CN111413938A - 一种基于折算喷氨量的scr脱硝系统扰动抑制预测控制方法 - Google Patents

Abstract

本发明公开了一种基于折算喷氨量的SCR脱硝系统扰动抑制预测控制方法，包括步骤为：定义系统的传递函数矩阵；转换为离散状态空间模型；设置控制量约束条件；计算增量式扰动观测器计算所需模型矩阵；得到系统广义状态的估计值；计算最优的控制向量；增量式扰动观测器计算；计算当前时刻的折算喷氨指令；将即时控制量送至执行器。本发明能够显著提高控制系统对扰动的抑制能力，同时鲁棒性强，能够有效应对模型失配对控制系统带来的影响，降低了脱硝装置出口NOx浓度与设定值之间的偏差水平，改善了控制效果。

Description

一种基于折算喷氨量的SCR脱硝系统扰动抑制预测控制方法

技术领域

本发明属于无线传感器网络技术领域，具体涉及一种基于无人机的大规模无线传感器网络数据收集方法。

背景技术

选择性催化还原(SCR)烟气脱硝技术是国内火电机组烟气脱硝技术中应用较为广泛的一种，技术相对成熟，且成本较低。而当前的SCR脱硝系统仍普遍采用传统的PID控制方式。SCR脱硝系统是典型的大惯性、大延迟过程，因烟气流量变化引起的非线性较强，因此传统的PID控制器往往不能达到很好的控制效果，导致装置出口NOx浓度相对设定值而言波动较大。针对非线性问题，目前工程上仍普遍采用多模型加权的策略来解决，建模工作量大，不便于现场实施。在优化控制方面，模型预测控制能够根据对被控对象未来行为的预测实现实时优化控制，并能够有效处理约束，在化工、电力等领域的过程控制中得到了较为广泛的应用。近年来，已有众多学者将预测控制算法成功应用于SCR脱硝系统的优化控制，并取得了一定的改善效果。SCR脱硝系统特性复杂，是典型的非线性过程，存在着不可测扰动的影响，如何提高建模精度和模型预测控制的扰动抑制能力成为进一步改善SCR脱硝系统控制效果的关键。

发明内容

发明目的：为了克服现有技术中存在的不足，提供一种基于折算喷氨量的SCR脱硝系统扰动抑制预测控制方法，用来提高SCR脱硝系统的建模精度，改善系统对不可测扰动的抑制效果。

技术方案：为实现上述目的，本发明提供一种基于折算喷氨量的SCR脱硝系统扰动抑制预测控制方法，包括以下步骤：

S1：获取SCR脱硝系统运行数据，定义折算喷氨量为

其中m为实际喷氨量，N为机组的实际功率，N_E为机组的额定功率；

S2：以折算喷氨量m_P、SCR脱硝装置入口NOx浓度c₁作为输入量，以SCR脱硝装置出口NOx浓度c₂作为输出量，得到SCR脱硝系统由折算喷氨量到装置出口NOx浓度的传递函数G₁(s)、由装置入口NOx浓度到装置出口NOx浓度的传递函G₂(s)，定义系统的传递函数矩阵为

S3：确定采样时间Ts，将传递函数G_m(s)转换为离散状态空间模型：

其中x(k)为k时刻系统的状态变量，u(k)为k时刻的控制量，即SCR脱硝系统的折算喷氨量，d(k)为k时刻的可测扰动，即SCR脱硝系统的装置入口NOx浓度，y(k)为k时刻的被控量，即SCR脱硝系统出口NOx浓度，A、B、C依次为系统矩阵、输入矩阵和输出矩阵，进而得到增广状态空间模型：

式中，

为k时刻系统的增广状态变量，

依次为增广状态空间模型的系统矩阵、输入矩阵和输出矩阵，I表示单位矩阵，O表示零矩阵，Δu(k)＝u(k)-u(k-1)为控制量增量，Δd(k)＝d(k)-d(k-1)为可测扰动增量；

S4：设置预测控制器的相关参数，包括预测时域P、控制时域M、误差权矩阵Q、控制权矩阵R；设置卡尔曼滤波的相关参数，包括误差协方差矩阵的初始值P_K(0)、扰动协方差矩阵Q_n、噪声协方差矩阵R_n；

