CN113759726B - 一种天然气加臭控制系统及其控制方法 - Google Patents
一种天然气加臭控制系统及其控制方法 Download PDFInfo
- Publication number
- CN113759726B CN113759726B CN202111136077.8A CN202111136077A CN113759726B CN 113759726 B CN113759726 B CN 113759726B CN 202111136077 A CN202111136077 A CN 202111136077A CN 113759726 B CN113759726 B CN 113759726B
- Authority
- CN
- China
- Prior art keywords
- control
- odorizing
- tht
- value
- optimization
- 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
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 title claims abstract description 84
- 239000003345 natural gas Substances 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000005457 optimization Methods 0.000 claims abstract description 59
- 238000005096 rolling process Methods 0.000 claims abstract description 25
- 238000001514 detection method Methods 0.000 claims abstract description 10
- 238000012937 correction Methods 0.000 claims abstract description 7
- 239000002737 fuel gas Substances 0.000 claims abstract description 3
- 239000000243 solution Substances 0.000 claims description 55
- 239000007789 gas Substances 0.000 claims description 43
- 238000002347 injection Methods 0.000 claims description 37
- 239000007924 injection Substances 0.000 claims description 37
- 239000011159 matrix material Substances 0.000 claims description 31
- 239000007788 liquid Substances 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 14
- 230000007246 mechanism Effects 0.000 claims description 11
- 239000006200 vaporizer Substances 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 9
- 238000013459 approach Methods 0.000 claims description 4
- 238000000926 separation method Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 238000004886 process control Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 238000011217 control strategy Methods 0.000 abstract description 2
