CN113189871A - 一种面向火电机组灵活性运行的协调控制策略 - Google Patents

一种面向火电机组灵活性运行的协调控制策略 Download PDF

Info

Publication number
CN113189871A
CN113189871A CN202110391571.2A CN202110391571A CN113189871A CN 113189871 A CN113189871 A CN 113189871A CN 202110391571 A CN202110391571 A CN 202110391571A CN 113189871 A CN113189871 A CN 113189871A
Authority
CN
China
Prior art keywords
unit
control
optimal
control system
controller
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
Application number
CN202110391571.2A
Other languages
English (en)
Other versions
CN113189871B (zh
Inventor
侯国莲
黄婷
胡博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China Electric Power University
State Grid Liaoning Electric Power Co Ltd
Original Assignee
North China Electric Power University
State Grid Liaoning Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by North China Electric Power University, State Grid Liaoning Electric Power Co Ltd filed Critical North China Electric Power University
Priority to CN202110391571.2A priority Critical patent/CN113189871B/zh
Publication of CN113189871A publication Critical patent/CN113189871A/zh
Application granted granted Critical
Publication of CN113189871B publication Critical patent/CN113189871B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive 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
    • G05B13/042Adaptive 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

本发明公开了一种面向火电机组灵活性运行的协调控制策略。首先,将超超临界机组协调控制系统作为被控对象并分析其控制难点;然后,为被控对象设计自抗扰控制策略,并通过改进的混沌交叉帝企鹅算法进行优化。最后,依托仿真平台验证本发明控制策略的可行性,并采用性能指标量化统计分析控制策略的有效性。本发明的被控对象分析中,精确描述了其动态特性。此外,本发明通过混沌交叉帝企鹅算法获取控制器的最优参数,使被控对象的控制性能显著提高。先进的自抗扰控制策略与混沌交叉帝企鹅算法的有效结合使二者的优势得到充分发挥,很大程度上改善了协调控制系统的控制性能,提高了机组负荷响应的快速性和精确性。