上述参数设置完毕后，得到脱硝装置出口NOx浓度的预测模型为：

其中，

表示k时刻对预测时域内系统输出的预测值，

表示k时刻对k+i时刻系统输出的预测值，

为k时刻系统广义状态向量的估计值，ΔU(k)＝[Δu(k) … Δu(k+M-1)]^T表示控制时域内控制量的增量，Δd(k)表示当前时刻装置入口NOx浓度相对前一时刻的增量，即Δd(k)＝d(k)-d(k-1)；

S5：设置控制量约束条件u_min,u_max,Δu_min,Δu_max，其中u_min,u_max依次为控制量约束的最小值与最大值，Δu_min,Δu_max依次为控制量增量约束的最小值与最大值；

S6：设置增量式扰动观测器中低通滤波器Q(s)的相关参数，包括低通滤波器的阶次n_DOB和时间常数T_Q；计算增量式扰动观测器计算所需模型矩阵；

S7：控制器广义状态的初始化和扰动观测器计算参数的初始化；完成初始化工作后，在每个控制周期内，重复执行步骤S8至步骤S12；

S8：利用卡尔曼滤波对系统进行状态估计，得到系统广义状态的估计值

S9：预测控制滚动优化计算，为计算最优的控制向量，制定最终的性能指标，具体如式(4)所示：

其中AΔU≤β为约束条件，将预测方程(4)代入性能指标，求解得到最优控制增量ΔU；

S10：增量式扰动观测器计算：

由预测控制计算的控制量增量Δu_MPC(k)、系统输出增量Δy(k)，分别根据离散状态空间方程(4)和(5)计算增量式扰动观测器计算涉及到的状态量x_Q(k+1)和x_QG(k+1)，得到由增量式扰动观测器计算的控制量增量补偿量：

S11：根据预测控制计算得到的控制量增量Δu_MPC(k)及增量式扰动观测器计算得到的控制量增量补偿量Δu_DOB(k)，计算当前时刻的折算喷氨指令u(k)：

u(k)＝u(k-1)+Δu_MPC(k)+Δu_DOB(k) (6)

S12：根据步骤S11中计算得到的折算喷氨指令计算得到即时控制量，即喷氨指令：

其中，N(k)即为当前时刻的机组功率，计算完毕后，将即时控制量送至执行器。

进一步的，所述步骤S3中增广状态空间模型可以简记为：

进一步的，所述步骤S4中参数矩阵F、Ψ、Φ的表示如下：

进一步的，所述步骤S8中增广状态的估计值

的计算步骤为：

①进行状态一步预测：

其中

为k-1时刻系统广义状态的估计值，Δu(k-1)为k-1时刻的控制量增量；Δd(k-1)为k-1时刻的可测扰动增量；

②计算状态一步预测的协方差阵：

③计算滤波增益矩阵：

④状态估计：

⑤更新状态估计的协方差阵：

得到增广状态的估计值

进一步的，所述步骤S4中控制时域M取值范围为1～5，误差权矩阵Q和控制权矩阵R均为单位阵。

本发明通过引入折算喷氨量的概念，将SCR脱硝系统中的非线性问题转化为近似线性问题处理，简化了建模步骤，提高了建模精度。在扰动抑制方面，提出增量式扰动观测器的处理方法，并将其与增广模型预测控制算法相结合，基于辨识结果对象的仿真结果表明，该控制算法能够显著提高控制系统对扰动的抑制能力，同时鲁棒性强，能够有效应对模型失配对控制系统带来的影响，降低了脱硝装置出口NOx浓度与设定值之间的偏差水平，改善了控制效果。

本发明提出了折算喷氨量的概念来考虑烟气流量对脱硝系统带来的非线性问题，并将其作为优化控制的间接控制量；提出了增量式扰动观测器的计算方式，并将其与增广状态空间模型预测控制相结合用于脱硝系统的优化控制。本发明中的辨识方案能够有效地将SCR脱硝系统中的非线性问题近似为线性问题处理，提高辨识精度，本发明中的扰动抑制预测控制算法相比一般的预测控制算法能够有效抑制不可测扰动，改善SCR脱硝系统的控制效果。

