CN113485258B - 一种燃煤电厂的控制逻辑最长执行时间的预测方法及系统 - Google Patents
一种燃煤电厂的控制逻辑最长执行时间的预测方法及系统 Download PDFInfo
- Publication number
- CN113485258B CN113485258B CN202110649683.3A CN202110649683A CN113485258B CN 113485258 B CN113485258 B CN 113485258B CN 202110649683 A CN202110649683 A CN 202110649683A CN 113485258 B CN113485258 B CN 113485258B
- Authority
- CN
- China
- Prior art keywords
- control logic
- control
- execution time
- function block
- power plant
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 18
- 238000013461 design Methods 0.000 claims description 30
- 238000004519 manufacturing process Methods 0.000 claims description 9
- 238000012217 deletion Methods 0.000 claims description 4
- 230000037430 deletion Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 12
- 238000012544 monitoring process Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32339—Object oriented modeling, design, analysis, implementation, simulation language
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Stored Programmes (AREA)
Abstract
本发明公开了一种燃煤电厂的控制逻辑最长执行时间的预测方法,包括以下步骤:根据控制逻辑的连接信息建立控制逻辑的语法树;计算语法树中功能块的最长执行时间,根据功能块的最长执行时间通过递归计算得到语法树中根节点的最长执行时间;计算控制逻辑中各类型变量的读写时间;各类型变量的读写时间和语法树中根节点的最长执行时间相加,得到控制逻辑最长执行时间。本发明为设置控制逻辑的运行周期时提供参考数据,从而保证控制逻辑在设置的周期内完成执行,保证整个燃煤电厂的分散控制系统的正常运行。
Description
技术领域
本发明属于燃煤电厂分散控制系统技术领域,具体属于一种燃煤电厂的控制逻辑最长执行时间的预测方法及系统。
背景技术
目前火力发电厂主要使用分散控制系统(Distributed Control System,简称DCS)来控制生产过程,其中DCS软件是整个控制系统的重要组成部门,DCS软件中包括工程师站和操作员站两个子系统,工程师站主要负责完成逻辑组态和画面组态,完成控制系统设计阶段的工作,逻辑组态的主要过程为控制站管理、硬件设备组态、IO变量组态、控制逻辑组态;控制站对应一个或者一组冗余控制器;硬件设备组态是将电厂控制现场中的IO卡件添加到其所连接的控制器对应的控制站中;IO变量组态是给控制站中IO卡件的信道关联变量,用于表示该信道对应的输入/输出值;控制逻辑组态是使用IO变量和功能块设计功能块图,并且编译下装到控制器中作为控制程序运行。画面组态是将控制逻辑中的变量关联到画面图元中,并且设置图元的动态特性,画面图元对应于电厂现场的硬件设备,组态得到的监控画面可以运行在操作员站子系统实现生产过程中的设备监控。操作员站主要负责控制系统运行阶段的监控工作,控制器通过IO卡件采集到的实时数据会通过服务器周期性发送到监控画面中,操作员还可以通过画面图元的操作面板来控制设备,通过给控制器下发指令转到手动控制模式进行手动控制。目前现有的DCS均无法支持智能算法功能块以及智能控制,而智慧电厂的智能控制是未来火力发电厂的唯一出路,可以提高生产效率,达到更加安全、高效、环保的生产目标,因此需要一套适应工业新时代要求的DCS。
