CN112711187B - 一种燃煤机组干式电除尘器多电场协同控制方法 - Google Patents
一种燃煤机组干式电除尘器多电场协同控制方法 Download PDFInfo
- Publication number
- CN112711187B CN112711187B CN202011367693.XA CN202011367693A CN112711187B CN 112711187 B CN112711187 B CN 112711187B CN 202011367693 A CN202011367693 A CN 202011367693A CN 112711187 B CN112711187 B CN 112711187B
- Authority
- CN
- China
- Prior art keywords
- electric field
- electric
- loop
- dry
- under
- 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.)
- Active
Links
- 239000000428 dust Substances 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000005684 electric field Effects 0.000 claims abstract description 49
- 239000000779 smoke Substances 0.000 claims abstract description 34
- 238000012546 transfer Methods 0.000 claims abstract description 25
- 238000012360 testing method Methods 0.000 claims abstract description 19
- 239000012716 precipitator Substances 0.000 claims abstract description 18
- 230000003068 static effect Effects 0.000 claims abstract description 14
- 238000011217 control strategy Methods 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims description 30
- 230000009471 action Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 11
- 238000003062 neural network model Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 230000035945 sensitivity Effects 0.000 claims description 7
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 5
- 230000009699 differential effect Effects 0.000 claims description 5
- 239000003546 flue gas Substances 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 3
- 238000000844 transformation Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims 2
- 230000008878 coupling Effects 0.000 claims 1
- 238000010168 coupling process Methods 0.000 claims 1
- 238000005859 coupling reaction Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 14
- 230000007613 environmental effect Effects 0.000 abstract description 9
