CN112859614A - 一种超超临界火电机组的控制方法、装置、设备及存储介质 - Google Patents
一种超超临界火电机组的控制方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112859614A CN112859614A CN202110089461.0A CN202110089461A CN112859614A CN 112859614 A CN112859614 A CN 112859614A CN 202110089461 A CN202110089461 A CN 202110089461A CN 112859614 A CN112859614 A CN 112859614A
- Authority
- CN
- China
- Prior art keywords
- control increment
- ultra
- control
- thermal power
- determining
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000013178 mathematical model Methods 0.000 claims abstract description 28
- 230000006870 function Effects 0.000 claims description 62
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 46
- 239000003245 coal Substances 0.000 claims description 34
- 239000013598 vector Substances 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 9
- 238000011217 control strategy Methods 0.000 abstract description 9
- 230000001276 controlling effect Effects 0.000 description 16
- 238000012546 transfer Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 239000000126 substance Substances 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000033228 biological regulation Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction 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
Abstract
本发明公开了一种超超临界火电机组的控制方法、装置、设备及存储介质。该方法包括:获取超超临界火电机组的输入量和调度参数;根据超超临界火电机组的数学模型确定所述输入量对应的控制增量;根据所述调度参数确定所述控制增量的权重;根据所述控制增量和所述控制增量的权重确定全局控制增量,以根据所述全局控制增量控制超超临界火电机组,通过本发明的技术方案,能够采用多模型来逼近变工况运行时机组的非线性,设计合理有效的干态工况下超超临界火电机组的预测控制策略,以实现协调控制超超临界火电机组。
Description
技术领域
本发明实施例涉及热工自动控制领域,尤其涉及一种超超临界火电机组的控制方法、装置、设备及存储介质。
背景技术
随着清洁能源的大力发展,清洁能源的消纳给火电机组带来了很大的调峰压力,也导致火电机组的运行方式发生了极大改变,主要特点如下:负荷率降低,机组低负荷工况下运行时间更长;电网功频调节需求加剧,大范围变工况运行更加频繁,加剧了协调控制系统的设计难度。
超超临界火电机组的协调被控对象的动态特性随工况而变化,其大迟滞、非线性、时变等特性在大范围变工况的运行方式下被进一步放大,采用传统的PID控制很难取得优良的控制品质,导致深调时关键参数波动大、控制效果差。因此,需要针对超超临界火电机组协调对象,设计出更为有效的控制策略。
发明内容
本发明实施例提供一种超超临界火电机组的控制方法、装置、设备及存储介质,以实现能够采用多模型来逼近变工况运行时机组的非线性,设计合理有效的干态工况下超超临界火电机组的预测控制策略,以实现协调控制超超临界火电机组。
第一方面,本发明实施例提供了一种超超临界火电机组的控制方法,包括:
获取超超临界火电机组的输入量和调度参数;
根据超超临界火电机组的数学模型确定所述输入量对应的控制增量;
