CN110824926A - 一种基于多模型预测控制的火电机组深度调峰一次调频控制方法 - Google Patents
一种基于多模型预测控制的火电机组深度调峰一次调频控制方法 Download PDFInfo
- Publication number
- CN110824926A CN110824926A CN201911199575.XA CN201911199575A CN110824926A CN 110824926 A CN110824926 A CN 110824926A CN 201911199575 A CN201911199575 A CN 201911199575A CN 110824926 A CN110824926 A CN 110824926A
- Authority
- CN
- China
- Prior art keywords
- sub
- prediction
- prediction function
- control
- model
- 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
Images
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
-
- 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
- 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
本发明公开了一种基于多模型预测控制的火电机组深度调峰一次调频控制方法,包括建立深度调峰状态下一次调频被控对象多区间子预测模型;分别进行对应的子预测函数控制器设计;各个子预测函数控制器联合,得出多个子预测函数控制器的最终控制增量输出值。本发明通过结合改进的多模型自适应策略,解决了由于阀门流量特性以及压力影响造成的流量系数非线性的问题;基于简化的预测函数控制策略设计子预测函数控制器,降低了预测控制设计的复杂性问题;在设定值跟踪以及系统鲁棒性方面均优于传统功率调节方法;本发明的改进功率调节算法计算量小,计算简单且易于通过DCS平台进行组态实施,具有更大的工程应用价值。
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模型预测控制的火电机组深度调峰一次调频控制方法。
背景技术
典型火电机组汽轮机的功率调节系统见图1所示。从图1中可以看出,被控对象的输入为控制器综合阀位指令,控制器综合阀位指令经过执行机构GZ使实际阀门开度达到μ,该实际综合阀位受到阀前主蒸汽压力PT的修正使汽轮机进汽量达到Q,该蒸汽流量经过汽轮机产生机械功率Pm,机械功带动发电机产生发电功率PE,GT为汽轮机的动态特性模型,GE为发电机动态特性模型。
综合阀位指令的计算基于前馈+反馈控制结构,反馈控制采用基本PID调节器,实际整定参数仅仅包含PI调节,功率设定值Pr(来自人工设定或者AGC目标负荷值)与一次调频功率增量△Pr之和组成控制器最终功率设定值,前馈部分采用简单的比例调节Kf,前馈输入即为最终功率设定,PID反馈调节的输入量为最终设定值与实际功率反馈值的偏差,通过该闭环可保证最终功率调节无稳态偏差。
传统的功率调节控制系统,存在以下问题:
从图1中可以看出,被控对象的非线性问题主要由综合阀位的非线性以及主蒸汽压力变化引起的,导致综合阀门实际开度到进入汽轮机的蒸汽流量的增益系数不固定,另外由于前馈部分的存在导致闭环反馈PID参数的整定一般较弱,造成传统控制方式抗扰动能力较差。
针对上述问题,本发明基于多模型预测函数控制方法设计了改进的功率调节方案。改进方案通过结合改进的多模型自适应策略,解决了由于阀门流量特性以及压力影响造成的流量系数非线性的问题;基于简化的预测函数控制策略设计子预测函数控制器,降低了预测控制设计的复杂性问题。
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,提供一种基于多模型预测控制的火电机组深度调峰一次调频控制方法,对传统汽轮机功率控制系统进行了优化改进,提高了功率控制系统的调节性能与鲁棒性。
为实现上述技术目的,本发明采取的技术方案为:
一种基于多模型预测控制的火电机组深度调峰一次调频控制方法,包括以下步骤:
(1)建立深度调峰状态下一次调频被控对象多区间子预测模型,筛选获得子预测函数控制器的内部模型;
(2)基于筛选得到的内部模型,分别进行对应的子预测函数控制器设计,求解各子预测函数控制器的控制增量输出值;
(3)各个子预测函数控制器联合,得出多个子预测函数控制器的最终控制增量输出值。
为优化上述技术方案,采取的具体措施还包括:
上述的步骤(1),所述子预测模型的控制量与被控量分别为主蒸汽阀门开度增量与输出功率增量。
上述的步骤(1),所述筛选获得子预测函数控制器的内部模型,具体为:
分别在30%、40%额定负荷以及对应滑压设定值前提下的进行不同阀位点的阶跃响应试验,所述阀位点的试验区间为最低阀位到全开,在该区间内对阀门进行%5阀门开度增量试验;
基于阶跃响应试验数据求解子预测模型的数据驱动辨识;
在求解后的子预测模型中,筛选距离最大的两个子预测模型以及处于中间位置的子预测模型,将筛选出的三个子预测模型作为子预测函数控制器的内部模型。
上述的步骤(2),所述子预测函数控制器的目标函数为Jmin,J的计算表达式为:
J=(Y-YR)T(Y-YR)+λΔUT·ΔU