- 239000007921 spray Substances 0.000 description 13
- 238000004088 simulation Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 239000003795 chemical substances by application Substances 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 239000000203 mixture Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- RAOIDOHSFRTOEL-UHFFFAOYSA-N tetrahydrothiophene Chemical compound C1CCSC1 RAOIDOHSFRTOEL-UHFFFAOYSA-N 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D3/00—Arrangements for supervising or controlling working operations
- F17D3/12—Arrangements for supervising or controlling working operations for injecting a composition into the line
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mechanical Engineering (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Medical Informatics (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开一种天然气加臭控制系统及其控制方法,其系统包括加臭装置单元、检测单元、电源动力单元、MPC控制单元和上位机,其控制方法采用MPC优化控制,包括预测系统未来动态、滚动优化、优化控制量和反馈校正;本发明在天然气管道内设有鼓风恒温装置,并利用鼓风恒温装置使管道内部停留较久的THT和燃气再次充分混合,从而减小系统预测值误差,提出模型预测控制算法的控制策略,并对加臭控制系统进行跟踪性能和抗干扰性能测试,提高了THT与天然气混合的均匀程度和抗干扰性,还改善了系统的鲁棒性,其总体性能优于基于PID和LQR算法的控制系统,且优化后的MPC算法在加臭控制系统下优于传统的MPC算法。
Description
技术领域
本发明涉及天然气加臭剂浓度控制技术领域,尤其涉及一种天然气加臭控制系统及其控制方法。
背景技术
燃气加臭是一个频繁变化的过程,实现加臭剂浓度在瞬态条件下的实时控制优化是一个极具挑战性的问题,目前我国城市燃气存在着燃气用户终端的THT浓度不稳定和未达标的问题,确保燃气用户终端的加臭剂浓度在国家标准范围内,对保护燃气使用者和燃气企业具有重要的意义,传统加臭装置喷头装置采用单模式单注入口,且传统的加臭控制装置并未考虑用气低峰期时原本均匀混合的THT和燃气会分离的情况;
目前,大部分加臭控制采用PID控制算法,PID控制算法是根据控制对象输出反馈来进行校正的控制方式,它是在测量出实际与计划发生偏差时,按定额或标准来进行纠正的,常用的经典控制算法PID虽然响应速度快,不需要加臭控制模型,但是加臭过程中环境复杂、输送管道过长,控制模型具有非线性、大惯性和滞后性等特点,PID很难满足条件,还有一种LQR算法虽然能够对过程进行控制,但是需要精确的系统模型,在管道内随着时间的变化,管道内的温度压强等影响因素都会影响该模型,模型参数随时微变,很难保证模型的准确度,因此,本发明提出一种天然气加臭控制系统及其控制方法以解决现有技术中存在的问题。
发明内容