本方法主要针对智慧电厂中控制逻辑的最长执行时间展开研究,DCS中控制器属于硬实时系统,而控制逻辑需要编译成控制程序下装到控制器中运行,所以需要保证每个控制逻辑在指定时间内完成,否则将会产生不可预计的后果,对整个电厂控制系统产生影响。另一方面,目前DCS中并未提供控制逻辑最长执行时间预测计算的功能,工程师设置控制逻辑的运行周期完全依靠自身的经验,系统也未提供控制逻辑以及控制器运行周期的验证,这种情况的主要问题是在某些情况下无法保证控制逻辑在设置的周期内完成执行,例如三个控制逻辑设置的运行周期均为200ms,而在最坏情况下它们的执行时间超过200ms,将会影响到控制器中的所有控制程序,也会对生产设备产生影响。
发明内容
为了解决现有技术中存在的问题,本发明提供一种燃煤电厂的控制逻辑最长执行时间的预测方法及系统,解决目前智慧燃煤电厂缺少控制逻辑最长执行时间预测计算功能,工程师设置控制逻辑的运行周期完全依靠自身的经验,导致无法保证控制逻辑在设置的周期内完成执行,影响整个智慧燃煤电厂的运行的问题。
为实现上述目的,本发明提供如下技术方案:一种燃煤电厂的控制逻辑最长执行时间的预测方法,包括以下步骤:
根据控制逻辑的连接信息建立控制逻辑的语法树;
计算语法树中功能块的最长执行时间,根据功能块的最长执行时间通过递归计算得到语法树中根节点的最长执行时间;
计算控制逻辑中各类型变量的读写时间;
各类型变量的读写时间和语法树中根节点的最长执行时间相加,得到控制逻辑最长执行时间。
进一步的,得到控制逻辑最长执行时间还包括:
根据控制逻辑最长执行时间修改控制逻辑的运行周期信息并进行保存;
将修改后的控制逻辑下装到控制器中,根据每个控制逻辑的最长执行时间对控制器的运行周期进行检查;
电厂的分散控制系统进入运行阶段时,控制器使用采集到的现场设备数据作为控制程序的输入,周期性地执行不同控制逻辑,并将每次控制逻辑的运行结果更新到输出信号中用于控制物理设备,同时将实时的现场设备数据和控制逻辑的运行结果以及更新后的输出信号上传至服务器中;
服务器中的智能控制程序根据上传的实时数据更新智能控制变量,并且下装到控制器中,完成电厂的智能控制生产过程。
进一步的,根据控制逻辑的连接信息建立控制逻辑的语法树前,控制逻辑需进行预处理,所述控制逻辑的预处理包括以下步骤:
读取控制逻辑中的功能块信息、连接信息和各类型变量信息并记录功能块数量和各类型变量数量;
将控制逻辑中连接信息中的变量删除,将连接信息中的功能块之间通过变量的间接连接关系转变为直接连接关系。
进一步的,根据控制逻辑的连接信息建立控制逻辑的语法树的具体步骤如下:
根据控制逻辑的连接信息建立控制逻辑的语法树,根据控制逻辑的连接信息和功能块的类型为控制逻辑的每个功能块创建相应的语法树节点并加入语法树结构中。
进一步的,计算语法树中功能块的最长执行时间的具体步骤如下:
根据功能块的源程序构建控制流程图,所述控制流程图包括基本块、开始结束节点和有向边;
根据控制流程图中入边和出边的状态以及控制流程图的约束信息得到控制流程图中每个基本块的最大执行次数;
计算出每个基本块中所有程序语句的执行时间;
根据流程图中基本块的最大执行时间和基本块中所有程序语句的执行时间计算出功能块的最大执行时间。
进一步的,所述控制流程图的约束信息包括每个基本块的入边执行次数之和等于基本块的出边执行次数之和,开始结束节点的执行次数为1。
进一步的,控制逻辑的建立过程包括以下步骤:
在分散控制系统中进行硬件组态,将现场的控制器作为控制站添加到分散控制系统中,每个控制器连接的IO卡件设备应该添加在对应的控制站下;
IO变量组态,为控制站下的每个硬件设备的信道关联IO变量;
添加智能功能块和远程功能块;
控制逻辑组态设计。