式中:Y为子预测模型的输出值向量;YR为被控量的设定值向量;上标T代表转置运算;λ为控制增量权值;△U为综合阀位指令增量向量。
上述的子预测函数控制器目标函数的约束条件为:
umin-u(t-1)≤Δu(t)≤umax-u(t-1)
其中,umin为控制指令的最小值约束;u(t-1)为t-1时刻的控制指令;△u(t)为t时刻的控制增量指令;umax为控制指令的最大值约束。
上述的步骤(2)中,对子预测函数控制器的目标函数求导,得出的计算结果进行卡边运算,即可得到各子预测函数控制器的控制增量输出值。
上述的步骤(3),所述多个子预测函数控制器联合,得出多个子预测函数控制器的最终控制增量输出值,具体为:各子预测函数控制器的控制增量输出值乘以其对应的加权值并叠加,得出多个子预测函数控制器的最终控制增量输出值。
上述的子预测函数控制器的控制增量输出值对应的加权值通过改进的递推贝叶斯加权方法计算,计算公式为:
式中,εj,k代表第k个采样时刻第j个子预测模型与被控对象实际输出的误差相对值,即误差的绝对值与输出初始值的比值;K为迭代计算中收敛系数,大的K值代表快的收敛速度;pj,k代表第k个采样时刻第j个子预测模型输出值与对象真实模型匹配程度的条件概率;δ为正数阀值,当pj,k≤δ时,则令pj,k=δ,从而确保无任何子预测函数控制器失效。
本发明具有以下有益效果:
本发明方法针对汽轮发电机组功率调节被控对象的非线性问题,基于多模型预测函数控制方法设计了改进的功率调节方案。改进方案通过结合改进的多模型自适应策略,解决了由于阀门流量特性以及压力影响造成的流量系数非线性的问题;基于简化的预测函数控制策略设计子预测函数控制器,降低了预测控制设计的复杂性问题。
本发明在设定值跟踪以及系统鲁棒性方面均优于传统功率调节方法,另外,本发明的改进功率调节算法计算量小,计算简单且易于通过DCS平台进行组态实施,具有更大的工程应用价值。
附图说明
图1为典型火电机组汽轮机的功率调节系统图;
图2为本发明基于多模型预测控制的火电机组深度调峰一次调频控制方法图;
其中的附图1的标记为:Pr为来自人工设定或者AGC目标负荷值;△Pr为次调频功率增量;Kf为前馈部分比例调节;PID为比例积分微分控制器;μD为综合阀位指令;GZ为执行机构动态特性;μ为实际阀门开度;PT为主蒸汽压力;Q为汽轮机进汽量;f(μ,PT)为流量函数;GT为汽轮机的动态特性模型;Pm为蒸汽流量经过汽轮机产生的机械功率;GE为发电机动态特性模型;PE为发电机产生发电功率。
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。
如图2所示,本发明的一种基于多模型预测控制的火电机组深度调峰一次调频控制方法,包括以下步骤:
(1)建立深度调峰状态下一次调频被控对象多区间子预测模型,筛选获得子预测函数控制器的内部模型;
所述子预测模型的控制量与被控量分别为主蒸汽阀门开度增量与输出功率增量。
所述筛选获得子预测函数控制器的内部模型,具体为:
分别在30%、40%额定负荷以及对应滑压设定值前提下的进行不同阀位点的阶跃响应试验,所述阀位点的试验区间为最低阀位到全开,在该区间内对阀门进行%5阀门开度增量试验;
基于阶跃响应试验数据求解子预测模型的数据驱动辨识;
在求解后的子预测模型中,筛选距离最大的两个子预测模型以及处于中间位置的子预测模型,将筛选出的三个子预测模型作为子预测函数控制器的内部模型。
(2)基于筛选得到的内部模型,分别进行对应的子预测函数控制器设计,求解各子预测函数控制器的控制增量输出值;
所述子预测函数控制器的目标函数为Jmin,J的计算表达式为:
J=(Y-YR)T(Y-YR)+λΔUT·ΔU
式中:Y为子预测模型的输出值向量;YR为被控量的设定值向量;上标T代表转置运算;λ为控制增量权值;△U为综合阀位指令增量向量。
子预测函数控制器目标函数的约束条件包括:
umin≤u(t)≤umax
Δumin≤Δu(t)≤Δumax
上述约束中:u(t)为t时刻的控制指令;umin为控制指令的最小值约束;umax为控制指令的最大值约束;△u(t)为t时刻的控制增量指令;△umin为控制增量指令的最小值约束;△umax为控制增量指令的最大值约束。
基于控制指令与控制增量指令的关系可将两个约束条件全部转化为关于控制增量指令的约束。
由u(t)=△u(t)+u(t-1)可将控制指令约束转化为:
umin-u(t-1)≤Δu(t)≤umax-u(t-1)
u(t-1)为t-1时刻的控制指令,基于转化的约束条件,对子预测函数控制器的目标函数求导,得出的计算结果进行卡边运算,即可得到各子预测函数控制器的控制增量输出值。
(3)各个子预测函数控制器联合,得出多个子预测函数控制器的最终控制增量输出值,具体为:在每个采样周期内,分别计算各子预测函数控制器的控制增量输出值,并通过改进的贝叶斯权值连接法实现多个子预测函数控制器的联合,经过加权求和运算得出最终控制器的输出。
即各子预测函数控制器的控制增量输出值乘以其对应的加权值并叠加,得出多个子预测函数控制器的最终控制增量输出值:
子预测函数控制器的控制增量输出值对应的加权值通过改进的递推贝叶斯加权方法计算,计算公式为:
式中,εj,k代表第k个采样时刻第j个子预测模型与被控对象实际输出的误差相对值,即误差的绝对值与输出初始值的比值;K为迭代计算中收敛系数,大的K值代表快的收敛速度;pj,k代表第k个采样时刻第j个子预测模型输出值与对象真实模型匹配程度的条件概率;