Description

一种面向火电机组灵活性运行的协调控制策略
技术领域
本发明涉及火电机组灵活性运行的协调控制技术领域,更具体地,涉及 一种面向火电机组灵活性运行的自抗扰控制策略。
背景技术
近年来,随着潮汐、风能、光伏等可再生能源发电技术的蓬勃发展,有 效缓解了我国能源资源紧张及环境污染的问题。但高渗透率可再生能源的波动性 和不确定性必然严重影响电力系统的安全稳定运行。因此,要求增强火电机组的 灵活性及充分挖掘现有系统的深度调峰潜力,以大幅度接纳可再生能源并入电 网。
超超临界机组一般指锅炉内主蒸汽压力为25-35MPa及以上,主蒸汽和 再热蒸汽温度达到或超过600℃的机组。超超临界燃煤发电技术是一种高效、先 进的发电技术,与其他燃煤发电机组相比,其热效率提高了1.2%-4%。此外,超 超临界机组广泛采用以锅炉跟随为基础的直接能量平衡协调控制策略,不仅保证 了机组实现负荷准确快速响应电网指令,与此同时还能协调锅炉与汽轮机之间的 能量平衡。所以,将超超临界发电技术推广至我国的电力生产领域对提高能源利 用效率具有现实意义。作为超超临界机组的控制核心,协调控制系统应具备良好 的控制品质以提高机组的整体性能。然而,超超临界机组协调控制系统具有非线 性、多变量和强耦合的动态特性,采用常规的控制技术难以获取满意的控制效果。 因此,本文将超超临界机组的协调控制系统作为被控对象,为其设计先进的自抗扰控制策略具有重要意义。
自抗扰控制是近年来得到充分研究的一种先进控制技术,不仅传承了经 典PID技术基于误差补偿误差的思想精髓,还融合了非线性机制和现代控制理 论的优势。其工作原理为通过扩张状态观测器实时准确地对未知的系统动态摄动 和外扰的总和作用量进行估计,并在状态反馈控制律中进行补偿。自抗扰控制技 术因其原理简单、鲁棒性强、可高效处理非线性特性、不依赖于被控对象的精确 模型、控制效果良好且在实际工业过程中易于实现等优势,在电力、航空航天等 工业领域得到广泛研究与应用。因此,将自抗扰控制技术引入多变量强耦合的单 元机组协调控制系统的控制中,以提高机组响应负荷指令的快速性及准确性、实 现火电机组灵活性运行。
发明内容
本发明旨在提供一种火电机组灵活性运行的协调控制策略,改善火电机 组协调控制系统的控制性能,提高机组负荷响应的快速性和精确性。该方法充分 考虑了被控对象的动态特性及机组实际运行过程中煤质和负荷等变化带来的内 外扰动,结合自抗扰技术能够实时准确估计并补偿误差的优势为其设计自抗扰控 制策略。基于所设计的自抗扰控制策略,在负荷指令及外部扰动作用下,机组各 负荷工况模型均实现了快速准确响应负荷需求的同时维持机组稳定运行。
本发明所提出的一种面向火电机组灵活性运行的协调控制策略,由以下 5个步骤组成:
S1:分析超超临界机组锅炉—汽轮机单元的控制难点;
S2:确立针对超超临界机组协调控制系统的自抗扰控制策略结构;
S3:描述自抗扰控制技术的原理及其设计步骤;
S4:基于混沌双交叉帝企鹅算法获取最优控制器参数;
S5:依托仿真平台验证并分析所提控制策略的可行性。
S1:单元机组协调控制系统的主要任务是使机组响应外部负荷指令的同 时,维持锅炉侧和汽轮机侧的能量平衡,保持机组安全稳定运行。协调控制系统 是一个分级控制系统结构,包括协调控制级的负荷控制系统、基础控制级的锅炉 控制系统和汽轮机控制系统、单元机组对象。负荷控制系统由负荷指令处理回路 和机炉主控制器两部分组成,负荷指令处理回路将对外部负荷请求指令进行选择 处理,使之转变为单元机组安全运行所能接受的实际负荷指令Ns。机炉主控制 器选择符合机组运行要求的负荷控制方式,并接受实际负荷指令Ns、有功功率N、 主蒸汽压力给定值Ps和主蒸汽压力PT信号并产生汽机指令(TD)和锅炉指令 (BD)分别送入汽轮机和锅炉控制系统。锅炉的燃烧控制系统根据BD调节燃 料量来改变燃烧率,汽轮机的数字电液控制系统根据TD调节阀门开度来改变汽 轮机的进汽量。燃烧率和进汽量的协调变化使得机组在快速响应外部负荷需求的 同时维持主蒸汽压力相对稳定,保证机组安全经济运行。超超临界直流炉机组没 有汽包的缓冲作用,所以其给水控制无法独立出来,因此将其描述为一个三输入 三输出被控对象更为精确。被控对象的三个被控量为:有功功率N、主蒸汽压力 PT和分离器出口温度T,三个控制输入量为阀门开度μT、燃料量B、给水量W。 被控对象的被控量与控制输入量之间相互耦合,使其较难获取满意的控制性能。
基于S1的分析可知,超超临界机组协调控制系统因其复杂的动态特性较 难达到满意的控制效果,因此引入自抗扰控制策略改善其控制性能。为系统的每 一个输出回路分别设计一个自抗扰控制器,分别记为ADRC1、ADRC2、ADRC3。 则步骤S2可具体化为:
S2.1:将协调控制系统的有功功率N送入自抗扰控制器ADRC1,ADRC1 通过实时准确地对N进行估计和补偿,使N十分趋近Ns,达到机组快速准确响 应负荷指令的效果。