针对上述问题,本发明的目的在于提出一种天然气加臭控制系统及其控制方法,该控制方法结合优化后的MPC算法控制,将加臭站的电磁泵注入THT值的量作为控制优化量,相比基于PID算法的控制响应时间短数十倍,系统的抗干扰性能更高,系统的鲁棒性更好。
为了实现本发明的目的,本发明通过以下技术方案实现:一种天然气加臭控制系统,包括加臭装置单元、检测单元、电源动力单元、MPC控制单元和上位机,所述加臭装置单元包括单片机控制器、计量泵、阀门和储罐,所述上位机向单片机控制器发送控制量数据和相关指令,所述单片机控制器接收控制量数据和相关指令,后分别向阀门和计量泵发送控制开关指令和频率脉冲指令,阀门打开后,储罐中的THT流入计量泵的输入口,计量泵的输出口连接有天然气管道,计量泵根据脉冲频率向天然气管道内注入THT,天然气管道内设有鼓风恒温装置;
所述检测单元包括天然气流量计和THT在线检测仪,所述天然气流量计用于测量燃气出口处的天然气流量,所述THT在线检测仪用于测量燃气用户终端THT浓度值,当检测单元完成数据采集后,将数据打包反馈给上位机;
所述MPC控制单元结合上位机发送的数据进行新一轮的THT输入量预测,并根据新的参考轨迹和预测模型进行滚动优化,将滚动优化的最优解进行再优化后再将预测的THT输入控制量反馈给上位机。
进一步的,所述加臭装置单元还包括加臭装置,所述加臭装置包括计量泵(1)、汽化器(2)、注液主管(3)、磁液位计(4)和喷头机构(5),所述汽化器(2)设于计量泵(1)顶端,所述汽化器(2)通过注液主管(3)与喷头机构(5)连接,所述磁液位计(4)安装于注液主管(3)上,所述喷头机构(5)包括小喷头(501)、中喷头(502)、大喷头(503)和注液分管(504),所述小喷头(501)、中喷头(502)和大喷头(503)通过注液分管(504)与注液主管(3)连接。
进一步的,所述电源动力单元给整个系统供电,根据不同设备的性能指标和额定功率分别进行供电。
一种天然气加臭控制系统的控制方法,包括以下步骤:
步骤一:预测系统未来动态
对未来一段时间内的输出进行预测;
步骤二:滚动优化
滚动进行有限时域在线优化;
步骤三:优化控制量
对滚动优化后的最优解进行再优化;
步骤四:反馈校正
通过预测误差反馈,修正预测模型,提高预测精度。
进一步的,所述步骤一的具体操作步骤为:先采用二阶加时滞的形式表示燃气加臭过程控制模型,其传递函数表示为:
其中,T1和T2为时间常数,e-τs为时滞部分,τ表示管网长度所引发的纯滞后时间,K表示传递系数,再将加臭控制系统模型的传递函数进行离散化,并将离散化的系统用状态空间模型表示,当获取到k时刻的燃气用户终端输出THT浓度量、电磁泵输入量和外部干扰变量,根据实际情况调整参数即得k+1时刻的输出变量,离散系统的状态空间模型如下:
x(k+1)=Ax(k)+Bu(k)+Cd(k)
y(k)=Dx(k)
其中x(k)为状态变量,u(k)为控制输入变量,d(k)为可用测量的外部干扰变量,y(k)为被控输出变量,式中:
C=0,/>
进一步的,所述步骤二的具体操作步骤为:先根据燃气用户终端THT浓度输出值采用一阶滤波算法构建参考轨迹:
yr(k+i)=αiy(k)+(1-αi)yt,0<α<1
其中,y(k)表示当前THT浓度值,yt表示目标THT浓度值,TS为采样周期,T为参考轨迹的时间常数,当α越大,轨迹曲线越平滑地接近目标THT浓度值;
表示为
其中,yr(k+j)表示k+j时刻期望的THT浓度预测值,P表示预测步长;
为引入积分以减小或消除静态误差,用控制量的增量表示所耗能量大小可表示为:
其中,L表示控制步长,Δu(k+j-1)表示k+j-1时刻电磁泵的控制量的增量;
根据参考轨迹值和预测模型的预测输出值确定电磁泵每次加THT的量,滚动优化通过优化性能指标J来确定未来的控制输出,根据加臭控制系统对系统性能的不同要求,用带有权值的表达式表示该性能指标:
其中,P表示预测步长,L表示控制步长,q表示误差权系数,r表示控制权系数,yr表示参考轨迹,y(k+j)表示k+j时刻THT浓度值;
两个条件的权值q和r相对大小决定该项条件在系统所占比重大小,当q更大则表示对加臭控制系统的准确度要求更高,当r更大则表示对加臭控制系统的低功耗要求更高;
由得THT浓度最优控制增量矩阵为:
ΔU=(ATQA+R)-1AT(Y-Yr)
ΔU=(ETQE+R)-1ET(Y-Yr)
