CN112462604A - 一种基于遗传算法的超超临界机组干湿态建模及协调控制方法 - Google Patents

Abstract

本发明公开了一种基于遗传算法的超超临界机组干湿态建模及协调控制方法，包括以下步骤：采用阶跃式激励信号，获取对象输入输出数据，并在连续系统的参数辨识中，将对象的初始状态也作为参数辨识的一项，通过最小二乘法的迭代计算，获得模型参数，建立机组协调控制系统干湿态下各个负荷点的线性模型；针对机组大范围变负荷运行时的快速跟踪任务，借助H∞控制理论，给出了一种基于H∞回路成形设计控制器的方案，并通过PID近似模型降阶，实现了大型火电机组的大范围变负荷快速跟踪，并且在保留原控制器主要特性的前提下，更易于工程实现。

Description

一种基于遗传算法的超超临界机组干湿态建模及协调控制 方法

技术领域

本发明涉及热工自动控制领域，具体涉及一种基于遗传算法的超超临界机组干湿态建模 及协调控制方法。

背景技术

火电厂热工对象的过程动态特性一般具有多变量、大延迟、大惯性、强耦合、时变和不 确定性等特点，在超超临界机组上表现得更加突出。以协调控制系统为例，该系统通过协调 控制锅炉与汽轮机的运行，提高机组对电网负荷调度的快速响应性和机组运行的稳定性。超 超临界直流机组协调系统的输出参数为机组负荷、主蒸汽压力和中间点温度，输入变量为燃 料量、汽轮机调节门开度和给水流量，由此构成一个三入三出的强耦合系统。在实际生产过 程中，协调系统的所有的输入变量时刻都在变化，任何一个输入变量的变动都会不同程度的 影响系统的输出,如何准确的辨识过程中每个输出量相对每个输入量的响应特性和设计合理 有效的控制器成为了超超临界机组协调控制系统优化研究的重点。

超临界直流锅炉除结构和亚临界汽包炉有所区别外，其启停和亚临界汽包炉存在着较大 的差别，启停过程需要经过一个干、湿态转换阶段，这个阶段需要平稳顺畅地度过。然而， 由于没有成熟的控制技术，干、湿态转换多采用人工手动操作方式，造成机组干、湿态频繁 切换、转态时间长，水冷壁极易超温等问题频繁出现，影响机组的稳定运行。因此，研究超 临界机组干、湿态自动转换的控制方法很重要。

超临界机组干湿态转换负荷点一般在30％额定负荷以上，此时的给水系统已经完成主旁 路切换，汽泵处于给水状态。湿态模式时，给水自动调节主要通过汽泵/电泵调节锅炉本生 流量，炉水循环泵出口调门调节再循环流量为储水箱水位的比例折线函数值；干态模式时， 给水自动调节通过汽泵调节锅炉总给水流量，中间点温度调节通过修正给水指令保证中间点 温度过热度；而由于湿态转干态过程、干态转湿态过程是负荷变化的过程，常规给水自动调 节无法完成被调量和设定值的变换，一般只能采取将给水自动切为手动，通过全手动方式操 作给水与燃料，使机组从湿态转为干态或从干态转为湿态。常规给水控制的缺点：系统在主 路供水、湿态模式时，自动调节只能通过电泵调节锅炉本生流量，汽泵只能手动控制；由于 湿态转干态过程、干态转湿态过程均涉及到给水流量。设定值与被调量的变化，常规给水控 制策略在此过程中只能切除自动，无法实现干湿态自动转换。

发明内容

为解决上述技术问题，本发明的目的是提供一种基于遗传算法的超超临界机组干湿态建 模及协调控制方法。

本发明的技术方案如下：

一种基于遗传算法的超超临界机组干湿态建模及协调控制方法，其特征在于：采集机组 DCS数据，通过机理建模加数据辨识的方法，提出基于改进模型参数的辨识方法，建立协调控 制系统模型，具体为：