S2.2:将协调控制系统的主蒸汽压力PT输送入自抗扰控制器ADRC2, ADRC2通过实时准确地对PT进行估计和补偿,使PT稳定在设定值Ps附近。即 机组快速响应外部负荷指令的同时保证了主蒸汽压力的稳定。
S2.3:将协调控制系统的分离器出口温度T送入自抗扰控制器ADRC3, ADRC3通过实时准确地对T进行估计和补偿,使T在极小范围内波动。即机组 快速响应外部负荷指令的同时保证了机组的稳定运行。
在确定了基于被控对象的自抗扰控制策略架构后,在S3中将ADRC1、 ADRC2和ADRC3的设计步骤具体化:
S3.1:二阶ADRC的设计。
考虑如下二阶系统:
Figure BDA0003015951410000031
其中,g为时变(t),外部扰动(d),等的集总函数,b为未知的系统输入u 的不确定性,b的估计值为b0
将包含了系统内外扰动的系统总扰动f定义为:
f=g+(b-b0)u (2)
将式(1)的系统表示为状态空间形式:
Figure BDA0003015951410000041
由式(3)可得被控对象的状态空间形式:
Figure BDA0003015951410000042
其中,增加x3=f为扩张状态,
Figure BDA0003015951410000043
为系统未知总扰动的导数。至此, f可通过基于状态空间模型的状态观测器进行观测。
将状态空间观测器表示为线性扩张状态观测器:
Figure BDA0003015951410000044
其中,L为状态观测器的增益矩阵,可通过极点配置法获得。z=[z1 z2 z3] 为状态观测器的输出信号。定义ωo为观测器带宽,将增益矩阵的极点均配置在 -ωo处,得到
|sI-(A-LC)|=(s+ωo)3 (6)
Figure BDA0003015951410000045
Figure BDA0003015951410000046
因此,状态反馈控制律可设计为PD控制器形式:
Figure BDA0003015951410000047
忽略z3估计误差,被控对象就可简化单位增益双积分器:
Figure BDA0003015951410000048
则PD控制器形式:
u0=kp(r-z1)-kdz2 (11)
其中,r为参考输入的设定值,kd=2ωc,kp=ωc 2。至此,系统总扰动 已得到补偿。
S3.2:由S3.1可知,ADRC的设计关键在于b0oc这三个参数的选 取。适当的参数选取才能使控制器发挥良好的控制性能。
在确定了自抗扰控制器的结构之后,需要对其参数进行选取。在普遍的 实际工业过程中,通常采用手动调节的方式来选取控制器参数,但这种方法很繁 琐且工作量大。因此,本发明在步骤S4中引入一种新的混沌交叉帝企鹅算法来 获取自抗扰控制器的最优参数。帝企鹅优化算法是受启发于帝企鹅抱团取暖的聚 集行为于2018年被提出。帝企鹅算法模拟帝企鹅寻找群体内温度最高点的行为 进行寻优,帝企鹅个体会通过最优个体的引导不断改变自身位置向最优点移动。 但经典的帝企鹅优算法易陷入局部最优,且收敛速度和寻优精度仍有较大的提升 空间。因此本发明结合混沌映射和交叉思想得到改进的混沌交叉帝企鹅算法,该 算法的收敛速度和寻优精度均得到了很大改善,且避免了过早陷入局部最优。在 控制器的参数寻优过程中,将每个种群个体视为一组控制器参数,相应地最优个体即为控制器的最优参数。具体实现过程如下:
S4.1:初始化种群规模m=20,设置寻优范围(0,100),个体维度D=9,最大 迭代次数M=30。
S4.2:通过混沌交叉帝企鹅算法获取ADRC1、ADRC2、ADRC3的最优 参数,分别记为b01、ωo1、ωc1、b02、ωo2、ωc2、b03、ωo3、ωc3
S4.2.1:计算种群个体的适应度值,适应度值最小的个体被视为当前最优 个体。
Figure BDA0003015951410000051
其中,Pi(k)为第k次迭代的第i个种群个体,Tmax为最大仿真时间,权重 w1、w2、w3之和为1。
Figure BDA0003015951410000061
帝企鹅群体的温度变化函数T1的定义如下:
Figure BDA0003015951410000062
其中,
Figure BDA0003015951410000063
R=rand[0,1],k为当前迭代次数
S4.2.2:确定其他种群个体
Figure BDA0003015951410000064
与局部最优个体
Figure BDA0003015951410000065
之间的距离
Figure BDA0003015951410000066
Figure BDA0003015951410000067
其中,s(·)表示帝企鹅群体向最优个体方向移动的趋势,
Figure BDA0003015951410000068