有益效果：本发明与现有技术相比，该方法通过引入折算喷氨量的概念将SCR脱硝系统中的非线性问题近似为线性问题来处理，提高了建模精度；提出了增量式扰动观测器的计算方法，并将其与增广状态空间模型预测控制算法相结合，优化控制量由预测控制和增量式扰动观测器两者共同得到，该扰动抑制策略能够有效抑制不可测扰动，提高SCR脱硝系统的扰动抑制能力，改善调节效果。

附图说明

图1为本发明方法的结构原理框图；

图2为本发明用于辨识的火电机组SCR脱硝系统运行数据；

图3为本发明用于模型验证的火电机组SCR脱硝系统运行数据；

图4为本发明提出的辨识方案与传统控制方案辨识效果的对比(基于辨识数据)；

图5为本发明提出的辨识方案与传统控制方案辨识效果的对比(基于模型验证数据)；

图6为不发生模型失配情形下，本发明提出的扰动抑制预测控制算法与一般预测控制对脱硝装置设定值响应和输入阶跃扰动控制效果对比图；

图7为发生模型失配情形下，本发明提出的扰动抑制预测控制算法与一般预测控制对脱硝装置设定值响应和输入阶跃扰动控制效果对比图。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明。

本发明公开了一种基于折算喷氨量的SCR脱硝系统扰动抑制预测控制方法，包括以下步骤：

S1：获取连续一段时间内机组负荷水平变化范围相对较大的SCR脱硝系统运行数据，定义折算喷氨量为

其中m为实际喷氨量，N为机组的实际功率，N_E为机组的额定功率，以折算喷氨量m_P、SCR脱硝装置入口NOx浓度c₁作为输入量，以SCR脱硝装置出口NOx浓度c₂作为输出量，利用MATLAB系统辨识工具箱进行系统辨识得到SCR脱硝系统由折算喷氨量到装置出口NOx浓度的传递函数

由装置入口NOx浓度到装置出口NOx浓度的传递函

定义系统的传递函数矩阵为

S2：确定采样时间Ts＝2s，通过数学软件MATLAB将传递函数G_m(s)转换为离散状态空间模型：

其中，

C＝[0 -0.0000 0.0015]；

进而得到增广状态空间模型：

其中，

S3：预测控制器的相关参数中，预测时域取为P＝100、控制时域M＝3、误差权矩阵Q、控制权矩阵R均取为单位阵；卡尔曼滤波的相关参数中，误差协方差矩阵的初始值P_K(0)、扰动协方差矩阵Q_n、噪声协方差矩阵R_n，三者均取为单位矩阵；参数矩阵F、Ψ、Φ计算如下：

S4：设置控制量约束条件u_min＝10kg/h,u_max＝150kg/h,Δu_min＝-5kg/h,(采样周期为2s，即喷氨量每秒最快降低2.5kg/h)Δu_max＝5kg/h，计算矩阵Ξ：

S5：设置增量式扰动观测器中低通滤波器

根据步骤S2中设置的采样时间Ts＝2s，通过数学软件MATLAB分别将传递函数Q(s)和

转换为离散状态空间模型，可以得到：

C_Q＝[0 0 10^-3],D_Q＝0

C_QG＝[-39.2889 -0.5966 -0.0015],D_QG＝0

S6：控制器广义状态的初始化和扰动观测器计算参数的初始化，系统广义状态的初值可取为相应维数的零向量；扰动观测器计算涉及到的状态量x_Q(k)、x_QG(k)的初始值也分别取为相应维数的零向量；完成上述初始化工作后，在每个控制周期内，重复执行步骤S7至步骤S11；

S7：利用卡尔曼滤波对系统进行状态估计，得到系统广义状态的估计值

具体包括如下步骤：

①进行状态一步预测：

其中

为k-1时刻系统广义状态的估计值，Δu_MPC(k-1)为k-1时刻的控制量增量；Δd(k-1)为k-1时刻的可测扰动增量；

②计算状态一步预测的协方差阵：

③计算滤波增益矩阵：

④状态估计：

⑤更新状态估计的协方差阵：

得到的增广状态估计值

S8：预测控制滚动优化计算，为计算最优的控制向量，制定最终的性能指标如下式所示

其中AΔU≤β为约束条件，将预测方程(3)代入性能指标，求解得到最优控制增量ΔU；

S9：增量式扰动观测器计算，由预测控制计算的控制量增量Δu_MPC(k)、系统输出增量Δy(k)，分别根据离散状态空间方程(3)和(4)计算增量式扰动观测器计算涉及到的状态量x_Q(k+1)和x_QG(k+1)，从而可以得到由增量式扰动观测器计算的控制量增量补偿量：