其中,Q是P×P阶误差权系数矩阵,R是L×L阶控制权系数矩阵,ΔU是L×1阶最优控制增量矩阵,E是P×L阶常数矩阵。
进一步的,所述步骤三的具体操作步骤为:为提升MPC算法的鲁棒性,将P个预测步长的预测解进行再优化,优化过程如下:
设当前时刻及过去P-1个时刻的最优控制增量矩阵为ΔUk、ΔUk-1、ΔUk-2、ΔUk-3、ΔUk-4...ΔUk-P-1,取过去P-1个时刻对应k时刻的预测值和k时刻的预测值组成新的数组ΔU',将这P个预测值进行优化,优化过程如下:
解数组ΔU'中的元素的平均值:
其中,u'i表示ΔU'中的第i个元素,P表示预测步长;
解数组ΔU'中的元素的标准差:
要求标准差σ小于等于预设阈值,若σ大于预设阈值则这组优化解存在与期望优化解偏差较大的解uerr,则将其忽略,不作为优化解的参考值,通过将优化解与平均值做差,差值最大的即为uerr,以此类推,直到满足σ小于等于预设阈值,即开始作加权平均求解优化后的控制量;
加权平均值公式为:
其中,ui表示滚动优化得到的优化解,fi表示第i个优化解对应的权值;
权值fi由ui离平均值的距离的距离决定,距离h:
将h(k)用大小顺序排列组成P×1阶数组H(k),再将ui'(k)按照离平均数距离的近远依次排序组成P×1阶数组Unew(k),加权平均求解优化后的控制量:
将深度优化后的解作用于加臭控制系统,电磁泵的THT注入量为:
u(k)=u(k-1)+Δu(k)。
进一步的,为防止优化目标函数得出的最优控制量出现大幅度的幅值波动,从而导致燃气用户终端THT浓度不稳定,以及电磁泵频繁动作出现损坏问题,采用约束条件进行限幅:
ymin≤y(k+j)≤ymax,1≤j≤P
umin≤u(k+j)≤umax,1≤j≤L
其中,ymin和ymax表示燃气管道末端的THT浓度输出值的最小和最大值;umin和umax表示根据实际情况THT输入量的最小和最大值。
进一步的,所述步骤四的具体操作步骤为:根据第一次燃气用户终端THT浓度值的误差进行调整,依次补偿之后的输出预测值,补偿后的预测值为:
Y0=Yp+Ae(k+1)
其中,Y0表示新的预测输出值矩阵,A表示预测补偿参数矩阵,Yp表示原预测输出矩阵;
在补偿过程中,优化是滚动的,当进入下一时刻,之后的预测值依次往前移动一个时刻,修正后的预测值经过移位成为下一时刻的预测值为:
Y0=SYp
其中,S表示移位矩阵:
本发明的有益效果为:本发明的加臭装置单元的喷头采用多喷头分量注入的方式,可缩短加臭装置的控制时长,在燃气管道内部增加鼓风恒温装置,从而减小系统预测值误差,本发明考虑到运输管道内的温度、压强等因素对燃气用户终端THT浓度的影响,利用鼓风恒温装置使管道内部停留较久的THT和燃气再次充分混合,将加臭站的电磁泵注入THT值的量作为控制优化量,提出模型预测控制算法的控制策略,并对加臭控制系统进行跟踪性能和抗干扰性能测试,提高了THT与天然气混合的均匀程度和抗干扰性,还改善了系统的鲁棒性,其总体性能优于基于PID和LQR算法的控制系统,且优化后的MPC算法在加臭控制系统下优于传统的MPC算法。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的天然气加臭控制系统结构示意图;
图2是本发明的控制天然气加臭剂浓度的方法流程图;
图3是本发明实施例中的基于MPC算法的输入输出仿真图;
图4是本发明实施例中的基于PID算法的输入输出仿真图;
图5是本发明实施例中的基于PID算法的输入输出仿真局部图;
图6是本发明的加臭装置结构示意图;
图7是本发明的喷头机构结构示意图。
其中,1、计量泵;2、汽化器;3、注液主管;4、磁液位计;5、喷头机构;501、小喷头;502、中喷头;503、大喷头;504、注液分管。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”、“第四”等仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