Figure BDA0003015951410000069
是为了 避免相邻个体间碰撞的向量参数,Pg代表最优个体位置到其他个体位置之间的 绝对值。它们的计算公式如下:
Figure BDA00030159514100000610
其中,f和l是探索与开发的重要控制参数,f∈[2,3],l∈[1.5,2],M= 2是避免帝企鹅个体间碰撞的一个控制参数,φ∈(0,1)。
S4.2.3:种群个体向最优个体移动,并更新最优个体位置信息:
Figure BDA00030159514100000611
S4.2.4:将当前全局最优个体与交叉因子β进行结合:
Figure BDA00030159514100000612
其中,τ=rand,δ∈(0,1),β∈(-1,1).
计算新产生个体的适应度值,并更新全局最优个体。
S4.2.5:判断寻优过程是否满足结束条件(即k=M),若满足,则寻优结 束,全局最优个体即为控制器的最优参数;若不满足,则返回S4.2.1继续寻优。
S4.3:输出全局最优个体,获取ADRC1、ADRC2、ADRC3的最优参数 b01、ωo1、ωc1、b02o2、ωc2、b03o3、ωc3
基于步骤S4所得的最优控制器参数,为被控对象确立自抗扰控制策略。 在步骤S5中依托仿真平台验证并分析所提控制策略的可行性,具体过程如下:
S5.1:分别选取某超超临界机组90%和70%负荷工况点附近的实际历史 运行数据8000组,通过子空间辨识法得到该工况点模型。
S5.2:基于步骤S5.1所得模型,设计自抗扰控制策略,并通过步骤S4 所提的混沌交叉帝企鹅优化算法获取控制器的最优参数。
S5.3:确定负荷指令设定值NS并送入被控对象,获取机组的被控量N、 PT及T。
S5.4:确定外部扰动ud1设定值,并送入被控对象,模拟机组实际运行过 程中因煤质和变负荷带来的扰动。观察机组的被控量N、PT及T。
S5.5:计算机组有功功率N与外部负荷指令NS的拟合程度,PT和T的变 化范围,对协调控制系统的控制性能进行分析。
本发明有益效果:
本发明结合电力系统高渗透率可再生能源形势,考虑电力能源结构转型 急需提高火电机组的灵活运行能力,从控制的角度出发,为超超临界机组协调控 制系统设计先进控制策略,进而促进机组快速准确响应负荷需求。
本发明控制策略设计过程中充分考虑了超超临界机组系统控制系统的动 态特性及控制难点,结合自抗扰控制技术卓越的跟踪及抗扰能力,使所设计的控 制策略能符合机组的控制性能需求。
本发明将被控对象简化为一个三入三出的系统,更能准确地描述机组的 动态特性。此外,为系统的每一个输出回路分别设计一个自抗扰控制器,通过实 时准确地跟踪机组的有功功率、主蒸汽压力、分离器出口温度和补偿,实现了机 组快速响应负荷的同时保证其稳定运行。
本发明通过引入改进的混沌交叉帝企鹅算法获取控制器的最优参数,不 仅免去了手动调参的繁琐,还有效提高了被控对象的控制性能。先进的自抗扰控 制策略与混沌交叉帝企鹅优化算法的有效结合使二者的优势得到充分发挥,很大 程度上改善了协调控制系统的控制性能,提高了机组灵活性运行能力。
具体实施方式
下面参照说明书附图对本发明的具体实施方式做进一步描述。
请参阅说明书附图中的图1,图1为本发明所涉及的超超临界机组协调 控制系统的分级控制结构图。当外部负荷请求指令到来时,负荷指令处理回路将 对其进行选择处理,使之转变为单元机组安全运行所能接受的实际负荷指令Ns。 机炉主控制器选择符合机组运行要求的负荷控制方式,并接受实际负荷指令Ns、 有功功率N、主蒸汽压力给定值Ps和主蒸汽压力PT信号并产生汽机指令(TD) 和锅炉指令(BD)分别送入汽轮机和锅炉控制系统。锅炉的燃烧控制系统根据 BD调节燃料量来改变燃烧率,汽轮机的数字电液控制系统根据TD调节阀门开 度来改变汽轮机的进汽量。燃烧率和进汽量的协调变化使得机组在快速响应外部 负荷需求的同时维持主蒸汽压力相对稳定,保证机组稳定运行
请参阅说明书附图中的图2,图2为本发明所涉及的超超临界机组协调 控制系统的结构简图,将被控对象描述为一个三输入三输出被控对象更为精确。 被控对象的三个被控量为:有功功率N、主蒸汽压力PT和分离器出口温度T, 三个控制输入量为阀门开度μT、燃料量B、给水量W。
请参阅说明书附图中的图3,图3为本发明所提及的线性自抗扰控制器 的结构图,该控制器能够实时准确跟踪被估计量并补偿。
请参阅说明书附图中的图4,图4为本发明所提及的面向超超临界机组 灵活性运行的控制策略简图。为系统的负荷输出回路、主蒸汽压力回路及分离器 出口温度回路分别设计一个自抗扰控制器,并引入改进的混沌交叉帝企鹅算法获 取控制器的最优参数,实现了机组快速响应负荷的同时保持安全稳定运行。本实 施例基于泰州电厂1000MW机组,方法步骤包括:
S1:分析超超临界机组锅炉—汽轮机单元的控制难点;
