CN112015082A - 一种基于模糊增益调度预测控制的机炉协调系统控制方法 - Google Patents
一种基于模糊增益调度预测控制的机炉协调系统控制方法 Download PDFInfo
- Publication number
- CN112015082A CN112015082A CN202010403924.1A CN202010403924A CN112015082A CN 112015082 A CN112015082 A CN 112015082A CN 202010403924 A CN202010403924 A CN 202010403924A CN 112015082 A CN112015082 A CN 112015082A
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- control
- model
- coordination system
- machine furnace
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000009471 action Effects 0.000 claims abstract description 25
- 238000005457 optimization Methods 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000005096 rolling process Methods 0.000 claims description 10
- 230000001276 controlling effect Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- YTAHJIFKAKIKAV-XNMGPUDCSA-N [(1R)-3-morpholin-4-yl-1-phenylpropyl] N-[(3S)-2-oxo-5-phenyl-1,3-dihydro-1,4-benzodiazepin-3-yl]carbamate Chemical compound O=C1[C@H](N=C(C2=C(N1)C=CC=C2)C1=CC=CC=C1)NC(O[C@H](CCN1CCOCC1)C1=CC=CC=C1)=O YTAHJIFKAKIKAV-XNMGPUDCSA-N 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 239000013256 coordination polymer Substances 0.000 claims 2
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000010248 power generation Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000002399 angioplasty Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
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
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模糊增益调度预测控制的机炉协调系统控制方法，所述控制方法是非线性建模方法、模糊逻辑推理理论和预测控制技术有机结合的智能控制方法，首先基于状态空间非线性建模方法建立机炉协调系统局部工况多变量非线性离散动态模型，选取反映机炉协调系统动态特性的状态变量作为模糊调度变量，根据模糊逻辑推理机炉协调系统全局多变量非线性离散模糊模型，然后在此模型基础上应用预测控制技术，预测模型多步输出，考虑控制作用约束并实施滚动优化策略。该方法可以在全工况范围内快速跟踪负荷，能够处理控制作用的约束优化问题，在确保控制系统全局最优的同时具有良好的鲁棒性，对进行深度调峰的火电机组运行优化具有重要意义。
Description
技术领域
本发明涉及热能动力工程及自动控制领域，特别是涉及一种基于模糊增益调度预测控制的机炉协调系统控制方法。
背景技术
机炉协调控制系统是火力发电厂热力系统的核心，它对锅炉、汽机进行协调综合控制，以使机组快速响应电网负荷要求，目前大都采用PID控制，但当对象特性发生变化时，难以保证系统获得最优品质，影响机组运行经济性。模型预测控制(MPC)对多容惯性对象的控制效果较好，被控量响应快、超调量小，同时具有良好的鲁棒性以及处理约束的能力，有利于复杂热力系统的优化控制。随着我国可再生清洁能源发电技术的迅猛发展，燃煤火电产能过剩，而电网负荷峰谷差较大，在深度调峰的要求下，火电机组必须根据电网要求大范围调整负荷，机炉协调系统对象动态特性发生较大变化，存在严重的非线性，而传统的机炉协调控制系统，只是根据火电机组在某一负荷点上的对象特性进行设计，不能保证机组在整个负荷范围内是全局最优的，因此需要我们探索其他更好的控制方案。