a)数据预处理：利用RIVC滤波(改进的工具变量法)对数据进行滤波；

b)辨识模型改进：将模型的初始参数也作为模型辨识的一部分；

c)模型结构定义：建立了有自平衡能力的对象传递函数模型；

d)传递模型参数辨识：利用最小二乘法，根据DCS数据对传递函数模型进行参数模型辨 识。

进一步的，还包括：

a)成形设计：在被控对象的前后分别设计一个合适的补偿器，改变被控对象的奇异值， 使得新对象的奇异值满足设计要求；

b)稳定性分析：计算鲁棒性指标，一直到满足要求，不满足要求则需要重新设计补偿 器；

c)控制器设计：根据对象传递函数模型设计反馈控制器，采用PID近似模型降阶方法， 把高阶系统近似成PID形式，同时转化后的PID系统仍然保留原系统的主要特性；

d)参数优化：基于遗传算法，针对进行的控制器参数优化，对三入三出的系统控制参数 进行寻优。借由上述方案，本发明至少具有以下优点：

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是本发明的结构示意图；

图2是本发明的工作框图；

图3是本发明的工作框图。

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。

本发明具体实施例如下：

一、系统建模：

1.滤波处理

拟合模型采用的现场测量数据不可避免的包含高频、低频或者直流噪音部分，需要对实 验数据进行线性滤波处理，常用的线性滤波方法有SVF滤波(状态变量控制器)、PMF滤波(泊 松矩函数滤波器)及RIVC滤波(改进的工具变量法)等，其结构如下所示：

本发明采用RIVC滤波方法，具有无偏、一致和渐进正态等优点，不仅可以避免噪音信号 的分化，还有利于提高统计效率减小估计方差。

2.模型初始状态辨识

一般的热工过程模型辨识需要将原始数据转换成增量式的数据，而増量数据的获得需要 先确定对象的稳态值。常规的做法是把模型的输入输出数据分为两个部分，一个是阶跃扰动 实验前的稳态段，一个阶跃扰动之后的动态变化段。通过滤波方法将稳态段的高频噪音除去， 获得稳态值。该方法操作起来较为繁琐，而且若初始状态本身不稳定，该方法将失效。本发 明将模型的初始参数也作为模型辨识的一部分，表述如下。

u₀(t)，y₀(t)是现场采集的输入输出数据，u_ss，y_ss是初始稳态值，u(t)，y(t)是增量型的输 入输出数据。其中，u_ss作为控制指令的稳态值，在手动模式下相对稳定，扰动小，可以直接 从原始数据中分离。所以仅将y_ss作为辨识参数，对上式进行拉普拉斯变换

3.模型的结构

对于具有自平衡能力的热工对象，根据其动态特性可分为两类：带纯滞后的多元惯性环 节，其传递函数模型可以表示为式(4)的形式；带纯滞后的并联多元惯性环节，其传递函数模 型可以表示为式(5)的形式。

4.模型参数

线性带延迟的单输入单输出系统可以用如下形式描述：

y(t)＝G(p)u(t-δ)+v(t) (6)

其中

G(p)＝B(p)/A(p)

A(p)＝a_npⁿ+a_n-1p^n-1+…+a₁p+a₀

B(p)＝b_mp^m+b_m-1p^m-1+…+b₁p+b₀

辨识的目标是利用测量得到的输出值y(t)与输入值u(t)的数据集合估计A(p)和B(p) 中的参数。

为了简化描述线性滤波方法的一般形式，将微分方程模型表示为：

A_ny⁽ⁿ⁾(t)＝B_mu^(m)(t-δ)+e(t) (7)

对两边进行拉普拉斯变换，可得

A_nsⁿY(s)＝B_ms^(m)U(s)e^-δs+c_n-1s^n-1+E(s) (8)

选取RIVC滤波器，结合一阶积分环节取积分滤波器为1/sT(s)。引入一阶积分环节的目 的是分离纯延时时间参数，而滤波器的目的是为了避免含有噪声信号的直接微分运算，假定 积分滤波器为P(s)＝1/sT(s)，式(8)两边同时乘以P(s)可得以下滤波后的表达式：

A_nsⁿY(s)P(s)＝B_ms^(m)U(s)P(s)e^-δs+c_n-1s^n-1P(s)+P(s)E(s) (9)

分离出滤波器中的积分项：

其中T(s)＝a_nsⁿ，C(s)＝-a_ns^n-1-a_n-1s^n-2-...-a₁

令

将式(10)带入式(9)中可以得到如下标准最小二乘形式：

其中：

为A_n删除最后一列1，

为B_m删除最后一列b₀

将带有初始状态的原始数据输出y的表达式(3)代入式(11)中可以得到下式：

当输入激励为阶跃时，阶跃幅度设为h，即u(t)＝u₀(t)-u_ss＝h，得到相应的拉氏变换为

根据式(13)和式(14)带入式(12)得到如下的拉氏变换估计表达式：

对上式进行反拉氏变换得到：

式中P^I(t)项包含滤波器的脉冲响应值，可以表达为：

Pⁱ(t)＝[P_i(t)...P₀(t)]^T (17)

P_i(t)＝L^-1[sⁱP(t)] (18)

P_C(t)＝L^-1[P(t)C(s)] (20)

对于阶跃输入，式(20)中：

h[t-δ]＝ht-hδ (21)

