CN110579968A - 一种超超临界机组深度调峰协调系统预测控制策略 - Google Patents
一种超超临界机组深度调峰协调系统预测控制策略 Download PDFInfo
- Publication number
- CN110579968A CN110579968A CN201910913156.1A CN201910913156A CN110579968A CN 110579968 A CN110579968 A CN 110579968A CN 201910913156 A CN201910913156 A CN 201910913156A CN 110579968 A CN110579968 A CN 110579968A
- Authority
- CN
- China
- Prior art keywords
- model
- ultra
- control strategy
- peak regulation
- 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.)
- Pending
Links
- 238000011217 control strategy Methods 0.000 title claims abstract description 19
- 239000000446 fuel Substances 0.000 claims abstract description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000012986 modification Methods 0.000 claims description 5
- 230000004048 modification Effects 0.000 claims description 5
- 230000010355 oscillation Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000012360 testing method Methods 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
- 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
一种超超临界机组深度调峰协调系统预测控制策略,所述预测控制策略对象为3输入3输出的系统,其中3输入的控制量为燃料量B(t/h)、给水量W(t/h)、汽机调门开度μ(%),3输出的被控量为机组实发功率Ne(MW)、主汽压力p0(MPa)、中间点温度Tsp(℃),根据控制量和被控量的数据建立基于线性变参数(LPV)系统的非线性模型。
Description
技术领域
本发明涉及一种超超临界机组深度调峰协调系统预测控制策略,属于热能动力工程和自动控制领域。
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。
机炉协调系统是火电机组的核心部分,其控制性能好坏直接影响机组的运行状态。目前,火电机组协调控制系统大多基于传统PID控制策略进行设计。然而传统的线性控制方法只能适应小范围的变工况运行,在机组参与深度调峰时,尤其是在机组超低负荷运行发生干湿态转换的情形时,由于模型突变,通常表现性能不是很好。为进一步提高机组在变工况运行时的稳定性和经济性,如模型预测控制等更为先进的控制方法被学者研究、应用。众多专家学者对非线性预测控制进行了很多研究工作,虽然其与线性预测控制原理相同(即模型预测、滚动优化、反馈校正),但是受限于在线求解优化计算问题的庞大计算量,难以满足工业过程对实时计算的要求。而单一的线性预测控制无法满足深度调峰时非线性对象的控制要求。
针对传统的PID控制策略、单一的线性预测控制无法满足深度调峰时非线性对象的控制要求,而非线性预测控制需要求解非线性优化问题、计算负担重的问题,本文提出了一种 LPV-GPC控制策略,即以某1000MW超临界直流炉机组非线性模型为研究对象,建立其线性变参数(Linear parameter-varying,LPV)模型以逼近全局工况的非线性模型,并采用改进后的广义预测控制(Generalized predictive control,GPC)进行控制。
发明内容
本策略提出一种基于LPV模型的超超临界机组深度调峰协调系统改进广义预测控制方法,用于提升超超临界机组大范围变负荷运行工况运行时的负荷跟踪能力、调频能力等,同时减小压力、汽温等主要参数的波动等问题。
本发明的技术方案如下:
一种超超临界机组深度调峰协调系统预测控制策略,其特征在于:所述预测控制策略对象为3输入3输出的系统,其中3输入的控制量为燃料量B(t/h)、给水量W(t/h)、汽机调门开度μ(%),3输出的被控量为机组实发功率Ne(MW)、主汽压力p0(MPa)、中间点温度Tsp(℃),根据控制量和被控量的数据建立基于线性变参数(LPV)系统的非线性模型。
进一步的,所述线性变参数(LPV)系统能以如下状态空间方程描述:
其中,ρ(t)∈Θ,在连续可微集上变化,未知但是可以在线测量,Θ是一紧集,系数矩阵A、 B、C、D维数满足相应的约束关系,使用模型参数A、B、C、D随调度变量ρ(t)变化的线性模型去逼近实际的非线性模型,本策略以负荷作为调度变量ρ(t),此时对象的动态特性依赖实时可测的调度变量,与传统的线性定常系统相比,具有对非线性对象更好的描述能力。
进一步的,采用雅克比线性化法建立其LPV模型,首先需要确定各典型工况点的状态空间模型,已知机组的协调对象的非线性模型如下式所示:
式中,fi、gi表示一种函数关系,i=1,2,3;利用小偏差线性化后的系统模型为:
式中,模型的系数矩阵A、B、C、D分别为F对X、F对U、G对X、G对U在选定典型工况点处的雅克比矩阵,计算式为:
进一步的,求得不同平衡点的状态空间模型后,通过适当的插值方法即可获得对象的LPV 模型,具体插值方法为采集当前时刻负荷y3作为调度变量ρ(t),由下面两个公式计算各个平衡点状态空间模型的权重系数γi:
其中,c1=547.56,c2=728.33,c3=901.49;σi为高斯调度函数的宽度,本文取0.3。
于是系统的LPV模型为:
根据该模型可以很方便地得到受控自回归积分滑动平均(CARIMA)模型。
进一步的,广义预测控制采用CARIMA模型描述被控对象:
上式中,t表示采样控制的离散时间点;q-1是后移算子;Δ=1-q-1为差分算子;ξ(t)是一个不相关的随机序列,表示一类随机噪声的影响;A(q-1)、B(q-1)分别为后移算子q-1的na和nb阶多项式。
进一步的,基于GPC原理、被控对象模型,同时引入一组丢番图方程,得到t时刻对于未来t+k+i时刻系统输出的最优控制:
Y=GΔU+f=GΔU+HΔu(t-1)+Fy(t)
上式中,G、H、F是关于q-1的多项式。
进一步的,GPC中,t时刻的优化性能指标具有以下形式:
上式中,w(t+j)为参考轨迹;N1、N2分别为优化时域的始值和终值;Nu为控制时域,即Nu步后控制量不变。
令可以得到最优的控制律:
ΔU=(GGT+λI)-1GT(W-f)
取作为当前时刻的控制增量。
进一步的,为了减少调节后期由于加权系数设置不当等因素导致输出曲线的振荡,将GPC 的性能指标式修改为:
令可以得到最优的控制律:
ΔU=R1(W-f)+R2(Δ2W-Δ2f)
式中:G1=G,G2=S2G,其中
待定参数K1、K2可调;
最终将控制律向量的第一个元素作用于协调对象。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某个实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为超超临界机组简易工艺流程图。
图2为协调控制系统被控对象数学模型结构示意图。
图3为本基于LPV模型的广义预测控制策略框架图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
超超临界机组的协调被控对象可以看作是3输入3输出的系统,其中控制量为燃料量 B(t/h)、给水量W(t/h)、汽机调门开度μ(%),被控量是机组实发功率Ne(MW)、主汽压力p0(MPa)、中间点温度Tsp(℃)。根据现场试验数据,建立机组的非线性模型。
线性变参数(LPV)系统能以如下状态空间方程描述:
其中,ρ(t)∈Θ,在连续可微集上变化,未知但是可以在线测量,Θ是一紧集。系数矩阵A、 B、C、D维数满足相应的约束关系。其基本思想是使用模型参数A、B、C、D随调度变量ρ(t) 变化的线性模型去逼近实际的非线性模型。本策略以负荷作为调度变量ρ(t),此时对象的动态特性依赖实时可测的调度变量,与传统的线性定常系统相比,具有对非线性对象更好的描述能力。
采用雅克比线性化法建立其LPV模型,首先需要确定各典型工况点的状态空间模型。已知机组的协调对象的非线性模型如下式所示。
式中,fi、gi表示一种函数关系,i=1,2,3。利用小偏差线性化后的系统模型为
式中,模型的系数矩阵A、B、C、D分别为F对X、F对U、G对X、G对U在选定典型工况点处的雅克比矩阵,计算式为:
求得不同平衡点的状态空间模型后,通过适当的插值方法即可获得对象的LPV模型。具体插值方法为采集当前时刻负荷y3作为调度变量ρ(t),由下面两个公式计算各个平衡点状态空间模型的权重系数γi:
其中,c1=547.56,c2=728.33,c3=901.49;σi为高斯调度函数的宽度,本文取0.3。
于是系统的LPV模型为:
根据该模型可以很方便地得到受控自回归积分滑动平均(CARIMA)模型。