S2:确立针对超超临界机组协调控制系统的自抗扰控制策略结构;
S3:描述自抗扰控制技术的原理及其设计步骤;
S4:基于混沌双交叉帝企鹅算法获取最优控制器参数;
S5:依托仿真平台验证并分析所提控制策略的可行性。
S1:单元机组协调控制系统的主要任务是使机组响应外部负荷指令的同 时,维持锅炉侧和汽轮机侧的能量平衡,保持机组安全稳定运行。协调控制系统 是一个分级控制系统结构,包括协调控制级的负荷控制系统、基础控制级的锅炉 控制系统和汽轮机控制系统、单元机组对象。负荷控制系统由负荷指令处理回路 和机炉主控制器两部分组成,负荷指令处理回路将对外部负荷请求指令进行选择 处理,使之转变为单元机组安全运行所能接受的实际负荷指令Ns。机炉主控制 器选择符合机组运行要求的负荷控制方式,并接受实际负荷指令Ns、有功功率N、 主蒸汽压力给定值Ps和主蒸汽压力PT信号并产生汽机指令(TD)和锅炉指令 (BD)分别送入汽轮机和锅炉控制系统。锅炉的燃烧控制系统根据BD调节燃 料量来改变燃烧率,汽轮机的数字电液控制系统根据TD调节阀门开度来改变汽 轮机的进汽量。燃烧率和进汽量的协调变化使得机组在快速响应外部负荷需求的 同时维持主蒸汽压力相对稳定,保证机组安全经济运行。超超临界直流炉机组没 有汽包的缓冲作用,所以其给水控制无法独立出来,因此将其描述为一个三输入 三输出被控对象更为精确。被控对象的三个被控量为:有功功率N、主蒸汽压力 PT和分离器出口温度T,三个控制输入量为阀门开度μT、燃料量B、给水量W。 被控对象的被控量与控制输入量之间相互耦合,使其较难获取满意的控制性能。
基于S1的分析可知,超超临界机组协调控制系统因其复杂的动态特性较 难达到满意的控制效果,因此引入自抗扰控制策略改善其控制性能。为系统的每 一个输出回路分别设计一个自抗扰控制器,分别记为ADRC1、ADRC2、ADRC3。 则步骤S2可具体化为:
S2.1:将协调控制系统的有功功率N送入自抗扰控制器ADRC1,ADRC1 通过实时准确地对N进行估计和补偿,使N十分趋近Ns,达到机组快速准确响 应负荷指令的效果。
S2.2:将协调控制系统的主蒸汽压力PT输送入自抗扰控制器ADRC2, ADRC2通过实时准确地对PT进行估计和补偿,使PT稳定在设定值Ps附近。即 机组快速响应外部负荷指令的同时保证了主蒸汽压力的稳定。
S2.3:将协调控制系统的分离器出口温度T送入自抗扰控制器ADRC3, ADRC3通过实时准确地对T进行估计和补偿,使T在极小范围内波动。即机组 快速响应外部负荷指令的同时保证了机组的稳定运行。
在确定了基于被控对象的自抗扰控制策略架构后,在S3中将ADRC1、 ADRC2和ADRC3的设计步骤具体化:
S3.1:二阶ADRC的设计。
考虑如下二阶系统:
Figure BDA0003015951410000101
其中,g为时变(t),外部扰动(d),等的集总函数,b为未知的系统输入u 的不确定性,b的估计值为b0
将包含了系统内外扰动的系统总扰动f定义为:
f=g+(b-b0)u (2)
将式(1)的系统表示为状态空间形式:
Figure BDA0003015951410000102
由式(3)可得被控对象的状态空间形式:
Figure BDA0003015951410000103
其中,增加x3=f为扩张状态,
Figure BDA0003015951410000104
为系统未知总扰动的导数。至此, f可通过基于状态空间模型的状态观测器进行观测。
将状态空间观测器表示为线性扩张状态观测器:
Figure BDA0003015951410000105
其中,L为状态观测器的增益矩阵,可通过极点配置法获得。z=[z1 z2 z3] 为状态观测器的输出信号。定义ωo为观测器带宽,将增益矩阵的极点均配置在-ωo处,得到
|sI-(A-LC)|=(s+ωo)3 (6)
Figure BDA0003015951410000111
Figure BDA0003015951410000112
因此,状态反馈控制律可设计为PD控制器形式:
Figure BDA0003015951410000113
忽略z3估计误差,被控对象就可简化单位增益双积分器:
Figure BDA0003015951410000114
则PD控制器形式:
u0=kp(r-z1)-kdz2 (11)
其中,r为参考输入的设定值,kd=2ωc,kp=ωc 2。至此,系统总扰动 已得到补偿。
S3.2:由S3.1可知,ADRC的设计关键在于b0oc这三个参数的选 取。适当的参数选取才能使控制器发挥良好的控制性能。