发明内容
发明目的：本发明针对深度调峰背景下火电厂机炉协调系统的全局非线性特性提出了一种基于模糊增益调度预测控制的机炉协调系统控制方法。
本发明的目的通过以下技术方案实现：
一种基于模糊增益调度预测控制的机炉协调系统控制方法，包括以下步骤：
(1)建立局部工况多变量非线性离散动态模型；
(2)选取机炉协调系统动态特性参数作为模糊调度变量；
(3)基于局部模型和模糊调度变量建立全局多变量非线性离散模糊模型；
(4)基于全局模糊模型预测机炉协调系统系统未来多步输出；
(5)选取预测控制器目标函数，滚动优化性能指标；
(6)计算控制约束最优解，将最优控制律应用于系统。
进一步的，步骤(1)中所述建立局部工况多变量非线性离散动态模型是在全工况范围内选取多个典型工况，对所选工况点上的非线性机炉协调系统进行局部泰勒展开，并略去高阶无穷小量，得到状态空间局部线性动态模型，然后在离散时域内对其离散化获得离散动态模型，建立如下模型：
z(k+1)＝Gi·z(k)+Hi·u(k)+Pi+Φ·ξ(k)
y(k)＝Ci·z(k)+Di·u(k)+Qi+ξ(k)
i＝1…n
其中，k为当前离散时刻，n为选取的典型工况数，u为输入控制作用，y为输出被调量,z 为系统状态，ξ为高斯白噪声，Ci、Di、Gi、Hi、Pi、Qi为系统参数矩阵，Φ为滤波矩阵。
进一步的，步骤(2)中所述选取机炉协调系统动态特性参数作为模糊调度变量，是选取在被控过程中反映机炉协调系统动态特性的状态变量，采用模糊逻辑推理方法对其在论域上进行模糊化处理，划分模糊集合，选择隶属度函数，隶属度μi∈[0,1]。
进一步的，步骤(3)中所述基于局部模型和模糊调度变量建立全局多变量非线性离散模糊模型的方法为：
(31)基于典型工况生成模糊规则，模糊规则的前件是模糊增益调度变量，模糊规则的后件是局部工况状态空间模型：
其中，Δz为模糊增益调度变量，Ai为模糊集合，i＝1…n；
(32)根据模糊规则进行模糊推理后进行去模糊化处理，建立如下全局多变量非线性离散模糊模型：
z(k+1)＝G·z(k)+H·u(k)+P+Φ·ξ(k)
y(k)＝C·z(k)+D·u(k)+Q+ξ(k)
其中，
进一步的，步骤(4)中所述基于全局模糊模型预测机炉协调系统未来多步输出：
其中，k为当前离散时刻，Np为预测步数；
更进一步的，由于白噪声未来数学期望估计为0，即
且当前时刻ξ(k)的期望估计值
则第j步的系统模型输出预测值为：
令
所述的系统模型多步输出预测可表示为：
进一步的，步骤(5)中所述预测控制器目标函数选取二次型性能指标J，滚动优化，该二次性能指标函数如下：
其中，λ为权重系数，Yr为参考轨迹，ΔU为控制作用，Yr和ΔU如下：
式中I为Nm×Nm维单位矩阵,O为Nm×Nm维零矩阵。
进一步的，所述步骤(6)计算控制约束最优解，将最优控制律应用于系统，计算过程如下：
由于上式后两项为常数项，则min(J)＝min(J0)，
令
令J01＝2(Ψu TΨu+λTTT)，
则有，
当控制作用不受约束时，
所述最优控制作用U＝-J01 -1J02；
考虑实际工程应用中，控制作用幅度和速率受到限制，用不等式描述控制约束问题，再用二次规划的方法解决约束优化问题，该方法如下：
①控制作用幅值约束描述：
umin≤u(k+j-1)≤umax,j＝1…Np+1
②控制作用速率约束描述：
Ts·Δumin≤Δu(k+j-1)≤Ts·Δumax，j＝1…Np+1
令
约束描述为：Μ·U≤N
约束优化的解：
所述的控制约束最优解为
将最优控制律
前Nm项作用于闭环系统实际控制，实现滚动优化。
有益效果：与现有技术相比，本发明具有以下优点：
(1)本发明提出的一种基于模糊增益调度预测控制的机炉协调系统控制方法在深度调峰的要求下，机组能够快速跟踪负荷，具有优良的控制性能，同时确保机组在整个负荷范围内是全局最优的，保障机组运行经济性，对进行深度调峰的火电机组运行优化具有重要意义；
(2)本发明提出的一种基于模糊增益调度预测控制的机炉协调系统控制方法能够处理其它基于模糊模型控制策略无法解决控制作用速率受限的约束优化问题，同时它的滚动优化能力保证了系统的全局控制品质；
(3)本发明提出的一种基于模糊增益调度预测控制的机炉协调系统控制方法与传统的机炉协调系统控制方法相比，具有出色的全局非线性优化能力，即使在对象特性大幅度偏移时仍具有优良的鲁棒控制品质。
附图说明
图1是本发明的控制系统示意图。
具体实施方式
下面结合附图和具体实施例对本发明的技术方案进行详细的说明。
如图1所示为一种基于模糊增益调度预测控制的机炉协调控制系统示意图，所述控制方法是非线性建模方法、模糊逻辑推理理论和预测控制技术有机结合的智能控制方法，被控对象为机炉协调系统，根据负荷要求系统动态特性会发生变化，z为反映系统动态特性的状态变量，将Δz作为模糊增益调度变量，模糊规则库根据模糊规则前件参数Δz进行模糊推理，得出模糊规则后件参数，即该工况下机炉协调系统的状态空间模型；预测控制器利用该模型预测系统未来Np步输出
根据目标函数进行滚动优化，对控制作用幅度和速率加以一定的限制，计算出最优控制律u(k)作用于系统。
具体包括以下步骤：
(1)建立局部工况多变量非线性离散动态模型；