根据所述调度参数确定所述控制增量的权重;
根据所述控制增量和所述控制增量的权重确定全局控制增量,以根据所述全局控制增量控制超超临界火电机组。
进一步的,所述输入量包括给煤量、反馈给水量和汽机调门开度。
进一步的,所述根据超超临界火电机组的数学模型确定所述输入量对应的控制增量,包括:
将所述输入量输入主汽压力子模型确定所述反馈给水量对应的第一控制增量;
将所述输入量输入分离器温度子模型确定所述给煤量对应的第二控制增量。
进一步的,根据所述调度参数确定所述控制增量的权重,包括:
获取调度参数,其中,所述调度参数包括机组实发功率;
获取所述调度参数对应的调度函数中心;
根据所述调度参数、所述控制增量和所述调度函数中心确定所述控制增量的权重,即:
进一步的,根据所述控制增量和所述控制增量的权重确定全局控制增量,以根据所述全局控制增量控制超超临界火电机组,包括:
基于如下公式确定全局控制增量:
其中,Δur(k)为第r个控制增量对应向量的首元素;Δu(k)为所述控制增量对应的全局控制增量。
进一步的,所述获取所述调度参数对应的调度函数中心,其中,所述调度参数包括机组实发功率,包括:
若所述机组实发功率小于机组额定负荷的二分之一,则获取第一调度函数中心;
若所述机组实发功率大于或等于机组额定负荷的二分之一,则获取第二调度函数中心。
第二方面,本发明实施例还提供了一种超超临界火电机组的控制装置,该装置包括:
获取模块,用于获取超超临界火电机组的输入量和调度参数;
控制增量确定模块,用于根据超超临界火电机组的数学模型确定所述输入量对应的控制增量;
权重确定模块,用于根据所述调度参数确定所述控制增量的权重;
全局控制增量确定模块,用于根据所述控制增量和所述控制增量的权重确定全局控制增量,以根据所述全局控制增量控制超超临界火电机组。
第三方面,本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明实施例中任一所述的超超临界火电机组的控制方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例中任一所述的超超临界火电机组的控制方法。
本发明实施例通过获取超超临界火电机组的输入量和调度参数;根据超超临界火电机组的数学模型确定所述输入量对应的控制增量;根据所述调度参数确定所述控制增量的权重;根据所述控制增量和所述控制增量的权重确定全局控制增量,以根据所述全局控制增量控制超超临界火电机组,解决传统PID控制方法深调时关键参数波动大、控制效果差的问题,实现采用多模型来逼近变工况运行时机组的非线性,设计合理有效的干态工况下超超临界火电机组的预测控制策略,减小主汽压力、负荷及过热汽温的波动幅度,提高负荷跟踪性能及相关AGC性能指标,以及降低由此引起的火电机组运行环保、安全及经济方面的问题,达到协调控制超超临界火电机组的效果。
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些实施例,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是本发明实施例一中的一种超超临界火电机组的控制方法的流程图;
图2是本发明实施例二中的一种超超临界火电机组的控制方法的流程图;
图2a是本发明实施例二中的一种超超临界火电机组的控制方法的示意图;
图2b是本发明实施例二中的一种超超临界火电机组的控制方法的应用方案示意图;
图3是本发明实施例三中的一种超超临界火电机组的控制装置的结构示意图;
图4是本发明实施例四中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例一
图1为本发明实施例一提供的一种超超临界火电机组的控制方法的流程图,本实施例可适用于1000MW超超临界火电机组的预测控制的情况,该方法可以由本发明实施例中的超超临界火电机组的控制装置来执行,该装置可采用软件和/或硬件的方式实现,如图1所示,该方法具体包括如下步骤:
S110,获取超超临界火电机组的输入量和调度参数。
机组的工作压力大于水的临界点压力时,称为超临界机组。超超临界火电机组的参数一般是在常规超临界机组的压力参数24.28MPa或温度参数566℃的基础上提升一个档次。目前普遍公认压力参数大于28MPa或者温度参数大于580℃的机组统称为超超临界火电机组。超超临界火电机组控制系统通过协调汽机调门、水、煤等动作,完成负荷跟踪、压力稳定和温度稳定控制任务。
具体的,超超临界火电机组控制系统的被控对象可以描述为一个三输入和三输出的控制系统。输入量可以为给煤量Fu(t/h)、给水量Fw(t/h)和汽机调门开度Tm(%);其中,所述给水量由前馈给水量Fwf和反馈给水量Fwd共同构成。输出量可以为机组实发功率NE(MW)、主汽压力Pt(MPa)和分离器温度Tsp(℃),可以将机组实发功率作为调度参数。