进一步的,添加智能功能块和远程功能块的具体步骤如下:将智能控制程序通过智能算法功能块添加到电厂的分散控制系统中,将服务器中的远程智能控制变量添加到电厂的分散控制系统中。
本发明还提供一种燃煤电厂的控制逻辑最长执行时间的预测方法的系统,包括逻辑组设计模块,所述逻辑组设计模块包括控制站管理、设备组态设计、IO变量组态设计、控制逻辑语法检查、控制逻辑最长执行时间计算;
所述控制站管理用于负责控制站的添加、删除和属性设置;
所述设备组态设计用于控制站下硬件设备的添加、删除和属性设置;
所述IO变量组态设计用于与硬件设备信道关联的IO变量的管理;
所述控制逻辑语法检查用于为用户提供语法检查功能;
所述控制逻辑最长执行时间计算用于预测控制逻辑最长执行时间。
进一步的,还包括功能块管理模块和变量管理模块;
所述逻辑组态设计模块还用于完成硬件组态和IO变量组态;
所述功能块管理模块用于将智能控制程序通过智能算法功能块添加到电厂的分散控制系统中,将服务器中的远程智能控制变量添加到电厂的分散控制系统中;
所述变量管理模块用于与逻辑组态设计模块结合完成逻辑组态设计。
与现有技术相比,本发明至少具有以下有益效果:
本发明提供一种燃煤电厂的控制逻辑最长执行时间的预测方法,采用语法树的思想将组态得到的控制逻辑转换成语法树结构,然后根据语法树结构计算语法树中功能块的最长执行时间,通过递归计算得到根节点的最长执行时间即为控制器执行程序的最长执行时间,其中在计算过程中使用隐式路径枚举技术计算功能块的最长执行时间;最后计算出控制逻辑中各种类型变量的读写时间,加上语法树计算得到的时间即为整个控制逻辑的最长执行时间。本发明在获取到控制器的处理器分析模型后,能够计算出控制逻辑安全的最长执行时间,安全是指计算得到的最长执行时间大于等于实际情况下的最长执行时间,能够满足工程师的要求,为设置控制逻辑的运行周期时提供参考数据,从而保证控制逻辑在设置的周期内完成执行,保证整个燃煤电厂的分散控制系统的正常运行。
进一步的,在得到控制逻辑最长执行时间后生成编译执行程序的组态文件,并将该组态文件下装到控制器,使用该时间信息验证控制器以及控制逻辑的运行周期是否合理,提前发现潜在的运行时间问题,能够及时进行预防,减少经济损失。
进一步的,控制逻辑的预处理中将连接信息的变量删除可以加快语法树的构建速度,删除变量以后连接关系中只剩下功能块,可以直接根据功能块的类型来生成语法树节点,避免控制逻辑中变量带来的干扰。
进一步的,由于控制逻辑的逻辑结构与语法树结构十分相似,控制逻辑中的功能块对应于语法树中的节点,只需要根据功能块类型添加少量的SEQ节点和CON节点,很容易建立起语法树。
进一步的,语法树中最主要(大部分)的节点属于功能块节点,整个语法树的最长执行时间会受到每个节点的影响,所以必须对功能块的最长执行时间进行计算。功能块计算中采用基于隐式路径枚举技术的优点在于控制逻辑中的功能块源程序最终需要编译后下装到控制器中,基于隐式路径枚举技术计算得到的最长执行时间不会受到编译器优化的影响,而且计算速度较快,精确性比较高。
进一步的,添加智能控制程序可以生成智能功能块,控制逻辑中通过使用智能功能块可以根据读取的设备数据实时自动对控制参数进行微调,实现智能控制的一部分;远程智能控制变量是可以在控制器运行过程中对控制参数进行较大的调整,这两者结合实现智能控制。
本发明还提供一种燃煤电厂的控制逻辑最长执行时间的预测系统,能够预测控制逻辑最长执行时间,给工程师提供量化的执行时间信息,目前工程师设置控制逻辑周期、控制器周期主要依靠经验,提供量化的时间信息可以设置更准确的周期,明确控制器的运行时间。
进一步的,本发明的预测系统可以支持智能控制程序(即为智能算法功能块)、远程智能控制变量,功能块功能强大,可扩展性好,可以添加新的智能功能块和智能控制变量,适应第四代智慧电厂的需要。
附图说明
图1为本发明中控制逻辑最长执行时间计算流程图;
图2为本发明中功能块图转换为语法树的示意图;
图3为本发明中语法树节点最长执行时间计算方法示意图;
图4为本发明中功能块使用的控制流程图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步的说明。
本发明提供一种燃煤电厂的控制逻辑最长执行时间的逻辑组态设计管理系统,包括逻辑组态设计、功能块管理、变量管理三个核心模块。