实施例中,为了避免某个子预测模型匹配概率一直处于0,从而使该子预测模型对应的子预测函数控制器失去控制作用,从而将使子预测函数控制器数量减少,增加了一个小的正数阀值δ,δ为正数阀值,当pj,k≤δ时,则令pj,k=δ,从而确保无任何子预测函数控制器失效。
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 (8)
1.一种基于多模型预测控制的火电机组深度调峰一次调频控制方法,其特征在于,包括以下步骤:
(1)建立深度调峰状态下一次调频被控对象多区间子预测模型,筛选获得子预测函数控制器的内部模型;
(2)基于筛选得到的内部模型,分别进行对应的子预测函数控制器设计,求解各子预测函数控制器的控制增量输出值;
(3)各个子预测函数控制器联合,得出多个子预测函数控制器的最终控制增量输出值。
2.根据权利要求1所述的一种基于多模型预测控制的火电机组深度调峰一次调频控制方法,其特征在于,步骤(1)所述子预测模型的控制量与被控量分别为主蒸汽阀门开度增量与输出功率增量。
3.根据权利要求1所述的一种基于多模型预测控制的火电机组深度调峰一次调频控制方法,其特征在于,步骤(1)所述筛选获得子预测函数控制器的内部模型,具体为:
分别在30%、40%额定负荷以及对应滑压设定值前提下的进行不同阀位点的阶跃响应试验,所述阀位点的试验区间为最低阀位到全开,在该区间内对阀门进行%5阀门开度增量试验;
基于阶跃响应试验数据求解子预测模型的数据驱动辨识;
在求解后的子预测模型中,筛选距离最大的两个子预测模型以及处于中间位置的子预测模型,将筛选出的三个子预测模型作为子预测函数控制器的内部模型。
4.根据权利要求1所述的一种基于多模型预测控制的火电机组深度调峰一次调频控制方法,其特征在于,步骤(2)所述子预测函数控制器的目标函数为Jmin,J的计算表达式为:
J=(Y-YR)T(Y-YR)+λΔUT·ΔU
式中:Y为子预测模型的输出值向量;YR为被控量的设定值向量;上标T代表转置运算;λ为控制增量权值;△U为综合阀位指令增量向量。
5.根据权利要求4所述的一种基于多模型预测控制的火电机组深度调峰一次调频控制方法,其特征在于,所述子预测函数控制器目标函数的约束条件为:
umin-u(t-1)≤Δu(t)≤umax-u(t-1)
其中,umin为控制指令的最小值约束;u(t-1)为t-1时刻的控制指令;△u(t)为t时刻的控制增量指令;umax为控制指令的最大值约束。
6.根据权利要求4所述的一种基于多模型预测控制的火电机组深度调峰一次调频控制方法,其特征在于,步骤(2)中,对子预测函数控制器的目标函数求导,得出的计算结果进行卡边运算,即可得到各子预测函数控制器的控制增量输出值。
7.根据权利要求1所述的一种基于多模型预测控制的火电机组深度调峰一次调频控制方法,其特征在于,步骤(3)所述多个子预测函数控制器联合,得出多个子预测函数控制器的最终控制增量输出值,具体为:各子预测函数控制器的控制增量输出值乘以其对应的加权值并叠加,得出多个子预测函数控制器的最终控制增量输出值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911199575.XA CN110824926B (zh) | 2019-11-29 | 2019-11-29 | 一种火电机组深度调峰一次调频控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911199575.XA CN110824926B (zh) | 2019-11-29 | 2019-11-29 | 一种火电机组深度调峰一次调频控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110824926A true CN110824926A (zh) | 2020-02-21 |
CN110824926B CN110824926B (zh) | 2022-06-03 |
Family
ID=69543211
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911199575.XA Active CN110824926B (zh) | 2019-11-29 | 2019-11-29 | 一种火电机组深度调峰一次调频控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110824926B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112148056A (zh) * | 2020-09-22 | 2020-12-29 | 江苏方天电力技术有限公司 | 一种火电机组的功率调节方法、装置和系统 |
CN113031565A (zh) * | 2021-03-08 | 2021-06-25 | 国网湖南省电力有限公司 | 一种火电机组一次调频功率响应性能预测方法及系统 |
CN114428462A (zh) * | 2022-04-06 | 2022-05-03 | 蘑菇物联技术(深圳)有限公司 | 基于mpc算法对被控系统进行动态控制的方法、设备和介质 |
CN115236981A (zh) * | 2022-07-13 | 2022-10-25 | 江苏南通发电有限公司 | 一种基于深度调峰百万千瓦燃煤机组协调预测控制方法 |