可选的,所述输入量包括给煤量、反馈给水量和汽机调门开度。
S120,根据超超临界火电机组的数学模型确定所述输入量对应的控制增量。
采用现场的阶跃响应试验数据建立1000MW超超临界火电机组在不同工况下的传递函数。机组实发功率表示了不同的运行工况,所述机组实发功率可以根据大量实验数据测定。在本实施例中,优选的,机组实发功率为310MW、400MW和480MW。表1给出了机组实发功率在31%Pe至50%Pe下给煤量与各输出量的传递函数模型;表2给出了机组实发功率在31%Pe至50%Pe下给水量与各输出量的传递函数模型;表3给出了机组实发功率在31%Pe至50%Pe下汽机调门开度与各输出量的传递函数模型。表4给出了机组实发功率在50%Pe至100%Pe下给煤量与各输出量的传递函数模型;表5给出了机组实发功率在50%Pe至100%Pe下给水量与各输出量的传递函数模型;表6给出了机组实发功率在50%Pe至100%Pe下汽机调门开度与各输出量的传递函数模型,其中,Pe为机组额定负荷。
表1
表2
表3
表4
表5
表6
根据基于现场的阶跃响应试验数据建立的传递函数建立1000MW超超临界火电机组的数学模型,所述数学模型包括至少一个子模型。从机组动态特性可知,给水量Fw对主汽压力Pt的响应速度远快于给煤量Fu对主汽压力Pt的响应速度,故将给水量Fw和主汽压力Pt选为一对输入输出变量,有利于维持主汽压力的稳定。将给煤量Fu和分离器温度Tsp选为一对输入输出变量。因此,可以分别建立各输入量与主汽压力的子模型,以及各输入量与分离器温度的子模型。
具体的,根据超超临界火电机组的特性确定三个输入变量和三个输出变量之间的关系。采用矩阵形式表示各输入输出变量之间的关系为:
其中,Gij(i=1,2,3,j=1,2,3)为第j个输入量对第i个输出量影响的传递函数。
可选的,所述根据超超临界火电机组的数学模型确定所述输入量对应的控制增量,包括:
将所述输入量输入主汽压力子模型确定所述反馈给水量对应的第一控制增量;
将所述输入量输入分离器温度子模型确定所述给煤量对应的第二控制增量。
具体的,所述根据超超临界火电机组的数学模型确定所述输入量对应的控制增量包括如下步骤:
步骤1,将所述输入量输入主汽压力子模型确定所述反馈给水量对应的第一控制增量。
其中,步骤1)包括:
步骤11),将所述输入量与主汽压力的数学模型写成如下受控自回归积分滑动平均(CARIMA)模型形式:
其中,k为当前时刻,Fwd为反馈给水量,Fwf为前馈给水量,Fu为给煤量,Tm为汽机调门开度,ξ1(k)为均值为零的白噪声,q-1为后移算子,Δ=1-q-1为差分算子,A1(q-1)、B1(q-1)、B2(q-1)和C1(q-1)为q-1的多项式系数,A1(q-1)可以简记为A1,B1(q-1)可以简记为B1、B2(q-1)可以简记为B2,C1(q-1)可以简记为C1。
步骤12),对于后移算子q-1,构建第一丢番图方程如下:
步骤13),确定第k+j时刻主汽压力预测值
步骤14),确定所述反馈给水量对应的主汽压力预测值向量。
令各多项式系数Gi为
其中,N为预测时域,Nu为控制时域。
令k时刻已知信息的第一向量为H1,即
H1=[h1(k+1) h1(k+2) ... h1(k+N)]T;
令所述反馈给水量对应的第一控制增量向量为ΔFwd,即
ΔFwd=[ΔFwd(k+1) ΔFwd(k+2) ... ΔFwd(k+N)]T;
令主汽压力参考值向量为Ps,即
Ps=[Ps(k+1) Ps(k+2) ... Ps(k+N)]T;
则,所述反馈给水量对应的主汽压力预测值向量为
步骤15),确定反馈给水控制增量向量。
令第一性能指标函数J1为:
其中,γ1为第二权重系数。
根据性能指标J1关于控制增量向量ΔFwd求导为0,得到所述反馈给水量对应的反馈给水控制增量向量为:
ΔFwd=[G1 TG1+γ1I]-1G1 T(Ps-H1);
其中,I表示单位矩阵。
步骤16),确定第一控制增量。
确定所述反馈给水控制增量向量ΔFwd的第一个值作为第一控制增量。
步骤2,将所述输入量输入分离器温度子模型确定所述给煤量对应的第二控制增量。因为给煤量是由燃水比及给水量共同决定的,在步骤10中已推导出给水量,故可通过直接调整燃水比来实现分离器温度的控制目标。
其中,步骤2包括:
步骤21),将所述输入量与分离器温度的数学模型写成如下受控自回归积分滑动平均(CARIMA)模型形式:
其中,k为当前时刻,FWR为燃水比,Fw为给水量,Fu为给煤量,Fuf为前馈给煤量,Tm为汽机调门开度,f(x)fw为给水量与给煤量静态对应关系。ξ2(k)为均值为零的白噪声,q-1为后移算子,Δ=1-q-1为差分算子,A2(q-1)、B3(q-1)、B4(q-1)和C2(q-1)为q-1的多项式系数,A2(q-1)可以简记为A2,B3(q-1)可以简记为B3、B4(q-1)可以简记为B4,C2(q-1)可以简记为C2。t时刻给煤量与燃水比、煤量前馈以及给水量之间数量关系为Fu(t)=FWR(t)(Fw(t)f(x)fw+Fuf);