- 238000004364 calculation method Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 230000033228 biological regulation Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 239000013589 supplement Substances 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
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
- B03C—MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
- B03C3/00—Separating dispersed particles from gases or vapour, e.g. air, by electrostatic effect
- B03C3/02—Plant or installations having external electricity supply
- B03C3/04—Plant or installations having external electricity supply dry type
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种燃煤机组干式电除尘器多电场协同控制方法，方法主要步骤如下：S1在各典型工况下对前级电场进行静态特性试验获取机组负荷数据和电除尘器节能运行数据；S2在环保约束条件下对前级电场设计基于数据驱动模型的开环控制策略；S3对末级进行动态特性试验并获取末级电场传递函数模型；S4在鲁棒性和控制性能的约束下对末级电场设计闭环PID控制策略，并加入干扰观测器提升闭环系统的抗干扰能力。本发明所提出的协同控制方法能在实现对烟尘浓度的快速精确调整的同时降低电除尘器的电耗，进而有效提高对烟尘浓度的节能环保控制效果。
Description
技术领域
本发明涉及燃煤机组电除尘节能环保优化控制技术领域，特别是一种燃煤机组干式电除尘器多电场协同控制方法。
背景技术
燃煤发电站排出的烟尘是当前大气污染的主要来源之一，对此燃煤发电站常采用电除尘器来降低烟尘的排放量。电除尘器的除尘效果与出力呈正相关，提高电除尘器除尘效果的同时也加大电除尘器的电耗，从而增加了厂用电量。并且随着新能源发电的快速发展，燃煤机组需要经常进行宽负荷灵活运行以满足电网的调峰要求，这也同时导致了燃煤机组出口烟尘浓度的大范围变动，影响电除尘器除尘效果。因此在燃煤机组变负荷运行下，对电除尘器在提升除尘效果的同时保持低电耗进行研究，对当前燃煤发电站实现节能环保有重要意义。
目前对提高电除尘器效果的研究主要是对干式电除尘器出口烟尘浓度进行优化控制。该思路是应用神经网络建立电除尘器的出口浓度-供电电压模型后，采用最小二乘法拟合得到电除尘能耗模型，以降低电除尘器电耗为优化目标，以规定的烟尘环保排放浓度为约束条件，运用优化算法对电除尘器的供电参数进行节能优化。但此方法存在两个不足，第一是当机组负荷跟随电网调峰指令变化时，电除尘器的入口和出口烟尘浓度都是在不断变化的，需要等到负荷稳定后才能有效的建立神经网络模型，因而使得调节过程存在到一定的滞后；第二是不能实现电除尘器烟尘出口浓度的精确控制，目前所应用的神经网络模型是一种开环模型，倘若需要对出口烟尘浓度无差调节，则需要人为的手工调节，增加了对出口烟尘浓度的控制难度。
发明内容
本发明提供了一种燃煤机组干式电除尘器多电场协同控制方法，采用开环和闭环控制作用来调整干式电除尘器各级电场高频电源二次电流对电除尘器出口烟尘浓度进行控制，达到了电除尘器在满足环保要求除尘效果下的低电耗技术效果。
本发明采用的技术方案如下：
一种燃煤机组干式电除尘器多电场协同控制方法，包括以下步骤：
S1对多(M+N)电场结构干式电除尘器前M级进行静态特性试验，获得机组负荷数据、电除尘器的节能运行参数；
S2针对前M级，根据静态特性试验获得的数据，在环保约束条件下(电除尘器出口烟尘浓度)建立基于数据驱动模型的开环控制策略；
S3对末N级进行动态特性试验以获取末N级传递函数模型