广义预测控制采用CARIMA模型描述被控对象:
上式中,t表示采样控制的离散时间点;q-1是后移算子;Δ=1-q-1为差分算子;ξ(t)是一个不相关的随机序列,表示一类随机噪声的影响;A(q-1)、B(q-1)分别为后移算子q-1的na和nb阶多项式。
基于GPC原理、被控对象模型,同时引入一组丢番图方程,得到t时刻对于未来t+k+i 时刻系统输出的最优控制:
Y=GΔU+f=GΔU+HΔu(t-1)+Fy(t)
上式中,G、H、F是关于q-1的多项式。
GPC中,t时刻的优化性能指标具有以下形式:
上式中,w(t+j)为参考轨迹;N1、N2分别为优化时域的始值和终值;Nu为控制时域,即Nu步后控制量不变。
令可以得到最优的控制律:
ΔU=(GGT+λI)-1GT(W-f)
取作为当前时刻的控制增量。
针对各典型工况点分别设计对应的子GPC控制器,同时为了减少调节后期由于加权系数设置不当等因素导致输出曲线的振荡,将GPC的性能指标式修改为:
令可以得到最优的控制律:
ΔU=R1(W-f)+R2(Δ2W-Δ2f)
式中:G1=G,G2=S2G,其中
待定参数K1、K2可调。性能指标修改后虽然多了2个待定参数,但由于K1、K2存在使得参数整定更有针对性,如增大K1能够加快调节速度,但此时输出曲线震荡加剧,增大K2,输出曲线振荡减小,但是调节速度会放慢。为了减少调节后期由于加权系数设置不当等因素导致输出曲线的振荡,提高稳定性,可以将每个子GPC控制器的K2值提高。
最终将控制律向量的第一个元素作用于协调对象。
以上所述仅是本发明的优选实施方式,并不用于限制本发明,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (8)
1.一种超超临界机组深度调峰协调系统预测控制策略,其特征在于:所述预测控制策略对象为3输入3输出的系统,其中3输入的控制量为燃料量B(t/h)、给水量W(t/h)、汽机调门开度μ(%),3输出的被控量为机组实发功率Ne(MW)、主汽压力p0(MPa)、中间点温度Tsp(℃),根据控制量和被控量的数据建立基于线性变参数(LPV)系统的非线性模型。
2.根据权利要求1所述的一种超超临界机组深度调峰协调系统预测控制策略,其特征在于:所述线性变参数(LPV)系统能以如下状态空间方程描述:
其中,ρ(t)∈Θ,在连续可微集上变化,未知但是可以在线测量,Θ是一紧集,系数矩阵A、B、C、D维数满足相应的约束关系,使用模型参数A、B、C、D随调度变量ρ(t)变化的线性模型去逼近实际的非线性模型,本策略以负荷作为调度变量ρ(t),此时对象的动态特性依赖实时可测的调度变量,与传统的线性定常系统相比,具有对非线性对象更好的描述能力。
3.根据权利要求2所述的一种超超临界机组深度调峰协调系统预测控制策略,其特征在于:
采用雅克比线性化法建立其LPV模型,首先需要确定各典型工况点的状态空间模型,已知机组的协调对象的非线性模型如下式所示:
式中,fi、gi表示一种函数关系,i=1,2,3;利用小偏差线性化后的系统模型为:
式中,模型的系数矩阵A、B、C、D分别为F对X、F对U、G对X、G对U在选定典型工况点处的雅克比矩阵,计算式为:
4.根据权利要求3所述的一种超超临界机组深度调峰协调系统预测控制策略,其特征在于:
求得不同平衡点的状态空间模型后,通过适当的插值方法即可获得对象的LPV模型,具体插值方法为采集当前时刻负荷y3作为调度变量ρ(t),由下面两个公式计算各个平衡点状态空间模型的权重系数γi:
其中,c1=547.56,c2=728.33,c3=901.49;σi为高斯调度函数的宽度,本文取0.3。
于是系统的LPV模型为:
根据该模型可以很方便地得到受控自回归积分滑动平均(CARIMA)模型。
5.根据权利要求4所述的一种超超临界机组深度调峰协调系统预测控制策略,其特征在于:广义预测控制采用CARIMA模型描述被控对象:
上式中,t表示采样控制的离散时间点;q-1是后移算子;Δ=1-q-1为差分算子;ξ(t)是一个不相关的随机序列,表示一类随机噪声的影响;A(q-1)、B(q-1)分别为后移算子q-1的na和nb阶多项式。
6.根据权利要求5所述的一种超超临界机组深度调峰协调系统预测控制策略,其特征在于:基于GPC原理、被控对象模型,同时引入一组丢番图方程,得到t时刻对于未来t+k+i时刻系统输出的最优控制:
Y=GΔU+f=GΔU+HΔu(t-1)+Fy(t)
上式中,G、H、F是关于q-1的多项式。
7.根据权利要求6所述的一种超超临界机组深度调峰协调系统预测控制策略,其特征在于:GPC中,t时刻的优化性能指标具有以下形式:
上式中,w(t+j)为参考轨迹;N1、N2分别为优化时域的始值和终值;Nu为控制时域,即Nu步后控制量不变。
令可以得到最优的控制律:
ΔU=(GGT+λI)-1GT(W-f)