步骤22),对于后移算子q-1,构建第二丢番图方程如下:
步骤23),确定第k+j时刻分离器温度预测值
步骤24),确定所述给煤量对应的分离器温度预测值向量。
令k时刻已知信息的第二向量为H2,即
H2=[h2(k+1) h2(k+2) ... h2(k+N)]T;
令给煤量参考值向量为Tsp0,即
Tsp0=[Tsp0(k+1)Tsp0(k+2)...Tsp0(k+N)]T;
则,所述给煤量对应的分离器温度预测值向量为
步骤25),确定过渡控制增量向量。
令第二性能指标函数J2为:
其中,γ1为第四权重系数。
步骤26),确定燃水比控制量向量。
令R=(Fw(k-1)f(x)fw+Fuf(k-1))·[1 p(1)-1 p(2)-1 ... p(N-1)-1]T;
其中,
则,得到燃水比控制量向量为:
步骤27),确定所述给煤量对应的燃水比控制增量向量FWR的第一个值作为第二控制增量。
S130,根据所述调度参数确定所述控制增量的权重。
其中,所述调度参数用于根据机组的的运行工况确定所述控制增量的权重。
具体的,基于多模型的思想,针对超超临界火电机组的每个子模型通过预设的加权准则进行权重分配。所述加权准则可以为将所述调度参数的高斯调度参数值作为所述控制增量的权重。
示例性的,针对主汽压力的数学模型和分离器温度的数学模型,通过预设的加权准则对主汽压力的数学模型输出的所述反馈给水量对应的第一控制增量和分离器温度的数学模型输出的所述给煤量对应的第二控制增量进行权重分配。
S140,根据所述控制增量和所述控制增量的权重确定全局控制增量,以根据所述全局控制增量控制超超临界火电机组。
具体的,根据每个子模型对应的控制增量以及所述控制增量对应的权重确定全局控制增量。
示例性的,根据所述第一控制增量和所述第一控制增量的第一权重确定第一全局控制增量,根据所述第二控制增量和所述第二控制增量的权重确定第二全局控制增量。
本实施例的技术方案,通过获取超超临界火电机组的输入量和调度参数;根据超超临界火电机组的数学模型确定所述输入量对应的控制增量;根据所述调度参数确定所述控制增量的权重;根据所述控制增量和所述控制增量的权重确定全局控制增量,以根据所述全局控制增量控制超超临界火电机组,能够实现采用多模型来逼近变工况运行时机组的非线性,设计合理有效的干态工况下超超临界火电机组的预测控制策略,减小主汽压力、负荷及过热汽温的波动幅度,提高负荷跟踪性能及相关AGC性能指标,以及降低由此引起的火电机组运行环保、安全及经济方面的问题,达到协调控制超超临界火电机组的效果。
实施例二
图2为本发明实施例二中的一种超超临界火电机组的控制方法的流程图,本实施例以上述实施例为基础进行优化,在本实施例中,根据所述调度参数确定所述控制增量的权重,包括:获取调度参数,其中,所述调度参数包括机组实发功率;获取所述调度参数对应的调度函数中心;根据所述调度参数和所述调度函数中心确定所述控制增量的权重,即:
如图2所示,本实施例的方法具体包括如下步骤:
S210,获取超超临界火电机组的输入量和调度参数。
S220,根据超超临界火电机组的数学模型确定所述输入量对应的控制增量。
S230,获取调度参数,其中,所述调度参数包括机组实发功率。
具体的,获取当前时刻的调度参数,用于根据所述调度参数确定超超临界火电机组的各子模型对应的控制器的权重。所述调度参数与超超临界火电机组的运行工况相关,以实现根据超超临界火电机组的运行工况对超超临界火电机组的控制量进行预测和调节,进而协调控制超超临界火电机组系统。优选的,所述调度参数包括机组实发功率。
S240,获取所述调度参数对应的调度函数中心。
具体的,根据不同工况下的调度参数,获取调度参数对应的调度函数中心。优选的,所述调度参数包括机组实发功率,即获取机组实发功率对应的调度函数中心。所述调度函数中心的数值为通过试验数据预先设定的。
可选的,所述获取所述调度参数对应的调度函数中心,其中,所述调度参数包括机组实发功率,包括:
若所述机组实发功率小于机组额定负荷的二分之一,则获取第一调度函数中心;
若所述机组实发功率大于或等于机组额定负荷的二分之一,则获取第二调度函数中心。
具体的,若机组实发功率NE小于机组额定负荷Pe的二分之一,即NE<50%Pe,则获取所述机组实发功率对应的第一调度函数中心。若机组实发功率NE小于机组额定负荷Pe的二分之一,即NE≥50%Pe,则获取所述机组实发功率对应的第二调度函数中心。优选的,第一调度函数中心为c1=310,c2=400,c3=480。第二调度函数中心为c1=550,c2=750,c3=950。
S250,根据所述调度参数和所述调度函数中心确定所述控制增量的权重,即:
S260,根据所述控制增量和所述控制增量的权重确定全局控制增量,以根据所述全局控制增量控制超超临界火电机组。
可选的,根据所述控制增量和所述控制增量的权重确定全局控制增量,以根据所述全局控制增量控制超超临界火电机组,包括:
基于如下公式确定全局控制增量:
其中,Δur(k)为第r个控制增量;Δu(k)为所述控制增量对应的全局控制增量。
具体的,所述控制增量包括所述反馈给水量对应的第一控制增量和所述给煤量对应的第二控制增量。根据所述反馈给水量对应的第一控制增量和不同工况下的机组实发功率对应的第一权重,采用上述公式计算第一控制增量对应的第一全局控制增量。根据所述给煤量对应的第二控制增量和不同工况下的机组实发功率对应的第二权重,采用上述公式计算第二控制增量对应的第二全局控制增量。进而根据所述第一全局控制增量和第二全局控制增量控制超超临界火电机组系统的主汽压力和分离器温度。
如图2a所示,本发明实施例的具体步骤为根据主汽压力的预测模型确定反馈给水量对应的第一控制增量,根据分离器温度的预测模型确定给煤量对应的第二控制增量,根据所述调度参数确定第一控制增量对应的第一权重和第二控制增量对应的第二权重。所述主汽压力控制器根据第一控制增量和第一权重控制超超临界火电机组的给水量,所述分离器温度控制器根据第二控制增量和第二权重控制超超临界火电机组的燃水比,并根据燃水比和给水量控制给煤量。
如图2b所示,本发明实施例提供的一种超超临界火电机组的控制方法可以采用如下应用方案:目前国内超超临界火电机组的控制系统多为组态化设计,其功能块只能实现算术运算、折线函数、PID控制等简单功能,故需增设独立于原DCS的硬件平台来实现前文所述的控制策略。为保证新控制策略代码的运算速率,这里采用SIEMENS S7—300PLC,该型PLC支持STL等语言编程,代码执行效率高,程序的计算周期短。为实现PLC与DCS之间高效、安全的数据传输、指令传递,选用MODBUS通讯协议,将所有信号数据通过打包的方式发送。在实际应用中,本发明实施例的超超临界火电机组的控制方法投入使用后,某厂单台机组实现了深调负荷段(31%Pe—50%Pe)关键参数的平稳控制。重要性能指标达到相关规范和电网技术考核要求:50%-100%Pe负荷段,变负荷速率达到2.0%Pe/min的能力;30%-50%Pe负荷段,变负荷速率达到1.0%Pe/min的能力。
本实施例的技术方案,通过获取超超临界火电机组的输入量和调度参数;根据超超临界火电机组的数学模型确定所述输入量对应的控制增量;根据所述调度参数确定所述控制增量的权重;根据所述控制增量和所述控制增量的权重确定全局控制增量,以根据所述全局控制增量控制超超临界火电机组,能够实现采用多模型来逼近变工况运行时机组的非线性,设计合理有效的干态工况下超超临界火电机组的预测控制策略,减小主汽压力、负荷及过热汽温的波动幅度,提高负荷跟踪性能及相关AGC性能指标,以及降低由此引起的火电机组运行环保、安全及经济方面的问题,达到协调控制超超临界火电机组的效果。
实施例三
图3为本发明实施例三提供的一种超超临界火电机组的控制装置的结构示意图。本实施例可适用于1000MW超超临界火电机组的预测控制的情况,该装置可采用软件和/或硬件的方式实现,该装置可集成在任何提供超超临界火电机组的控制的功能的设备中,如图3所示,所述超超临界火电机组的控制装置具体包括:获取模块310、控制增量确定模块320、权重确定模块330和全局控制增量确定模块340。
其中,获取模块310,用于获取超超临界火电机组的输入量和调度参数;
控制增量确定模块320,用于根据超超临界火电机组的数学模型确定所述输入量对应的控制增量;
权重确定模块330,用于根据所述调度参数确定所述控制增量的权重;
全局控制增量确定模块340,用于根据所述控制增量和所述控制增量的权重确定全局控制增量,以根据所述全局控制增量控制超超临界火电机组。
可选的,所述输入量包括给煤量、反馈给水量和汽机调门开度。
可选的,所述控制增量确定模块,包括:
第一控制增量确定单元,用于将所述输入量输入主汽压力子模型确定所述反馈给水量对应的第一控制增量;
第二控制增量确定单元,用于将所述输入量输入分离器温度子模型确定所述给煤量对应的第二控制增量。
可选的,所述权重确定模块,包括:
参数获取单元,用于获取调度参数,其中,所述调度参数包括机组实发功率;
函数中心获取单元,用于获取所述调度参数对应的调度函数中心;
权重确定单元,用于根据所述调度参数和所述调度函数中心确定所述控制增量的权重,即:
可选的,所述全局控制增量确定模块,具体用于:
基于如下公式确定全局控制增量:
其中,Δur(k)为第r个控制增量对应向量的首元素;Δu(k)为所述控制增量对应的全局控制增量。
可选的,所述函数中心获取单元,具体用于:
若所述机组实发功率小于机组额定负荷的二分之一,则获取第一调度函数中心;