在全工况范围内选取多个典型工况，对所选工况点上的非线性机炉协调系统进行局部泰勒展开，并略去高阶无穷小量，得到状态空间局部线性动态模型，然后在离散时域内对其离散化获得离散动态模型，建立如下模型：
z(k+1)＝Gi·z(k)+Hi·u(k)+Pi+Φ·ξ(k)
y(k)＝Ci·z(k)+Di·u(k)+Qi+ξ(k)
i＝1…n
其中，k为当前离散时刻，n为选取的典型工况数，u为输入控制作用，y为输出被调量,z 为系统状态，ξ为高斯白噪声，Ci、Di、Gi、Hi、Pi、Qi为系统参数矩阵，Φ为滤波矩阵。
(2)选取机炉协调系统动态特性参数作为模糊调度变量；
选取在被控过程中反映机炉协调系统动态特性的状态变量，采用模糊逻辑推理方法对其在论域上进行模糊化处理，划分模糊集合，选择隶属度函数，隶属度μi∈[0,1]。
(3)基于局部模型和模糊调度变量建立全局多变量非线性离散模糊模型；
模糊规则的前件是模糊增益调度变量，模糊规则的后件是局部工况状态空间模型，基于典型工况生成模糊规则:
其中，Δz为模糊增益调度变量，Ai为模糊集合；
根据模糊规则进行模糊推理后进行去模糊化处理，建立如下全局多变量非线性离散模糊模型：
z(k+1)＝G·z(k)+H·u(k)+P+Φ·ξ(k)
y(k)＝C·z(k)+D·u(k)+Q+ξ(k)
其中，
(4)基于全局模糊模型预测系统未来多步输出；
其中，k为当前离散时刻，Np为预测步数。
由于白噪声未来数学期望估计为0，即
且当前时刻ξ(k)的期望估计值
则第j步的系统模型输出预测值为：
令
所述的系统模型多步输出预测可表示为：
(5)选取目标函数，滚动优化性能指标；
选择二次性能优化指标为目标函数：
其中，λ为权重系数，Yr为参考轨迹，ΔU为控制作用，Yr和ΔU如下：
式中I为Nm×Nm维单位矩阵,O为Nm×Nm维零矩阵，Nm为控制步长。
(6)计算控制约束最优解，将最优控制律应用于系统。
由于上式后两项为常数项，则min(J)＝min(J0)，
令
令J01＝2(Ψu TΨu+λTTT)，
则有，
当控制作用不受约束时，
所述最优控制作用U＝-J01 -1J02；
考虑实际工程应用中，控制作用幅度和速率受到限制，用不等式描述控制约束问题，再用二次规划的方法解决约束优化问题，该方法如下：
①控制作用幅值约束描述
umin≤u(k+j-1)≤umax,j＝1…Np+1
②控制作用速率约束描述
Ts·Δumin≤Δu(k+j-1)≤Ts·Δumax，j＝1…Np+1
令
约束描述为：Μ·U≤N
约束优化的解：
所述的控制约束最优解为
将最优控制律
前Nm项作用于闭环系统实际控制，实现滚动优化。
下面以某电厂160MW三阶非线性火电机组采用本发明的全局优化控制方法为例，详细说明本发明内容。选取20％、40％、60％、80％、100％、120％的工况点作为典型工况点，计算典型工况点离散状态空间模型，以机组输出功率PT＝112MW为基准点，ΔPT作为模糊增益调度变量，并将其论域[-80,80]划分为6个模糊集合，选取三角形隶属度函数，预测控制器设计参数：采样时间Ts＝1s，预测步长Np＝40，控制步长Nm＝3,权重系数λ＝1，滤波矩阵Φ＝10I3。在全工况升降负荷的仿真测试中，结果显示：系统压力、功率响应时间变短，控制作用平滑，系统稳定性好。以上实例表明：基于模糊增益调度预测控制的机炉协调系统控制方法能够全局优化协调控制系统的运行性能，尤其是在深度调峰的要求下，负荷在全工况范围内大幅度变化，机组实发功率仍能快速跟踪负荷指令，鲁棒性能优良，机组运行的安全性和经济性均得到保障。
以上实例仅用于更加清楚地说明本发明方法，并非对本发明作任何其他形式的限制，不能以此来限制本发明的保护范围。
Claims (7)
1.一种基于模糊增益调度预测控制的机炉协调系统控制方法，其特征在于：包括以下步骤：
(1)建立局部工况多变量非线性离散动态模型；
(2)选取机炉协调系统动态特性参数作为模糊调度变量；
(3)基于局部模型和模糊调度变量建立全局多变量非线性离散模糊模型；
(4)基于全局模糊模型预测机炉协调系统系统未来多步输出；
(5)选取预测控制器目标函数，滚动优化性能指标；
(6)计算控制约束最优解，将最优控制律应用于系统。
2.根据权利要求1所述的基于模糊增益调度预测控制的机炉协调系统控制方法，其特征在于：步骤(1)中所述建立局部工况多变量非线性离散动态模型是在全工况范围内选取多个典型工况，对所选工况点上的非线性机炉协调系统进行局部泰勒展开，并略去高阶无穷小量，得到状态空间局部线性动态模型，然后在离散时域内对其离散化获得离散动态模型，建立如下模型：
z(k+1)＝Gi·z(k)+Hi·u(k)+Pi+Φ·ξ(k)
y(k)＝Ci·z(k)+Di·u(k)+Qi+ξ(k)
i＝1…n
其中，k为当前离散时刻，n为选取的典型工况数，u为输入控制作用，y为输出被调量，z为系统状态，ξ为高斯白噪声，Ci、Di、Gi、Hi、Pi、Qi为系统参数矩阵，Φ为滤波矩阵。
3.根据权利要求1所述的基于模糊增益调度预测控制的机炉协调系统控制方法，其特征在于：步骤(2)中所述选取机炉协调系统动态特性参数作为模糊调度变量，是选取在被控过程中反映机炉协调系统动态特性的状态变量，采用模糊逻辑推理方法对其在论域上进行模糊化处理，划分模糊集合，选择隶属度函数，隶属度μi∈[0，1]。