参见图1、6、7,本实施例提供了一种天然气加臭控制系统,包括加臭装置单元、检测单元、电源动力单元、MPC控制单元和上位机,所述加臭装置单元包括单片机控制器、计量泵、阀门和储罐,所述上位机向单片机控制器发送控制量数据和相关指令,所述单片机控制器接收控制量数据和相关指令,后分别向阀门和计量泵发送控制开关指令和频率脉冲指令,阀门打开后,储罐中的THT(四氢噻吩)流入计量泵的输入口,计量泵的输出口连接有天然气管道,计量泵根据脉冲频率向天然气管道内注入THT,天然气管道内设有鼓风恒温装置,传统的加臭控制系统并未考虑用气低峰期时原本均匀混合的THT和燃气会分离的情况,在用户端减少使用燃气的时间段,部分原本与燃气均匀混合的THT降至管道底部,未与燃气充分混合,当两种气体混合不均匀时,上位机通过检测单元的THT在线检测仪反馈的THT浓度值预测和发送的THT控制输入量就不准确,这将会导致用户端THT浓度不正常,为保证燃气管道末端用户THT浓度在正常范围,本实施例在燃气管道内部增加鼓风恒温装置,在用户端用气低峰期时,启动鼓风恒温装置,使管道内部停留较久的THT和燃气再次充分混合,经过一定时刻后,THT在线检测仪再次检测当前浓度,将最新的检测值反馈给上位机进行预测和控制;
所述检测单元包括天然气流量计和THT在线检测仪,所述天然气流量计用于测量燃气出口处的天然气流量,所述THT在线检测仪用于测量燃气用户终端THT浓度值,当检测单元完成数据采集后,将数据打包反馈给上位机;
所述MPC控制单元结合上位机发送的数据进行新一轮的THT输入量预测,并根据新的参考轨迹和预测模型进行滚动优化,将滚动优化的最优解进行再优化后再将预测的THT输入控制量反馈给上位机;
所述电源动力单元给整个系统供电,根据不同设备的性能指标和额定功率分别进行供电;
所述加臭装置单元还包括加臭装置,所述加臭装置包括计量泵1、汽化器2、注液主管3、磁液位计4和喷头机构5,所述汽化器2设于计量泵1顶端,所述汽化器2通过注液主管3与喷头机构5连接,所述磁液位计4安装于注液主管3上,所述喷头机构5包括小喷头501、中喷头502、大喷头503和注液分管504,所述小喷头501、中喷头502和大喷头503通过注液分管504与注液主管3连接,传统加臭装置的喷头装置采用单模式单注入口,本实施例采用多喷头分量注入的方式,即有多个喷头且每个注入口的注入量不同,当夜间只有少数用户使用时,大注入口的阀门关闭,使其处于待机状态,采用小阀门注入,传统加臭装置的THT控制输入量的精度值通常为1mg/次,THT一次注入量为100mg,本发明采用不同大小的注入口,例如:大口注入50mg/次,中口注入5mg/次,小口注入0.1mg/次,使加臭装置的精度更高,喷头注入口的大小不限于三种,可有更多不同精度的注入口,和多精度注入口的不同组合模式,此方式保证了用户端THT浓度的准确性,使加臭装置有低功耗模式,更省电、节约资源,还缩短了加臭装置的控制时长,当加臭装置单元的单片机接收到上位机发送控制量数据和相关指令后,根据控制量数据计算出在最短时间内的注入口开关情况。
参见图2,本实施例还提供了一种天然气加臭控制系统的控制方法,包括以下步骤:
步骤一:预测系统未来动态
对未来一段时间内的输出进行预测,考虑到管道的长度过长带来的时滞和环境因素带来的影响,采用系统辨识将实验现场的数据进行整合,拟合出加臭控制系统模型,用二阶加时滞(Second Order Plus Time Delay,SOPTD)的形式表示加臭控制系统模型,其传递函数表示为:
将加臭控制系统模型的传递函数进行离散化,本发明中将离散化的系统用状态空间模型表示。当获取到k时刻的燃气用户终端输出THT浓度量、电磁泵输入量和外部干扰变量,根据实际情况调整参数即可得k+1时刻的输出变量,离散系统的状态空间模型为:
x(k+1)=Ax(k)+Bu(k)+Cd(k)
y(k)=Dx(k)
其中x(k)是状态变量,u(k)是控制输入变量,d(k)是可用测量的外部干扰变量,y(k)是被控输出变量式中:
C=0,/>
步骤二:滚动优化
滚动进行有限时域在线优化,滚动优化目的是将预测输出值最大限度地平滑地接近目标值,根据燃气用户终端THT浓度输出值构建参考轨迹表示为:
yr(k+i)=0.5iy(k)+(1-0.5i)yt
其中,y(k)表示当前THT浓度值,yt表示目标THT浓度值,α取0.5,当α越大,轨迹曲线越平滑地接近目标THT浓度值;
要求离目标越近越好,可表示为