S4针对末N级，根据S3步骤中动态建模所得传递函数模型，在系统鲁棒性和控制性能的约束下，设计闭环PID控制策略，并加入干扰观测器提升闭环控制系统的抗干扰能力。
M、N代表干式电除尘器电场的级数，M≥1、N≥1。
具体地，本发明技术方案取M＝3、N＝2。
步骤S1具体包括如下步骤：
S11选择几组燃煤机组典型工况下的负荷点，保证出口烟尘浓度在未超标的情况下尽可能减少末二级电场的高频二次电流；
S12在各燃煤机组典型工况，保证烟尘出口浓度不超标的情况尽可能分别降低前三级电场的高频二次电流，并在稳定后对前三级电场高频二次电流作相应记录。
在步骤S2中，利用静态特性试验获得的数据，结合数据驱动控制方法建立开环控制作用，其中控制器选择神经网络模型；
神经网络训练过程输入层为典型工况下的负荷，输出层为前三级电场高频二次电流，建立负荷(NE)-高频电源二次电流(I#1，I#2，I#3)神经网络训练模型，NE为机组负荷，I#1，I#2，I#3分别为前三级电场的高频二次电流。
步骤S3具体包括如下步骤：
S31在各典型工况下，将前三级电场高频二次电流值调整为静态特性试验下所得的电流值，对末二级电场的高频二次电流值做一个阶跃扰动，并记录扰动前后干式电除尘器出口烟尘浓度：
S32建立末二级电场高频电源二次电流对干式电除尘器出口烟气浓度的传递函数模型，该模型采用二阶加时延，形式如下：
式中，ρ(s)表示干式电除尘器出口烟尘浓度；Il(s)表示末二级电场各电室高频二次电流的平均值；e-τs为纯延迟环节；τ为对象延迟时间，K为对象开环增益，T1，T2为对象时间常数；上式中各表达式皆为以s为复变量的拉普拉斯变换模型。
在步骤S4中，PID控制器中的微分作用采用了实际微分环节，对闭环PID控制器的参数整定采用了内模PID(IMC-PID)参数整定方法，并对末二级电场传递函数对象中的纯延迟环节e-τs做二阶非对称Pade近似处理，如下所示：
式中三个参数γ1＝-0.6134，γ2＝0.1247，δ＝0.3866，皆为二阶非对称Pade近似处理中的参数，在本发明中为固定值；在内模控制中，为了抑制模型误差对系统的影响，在控制器中加入一个低通滤波器F(s)，低通滤波器F(s)的传递函数为：
结合内模控制原理，所得IMC-PID参数整定结果如下：
上式中所示IMC-PID采用了实际微分PID控制器，Tf，Kp，Ti，Td均为带实际微分环节PID 控制器参数，Kp为控制器比例增益参数，Ti为控制器积分作用参数，Tf，Td为控制器实际微分作用参数；τ为对象延迟时间，K为对象开环增益，T1，T2为对象时间常数；式中ε为低通滤波器时间常数，在对象模型确定的情况下通过调整滤波器时间常数即可对上述PID控制器参数进行整定。
在步骤S4中，对IMC-PID控制器参数进行整定时，为保证闭环控制性能和稳定性，采用了误差平方积分ISE衡量系统控制品质的性能指标，最大灵敏度Ms来衡量控制系统的鲁棒性，公式如下：
上式中，y为系统时域下的实时输出，ys为系统输出的设定值；Gp(jω)、C(jω)均为对象传递函数和控制器传递函数在频域内的变换。
为加强干式电除尘器末二级闭环控制回路的抗干扰能力在回路中加入了干扰观测器 (Distuebance Observer，D0)，结合干式电除尘器末二级电场对象特性，本发明技术方案选择如下形式的低通滤波器：
上式中λ为滤波器参数，决定了低通滤波器的带宽，带宽的大小会同时影响干扰观测器对噪声的敏感性和抑制干扰的能力。
本发明的有益效果如下：
本发明通过建立协同控制方法能有效改善燃煤机组五电场结构的干式电除尘器的除尘和节能效果。针对前三级电场采用基于数据驱动模型的开环控制作用，建立负荷-高频二次电流的神经网络模型从而对控制回路形成了一种前馈作用，能在机组负荷改变时对电除尘器出口烟气浓度进行快速粗调，并在环保排放要求的约束下尽可能地降低了能耗；
本发明针对末二级电场采用了基于干扰观测器的闭环PID控制作用，对电除尘器烟尘浓度进行误差调节的同时提升闭环系统的抗干扰性能，并且采用了误差平方积分ISE和最大灵敏度Ms来作为闭环控制回路的性能和稳定性指标，同时保证了闭环系统的控制效果和鲁棒性。
附图说明
图1是本发明的流程示意图。
图2是本发明的系统结构示意图。
图3是本发明的前三级电场开环作用示意图。
图4是本发明的末二级干扰观测器结构示意图。
具体实施方式
以下结合附图说明本发明的具体实施方式。
本实施例公开了一种燃煤机组干式电除尘器多电场协同控制方法，采用开环和闭环控制作用来调整干式电除尘器各级电场高频电源二次电流对电除尘器出口烟尘浓度进行控制，达到了电除尘器在满足环保要求除尘效果下的低电耗技术效果。