若所述机组实发功率大于或等于机组额定负荷的二分之一,则获取第二调度函数中心。
上述产品可执行本发明任意实施例所提供的方法,具备执行方法相应的功能模块和有益效果。
本实施例的技术方案,通过获取超超临界火电机组的输入量和调度参数;根据超超临界火电机组的数学模型确定所述输入量对应的控制增量;根据所述调度参数确定所述控制增量的权重;根据所述控制增量和所述控制增量的权重确定全局控制增量,以根据所述全局控制增量控制超超临界火电机组,能够实现采用多模型来逼近变工况运行时机组的非线性,设计合理有效的干态工况下超超临界火电机组的预测控制策略,减小主汽压力、负荷及过热汽温的波动幅度,提高负荷跟踪性能及相关AGC性能指标,以及降低由此引起的火电机组运行环保、安全及经济方面的问题,达到协调控制超超临界火电机组的效果。
实施例四
图4为本发明实施例四中的一种计算机设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图4显示的计算机设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示,计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机设备12交互的设备通信,和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。另外,本实施例中的计算机设备12,显示器24不是作为独立个体存在,而是嵌入镜面中,在显示器24的显示面不予显示时,显示器24的显示面与镜面从视觉上融为一体。并且,计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白,尽管图中未示出,可以结合计算机设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的超超临界火电机组的控制方法:获取超超临界火电机组的输入量和调度参数;
根据超超临界火电机组的数学模型确定所述输入量对应的控制增量;
根据所述调度参数确定所述控制增量的权重;
根据所述控制增量和所述控制增量的权重确定全局控制增量,以根据所述全局控制增量控制超超临界火电机组。
实施例五
本发明实施例五提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请所有发明实施例提供的超超临界火电机组的控制方法:获取超超临界火电机组的输入量和调度参数;
根据超超临界火电机组的数学模型确定所述输入量对应的控制增量;
根据所述调度参数确定所述控制增量的权重;
根据所述控制增量和所述控制增量的权重确定全局控制增量,以根据所述全局控制增量控制超超临界火电机组。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种超超临界火电机组的控制方法,其特征在于,包括:
获取超超临界火电机组的输入量和调度参数;
根据超超临界火电机组的数学模型确定所述输入量对应的控制增量;
根据所述调度参数确定所述控制增量的权重;
根据所述控制增量和所述控制增量的权重确定全局控制增量,以根据所述全局控制增量控制超超临界火电机组。
2.根据权利要求1所述的方法,其特征在于,所述输入量包括给煤量、反馈给水量和汽机调门开度。
3.根据权利要求2所述的方法,其特征在于,所述根据超超临界火电机组的数学模型确定所述输入量对应的控制增量,包括:
将所述输入量输入主汽压力子模型确定所述反馈给水量对应的第一控制增量;
将所述输入量输入分离器温度子模型确定所述给煤量对应的第二控制增量。
6.根据权利要求4所述的方法,其特征在于,所述获取所述调度参数对应的调度函数中心,其中,所述调度参数包括机组实发功率,包括:
若所述机组实发功率小于机组额定负荷的二分之一,则获取第一调度函数中心;
若所述机组实发功率大于或等于机组额定负荷的二分之一,则获取第二调度函数中心。
7.一种超超临界火电机组的控制装置,其特征在于,包括:
获取模块,用于获取超超临界火电机组的输入量和调度参数;
控制增量确定模块,用于根据超超临界火电机组的数学模型确定所述输入量对应的控制增量;
权重确定模块,用于根据所述调度参数确定所述控制增量的权重;
全局控制增量确定模块,用于根据所述控制增量和所述控制增量的权重确定全局控制增量,以根据所述全局控制增量控制超超临界火电机组。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-6中任一所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110089461.0A CN112859614A (zh) | 2021-01-22 | 2021-01-22 | 一种超超临界火电机组的控制方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110089461.0A CN112859614A (zh) | 2021-01-22 | 2021-01-22 | 一种超超临界火电机组的控制方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112859614A true CN112859614A (zh) | 2021-05-28 |