4.根据权利要求1或2或3所述的基于模糊增益调度预测控制的机炉协调系统控制方法，其特征在于：步骤(3)中所述基于局部模型和模糊调度变量建立全局多变量非线性离散模糊模型的方法为：
(31)基于典型工况生成模糊规则，模糊规则的前件是模糊增益调度变量，模糊规则的后件是局部工况状态空间模型：
其中，Δz为模糊增益调度变量，Ai为模糊集合，i＝1…n；
(32)根据模糊规则进行模糊推理后进行去模糊化处理，建立如下全局多变量非线性离散模糊模型：
z(k+1)＝G·z(k)+H·u(k)+P+Φ·ξ(k)
y(k)＝C·z(k)+D·u(k)+Q+ξ(k)
其中，
5.根据权利要求4所述的基于模糊增益调度预测控制的机炉协调系统控制方法，其特征在于：步骤(4)中所述基于全局模糊模型预测机炉协调系统未来多步输出：
y(k+1)＝C·z(k+1)+D·u(k+1)+Q+ξ(k+1)
＝C·[G·z(k)+H·u(k)+P+Φ·ξ(k)]+D·u(k+1)+Q+ξ(k+1)
＝CGz(k)+CHu(k)+Du(k+1)+CP+Q+CΦξ(k)+ξ(k+1)；
y(k+2)＝C·z(k+2)+D·u(k+2)+Q+ξ(k+2)
＝C·[G·z(k+1)+H·u(k+1)+P+Φ·ξ(k+1)]+D·u(k+2)+Q+ξ(k+2)
＝CG2z(k)+CGHu(k)+CHu(k+1)+Du(k+2)+CGP+CP+Q+CGΦξ(k)+CΦ·ξ(k+1)+ξ(k+2)；
……
……
其中，k为当前离散时刻，Np为预测步数；
更进一步的，由于白噪声未来数学期望估计为0，即
且当前时刻ξ(k)的期望估计值
则第j步的系统模型输出预测值为：
令
所述的系统模型多步输出预测可表示为：
6.根据权利要求5所述的基于模糊增益调度预测控制的机炉协调系统控制方法，其特征在于：步骤(5)中所述预测控制器目标函数选取二次型性能指标J，滚动优化，该二次性能指标函数如下：
其中，λ为权重系数，Yr为参考轨迹，ΔU为控制作用，Yr和ΔU如下：
式中I为Nm×Nm维单位矩阵，O为Nm×Nm维零矩阵。
7.根据权利要求6所述的基于模糊增益调度预测控制的机炉协调系统控制方法，其特征在于：所述步骤(6)计算控制约束最优解，将最优控制律应用于系统，计算过程如下：
由于上式后两项为常数项，则min(J)＝min(J0)，
令
令J01＝2(Ψu TΨu+λTTT)，
则有，
当控制作用不受约束时，
所述最优控制作用
考虑实际工程应用中，控制作用幅度和速率受到限制，用不等式描述控制约束问题，再用二次规划的方法解决约束优化问题，该方法如下：
①控制作用幅值约束描述：
umin≤u(k+j-1)≤umax，j＝1…Np+1
②控制作用速率约束描述：
Ts·Δumin≤Δu(k+j-1)≤Ts·Δumax，j＝1…Np+1
令
约束描述为：M·U≤N
约束优化的解：
所述的控制约束最优解为
将最优控制律
前Nm项作用于闭环系统实际控制，实现滚动优化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010403924.1A CN112015082B (zh) | 2020-05-13 | 2020-05-13 | 一种基于模糊增益调度预测控制的机炉协调系统控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010403924.1A CN112015082B (zh) | 2020-05-13 | 2020-05-13 | 一种基于模糊增益调度预测控制的机炉协调系统控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112015082A true CN112015082A (zh) | 2020-12-01 |
| CN112015082B CN112015082B (zh) | 2022-04-08 |
Family
ID=73507044
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010403924.1A Active CN112015082B (zh) | 2020-05-13 | 2020-05-13 | 一种基于模糊增益调度预测控制的机炉协调系统控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112015082B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113156811A (zh) * | 2020-12-29 | 2021-07-23 | 上海理工大学 | 一种航天器姿态控制系统的自触发模糊模型预测控制器的设计方法 |
| CN113448248A (zh) * | 2021-06-23 | 2021-09-28 | 南京英纳维特自动化科技有限公司 | 一种火电机组灵活性及深度调峰智能控制方法 |