其中,yr(k+j)表示k+j时刻期望的THT浓度预测值,P表示预测步长;
要求在接近目标THT浓度值的过程中系统使用的能量越小越好,这就要求系统超调量要最小,且调节时间小,即控制量最小化,为了引入积分以减小或消除静态误差,用控制量的增量表示所耗能量大小可表示为:
其中,L表示控制步长,Δu(k+j-1)表示k+j-1时刻电磁泵的控制量的增量;
根据参考轨迹值和预测模型的预测输出值确定电磁泵每次加THT的量,滚动优化通过某一性能指标的最优来确定未来的控制输出,用J表示该优化性能指标,根据加臭控制系统对系统性能的不同要求,用带有权值的表达式表示该性能指标表示为:
其中,预测步长P为5,控制步长L为10,误差权系数q为5,控制权系数r为3;
两个条件的权值q和r相对大小决定该项条件在系统所占比重大小,当q更大则表示对加臭控制系统的准确度要求更高,当r更大则表示对加臭控制系统的低功耗要求更高;
由得THT浓度最优控制增量矩阵为:
ΔU=(ETQE+R)-1ET(Y-Yr)
其中,Q是P×P阶误差权系数矩阵,R是L×L阶控制权系数矩阵,ΔU是L×1阶最优控制增量矩阵,E是P×L阶常数矩阵;
步骤三:优化控制量
对滚动优化后的最优解进行再优化,若将L个控制步长中得到的控制输出的全部元素作用于加臭控制系统,那么下一时刻的测量值得不到有效利用,且影响系统的响应速度,为提升MPC算法的鲁棒性,将P个预测步长的预测解进行再优化,优化过程如下:
设当前时刻及过去P-1个时刻的最优控制增量矩阵为ΔUk、ΔUk-1、ΔUk-2、ΔUk-3、ΔUk-4...ΔUk-P-1,取过去P-1个时刻对应k时刻的预测值和k时刻的预测值组成新的数组ΔU',将这P个预测值进行优化,优化过程如下:
解数组ΔU'中的元素的平均值:
其中,u'i表示ΔU'中的第i个元素,P表示预测步长,步长的选取和系统相关,步长选取过长,不仅整个算法的计算量增大,而且储存在内存中的ΔU会占用过多空间,同时,若系统受较大干扰时预测过多步长参考价值不大,步长选取过小,预测效果会不太好;
解数组ΔU'中的元素的标准差:
预设阈值为0.05,要求标准差σ≤0.05,若σ>0.05则这组优化解存在与期望优化解偏差较大的解uerr,则将其忽略,不作为优化解的参考值,通过将优化解与平均值做差,差值最大的即为uerr,以此类推,直到满足σ小于等于预设阈值,即开始作加权平均求解优化后的控制量;
加权平均值公式为:
其中,ui表示滚动优化得到的优化解,fi表示第i个优化解对应的权值;
权值fi由ui离平均值的距离的距离决定,距离h:
将h(k)用大小顺序排列组成P×1阶数组H(k),再将ui'(k)按照离平均数距离的近远依次排序组成P×1阶数组Unew(k),加权平均求解优化后的控制量:
通过改进后的加权平均法能够充分考虑到一组数据中出现个别偏差较大的情况,在一组数据中的密集区域进行进一步的加权能够使加权平均数更贴近实际综合的均值;
将深度优化后的解作用于加臭控制系统,电磁泵的THT注入量为:
u(k)=u(k-1)+Δu(k)
为防止优化目标函数得出的最优控制量出现大幅度的幅值波动,从而导致燃气用户终端THT浓度不稳定,以及电磁泵频繁动作出现损坏问题,采用约束条件进行限幅:
ymin≤y(k+j)≤ymax,1≤j≤P
umin≤u(k+j)≤umax,1≤j≤L
其中,ymin和ymax表示燃气管道末端的THT浓度输出值的最小和最大值;umin和umax表示根据实际情况THT输入量的最小和最大值;
步骤四:反馈校正
当得到了燃气用户终端THT浓度输出值和预期THT浓度输出值,需要对误差值进行补偿。MPC算法的预测值是变化的,根据第一次燃气用户终端THT浓度值的误差进行调整,依次补偿之后的输出预测值,补偿后的预测值可表示为:
Y0=Yp+Ae(k+1)
其中,Y0表示新的预测输出值矩阵,A表示预测补偿参数矩阵,Yp表示原预测输出矩阵;
在补偿过程中,优化是滚动的,当进入下一时刻,之后的预测值依次往前移动一个时刻,修正后的预测值经过移位成为下一时刻的预测值为:
Y0=SYp
其中,S表示移位矩阵:
传统的MPC算法一般只有预测、滚动优化和反馈校正三个步骤,本发明针对天然气加臭控制的实际情况,在滚动优化和反馈校正两个步骤之间增加优化控制量这一步骤,其中,滚动优化是进行有限时域在线优化得到实时的控制量;优化控制量是进一步优化反馈的实时控制量。