干式电除尘器具有M+N级电场，本实施例选取五电场结构，即M+N＝5。
本实施例的控制方法基于的系统结构如图2所示，以1000MW燃煤机组为例，本实施例中典型工况选取980MW，850MW，750MW，650MW，机组的环保排放要求为ρop＜35mg/Nm3，烟气依次流经#1、#2、#3、#4和#5电场，具体实施过程如图1所示，包括了以下步骤：
S1对五电场结构干式电除尘器前三级(M＝3)进行静态特性试验，寻找出电除尘器的节能运行参数；
S11在各燃煤机组典型工况，保证出口烟尘浓度在满足环保排放要求的条件下尽可能减少末二级(N＝2)电场的高频二次电流；
S12在各燃煤机组典型工况，保证出口烟尘浓度在满足环保排放要求的条件下尽可能分别降低前三级电场的高频二次电流，并在稳定后对前三级电场高频二次电流作相应记录。
S2针对前三级，根据静态特性试验获得的数据，在电除尘器出口烟尘浓度的约束下建立基于数据驱动模型的开环控制策略，如图3所示。
其中控制器选择神经网络模型，神经网络训练过程输入层为典型工况下的负荷，输出层为前三级电场高频二次电流，建立负荷(NE)-高频电源二次电流(I#1，I#2，I#3)神经网络训练模型。
设置输入层节点数为3，隐含层节点数为3，输出层节点数为3；在本实施例中，规定在训练过程迭代计算到相邻两次误差小于10-3时停止，同时向控制器输出该训练模型参数。
利用神经网络模型建立干式电除尘器前三级电场开环控制作用，具体包括如下步骤：
S21设置负荷Nei输入层节点数为m，该值与静态特性试验获取数据有关；高频电源二次电流Ik输出层节点数为p，由于有三电场，因而本发明技术方案中该数值一般设为3；隐含层节点数为n，一般根据输入层和输出层节点数以及计算精度所共同确定；
设置输入层到隐含层的权重为ωii，偏置为aj；隐含层到输出层的权重为ωjk，偏置为bk；设置学习速率为η，激励函数为f1(x)和f2(x)，采用如下形式：
f2(x)＝x (2)
S22计算隐含层的输出，隐含层中第j个节点输出如下：
S23计算输出层的输出，输出层中第k个节点输出如下：
S24计算本次迭代误差：
式中I′k为期望输出的高频电源二次电流，在上述静态特性试验中获取；并且还需满足约束条件
使得ρop＜ρsp，其中ρop为开环控制作用下测得的干式电除尘器出口烟尘浓度，ρsp为环保要求下干式电除尘器出口烟尘浓度的设定值；
S25倘若本次计算的误差的精度不满足要求，则更新权值和偏置以进行下一次迭代计算，公式如下：
Δωjk＝ηHjek (7)
Δbk＝ηek (9)
S26在本发明技术方案中，规定当神经网络模型的输出在满足约束的条件下，在上述过程迭代到相邻两次误差小于给定值时，即停止计算得出训练模型参数，将其输出到控制器。
S3对五电场结构干式电除尘器末两级进行动态特性试验以获取末二级传递函数模型，具体步骤：
S31在各典型工况下，将前三级电场高频二次电流值调整为静态特性试验下所得的电流值，对末二级电场的高频二次电流值做一个阶跃扰动，并记录扰动前后干式电除尘器出口烟尘浓度；
S32建立末二级电场高频电源二次电流对干式电除尘器出口烟气浓度的传递函数模型，该模型采用二阶加时延，形式如下：
式(10)中，ρ(s)表示干式电除尘器出口烟尘浓度；Il(s)表示末二级电场各电室高频二次电流的平均值；e-τs为纯延迟环节；τ为对象延迟时间，K为对象开环增益，T1，T2为对象时间常数。式(10)中各表达式皆为以s为复变量的拉普拉斯变换模型。
本实施例中利用人工蜂群优化算法对该传递函数的参数进行辨识。
S4针对末两级，根据S3步骤中所获得的传递函数模型设计闭环PID控制策略，同时采用了误差平方积分ISE衡量系统控制品质的性能指标，最大灵敏度Ms来衡量控制系统的鲁棒性，并加入干扰观测器提升闭环控制系统的抗干扰能力。
具体地，PID控制器中的微分作用采用了实际微分环节，对闭环PID控制器的参数整定采用了内模PID(IMC-PID)参数整定方法，并对末二级电场传递函数对象中的纯延迟环节e-τs做二阶非对称Pade近似处理，如下所示：
式(11)中三个参数γ1＝-0.6134，γ2＝0.1247，δ＝0.3866，皆为二阶非对称Pade近似处理中的参数，在本实施例中为固定值；
在内模控制中，为了抑制模型误差对系统的影响，在控制器中加入一个低通滤波器F(s)，低通滤波器F(s)的传递函数为：