取ΔU作为当前时刻的控制增量。
8.根据权利要求7所述的一种超超临界机组深度调峰协调系统预测控制策略,其特征在于:为了减少调节后期由于加权系数设置不当等因素导致输出曲线的振荡,将GPC的性能指标式修改为:
令可以得到最优的控制律:
ΔU=R1(W-f)+R2(Δ2W-Δ2f)
式中:
G1=G,G2=S2G,其中
待定参数K1、K2可调;
最终将控制律向量的第一个元素作用于协调对象。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910913156.1A CN110579968A (zh) | 2019-09-25 | 2019-09-25 | 一种超超临界机组深度调峰协调系统预测控制策略 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910913156.1A CN110579968A (zh) | 2019-09-25 | 2019-09-25 | 一种超超临界机组深度调峰协调系统预测控制策略 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110579968A true CN110579968A (zh) | 2019-12-17 |
Family
ID=68813760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910913156.1A Pending CN110579968A (zh) | 2019-09-25 | 2019-09-25 | 一种超超临界机组深度调峰协调系统预测控制策略 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110579968A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113765155A (zh) * | 2021-08-30 | 2021-12-07 | 南方电网能源发展研究院有限责任公司 | 基于稀疏网格随机配置点的电力系统随机调度方法 |
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 |
Citations (7)
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 |
CN105278333A (zh) * | 2015-11-03 | 2016-01-27 | 广东电网有限责任公司电力科学研究院 | 超超临界机组协调控制系统的数据建模方法和系统 |
CN107102550A (zh) * | 2017-05-31 | 2017-08-29 | 杭州意能电力技术有限公司 | 一种超超临界火电机组控制分离器温度的预测控制方法 |
CN107515598A (zh) * | 2017-09-06 | 2017-12-26 | 东南大学 | 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 |
CN108227488A (zh) * | 2017-12-22 | 2018-06-29 | 上海交通大学 | 基于滑模预测控制的超超临界火电机组协调控制方法 |
CN108536012A (zh) * | 2018-03-23 | 2018-09-14 | 东南大学 | 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 |
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 |
-
2019
- 2019-09-25 CN CN201910913156.1A patent/CN110579968A/zh active Pending
Patent Citations (7)
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 |
CN105278333A (zh) * | 2015-11-03 | 2016-01-27 | 广东电网有限责任公司电力科学研究院 | 超超临界机组协调控制系统的数据建模方法和系统 |
CN107102550A (zh) * | 2017-05-31 | 2017-08-29 | 杭州意能电力技术有限公司 | 一种超超临界火电机组控制分离器温度的预测控制方法 |
CN107515598A (zh) * | 2017-09-06 | 2017-12-26 | 东南大学 | 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 |