逻辑组态设计模块分为控制站管理、设备组态设计、IO变量组态设计、控制逻辑设计、控制逻辑语法检查、控制逻辑最长执行时间计算。控制站管理负责控制站的添加、删除、属性设置;设备组态设计负责控制站下硬件设备的添加、删除、属性设置;IO变量组态设计负责与硬件设备信道关联的IO变量的管理;控制逻辑编辑完成控制程序的设计;控制逻辑语法检查为用户提供语法检查功能;功能块数据流排序是按照执行顺序将控制逻辑中的功能块进行排序,并将执行序号显示在功能块上;控制逻辑最长时间计算是预测控制逻辑在控制器中的最长执行时间。
功能块管理模块分为组合功能块管理、远程功能块管理、智能算法功能块管理、基础功能块库。组合功能块管理负责组合功能块的添加、删除、修改,通过基础功能块组合连接形成新的功能块;远程功能块管理主要负责远程功能块的添加、删除、修改;智能功能块管理负责智能功能块的添加、删除、配置信息修改;基础功能块库为组合功能块、控制逻辑设计提供基础功能块。
变量管理模块包括局部变量、全局变量、IO变量、网络变量以及域间引用变量的管理,。系统中包括多个机组,一个机组中有多个控制站,一个控制站对应一个控制器,其中包含多个硬件设备,每个控制站下面可以有多个控制逻辑文件。局部变量作用范围是某个控制逻辑,IO变量是由IO变量组态设计得到,全局变量与网络变量作用范围是整个控制站,网络变量的作用范围是同一机组的不同控制站之间,域间引用变量作用范围是不同机组之间。所有变量都是在控制逻辑设计中使用的,主要是为控制逻辑的实现提供支持。
在本实施例中,还包括画面组态系统、数据通信服务系统、故障报警管理系统、编译系统,本系统为画面组态系统提供变量支持,画面组态中使用的变量都是逻辑组态系统中的变量,监控画面中需要使用变量的实时值;为故障报警管理系统提供报警设置;为编译系统提供逻辑组态文件,编译得到可执行程序通过数据通信服务系统下装到控制器中。其中,画面组态系统、数据通信服务系统、故障报警管理系统和编译系统共同完成控制逻辑最长执行时间下装到控制器对控制器的运行周期进行检查,并在电厂的分散控制系统进入运行阶段时,完成电厂的智能控制生产过程工作。
本实施例中,本发明还提供一种燃煤电厂的控制逻辑最长执行时间的预测方法,包括以下步骤:
步骤1、工程师在工程师站子系统中完成硬件组态、IO变量组态、控制逻辑组态。
具体的,通过硬件组态将电厂的分散控制系统中的控制器关联IO卡件;
设计好电厂现场的硬件设备布局,并且给硬件设备按照KKS编码规则进行编码,工程师在分散控制系统中添加控制站,并且在控制站下添加硬件设备,根据每个硬件设备的物理连接方式给硬件设备信道关联上IO变量;
然后进行控制逻辑组态,通过从功能块库中拖拽功能块、连接功能块、关联变量编辑控制逻辑。
经过上述步骤,控制逻辑通过IO卡件信道上关联的IO变量读取数据。IO卡件的每个信道可以连接现场的物理设备,可以采集或者输出数据到物理设备中;信道另一端连接的是控制器,与控制器之间通过IO变量进行数据输入或输出,使用IO卡件作为桥梁进行传输。
具体的,步骤12:工程师添加智能算法功能块、远程功能块,将智能控制程序通过智能算法功能块添加到系统中,远程功能块是将服务器中的远程智能控制变量添加到系统中,可以在控制逻辑组态中使用。
步骤13:工程师进行控制逻辑组态设计,通过从功能块库中拖拽功能块添加到功能块图中进行连接组合出具体的控制逻辑,并且配置功能块端口的属性信息包括输入输出的最值、报警信息等,控制逻辑中功能块的输入输出口可以关联IO变量,关联以后这个功能块的输入/输出数据就可以与对应的IO卡件信道建立连接关系,通过读取变量、输出到变量就可以读取卡件中的数据、输出数据到卡件中。
步骤2、工程师通过语法检查功能检查控制逻辑中的语法错误,语法检查通过后才能进行下一步。
具体的,系统会从控制逻辑中获取连接信息来进行语法检查,其中控制逻辑语法的主要规则如下:(1)连接起来的功能块端口数据类型需要匹配;(2)连接是有向的,只能从功能块的输出端口到输入端口;(3)连接线两端都必须连在功能块端口上;(4)功能块的输出端口不能连接到自己的输入端口;(5)一个端口连接多个端口的情况需要使用变量;(6)功能块命名在控制逻辑中必须是唯一的;(7)输入输出类型功能块关联的变量必须是已经创建的变量;(8)每个功能块都要被连接;(9)输入输出、远程功能块必须关联变量。控制逻辑中存在语法错误时需要工程师进行修改。
