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

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

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

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G_Z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P_T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P_m，机械功带动发电机产生发电功率P_E，G_T为汽轮机的动态特性模型，G_E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J_min，J的计算表达式为：

J＝(Y-Y_R)^T(Y-Y_R)+λΔU^T·ΔU

式中：Y为子预测模型的输出值向量；Y_R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：

u_min-u(t-1)≤Δu(t)≤u_max-u(t-1)

其中，u_min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；u_max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，ε_j,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；p_j,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p_j,k≤δ时，则令p_j,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：P_r为来自人工设定或者AGC目标负荷值；△P_r为次调频功率增量；K_f为前馈部分比例调节；PID为比例积分微分控制器；μ_D为综合阀位指令；G_Z为执行机构动态特性；μ为实际阀门开度；P_T为主蒸汽压力；Q为汽轮机进汽量；f(μ,P_T)为流量函数；G_T为汽轮机的动态特性模型；P_m为蒸汽流量经过汽轮机产生的机械功率；G_E为发电机动态特性模型；P_E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J_min，J的计算表达式为：

J＝(Y-Y_R)^T(Y-Y_R)+λΔU^T·ΔU

式中：Y为子预测模型的输出值向量；Y_R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：

u_min≤u(t)≤u_max

Δu_min≤Δu(t)≤Δu_max

上述约束中：u(t)为t时刻的控制指令；u_min为控制指令的最小值约束；u_max为控制指令的最大值约束；△u(t)为t时刻的控制增量指令；△u_min为控制增量指令的最小值约束；△u_max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：

u_min-u(t-1)≤Δu(t)≤u_max-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，ε_j,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；p_j,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p_j,k≤δ时，则令p_j,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J_min，J的计算表达式为：

J＝(Y-Y_R)^T(Y-Y_R)+λΔU^T·ΔU

式中：Y为子预测模型的输出值向量；Y_R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：

u_min-u(t-1)≤Δu(t)≤u_max-u(t-1)

其中，u_min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；u_max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。

8.根据权利要求7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，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，ε_j,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；p_j,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p_j,k≤δ时，则令p_j,k＝δ，从而确保无任何子预测函数控制器失效。

Images