| CN116466568B (zh) * | 2023-03-07 | 2024-03-22 | 浙江中智达科技有限公司 | 一种零手动操作控制系统、控制逻辑切换方法及装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103064289A (zh) * | 2012-12-19 | 2013-04-24 | 华南理工大学 | 一种垃圾发电厂多目标运行优化及协调的控制方法及装置 |
| CN103631140A (zh) * | 2013-12-09 | 2014-03-12 | 中南大学 | 基于性能评估的焦炉加热燃烧过程火道温度自动调节方法 |
| CN104122797A (zh) * | 2014-07-22 | 2014-10-29 | 东南大学 | 一种新型火电机组负荷多变量预测控制方法 |
| CN105573123A (zh) * | 2016-01-19 | 2016-05-11 | 东南大学 | 一种基于改进的t-s模糊预测建模的火电机组机炉协调控制方法 |
| CN106707756A (zh) * | 2017-01-23 | 2017-05-24 | 东南大学 | 融合扩张观测器的超临界火电机组机炉协调控制方法 |
| CN107479389A (zh) * | 2017-09-30 | 2017-12-15 | 东南大学 | 一种火电机组过热汽温预测模糊自适应pid控制方法 |
| 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 |
| CN110488610A (zh) * | 2019-09-04 | 2019-11-22 | 东南大学 | 一种基于鲁棒模糊预测控制的微型燃气轮机热电联供系统热负荷控制方法 |
-
2020
- 2020-05-13 CN CN202010403924.1A patent/CN112015082B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103064289A (zh) * | 2012-12-19 | 2013-04-24 | 华南理工大学 | 一种垃圾发电厂多目标运行优化及协调的控制方法及装置 |
| CN103631140A (zh) * | 2013-12-09 | 2014-03-12 | 中南大学 | 基于性能评估的焦炉加热燃烧过程火道温度自动调节方法 |
| CN104122797A (zh) * | 2014-07-22 | 2014-10-29 | 东南大学 | 一种新型火电机组负荷多变量预测控制方法 |
| CN105573123A (zh) * | 2016-01-19 | 2016-05-11 | 东南大学 | 一种基于改进的t-s模糊预测建模的火电机组机炉协调控制方法 |
| CN106707756A (zh) * | 2017-01-23 | 2017-05-24 | 东南大学 | 融合扩张观测器的超临界火电机组机炉协调控制方法 |
| CN107479389A (zh) * | 2017-09-30 | 2017-12-15 | 东南大学 | 一种火电机组过热汽温预测模糊自适应pid控制方法 |
| 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 |
| CN110488610A (zh) * | 2019-09-04 | 2019-11-22 | 东南大学 | 一种基于鲁棒模糊预测控制的微型燃气轮机热电联供系统热负荷控制方法 |
Non-Patent Citations (4)
| Title |
|---|
| KE WU.ETC: "《Model Predictive Control for Nonlinear Boiler-Turbine System Based on Fuzzy Gain Scheduling》", 《PROCEEDINGS OF THE IEEE INTERNATIONAL CONFERENCE ON AUTOMATION AND LOGISTICS》 * |
| 吴科等: "《ALSTOM气化炉的模糊增益调度预测控制》", 《动力工程》 * |
| 张帆: "《多目标非线性预测控制及其在机炉协调优化控制中的应用研究》", 《万方学位论文》 * |
| 张铁军等: "《机炉协调系统的模糊增益调度预测控制》", 《中国电机工程学报》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113156811A (zh) * | 2020-12-29 | 2021-07-23 | 上海理工大学 | 一种航天器姿态控制系统的自触发模糊模型预测控制器的设计方法 |
| CN113448248A (zh) * | 2021-06-23 | 2021-09-28 | 南京英纳维特自动化科技有限公司 | 一种火电机组灵活性及深度调峰智能控制方法 |