步骤3、工程师使用语法树中根节点的最长执行时间计算出控制逻辑的最长执行时间。
具体的,该功能包括预处理、创建语法树、计算语法树节点最长执行时间、计算控制逻辑最长执行时间,参阅图1,该步骤具体方法如下:
1)、系统对控制逻辑信息进行预处理。
具体的,分散控制系统先读取控制逻辑中的功能块信息、连接信息和各类型变量信息,并记录控制逻辑中的各类型变量数量以及功能块数量,然后将控制逻辑中的连接信息中的变量去除,将连接信息中的功能块之间通过变量的间接连接关系变为直接连接,将处理好的功能块信息以及连接信息保存。
2)、分散控制系统根据预处理过的信息建立起整个控制逻辑的语法树,该语法树以SEQ节点为根节点。
具体的,系统扫描整个控制逻辑,根据功能块的类型以及连接信息为其中每个功能块创建相应的语法树节点或者子树并且加入到语法树结构中,常见的功能块图以及转换得到的语法树结构图参阅图2,图中带CON标记的功能块代表条件分支类型的功能块。根据控制逻辑中功能块的类型得到语法树节点有以下三种类型:SEQ节点,表示顺序结构节点,其子节点都是顺序结构,在控制逻辑中顺序执行;CON节点,表示条件分支节点,其子节点包括一个条件分支类型的功能块节点以及多个SEQ节点或者CON节点;CODE节点,表示功能块节点,需要计算功能块源程序的最长执行时间。
3)、系统递归计算得到根节点的最长执行时间,也就是整个语法树中执行时间最长的路径所消耗的时间。
具体的,系统对语法树根节点的最长执行时间进行计算,系统通过递归的方法计算其子节点的最长执行时间,最终得到根节点的时间。SEQ节点、CON节点的最长执行时间与其子节点最长执行时间的关系参阅图3,由此可以计算出这两种节点的最长执行时间;
关于CODE节点最长执行时间的计算,本发明使用了基于隐式路径枚举技术,对功能块的源程序进行分析,为其建立一个控制流程图,然后根据其中基本块的最大执行次数和执行时间来计算出功能块的最长执行时间,根据功能块的最长执行时间通过递归计算得到语法树中根节点的最长执行时间。
功能块的控制流程图参阅图4,根据此控制流程图说明计算功能块最长执行时间的具体方法如下:
(1)根据功能块的源程序构建控制流程图,控制流程图中包括基本块、开始结束节点、有向边,每个基本块节点包括一条或多条程序语句;
(2)计算每个基本块的最大执行次数。控制流程图中的约束信息为:每个基本块的入边执行次数之和等于其出边执行次数之和,也等于基本块的执行次数;开始结束节点执行次数为1。
根据流程图中入边和出边的状态以及上述约束信息可以得到图中每个基本块的最大执行次数,图4基本块旁边的数字即表示其最大执行次数;
(3)通过控制器的处理器分析模型计算出每个基本块中所有程序语句的执行时间;
(4)根据流程图中基本块的最大执行次数以及基本块中所有程序语句的执行时间计算出功能块的最大执行时间,采用递归计算得到语法树中根节点的最长执行时间,语法树中根节点的最长执行时间即为语法树最长执行时间。
4)预测系统计算出类型变量的读写时间,与上一步中的语法树最长执行时间相加得到整个控制逻辑的最长执行时间。
步骤4:整个控制逻辑的最长执行时间发送给工程师站子系统,工程师保存控制逻辑文件,分散控制系统根据功能块图自动生成用于编译执行程序的组态文件。
步骤5:工程师根据步骤3中的控制逻辑的最长执行时间修改控制逻辑的运行周期信息并且进行保存。
步骤6:工程师将控制器中的控制逻辑编译下装到控制器中,本预测系统会根据每个控制逻辑的最长执行时间对控制器的运行周期进行检查,确保相同周期的控制逻辑在最坏情况下都可以执行。
步骤7:分散控制系统进入运行阶段,控制器使用IO卡件采集到的现场设备数据作为控制程序的输入,周期性地执行不同控制逻辑,并将每次控制逻辑的运行结果更新到输出信号中用于控制设备,其中输出信号为IO变量中的输出变量,同时将实时的现场设备数据和控制逻辑的运行结果以及更新后的输出信号上传至服务器中。