结合内模控制原理，所得IMC-PID参数整定结果如下：
式(13)所示IMC-PID采用了实际微分PID控制器，Tf，Kp，Ti，Td均为带实际微分环节PID 控制器参数，Kp为控制器比例增益参数，Ti为控制器积分作用参数，Tf，Td为控制器实际微分作用参数；τ为对象延迟时间，K为对象开环增益，T1，T2为对象时间常数；式中ε为低通滤波器时间常数，在对象模型确定的情况下通过调整滤波器时间常数即可对上述PID控制器参数进行整定。
在对IMC-PID控制器参数进行整定时，为保证闭环控制性能和稳定性，采用了误差平方积分ISE衡量系统控制品质的性能指标，最大灵敏度Ms来衡量控制系统的鲁棒性，公式如下：
上式中，y为系统时域下的实时输出，ys为系统输出的设定值；Gp(jω)、C(jω)均为对象传递函数和控制器传递函数在频域内的变换。
具体地，为加强干式电除尘器末二级闭环控制回路的抗干扰能力在回路中加入了干扰观测器(Distuebance Observer，D0)，结构如附图4所示。
结合干扰观测器结构和原理可得等效干扰如下所示：
在干扰观测器中加入低通滤波器可以克服干扰观测器受测量噪声影响而造成的不精确问题，加入干扰观测器后的系统输出如下所示：
y(s)＝Guy(s)u(s)+Gdy(s)d(s)+Gξy(s)ξ(s) (17)
其中：
式(16)-(18)中，ξ(s)为测量噪声项，d(s)为干扰项，
为观测干扰项，u(s)为控制器的输出项，ε为经过观测干扰项补偿后的控制器输出项；Guy(s)为对象输出和控制器作用通道的传递函数，Gdy(s)为对象输出和干扰作用通道的传递函数，Guy(s)为对象输出和测量噪声作用通道的传递函数；Gn(s)是闭环对象Gp(s)的标称模型；Q(s)是低通滤波器，决定了干扰观测器的性能，结合干式电除尘器末二级电场对象特性，本实施例中选择如下形式的低通滤波器：
式(19)中λ为滤波器参数，决定了低通滤波器的带宽，带宽的大小会同时影响干扰观测器对噪声的敏感性和抑制干扰的能力，通过测试仿真，本实施例中对λ取值为4。
本实施例所述的燃煤机组干式电除尘器多电场协同控制方法清晰明了，应用性强，上述协同控制结构在实际燃煤发电站的具体实施可通过对机组DCS主控系统和干式电除尘器的相关测点接口进行连接来实现。
本实施例只是对本发明具体内涵作举例说明。在本发明所属技术领域中，相关技术人员可以根据具体机组的实际情况对所描述实施例中的方法进行补充或者修改，但并不会偏离本发明的具体内涵或者超越所附权利要求书所定义的范围，本发明的连接指直接连接或间接连接。
Claims (4)
1.一种燃煤机组干式电除尘器多电场协同控制方法，其特征在于，包括以下步骤：
S1对M+N级电场结构干式电除尘器前M级进行静态特性试验，获得机组负荷数据、电除尘器的节能运行参数；
S2针对前M级，根据静态特性试验获得的数据，在电除尘器出口烟尘浓度的约束条件下建立基于数据驱动模型的开环控制策略；
S3针对末N级，进行动态特性试验以获取末N级传递函数模型；
S4针对末N级，根据S3步骤中动态建模所得的传递函数模型，在系统鲁棒性和控制性能的约束下，设计闭环PID控制策略，并加入干扰观测器提升闭环控制系统的抗干扰能力；
其中M、N代表干式电除尘器的电场级数，M＝3，N＝2；
步骤S1具体包括：
S11选择几组燃煤机组典型工况下的负荷点，保证出口烟尘浓度在未超标的情况下尽可能减少末二级电场的高频二次电流；
S12在各燃煤机组典型工况，保证烟尘出口浓度不超标的情况尽可能分别降低前三级电场的高频二次电流，并在稳定后对前三级电场高频二次电流作相应记录；
在步骤S2中，利用静态特性试验获得的数据，结合数据驱动控制方法建立开环控制作用，其中控制器选择神经网络模型；
神经网络训练过程输入层为典型工况下的负荷，输出层为前三级电场高频二次电流，建立机组负荷(NE)——高频电源二次电流(I#1,I#2,I#3)的神经网络训练模型，利用神经网络模型建立干式电除尘器前三级电场开环控制作用；
步骤S3具体包括：
S31在各典型工况下，将前三级电场高频二次电流值调整为静态特性试验下所得的电流值，对末二级电场的高频二次电流值做一个阶跃扰动，并记录扰动前后干式电除尘器出口烟尘浓度的变化；
S32建立末二级电场高频电源二次电流对干式电除尘器出口烟气浓度的传递函数模型，该模型采用二阶加时延，形式如下：
上式中ρ(s)为干式电除尘器出口烟尘浓度，Il(s)为末二级电场各电室高频二次电流的平均值，e-τs为纯延迟环节；τ为对象延迟时间，K为对象开环增益，T1,T2为对象时间常数；上式中各表达式皆为以s为复变量的拉普拉斯变换模型；