Family
ID=76008011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110089461.0A Pending CN112859614A (zh) | 2021-01-22 | 2021-01-22 | 一种超超临界火电机组的控制方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112859614A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113391552A (zh) * | 2021-06-15 | 2021-09-14 | 华北电力大学 | 一种提高火电机组灵活性运行的级联自适应容积卡尔曼自抗扰控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102841539A (zh) * | 2012-09-10 | 2012-12-26 | 广东电网公司电力科学研究院 | 基于多模型预测控制的亚临界协调控制方法 |
WO2018059096A1 (zh) * | 2016-09-30 | 2018-04-05 | 国电南瑞科技股份有限公司 | 一种多类电源发电计划组合决策方法及存储介质 |
CN111443681A (zh) * | 2020-05-29 | 2020-07-24 | 聊城信源集团有限公司 | 超临界火电机组协调控制系统多模型预测控制设计方法 |
CN112147891A (zh) * | 2020-09-07 | 2020-12-29 | 东南大学 | 一种火电机组协调系统全局非线性优化控制方法 |
-
2021
- 2021-01-22 CN CN202110089461.0A patent/CN112859614A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102841539A (zh) * | 2012-09-10 | 2012-12-26 | 广东电网公司电力科学研究院 | 基于多模型预测控制的亚临界协调控制方法 |
WO2018059096A1 (zh) * | 2016-09-30 | 2018-04-05 | 国电南瑞科技股份有限公司 | 一种多类电源发电计划组合决策方法及存储介质 |
CN111443681A (zh) * | 2020-05-29 | 2020-07-24 | 聊城信源集团有限公司 | 超临界火电机组协调控制系统多模型预测控制设计方法 |
CN112147891A (zh) * | 2020-09-07 | 2020-12-29 | 东南大学 | 一种火电机组协调系统全局非线性优化控制方法 |
Non-Patent Citations (2)
Title |
---|
于国强 等: "全工况下的1000 MW超超临界机组协调控制系统", 《热能动力工程》 * |
黄达等: "700MW超超临界火电机组协调系统全工况多模型预测控制及其工程应用", 《工业控制计算机》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113391552A (zh) * | 2021-06-15 | 2021-09-14 | 华北电力大学 | 一种提高火电机组灵活性运行的级联自适应容积卡尔曼自抗扰控制方法 |
CN113391552B (zh) * | 2021-06-15 | 2022-07-29 | 华北电力大学 | 一种提高火电机组灵活性运行的级联自适应容积卡尔曼自抗扰控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shakibjoo et al. | Load frequency control for multi-area power systems: A new type-2 fuzzy approach based on Levenberg–Marquardt algorithm | |
CN107515598A (zh) | 基于多参数动态矩阵控制的火电机组分布式协调控制系统 | |