S10：根据预测控制计算得到的控制量增量Δu_MPC(k)及增量式扰动观测器计算得到的控制量增量补偿量Δu_DOB(k)，计算当前时刻的折算喷氨指令u(k)：

u(k)＝u(k-1)+Δu_MPC(k)+Δu_DOB(k) (5)

S11：根据步骤S10中计算得到的折算喷氨指令计算得到即时控制量，即喷氨指令：

其中，N(k)即为当前时刻的机组功率。计算完毕后，将即时控制量送至执行器。

本实施例根据已有某300MW燃煤机组SCR脱硝系统运行数据，分别选取长为100000s和50000s的两段数据用于辨识和模型验证，这两段数据如图2、3所示(其中N(MW)为机组功率，c₁(mg/m³)为装置入口NOx浓度，m(kg/h)为喷氨量，c₂(mg/m³)为装置出口NOx浓度)。分别采用本发明中的辨识方案(辨识方案二)和传统辨识方案(辨识方案一，将装置入口NOx浓度及喷氨量作为输入，装置出口NOx浓度作为输出)，利用MATLAB系统辨识工具箱进行系统辨识，得到的辨识结果如图4、5所示。

图4表明本发明中的辨识方案能够有效提高模型辨识精度，将SCR脱硝系统中的非线性问题近似为线性问题处理，这一点可以在图5中得到进一步验证：在前半段时间内两种辨识方案得到的模型与实际对象都能够较好吻合，但后半段时间内，机组负荷水平显著下降，传统辨识方案得到的模型不再能很好描述实际对象，而本发明中辨识方案得到的模型仍能对系统输出做出较为理想的预测。利用本发明中的SCR脱硝系统扰动抑制预测控制方法(IDOB-MPC)和一般的基于增量式状态空间模型的预测控制方法(MPC)分别对SCR脱硝系统进行控制，在不发生模型失配和发生模型失配下系统的响应曲线对比图如图6至7。两种情形下，仿真总时长均为3000s，前1500s为设定值响应，在1500s时加入输入阶跃扰动。

图6为不发生模型失配的情形，图7为发生模型失配的情形，此时对象的传递函数为

模型参数采用步骤S1中的辨识结果。图6和图7的仿真结果表明，本发明提出的SCR脱硝系统扰动抑制预测控制方法在不发生模型失配时，设定值响应方面能达到与增广模型预测控制一致的控制效果，而对于输入阶跃扰动，则有一定的改善效果，本发明提出的SCR脱硝系统扰动抑制预测控制方法鲁棒性更强，能够有效抑制模型失配对控制性能带来的影响。

Claims (5)

1.一种基于折算喷氨量的SCR脱硝系统扰动抑制预测控制方法，其特征在于：包括以下步骤：

S1：获取SCR脱硝系统运行数据，定义折算喷氨量为

其中m为实际喷氨量，N为机组的实际功率，N_E为机组的额定功率；

S2：以折算喷氨量m_P、SCR脱硝装置入口NOx浓度c₁作为输入量，以SCR脱硝装置出口NOx浓度c₂作为输出量，得到SCR脱硝系统由折算喷氨量到装置出口NOx浓度的传递函数G₁(s)、由装置入口NOx浓度到装置出口NOx浓度的传递函G₂(s)，定义系统的传递函数矩阵为

S3：确定采样时间Ts，将传递函数G_m(s)转换为离散状态空间模型：

其中x(k)为k时刻系统的状态变量，u(k)为k时刻的控制量，即SCR脱硝系统的折算喷氨量，d(k)为k时刻的可测扰动，即SCR脱硝系统的装置入口NOx浓度，y(k)为k时刻的被控量，即SCR脱硝系统出口NOx浓度，A、B、C依次为系统矩阵、输入矩阵和输出矩阵，进而得到增广状态空间模型：