步骤S4中，PID控制器中的微分作用采用了实际微分环节，对闭环PID控制器的参数整定采用了IMC-PID参数整定方法，并对末二级电场传递函数对象中的纯延迟环节e-τs做二阶非对称Pade近似处理；
所得IMC-PID参数整定结果如下：
上式中γ1＝-0.6134，γ2＝0.1247，δ＝0.3866，这三个参数为二阶非对称Pade近似处理中的参数；Tf,Kp,Ti,Td均为带实际微分环节PID控制器参数，Kp为控制器比例增益参数，Ti为控制器积分作用参数，Tf,Td为控制器实际微分作用参数；τ为对象延迟时间，K为对象开环增益，T1,T2为对象时间常数；ε为低通滤波器时间常数；在对象模型确定的情况下，仅需调整滤波器时间常数就可对PID控制器参数进行整定。
2.根据权利要求1所述的燃煤机组干式电除尘器多电场协同控制方法,其特征在于，选择神经网络模型作为开环控制器时，在神经网络的训练过程中不仅要使得迭代计算的误差最小，还要使得在训练过程中产生的新的控制作用下所得的烟尘出口浓度满足ρop＜ρsp；其中ρop为开环控制作用下测得的干式电除尘器出口烟尘浓度，ρsp为环保要求下干式电除尘器出口烟尘浓度的设定值。
3.根据权利要求1所述的燃煤机组干式电除尘器多电场协同控制方法,其特征在于，步骤S4中，在对IMC-PID控制器参数进行整定时，针对对象模型的不精确性和电场之间的耦合，同时考虑闭环系统的控制性能和鲁棒性，采用误差平方积分ISE做为评价系统控制品质的性能指标，采用最大灵敏度Ms来衡量控制系统的鲁棒性，在进行整定时需同时满足控制性能与鲁棒性指标，公式如下：
上式中，y为系统时域下的实时输出，ys为系统输出的设定值；Gp(jω)、C(jω)均为对象传递函数和控制器传递函数在频域内的变换。
4.根据权利要求1所述的燃煤机组干式电除尘器多电场协同控制方法,其特征在于，在步骤S4中，为加强干式电除尘器末二级闭环控制回路的抗干扰能力在回路中加入了干扰观测器，采用如下形式的低通滤波器：
上式中λ为滤波器参数，决定了低通滤波器的带宽。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011367693.XA CN112711187B (zh) | 2020-11-27 | 2020-11-27 | 一种燃煤机组干式电除尘器多电场协同控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011367693.XA CN112711187B (zh) | 2020-11-27 | 2020-11-27 | 一种燃煤机组干式电除尘器多电场协同控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112711187A CN112711187A (zh) | 2021-04-27 |
| CN112711187B true CN112711187B (zh) | 2022-09-30 |
Family
ID=75542272
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011367693.XA Active CN112711187B (zh) | 2020-11-27 | 2020-11-27 | 一种燃煤机组干式电除尘器多电场协同控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112711187B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114950735B (zh) * | 2022-05-25 | 2024-01-23 | 南方电网电力科技股份有限公司 | 一种静电除尘器的电场控制功率的分配方法及装置 |
| CN116060212A (zh) * | 2023-01-10 | 2023-05-05 | 浙江大维高新技术股份有限公司 | 电除尘器协同控制节能优化方法及系统 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105929683B (zh) * | 2016-06-23 | 2019-01-18 | 东南大学 | 一种微分可调pid控制器参数工程整定模型及方法 |