在确定了自抗扰控制器的结构之后,需要对其参数进行选取。在普遍的 实际工业过程中,通常采用手动调节的方式来选取控制器参数,但这种方法很繁 琐且工作量大。因此,本发明在步骤S4中引入一种新的混沌交叉帝企鹅算法来 获取自抗扰控制器的最优参数。帝企鹅优化算法是受启发于帝企鹅抱团取暖的聚 集行为于2018年被提出。帝企鹅算法模拟帝企鹅寻找群体内温度最高点的行为 进行寻优,帝企鹅个体会通过最优个体的引导不断改变自身位置向最优点移动。 但经典的帝企鹅优算法易陷入局部最优,且收敛速度和寻优精度仍有较大的提升 空间。因此本发明结合混沌映射和交叉思想得到改进的混沌交叉帝企鹅算法,该 算法的收敛速度和寻优精度均得到了较大改善,且避免了过早陷入局部最优。在 控制器的参数寻优过程中,将每个种群个体视为一组控制器参数,相应地最优个体即为控制器的最优参数。具体实现过程如下:
S4.1:初始化种群规模m=20,设置寻优范围(0,100),个体维度D=9,最大 迭代次数M=30。
S4.2:通过混沌交叉帝企鹅算法获取ADRC1、ADRC2、ADRC3的最优 参数,分别记为b01、ωo1、ωc1、b02、ωo2、ωc2、b03、ωo3、ωc3
S4.2.1:计算种群个体的适应度值,适应度值最小的个体为当前最优个体。
Figure BDA0003015951410000121
其中,Pi(k)为第k次迭代的第i个种群个体,Tmax为最大仿真时间,权重 w1、w2、w3之和为1。
Figure BDA0003015951410000122
帝企鹅群体的温度变化函数T1的定义如下:
Figure BDA0003015951410000123
其中,
Figure BDA0003015951410000124
R=rand[0,1],k为当前迭代次数
S4.2.2:确定其他种群个体
Figure BDA0003015951410000125
与局部最优个体
Figure BDA0003015951410000126
之间的距离
Figure BDA0003015951410000127
Figure BDA0003015951410000128
其中,s(·)表示帝企鹅群体向最优个体方向移动的趋势,
Figure BDA0003015951410000129
Figure BDA00030159514100001210
是为了 避免相邻个体间碰撞的向量参数,Pg代表最优个体位置到其他个体位置之间的 绝对值。它们的计算公式如下:
Figure BDA00030159514100001211
其中,f和l是探索与开发的重要控制参数,f∈[2,3],l∈[1.5,2],M=2是避免帝企鹅个体间碰撞的一个控制参数,φ∈(0,1)。
S4.2.3:种群个体向最优个体移动,并更新最优个体位置信息:
Figure BDA0003015951410000131
S4.2.4:将当前全局最优个体与交叉因子β进行结合:
Figure BDA0003015951410000132
其中,τ=rand,δ∈(0,1),β∈(-1,1).
计算新产生个体的适应度值,并更新全局最优个体。
S4.2.5:判断寻优过程是否满足结束条件(即k=M),若满足,则寻优结 束,全局最优个体即为控制器的最优参数;若不满足,则返回S4.2.1继续寻优。
S4.3:输出全局最优个体,获取ADRC1、ADRC2、ADRC3的最优参数 b01、ωo1、ωc1、b02o2、ωc2、b03o3、ωc3
基于步骤S4所得的最优控制器参数,为被控对象确立自抗扰控制策略。 在步骤S5中依托仿真平台验证并分析所提控制策略的可行性,本算例中机组 90%和70%负荷工况点的操作条件如下:
表1 1000MW机组不同负荷工况点的操作条件
Figure BDA0003015951410000133
具体过程如下:
S5.1:分别泰州电厂1000MW超超临界机组90%和70%负荷工况点附近 的实际历史运行数据8000组,通过子空间辨识法得到该工况点模型。
S5.2:基于步骤S5.1所得模型,设计自抗扰控制策略,并通过步骤S4 所提的混沌交叉帝企鹅优化算法获取控制器的最优参数。
S5.3:确定负荷指令设定值NS并送入被控对象,获取机组的被控量N、 PT及T。
S5.4:确定外部扰动ud1设定值,并送入被控对象,模拟机组实际运行过 程中因煤质和变负荷带来的扰动。观察机组的被控量N、PT及T。
S5.5:计算机组有功功率N与外部负荷指令NS的拟合程度,PT和T的变 化范围,对协调控制系统的控制性能进行分析。
S5.5:根据式式(13)计算机组的负荷跟踪误差TV1及控制信号总变化 量TV2、TV3。估算PT和T的变化范围,结合机组灵活性运行对协调控制系统的 控制性能进行分析。
E=NS-N (19)
S5.6:分别统计基于各工况点模型的量化性能指标TV1、TV2和TV3,统 计分析结果表明,本发明所提出的面向超超临界机组灵活性运行的协调控制策略 在本算例中表现出显著的准确快速响应负荷能力,且跟踪误差和控制信号总变化 量均非常小。