| CN116466568B (zh) * | 2023-03-07 | 2024-03-22 | 浙江中智达科技有限公司 | 一种零手动操作控制系统、控制逻辑切换方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112015082B (zh) | 2022-04-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112015082B (zh) | 一种基于模糊增益调度预测控制的机炉协调系统控制方法 | |
| 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 | |
| CN112147891B (zh) | 一种火电机组协调系统全局非线性优化控制方法 | |
| CN106014849B (zh) | 抽水蓄能机组调速系统的快速非线性模糊预测控制方法 | |
| CN102841540A (zh) | 基于多模型预测控制的超临界机组协调控制方法 | |
| CN108181803A (zh) | 汽轮发电机组的模糊自适应分数阶pid转速调节方法及系统 | |
| Espín et al. | A hybrid sliding mode controller approach for level control in the nuclear power plant steam generators | |
| Zhou et al. | An adaptive Takagi–Sugeno fuzzy model-based generalized predictive controller for pumped-storage unit | |
| Beus et al. | Practical implementation of a hydro power unit active power regulation based on an MPC algorithm | |
| CN113448248A (zh) | 一种火电机组灵活性及深度调峰智能控制方法 | |
| CN109062030A (zh) | 基于拉盖尔函数模型的火电单元机组负荷预测pid控制方法 | |
| Luan et al. | Load-following control of nuclear reactors based on Takagi-Sugeno fuzzy model | |
| CN100547504C (zh) | 基于模糊目标与模糊约束的工业过程预测控制方法 | |
| CN114839861B (zh) | 智能pid控制器在线优化方法及系统 | |
| Kumar et al. | Industrial heating furnace temperature control system design through fuzzy-PID controller | |
| CN113653589A (zh) | 一种变参双幂趋近律的水轮机组微分预测滑模控制方法 | |
| Chen et al. | Parameter Optimization of PID Sliding Mode Controller for Hydraulic Turbine Regulating System Based on IFABC Algorithm. | |
| Garduno-Ramirez et al. | Overall control of fossil-fuel power plants | |
| CN107045287A (zh) | 基于预测控制技术的机组协调控制系统及控制方法 | |
| Xin et al. | Research and application prospect of PID auto-tuning | |
| Wu et al. | Stable model predictive tracking control for boiler-turbine coordinated control system | |
| 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 | |
| Bakria et al. | Chaos Control and Stabilization of a PID Controlled Buck Converter Using the Spotted Hyena Optimizer | |
| Rangaswamy et al. | Adaptive fuzzy tuned PID controller for combustion of utility boiler | |
| Saka et al. | Analysis of fuel cell based time delayed load frequency control having energy storage systems |
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 |