CN108227488A (zh) * | 2017-12-22 | 2018-06-29 | 上海交通大学 | 基于滑模预测控制的超超临界火电机组协调控制方法 |
CN108536012A (zh) * | 2018-03-23 | 2018-09-14 | 东南大学 | 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 |
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 |
Non-Patent Citations (3)
Title |
---|
LI WANG.ETC: "Optimization of Coordinated Control System for", 《2015 IEEE INTERNATIONAL CONFERENCE ON CYBER TECHNOLOGY IN AUTOMATION, CONTROL, AND INTELLIGENT SYSTEMS (CYBER)》 * |
陈柯言: "联合循环系统的模型预测控制方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
陈真: "超超临界机组负荷非线性预测控制及其仿真研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN113765155A (zh) * | 2021-08-30 | 2021-12-07 | 南方电网能源发展研究院有限责任公司 | 基于稀疏网格随机配置点的电力系统随机调度方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111443681B (zh) | 超临界火电机组协调控制系统多模型预测控制设计方法 | |
CN102401371B (zh) | 一种基于多变量预测控制的再热汽温优化控制方法 | |
CN102494336B (zh) | 一种循环流化床锅炉燃烧过程多变量控制方法 | |
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 | |
CN112147891B (zh) | 一种火电机组协调系统全局非线性优化控制方法 | |
CN103134046B (zh) | 一种火电机组过热汽温两级协调预测控制方法 | |
CN112650169B (zh) | 基于焓值及燃料在线热值计算的发电机组主参数控制系统 | |
CN107270283B (zh) | 一种基于循环流化床机组的多变量约束预测控制方法 | |
CN101709869A (zh) | 燃煤锅炉过热蒸汽温度系统混合控制方法 | |
CN112394639B (zh) | 带有增量式调节功能的核电机组控制棒调节方法及系统 | |
CN112564128A (zh) | 一种电解铝负荷参与电网调频的控制系统和方法 | |
CN110579968A (zh) | 一种超超临界机组深度调峰协调系统预测控制策略 | |
CN101709863B (zh) | 燃煤锅炉炉膛压力系统混合控制方法 | |
CN113048017B (zh) | 基于内模控制的风电机组有功功率控制优化方法及系统 | |
CN105275509A (zh) | 火电机组的汽轮机调门开度控制方法及系统 | |
CN110879620A (zh) | 一种核电站立式蒸汽发生器液位控制方法以及系统 | |
Ren et al. | Feedforward feedback pitch control for wind turbine based on feedback linearization with sliding mode and fuzzy PID algorithm | |
CN110376895B (zh) | 一种基于分层受限预测控制的火电机组协调控制方法 | |
CN113448248A (zh) | 一种火电机组灵活性及深度调峰智能控制方法 | |
CN107102550B (zh) | 一种超超临界火电机组控制分离器温度的预测控制方法 | |
CN113359442B (zh) | 一种煤水比控制方法及系统 | |
CN113282043A (zh) | 基于多变量状态空间模型的超超临界机组协调控制方法 | |
CN110244551B (zh) | 一种超超临界机组协调控制系统的控制优化方法 | |
CN109253443B (zh) | 火力发电锅炉主汽压力最优控制系统及其控制方法 | |
CN110671260A (zh) | 一种水轮发电机组调节系统的非线性广义预测控制方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191217 |