从式(17)可以看出纯延时时间参数被分离出来，从而实现了纯延时与其它模型参数的同 时辨识计算。将式(21)代入(16)式可得出如下最小二乘形式的估计方程：

其中

将式(22)表示成如下标准形式：

z(t)＝h(t)θ+v(t) (24)

其中，

利用采样得到的不同时刻数据测量值，t＝t_k，k＝1，2，...N，N是总采样数据点数，结合式(24) 可得到如下矩阵形式：

Z_m＝Hθ+V_m (25)

根据上式的表达形式，可以进行对象最小二乘模型辨识。首先用传统方式对A₀(s)与δ₀进行大致的估算，作为迭代计算的初始状态。通过输入输出数据构建矩阵Z_m和H，得到辨识 参数的最小二乘估计

得到新的A₁(s)与δ₁的估计值与B₁(s)的估计值， 然后将A₁(s)与作为新的初始条件进入下一步最小二乘估算，直到A(s)与δ收敛，获得模型 的最终辨识参数向量θ。

二、协调控制系统

假设某被控对象的传递函数为G，那么基于H∞回路成形设计的过程可以分成以下几个 步骤。

1、成形设计：

在被控对象的前后分别设计一个合适的补偿器W₁,W₂，它们是用来改变被控对象G的奇异 值，使得设计后的新对象Gs＝W₂GW₁的奇异值满足设计要求。一般要求新对象Gs的奇异值满 足在低频段较大，在高频段要较小，同时在中频段不能太大也不能太小。

2、鲁棒稳定计算：

对于设计后的新对象Gs，计算其鲁棒性能指标：

如果大于1，回到第一步重新选择W₁,W₂，直到ε_max满足要求。

3、控制器计算

最后反馈控制器的计算式描述如下：

K＝W₁KsW₂ (27)

按照上述求解过程得到的控制器阶次都很高，这在工程上很难实现。为了工程需要，采 用PID近似模型降阶方法，即把高阶系统近似成PID形式，同时转化后的PID系统仍然保留 原系统的主要特性。

假设某控制器的传递函数为K(s)，其状态空间实现如下：

可以找到一个可逆的矩阵T满足下式：

其中A₂是非奇异矩阵，所以通过相似转化，可以得到该控制器的新的状态实现：

其中：

假设该控制器的PID近似传递函数具有如下的形式：

K_PID(s)＝K_p+K_i/s+K_ds (32)

经过推导，最终可以得到：

为了使问题简化，这里设计前馈补偿器W₁为PI对角阵

利用遗传算法寻优参数的过程如下：

(1)由于被控对象是三入三出的系统所以W₁中包含6个PI参数，在确定每个参数的大致范 围之后，选择二进制编码方式，编码长度取为10；

(2)随机产生N个个体，并将这些个体设置为初始种群P(0)；

(3)对种群的所有个体进行解码，用解码后的实际值计算出每个个体对应的鲁棒性能指标 ε_max，并求适应度函数；

(4)通过选择操作、交叉操作和变异操作对种群P(t)进行运算，产生下一代种群P(t+1)；

(5)最优个体保存策略，将P(t+1)中的最坏个体替换P(t)中的最优个体；

(6)重复3、4、5操作，3参数收敛或达到规定的停止条件。

流程图如图3所示。

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 (2)

1.一种基于遗传算法的超超临界机组干湿态建模及协调控制方法，其特征在于：采集机组DCS数据，通过机理建模加数据辨识的方法，提出基于改进模型参数的辨识方法，建立协调控制系统模型，具体为：

a)数据预处理：利用RIVC滤波(改进的工具变量法)对数据进行滤波；

b)辨识模型改进：将模型的初始参数也作为模型辨识的一部分；

c)模型结构定义：建立了有自平衡能力的对象传递函数模型；

d)传递模型参数辨识：利用最小二乘法，根据DCS数据对传递函数模型进行参数模型辨识。

2.根据权利要求1所述的一种基于遗传算法的超超临界机组干湿态建模及协调控制方法，其特征在于，还包括“”

a)成形设计：在被控对象的前后分别设计一个合适的补偿器，改变被控对象的奇异值，使得新对象的奇异值满足设计要求；

b)稳定性分析：计算鲁棒性指标，一直到满足要求，不满足要求则需要重新设计补偿器；

c)控制器设计：根据对象传递函数模型设计反馈控制器，采用PID近似模型降阶方法，把高阶系统近似成PID形式，同时转化后的PID系统仍然保留原系统的主要特性；

d)参数优化：基于遗传算法，针对进行的控制器参数优化，对三入三出的系统控制参数进行寻优。

Images