步骤8:服务器将监控画面中的数据分发到各个操作员站,操作员站子系统将实时数据更新到监控页面;服务器中的智能控制程序根据上传的实时数据更新智能控制变量,并且下装到控制器中,完成电厂的智能控制生产过程。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求所述的保护范围为准。
Claims (9)
1.一种燃煤电厂的控制逻辑最长执行时间的预测方法,其特征在于,包括以下步骤:
根据控制逻辑的连接信息建立控制逻辑的语法树;
计算语法树中功能块的最长执行时间,根据功能块的最长执行时间通过递归计算得到语法树中根节点的最长执行时间;
计算控制逻辑中各类型变量的读写时间;
各类型变量的读写时间和语法树中根节点的最长执行时间相加,得到控制逻辑最长执行时间;
根据控制逻辑的连接信息建立控制逻辑的语法树前,控制逻辑需进行预处理,所述控制逻辑的预处理包括以下步骤:
读取控制逻辑中的功能块信息、连接信息和各类型变量信息并记录功能块数量和各类型变量数量;
将控制逻辑中连接信息中的变量删除,将连接信息中的功能块之间通过变量的间接连接关系转变为直接连接关系。
2.根据权利要求1所述的一种燃煤电厂的控制逻辑最长执行时间的预测方法,其特征在于,得到控制逻辑最长执行时间还包括:
根据控制逻辑最长执行时间修改控制逻辑的运行周期信息并进行保存;
将修改后的控制逻辑下装到控制器中,根据每个控制逻辑的最长执行时间对控制器的运行周期进行检查;
电厂的分散控制系统进入运行阶段时,控制器使用采集到的现场设备数据作为控制程序的输入,周期性地执行不同控制逻辑,并将每次控制逻辑的运行结果更新到输出信号中用于控制物理设备,同时将实时的现场设备数据和控制逻辑的运行结果以及更新后的输出信号上传至服务器中;
服务器中的智能控制程序根据上传的实时数据更新智能控制变量,并且下装到控制器中,完成电厂的智能控制生产过程。
3.根据权利要求1所述的一种燃煤电厂的控制逻辑最长执行时间的预测方法,其特征在于,根据控制逻辑的连接信息建立控制逻辑的语法树的具体步骤如下:
根据控制逻辑的连接信息建立控制逻辑的语法树,根据控制逻辑的连接信息和功能块的类型为控制逻辑的每个功能块创建相应的语法树节点并加入语法树结构中。
4.根据权利要求1所述的一种燃煤电厂的控制逻辑最长执行时间的预测方法,其特征在于,计算语法树中功能块的最长执行时间的具体步骤如下:
根据功能块的源程序构建控制流程图,所述控制流程图包括基本块、开始结束节点和有向边;
根据控制流程图中入边和出边的状态以及控制流程图的约束信息得到控制流程图中每个基本块的最大执行次数;
计算出每个基本块中所有程序语句的执行时间;
根据流程图中基本块的最大执行时间和基本块中所有程序语句的执行时间计算出功能块的最大执行时间。
5.根据权利要求4所述的一种燃煤电厂的控制逻辑最长执行时间的预测方法,其特征在于,所述控制流程图的约束信息包括每个基本块的入边执行次数之和等于基本块的出边执行次数之和,开始结束节点的执行次数为1。
6.根据权利要求1所述的一种燃煤电厂的控制逻辑最长执行时间的预测方法,其特征在于,控制逻辑的建立过程包括以下步骤:
在分散控制系统中进行硬件组态,将现场的控制器作为控制站添加到分散控制系统中,每个控制器连接的IO卡件设备应该添加在对应的控制站下;
IO变量组态,为控制站下的每个硬件设备的信道关联IO变量;
添加智能功能块和远程功能块;
控制逻辑组态设计。
7.根据权利要求1所述的一种燃煤电厂的控制逻辑最长执行时间的预测方法,其特征在于,添加智能功能块和远程功能块的具体步骤如下:将智能控制程序通过智能算法功能块添加到电厂的分散控制系统中,将服务器中的远程智能控制变量添加到电厂的分散控制系统中。
8.实现权利要求1-7任意一项所述的一种燃煤电厂的控制逻辑最长执行时间的预测方法的系统,其特征在于,包括逻辑组设计模块,所述逻辑组设计模块包括控制站管理、设备组态设计、IO变量组态设计、控制逻辑语法检查、控制逻辑最长执行时间计算;
所述控制站管理用于负责控制站的添加、删除和属性设置;
所述设备组态设计用于控制站下硬件设备的添加、删除和属性设置;
所述IO变量组态设计用于与硬件设备信道关联的IO变量的管理;
所述控制逻辑语法检查用于为用户提供语法检查功能;