Claims (6)

1.一种面向火电机组灵活性运行的协调控制策略,其特征在于:包括以下步骤:
S1:分析超超临界机组锅炉—汽轮机单元的控制难点;
S2:确立针对超超临界机组协调控制系统的自抗扰控制策略结构;
S3:描述自抗扰控制技术的原理及其设计步骤;
S4:基于混沌双交叉帝企鹅算法获取最优控制器参数;
S5:依托仿真平台验证并分析所提控制策略的可行性。
2.根据权利要求1所述的一种面向火电机组灵活性运行的协调控制策略,其特征在于:步骤S1所述的分析超超临界机组锅炉—汽轮机单元的控制难点具体如下:
S1:单元机组协调控制系统的主要任务是使机组响应外部负荷指令的同时,维持锅炉侧和汽轮机侧的能量平衡,保持机组安全稳定运行。协调控制系统是一个分级控制系统结构,包括协调控制级的负荷控制系统、基础控制级的锅炉控制系统和汽轮机控制系统、单元机组对象。负荷控制系统由负荷指令处理回路和机炉主控制器两部分组成,负荷指令处理回路将对外部负荷请求指令进行选择处理,使之转变为单元机组安全运行所能接受的实际负荷指令Ns。机炉主控制器选择符合机组运行要求的负荷控制方式,并接受实际负荷指令Ns、有功功率N、主蒸汽压力给定值Ps和主蒸汽压力PT信号并产生汽机指令(TD)和锅炉指令(BD)分别送入汽轮机和锅炉控制系统。锅炉的燃烧控制系统根据BD调节燃料量来改变燃烧率,汽轮机的数字电液控制系统根据TD调节阀门开度来改变汽轮机的进汽量。燃烧率和进汽量的协调变化使得机组在快速响应外部负荷需求的同时维持主蒸汽压力相对稳定,保证机组安全经济运行。超超临界直流炉机组没有汽包的缓冲作用,所以其给水控制无法独立出来,因此将其描述为一个三输入三输出被控对象更为精确。被控对象的三个被控量为:有功功率N、主蒸汽压力PT和分离器出口温度T,三个控制输入量为阀门开度μT、燃料量B、给水量W。被控对象的被控量与控制输入量之间相互耦合,使其较难获取满意的控制性能。
3.根据权利要求1所述的一种面向火电机组灵活性运行的协调控制策略,其特征在于:确立针对超超临界机组协调控制系统的自抗扰控制策略结构,所述步骤S2中为系统的三个输出回路分别设计一个自抗扰控制器,分别记为ADRC1、ADRC2、ADRC3,包括:
S2.1:将协调控制系统的有功功率N送入自抗扰控制器ADRC1,ADRC1通过实时准确地对N进行估计和补偿,使N十分趋近Ns,达到机组快速准确响应负荷指令的效果。
S2.2:将协调控制系统的主蒸汽压力PT输送入自抗扰控制器ADRC2,ADRC2通过实时准确地对PT进行估计和补偿,使PT稳定在设定值Ps附近。即机组快速响应外部负荷指令的同时保证了主蒸汽压力的稳定。
S2.3:将协调控制系统的分离器出口温度T送入自抗扰控制器ADRC3,ADRC3通过实时准确地对T进行估计和补偿,使T在极小范围内波动。即机组快速响应外部负荷指令的同时保证了机组的稳定运行。
4.根据权利要求1所述的一种面向火电机组灵活性运行的协调控制策略,其特征在于:所述步骤S3描述自抗扰控制技术的原理及其设计步骤包括:
S3.1:二阶ADRC的设计。考虑如下二阶系统:
Figure FDA0003015951400000011
其中,g为时变(t),外部扰动(d),等的集总函数,b为未知的系统输入u的不确定性,b的估计值为b0。将包含了系统内外扰动的系统总扰动f定义为:
f=g+(b-b0)u (2)
将式(1)的系统表示为状态空间形式:
Figure FDA0003015951400000021
由式(3)可得被控对象的状态空间形式:
Figure FDA0003015951400000022
其中,增加x3=f为扩张状态,
Figure FDA0003015951400000023
为系统未知总扰动的导数。至此,f可通过基于状态空间模型的状态观测器进行观测。将状态空间观测器表示为线性扩张状态观测器:
Figure FDA0003015951400000024
其中,L为状态观测器的增益矩阵,可通过极点配置法获得。z=[z1 z2 z3]为状态观测器的输出信号。定义ωo为观测器带宽,将增益矩阵的极点均配置在-ωo处,得到
|sI-(A-LC)|=(s+ωo)3 (6)
Figure FDA0003015951400000025
Figure FDA0003015951400000026
因此,状态反馈控制律可设计为PD控制器形式:
Figure FDA0003015951400000027
忽略z3估计误差,被控对象就可简化单位增益双积分器:
Figure FDA0003015951400000028
则PD控制器形式:
u0=kp(r-z1)-kdz2 (11)
其中,r为参考输入的设定值,kd=2ωc,kp=ωc 2。至此,系统总扰动已得到补偿。
S3.2:由S3.1可知,ADRC的设计关键在于b0oc这三个参数的选取。适当的参数选取才能使控制器发挥良好的控制性能。
5.根据权利要求1所述的一种面向火电机组灵活性运行的协调控制策略,其特征在于:基于所设计的控制策略,在所述步骤S4中基于混沌双交叉帝企鹅算法获取最优控制器参数。将每一个种群个体视为一组控制器参数,相应地最优个体即为控制器的最优参数,引入混沌机制和交叉操作有效提升了算法的收敛速度和寻优精度,避免算法过早陷入局部最优解。所述过程包括:
S4.1:初始化种群规模m=20,设置寻优范围(0,100),个体维度D=9,最大迭代次数M=30。
S4.2:通过混沌交叉帝企鹅算法获取ADRC1、ADRC2、ADRC3的最优参数,分别记为b01、ωo1、ωc1、b02、ωo2、ωc2、b03、ωo3、ωc3
S4.2.1:计算种群个体的适应度值,适应度值最小的个体为当前最优个体。
Figure FDA0003015951400000031
其中,Pi(k)为第k次迭代的第i个种群个体,Tmax为最大仿真时间,w1、w2、w3之和为1。
Figure FDA0003015951400000032
帝企鹅群体的温度变化函数T1的定义如下:
Figure FDA0003015951400000033
其中,
Figure FDA0003015951400000034
R=rand[0,1],k为当前迭代次数
S4.2.2:确定其他种群个体
Figure FDA0003015951400000035
与局部最优个体
Figure FDA0003015951400000036
之间的距离
Figure FDA0003015951400000037
Figure FDA0003015951400000038
其中,s(·)表示帝企鹅群体向最优个体方向移动的趋势,
Figure FDA0003015951400000039
Figure FDA00030159514000000310
是为了避免相邻个体间碰撞的向量参数,Pg代表最优个体位置到其他个体位置之间的绝对值。它们的计算公式如下:
Figure FDA00030159514000000311
其中,f和l是探索与开发的重要控制参数,f∈[2,3],l∈[1.5,2],M=2是避免帝企鹅个体间碰撞的一个控制参数,φ∈(0,1)。
S4.2.3:种群个体向最优个体移动,并更新最优个体位置信息:
Figure FDA00030159514000000312
S4.2.4:将当前全局最优个体与交叉因子β进行结合:
Figure FDA0003015951400000041
其中,τ=rand,δ∈(0,1),β∈(-1,1).
计算新产生个体的适应度值,并更新全局最优个体。
S4.2.5:判断寻优过程是否满足结束条件(即k=M),若满足,则寻优结束,全局最优个体即为控制器的最优参数;若不满足,则返回S4.2.1继续寻优。
S4.3:输出全局最优个体,获取ADRC1、ADRC2、ADRC3的最优参数b01、ωo1、ωc1、b02、ωo2、ωc2、b03、ωo3、ωc3
6.根据权利要求1所述的一种面向火电机组灵活性运行的协调控制策略,其特征在于:基于步骤S4所设计自抗扰控制策略,在步骤S5中依托仿真平台验证并分析所提控制策略的可行性包括:
S5.1:分别选取某超超临界机组90%和70%负荷工况点附近的实际历史运行数据8000组,通过子空间辨识法得到该工况点模型。
S5.2:基于步骤S5.1所得模型,设计自抗扰控制策略,并通过步骤S4所提的混沌交叉帝企鹅优化算法获取控制器的最优参数。
S5.3:确定负荷指令设定值NS并送入被控对象,获取机组的被控量N、PT及T。
S5.4:确定外部扰动ud1设定值,并送入被控对象,模拟机组实际运行过程中因煤质和变负荷带来的扰动。观察机组的被控量N、PT及T。
S5.5:计算机组有功功率N与外部负荷指令NS的拟合程度,PT和T的变化范围,对协调控制系统的控制性能进行分析。
CN202110391571.2A 2021-04-12 2021-04-12 一种面向火电机组灵活性运行的协调控制策略 Active CN113189871B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110391571.2A CN113189871B (zh) 2021-04-12 2021-04-12 一种面向火电机组灵活性运行的协调控制策略