| CN109599867B (zh) * | 2018-11-07 | 2022-04-08 | 天津大学 | 基于双环结构的三相并网变流器电流环干扰抑制控制方法 |
| CN110262221B (zh) * | 2019-06-25 | 2022-07-29 | 东南大学 | 一种热工过程中对象的pid控制器参数控制方法 |
| CN111449040B (zh) * | 2020-03-12 | 2022-02-08 | 清远市智慧农业研究院 | 一种最小误差变量施药控制方法及系统 |
| CN111552175B (zh) * | 2020-05-14 | 2023-03-28 | 东南大学 | 一种超临界燃煤电站-化学吸附燃烧后碳捕集系统的整体优化调度和快速变负荷控制方法 |
-
2020
- 2020-11-27 CN CN202011367693.XA patent/CN112711187B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112711187A (zh) | 2021-04-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112711187B (zh) | 一种燃煤机组干式电除尘器多电场协同控制方法 | |
| WO2017186178A1 (zh) | 储能电站自适应动态规划的控制方法、系统和存储介质 | |
| CN109636009B (zh) | 一种建立确定电网线损的神经网络模型的方法和系统 | |
| CN109004251B (zh) | 一种固体氧化物燃料电池系统的智能控制方法 | |
| CN114362196A (zh) | 一种多时间尺度主动配电网电压控制方法 | |
| CN113738606B (zh) | 一种针对离子电推进系统的连续变推力最优控制系统和方法 | |
| CN112742603B (zh) | 一种火电机组湿式电除尘器自动控制方法 | |
| CN112564128A (zh) | 一种电解铝负荷参与电网调频的控制系统和方法 | |
| CN102201585A (zh) | 固体氧化物燃料电池输出电压的控制方法 | |
| CN109149607A (zh) | 一种三相不平衡补偿控制系统及控制方法 | |
| CN107807524A (zh) | 一种微型燃气轮机冷热电三联供系统鲁棒自适应控制方法 | |
| CN109103902B (zh) | 一种储能平滑新能源出力波动的控制方法及装置 | |
| CN113093523B (zh) | 一种含抽水蓄能电站的区域负荷频率分数阶pid优化控制方法 | |
| Yun et al. | Research on active state of charge balance of battery pack based on two controllable flyback converters | |
| CN110144622B (zh) | 直拉硅单晶生长系统中磁场电源的控制方法 | |
| CN115061377B (zh) | 一种基于过滤器数据模型的干式喷房维护方法及装置 | |
| CN111969662A (zh) | 数据驱动的多智能软开关分区协同自适应电压控制方法 | |
| CN116683502A (zh) | 一种火电储能联合调频系统储能容量控制方法 | |
| CN107453366B (zh) | 计及风电决策风险的含upfc多目标最优潮流计算方法 | |
| CN115656839A (zh) | 基于bp-dekf算法的电池状态参量协同估算方法 | |
| CN113189871B (zh) | 一种面向火电机组灵活性运行的协调控制策略 | |
| CN115289520A (zh) | 基于室内温度分离技术的换热站控制方法及系统 | |
| CN115792625A (zh) | 基于神经网络的锂电池soc估计方法、系统、设备及介质 | |
| CN115128461A (zh) | 基于渐消因子ekf与ffrls的soc估算方法 | |
| CN113299957A (zh) | 一种质子交换膜燃料电池过氧量控制方法 |
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 |