所述控制逻辑最长执行时间计算用于预测控制逻辑最长执行时间。
9.根据权利要求8所述的一种燃煤电厂的控制逻辑最长执行时间的预测方法的系统,其特征在于,还包括功能块管理模块和变量管理模块;
所述逻辑组态设计模块还用于完成硬件组态和IO变量组态;
所述功能块管理模块用于将智能控制程序通过智能算法功能块添加到电厂的分散控制系统中,将服务器中的远程智能控制变量添加到电厂的分散控制系统中;
所述变量管理模块用于与逻辑组态设计模块结合完成逻辑组态设计。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110649683.3A CN113485258B (zh) | 2021-06-10 | 2021-06-10 | 一种燃煤电厂的控制逻辑最长执行时间的预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110649683.3A CN113485258B (zh) | 2021-06-10 | 2021-06-10 | 一种燃煤电厂的控制逻辑最长执行时间的预测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113485258A CN113485258A (zh) | 2021-10-08 |
CN113485258B true CN113485258B (zh) | 2022-10-25 |
Family
ID=77934634
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110649683.3A Active CN113485258B (zh) | 2021-06-10 | 2021-06-10 | 一种燃煤电厂的控制逻辑最长执行时间的预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113485258B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021068617A1 (zh) * | 2019-10-12 | 2021-04-15 | 平安国际智慧城市科技股份有限公司 | 任务处理时间自动预测方法、装置、电子设备及介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2927763B1 (en) * | 2014-04-04 | 2019-06-19 | Abb Ag | System and method for an optimized operation of real-time embedded solutions in industrial automation |
CN109839901A (zh) * | 2017-11-24 | 2019-06-04 | 友嘉实业股份有限公司 | 加工时间预估系统 |
EP3540539A1 (de) * | 2018-03-15 | 2019-09-18 | Siemens Aktiengesellschaft | Verfahren zur rechnergestützten simulation des betriebs einer automatisiert arbeitenden maschine |
CN109542069B (zh) * | 2018-12-17 | 2021-03-09 | 上海交通大学 | 一种基于时间与事件混合驱动的分布式控制系统及方法 |
CN109800171A (zh) * | 2019-01-25 | 2019-05-24 | 上海创景信息科技有限公司 | 基于混合分析的最坏时间分析系统及方法 |
-
2021