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110391571.2A CN113189871B (zh) 2021-04-12 2021-04-12 一种面向火电机组灵活性运行的协调控制策略

Publications (2)

Publication Number Publication Date
CN113189871A true CN113189871A (zh) 2021-07-30
CN113189871B CN113189871B (zh) 2023-02-03

Family

ID=76975701

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110391571.2A Active CN113189871B (zh) 2021-04-12 2021-04-12 一种面向火电机组灵活性运行的协调控制策略

Country Status (1)

Country Link
CN (1) CN113189871B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117724348A (zh) * 2024-02-06 2024-03-19 深圳市万斯得自动化设备有限公司 基于爆破试验机的精确压力调节与控制系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090143871A1 (en) * 2002-04-18 2009-06-04 Cleveland State University Controllers, observers, and applications thereof
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
CN109668139A (zh) * 2018-12-10 2019-04-23 清华大学 一种超临界火电机组机炉协调控制方法
CN110579968A (zh) * 2019-09-25 2019-12-17 国家能源集团谏壁发电厂 一种超超临界机组深度调峰协调系统预测控制策略
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
CN111781835A (zh) * 2020-07-22 2020-10-16 北京化工大学 一种镇定二阶惯性加纯滞后系统的线性自抗扰控制器设计方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090143871A1 (en) * 2002-04-18 2009-06-04 Cleveland State University Controllers, observers, and applications thereof
CN102354104A (zh) * 2005-09-19 2012-02-15 克利夫兰州立大学 控制器、观测器及其应用
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
CN109668139A (zh) * 2018-12-10 2019-04-23 清华大学 一种超临界火电机组机炉协调控制方法
CN110579968A (zh) * 2019-09-25 2019-12-17 国家能源集团谏壁发电厂 一种超超临界机组深度调峰协调系统预测控制策略
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
CN111781835A (zh) * 2020-07-22 2020-10-16 北京化工大学 一种镇定二阶惯性加纯滞后系统的线性自抗扰控制器设计方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
李超: ""自抗扰控制技术在超临界机组协调控制系统中的应用"", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 *
罗嘉 等: ""基于自抗扰方法的单元机组协调系统设计"", 《计算机与应用化学》 *
郭献军 等: ""基于类前馈补偿的模糊PID控制在超超临界单元机组协调控制系统的应用"", 《现代电力》 *
陈宇 等: ""大型火电机组协调系统的线性自抗扰控制"", 《计算机仿真》 *
黄焕袍 等: ""火电单元机组协调系统的自抗扰控制方案研究"", 《中国电机工程学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117724348A (zh) * 2024-02-06 2024-03-19 深圳市万斯得自动化设备有限公司 基于爆破试验机的精确压力调节与控制系统
CN117724348B (zh) * 2024-02-06 2024-04-16 深圳市万斯得自动化设备有限公司 基于爆破试验机的精确压力调节与控制系统

Also Published As

Publication number Publication date
CN113189871B (zh) 2023-02-03

Similar Documents

Publication Publication Date Title
Fang et al. Backstepping-based nonlinear adaptive control for coal-fired utility boiler–turbine units
CN108490790A (zh) 一种基于多目标优化的过热汽温自抗扰串级控制方法
CN106950856A (zh) 基于混合逻辑动态的mppt建模仿真方法
CN105573123A (zh) 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
CN111812975A (zh) 一种基于模糊模型辨识的抽水蓄能机组调速系统广义预测控制方法
CN108762086B (zh) 基于模型预测控制的二次再热蒸汽温度控制装置及控制系统
Tian et al. Generalized predictive PID control for main steam temperature based on improved PSO algorithm
CN113189871A (zh) 一种面向火电机组灵活性运行的协调控制策略
CN114329835A (zh) 一种多机共管道水轮机调节系统稳定域确定方法及系统
Chen et al. Optimization of ADRC Parameters Based on Particle Swarm Optimization Algorithm
Hou et al. Application of multi-agent EADRC in flexible operation of combined heat and power plant considering carbon emission and economy
CN116957205A (zh) 基于ceemd-ssa-elm的电力碳排放预测方法
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
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
Tu et al. State variable-fuzzy prediction control strategy for superheated steam temperature of thermal power units
CN113391552B (zh) 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
CN118011805A (zh) 基于数据驱动和Tube优化的超超临界机组模型预测控制方法
CN110850710A (zh) 基于无模型自适应控制的水电机组控制优化方法
Gao et al. Artificial bee colony optimization of NOx emission and reheat steam temperature in a 1000 MW boiler
CN117277400B (zh) 一种目标函数在线优化水-光发电系统的控制方法
CN111273563B (zh) 一种基于供热机组agc综合指标的预测控制方法
Feng et al. Improved Linear Active Disturbance Rejection Control Strategy Based on RBF Neural Network For Main Steam Temperature Of Thermal Power Boiler
CN113467237B (zh) 基于深度学习的主蒸汽温度的动态建模方法
Shi et al. Sampling Load Frequency Control of Time-Delay Power System Based on Warm-Up Grey Wolf Optimizer
Xu et al. Design of three-stage start-up optimal strategy based on fuzzy fractional-order proportion integration differentiation controller of pumped storage unit under low water head

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