CN115664846A (zh) * | 2022-12-08 | 2023-01-31 | 深圳市永达电子信息股份有限公司 | 一种网络安全管控系统及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS56153405A (en) * | 1980-04-30 | 1981-11-27 | Mitsubishi Heavy Ind Ltd | Control system for thermal power plant |
JPH06266408A (ja) * | 1993-03-12 | 1994-09-22 | Hitachi Ltd | プロセスの適応制御方法およびプロセスの制御システム |
CN102841539A (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亚临界协调控制方法 |
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 |
CN104298108A (zh) * | 2014-09-11 | 2015-01-21 | 国家电网公司 | 一种基于模糊控制规则改善一次调频性能的控制方法 |
CN105786035A (zh) * | 2016-03-29 | 2016-07-20 | 东南大学 | 基于试探式预测控制技术的火电机组scr脱硝优化控制系统 |
CN106406101A (zh) * | 2016-11-21 | 2017-02-15 | 华北电力大学(保定) | 一种火电机组协调控制系统的智能计算预测控制方法 |
-
2019
- 2019-11-29 CN CN201911199575.XA patent/CN110824926B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS56153405A (en) * | 1980-04-30 | 1981-11-27 | Mitsubishi Heavy Ind Ltd | Control system for thermal power plant |
JPH06266408A (ja) * | 1993-03-12 | 1994-09-22 | Hitachi Ltd | プロセスの適応制御方法およびプロセスの制御システム |
CN102841539A (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亚临界协调控制方法 |
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 |
CN104298108A (zh) * | 2014-09-11 | 2015-01-21 | 国家电网公司 | 一种基于模糊控制规则改善一次调频性能的控制方法 |
CN105786035A (zh) * | 2016-03-29 | 2016-07-20 | 东南大学 | 基于试探式预测控制技术的火电机组scr脱硝优化控制系统 |
CN106406101A (zh) * | 2016-11-21 | 2017-02-15 | 华北电力大学(保定) | 一种火电机组协调控制系统的智能计算预测控制方法 |
Non-Patent Citations (2)
Title |
---|
周帆等: "变权值约束预测控制在超临界机组协调控制系统的应用", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》, no. 12, 15 January 2019 (2019-01-15), pages 042 - 663 * |
崔晓波等: "多模型块结构Laguerre函数预测控制", 《东南大学学报(自然科学版)》, vol. 43, no. 4, 31 July 2013 (2013-07-31), pages 803 - 804 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112148056A (zh) * | 2020-09-22 | 2020-12-29 | 江苏方天电力技术有限公司 | 一种火电机组的功率调节方法、装置和系统 |
CN112148056B (zh) * | 2020-09-22 | 2022-05-10 | 江苏方天电力技术有限公司 | 一种火电机组的功率调节方法、装置和系统 |
CN113031565A (zh) * | 2021-03-08 | 2021-06-25 | 国网湖南省电力有限公司 | 一种火电机组一次调频功率响应性能预测方法及系统 |
CN113031565B (zh) * | 2021-03-08 | 2022-06-21 | 国网湖南省电力有限公司 | 一种火电机组一次调频功率响应性能预测方法及系统 |
CN114428462A (zh) * | 2022-04-06 | 2022-05-03 | 蘑菇物联技术(深圳)有限公司 | 基于mpc算法对被控系统进行动态控制的方法、设备和介质 |
CN114428462B (zh) * | 2022-04-06 | 2022-06-24 | 蘑菇物联技术(深圳)有限公司 | 基于mpc算法对被控系统进行动态控制的方法、设备和介质 |
CN115236981A (zh) * | 2022-07-13 | 2022-10-25 | 江苏南通发电有限公司 | 一种基于深度调峰百万千瓦燃煤机组协调预测控制方法 |