- 2021-06-10 CN CN202110649683.3A patent/CN113485258B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021068617A1 (zh) * | 2019-10-12 | 2021-04-15 | 平安国际智慧城市科技股份有限公司 | 任务处理时间自动预测方法、装置、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113485258A (zh) | 2021-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110376959B (zh) | 一种基于fpga平台的软plc组态软件生成系统 | |
CN103092072B (zh) | 磨矿过程运行控制实验系统及方法 | |
CN1694025A (zh) | 基于人工智能的火电厂自动控制系统 | |
CN113225994B (zh) | 一种面向数据中心的智能空调控制方法 | |
CN113485258B (zh) | 一种燃煤电厂的控制逻辑最长执行时间的预测方法及系统 | |
CN110968308A (zh) | 一种用于改变用于生成源代码的模型的方法 | |
CN103425055A (zh) | 一种半虚拟式的控制系统功能测试装置及方法 | |
CN101351801A (zh) | 再构成语句的方法以及具有该功能的计算机系统 | |
Basile et al. | A two-stage modelling architecture for distributed control of real-time industrial systems: Application of UML and Petri Net | |
WO2014204635A1 (en) | Cyber-physical systems programmable logic controller | |
CN114064012B (zh) | 一种动静结合的接口代码生成方法、系统及电子设备 | |
CN112148271B (zh) | 一种装配工艺代码自动生成与注入的方法 | |
CN106874014A (zh) | 基于模型和框架的三层代码生成方法 | |
CN109583026B (zh) | 一种基于Petri网出现序列的继电保护业务建模方法及系统 | |
CN111105140A (zh) | 一种配电网运行状态风险综合评估方法 | |
CN116317110B (zh) | 考虑源荷双侧波动的电网调度操作预演方法和系统 | |
US20220019709A1 (en) | Method for updating a description of an automation system | |
CN117055869B (zh) | 基于算盘的离散事件仿真图形化建模方法 | |
Okolnishnikov et al. | Monitoring system development using simulation | |
Gavrilov | Development of a wireless sensor network simulator using energy-efficient traffic routing methods | |
CN117313188B (zh) | 一种基于m语言的生产系统离散事件仿真优化方法及系统 | |
CN117335416B (zh) | 一种用电负荷优化的方法、装置、设备及存储介质 | |
Horiguchi et al. | Integrated Energy Management System Platform | |
Ouyang et al. | Long-term Demand Forecasting in Sichuan Province in the Presence of Electricity Transaction | |
Schumacher et al. | Requirements and obstacles for the transformation of GRAFCET specifications into IEC 61131–3 PLC programs |
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 |