Zhang et al. | Reduced‐order observer‐based output‐feedback tracking control of nonlinear systems with state delay and disturbance | |
CN111365733B (zh) | 一种燃煤锅炉经济氧量动态寻优方法、系统及设备 | |
CN110797857B (zh) | 一种不确定性直流微电网的切换型模糊模型预测控制方法 | |
CN111522233A (zh) | 参数自整定的mimo异因子全格式无模型控制方法 | |
Beus et al. | Application of an adaptive model predictive control algorithm on the Pelton turbine governor control | |
Kocaarslan et al. | A fuzzy logic controller application for thermal power plants | |
Li et al. | Mixed control for discrete‐time systems with input delay | |
CN112859614A (zh) | 一种超超临界火电机组的控制方法、装置、设备及存储介质 | |
Mu et al. | Adaptive composite frequency control of power systems using reinforcement learning | |
Nie et al. | Wide-area damping power system control based on robust self-triggered model predictive control | |
Hu et al. | A novel linear matrix inequality‐based robust event‐triggered model predictive control for a class of discrete‐time linear systems | |
Carrasco et al. | Novel modelling for a steam boiler under fast load dynamics with implications to control | |
CN113013885B (zh) | 基于电网薄弱点的无功优化方法及系统 | |
Jiménez et al. | Linear quadratic regulator based takagi-sugeno model for multivariable nonlinear processes | |
Martínez et al. | A hybrid approach for the initialization of tracking simulation systems | |
JP2022077459A (ja) | 電力配分装置、電力配分方法、およびプログラム | |
Yang et al. | Research and practice of neural network PID process control algorithm based on offshore oil and gas platform | |
Zhan et al. | A novel predictive control based management strategy considering smart PHEV in digital twin simulation | |
Wildberger | Stability and nonlinear dynamics in power systems | |
Abdullah et al. | Improved constraint handling approach for predictive functional control using an implied closed-loop prediction | |
CN106483848B (zh) | 一种中间再热燃油机组最优控制参数整定方法及装置 | |
CN113394815B (zh) | 电-气耦合网络电力系统灵活性的量化方法、装置及设备 | |
Ang et al. | Artificial neural network-based controllers for a continuous stirred tank heater process |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210528 |