CN115236981B (zh) * | 2022-07-13 | 2023-10-10 | 江苏南通发电有限公司 | 一种基于深度调峰百万千瓦燃煤机组协调预测控制方法 |
CN115664846A (zh) * | 2022-12-08 | 2023-01-31 | 深圳市永达电子信息股份有限公司 | 一种网络安全管控系统及方法 |
CN115664846B (zh) * | 2022-12-08 | 2023-07-04 | 深圳市永达电子信息股份有限公司 | 一种网络安全管控系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110824926B (zh) | 2022-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110824926B (zh) | 一种火电机组深度调峰一次调频控制方法 | |
CN107479389B (zh) | 一种火电机组过热汽温预测模糊自适应pid控制方法 | |
CN108107720B (zh) | 基于状态空间分析的水轮机调速器参数整定方法及系统 | |
CN110531614B (zh) | 新颖的无刷直流电机模糊神经网络pi控制器 | |
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 | |
CN106933202B (zh) | 利用基于所估计的状态信息的间歇重新初始化的前馈控制 | |
CN107942664B (zh) | 一种基于灵敏度分析的水轮机调速器参数整定方法及系统 | |
CN110879620A (zh) | 一种核电站立式蒸汽发生器液位控制方法以及系统 | |
Guha et al. | Adaptive fractional-order sliding-mode disturbance observer-based robust theoretical frequency controller applied to hybrid wind–diesel power system | |
CN111413865B (zh) | 一种扰动补偿的单回路过热汽温自抗扰控制方法 | |
CN110824927B (zh) | 具有自适应学习特征的火电机组一次调频精确调节方法 | |
CN108131238A (zh) | 一种抑制水锤压力波动的新型pid控制方法 | |
WO2014001864A1 (en) | A method for optimization of control and fault analysis in a thermal power plant | |
CN116047897A (zh) | 一种基于参数自适应抗扰控制器的燃气轮机预测控制方法 | |
Acho et al. | Passive fault tolerant control strategy in controlled wind turbines | |
Haji Haji et al. | H2, H∞, H2/H∞, and μ‐synthesis controllers for the speed and temperature control of a real gas turbine unit in a combined cycle power plant | |
CN110970936B (zh) | 一种深度调峰机组一次调频性能计算方法 | |
Benlahrache et al. | Faults tolerant control of wind turbine based on Laguerre model predictive compensator | |
CN112148056B (zh) | 一种火电机组的功率调节方法、装置和系统 | |
Feng et al. | Nonlinear Model Predictive Control for Pumped Storage Plants Based on Online Sequential Extreme Learning Machine with Forgetting Factor | |
Garduno-Ramirez et al. | Overall control of fossil-fuel power plants | |
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 | |
Li et al. | Research on pressure and water level control of the pressurizer for marine nuclear power plant based on multivariable MPC | |
CN113464354B (zh) | 一种应用于具有长有压引水道水电站的水轮机控制方法 | |
Shu et al. | Load regulation of the heat supply unit assisted by the energy storage in thermal networks via a reference model-based controller |
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 |