Qiu et al. Research and application of AGC whole process automatic control for thermal power units under low load deep peak shaving conditions
CN114114907A (zh) 一种基于模糊自适应的协调控制策略
Zhang et al. Simulation of Load Control Scheme in Power Plant Based on Condensate Throttling Prediction Model

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