式中，

为k时刻系统的增广状态变量，

依次为增广状态空间模型的系统矩阵、输入矩阵和输出矩阵，I表示单位矩阵，O表示零矩阵，Δu(k)＝u(k)-u(k-1)为控制量增量，Δd(k)＝d(k)-d(k-1)为可测扰动增量；

S4：设置预测控制器的相关参数，包括预测时域P、控制时域M、误差权矩阵Q、控制权矩阵R；设置卡尔曼滤波的相关参数，包括误差协方差矩阵的初始值P_K(0)、扰动协方差矩阵Q_n、噪声协方差矩阵R_n；

上述参数设置完毕后，得到脱硝装置出口NOx浓度的预测模型为：

其中，

表示k时刻对预测时域内系统输出的预测值，

表示k时刻对k+i时刻系统输出的预测值，

为k时刻系统广义状态向量的估计值，ΔU(k)＝[Δu(k) … Δu(k+M-1)]^T表示控制时域内控制量的增量，Δd(k)表示当前时刻装置入口NOx浓度相对前一时刻的增量，即Δd(k)＝d(k)-d(k-1)；

S5：设置控制量约束条件u_min,u_max,Δu_min,Δu_max，其中u_min,u_max依次为控制量约束的最小值与最大值，Δu_min,Δu_max依次为控制量增量约束的最小值与最大值；

S6：设置增量式扰动观测器中低通滤波器Q(s)的相关参数，包括低通滤波器的阶次n_DOB和时间常数T_Q；计算增量式扰动观测器计算所需模型矩阵；

S7：控制器广义状态的初始化和扰动观测器计算参数的初始化；完成初始化工作后，在每个控制周期内，重复执行步骤S8至步骤S12；

S8：利用卡尔曼滤波对系统进行状态估计，得到系统广义状态的估计值

S9：预测控制滚动优化计算，为计算最优的控制向量，制定最终的性能指标，具体如式(4)所示：

其中AΔU≤β为约束条件(5)，将预测方程(4)代入性能指标，求解得到最优控制增量ΔU；

S10：增量式扰动观测器计算：

由预测控制计算的控制量增量Δu_MPC(k)、系统输出增量Δy(k)，分别根据离散状态空间方程(4)和(5)计算增量式扰动观测器计算涉及到的状态量x_Q(k+1)和x_QG(k+1)，得到由增量式扰动观测器计算的控制量增量补偿量：

S11：根据预测控制计算得到的控制量增量Δu_MPC(k)及增量式扰动观测器计算得到的控制量增量补偿量Δu_DOB(k)，计算当前时刻的折算喷氨指令u(k)：

u(k)＝u(k-1)+Δu_MPC(k)+Δu_DOB(k) (6)

S12：根据步骤S11中计算得到的折算喷氨指令计算得到即时控制量，即喷氨指令：

其中，N(k)即为当前时刻的机组功率，计算完毕后，将即时控制量送至执行器。

2.根据权利要求1所述的一种基于折算喷氨量的SCR脱硝系统扰动抑制预测控制方法，其特征在于：所述步骤S3中增广状态空间模型可以简记为：

3.根据权利要求1所述的一种基于折算喷氨量的SCR脱硝系统扰动抑制预测控制方法，其特征在于：所述步骤S4中参数矩阵F、Ψ、Φ的表示如下：

4.根据权利要求1所述的一种基于折算喷氨量的SCR脱硝系统扰动抑制预测控制方法，其特征在于：所述步骤S8中增广状态的估计值

的计算步骤为：

①进行状态一步预测：

其中

为k-1时刻系统广义状态的估计值，Δu(k-1)为k-1时刻的控制量增量；Δd(k-1)为k-1时刻的可测扰动增量；

②计算状态一步预测的协方差阵：

③计算滤波增益矩阵：

④状态估计：

⑤更新状态估计的协方差阵：

得到增广状态的估计值

5.根据权利要求1所述的一种基于折算喷氨量的SCR脱硝系统扰动抑制预测控制方法，其特征在于：所述步骤S4中控制时域M取值范围为1～5，误差权矩阵Q和控制权矩阵R均为单位阵。

Images