用MATLAB软件对加臭控制系统分别进行基于MPC算法和PID算法的仿真,仿真结果如图3、4、5所示:
图3为基于MPC算法的仿真图,图4为基于PID算法的仿真图。对比两个仿真图可知:MPC算法在控制具有时滞性的加臭控制系统时具有更好的效果,在基于MPC算法的控制下调节时间比基于PID算法的控制短数十倍,同时鲁棒性更好。
图5为基于PID算法的仿真局部图。PID算法控制加臭控制系统还存在一个问题,为了保证燃气用户终端THT浓度值在规定浓度内,需要对THT输入值限幅,但是限幅会使调节时间更长。即使在前K时刻加臭控制系统采用手动键入THT输入值,调节时间依然非常长,且在前K个时刻的输入值是不可控的,也加大了人工操作的难度系数和复杂程度。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种天然气加臭控制系统,包括加臭装置单元、检测单元、电源动力单元、MPC控制单元和上位机,其特征在于:
所述加臭装置单元包括单片机控制器、计量泵、阀门和储罐,所述上位机向单片机控制器发送控制量数据和相关指令,所述单片机控制器接收控制量数据和相关指令,后分别向阀门和计量泵发送控制开关指令和频率脉冲指令,阀门打开后,储罐中的THT流入计量泵的输入口,计量泵的输出口连接有天然气管道,计量泵根据脉冲频率向天然气管道内注入THT,天然气管道内设有鼓风恒温装置;
所述检测单元包括天然气流量计和THT在线检测仪,所述天然气流量计用于测量燃气出口处的天然气流量,所述THT在线检测仪用于测量燃气用户终端THT浓度值,当检测单元完成数据采集后,将数据打包反馈给上位机;
所述MPC控制单元结合上位机发送的数据进行新一轮的THT输入量预测,并根据新的参考轨迹和预测模型进行滚动优化,将滚动优化的最优解进行再优化后再将预测的THT输入控制量反馈给上位机,为提升MPC算法的鲁棒性,将P个预测步长的预测解进行再优化,优化过程如下:
设当前时刻及过去P-1个时刻的最优控制增量矩阵为ΔUk、ΔUk-1、ΔUk-2、ΔUk-3、ΔUk-4...ΔUk-P-1,取过去P-1个时刻对应k时刻的预测值和k时刻的预测值组成新的数组ΔU',将这P个预测值进行优化,优化过程如下:
解数组ΔU'中的元素的平均值:
其中,u'i表示ΔU'中的第i个元素,P表示预测步长,步长的选取和系统相关,步长选取过长,不仅整个算法的计算量增大,而且储存在内存中的ΔU会占用过多空间,同时,若系统受较大干扰时预测过多步长参考价值不大,步长选取过小,预测效果会不太好;
解数组ΔU'中的元素的标准差:
预设阈值为0.05,要求标准差σ≤0.05,若σ>0.05则这组优化解存在与期望优化解偏差较大的解uerr,则将其忽略,不作为优化解的参考值,通过将优化解与平均值做差,差值最大的即为uerr,以此类推,直到满足σ小于等于预设阈值,即开始作加权平均求解优化后的控制量;
加权平均值公式为:
其中,ui表示滚动优化得到的优化解,fi表示第i个优化解对应的权值;
权值fi由ui离平均值的距离的距离决定,距离h:
将h(k)用大小顺序排列组成P×1阶数组H(k),再将ui'(k)按照离平均数距离的近远依次排序组成P×1阶数组Unew(k),加权平均求解优化后的控制量:
通过改进后的加权平均法能够充分考虑到一组数据中出现个别偏差较大的情况,在一组数据中的密集区域进行进一步的加权能够使加权平均数更贴近实际综合的均值;
将深度优化后的解作用于加臭控制系统,电磁泵的THT注入量为:
u(k)=u(k-1)+Δu(k)。
2.根据权利要求1所述的一种天然气加臭控制系统,其特征在于:所述加臭装置单元还包括加臭装置,所述加臭装置包括计量泵(1)、汽化器(2)、注液主管(3)、磁液位计(4)和喷头机构(5),所述汽化器(2)设于计量泵(1)顶端,所述汽化器(2)通过注液主管(3)与喷头机构(5)连接,所述磁液位计(4)安装于注液主管(3)上,所述喷头机构(5)包括小喷头(501)、中喷头(502)、大喷头(503)和注液分管(504),所述小喷头(501)、中喷头(502)和大喷头(503)通过注液分管(504)与注液主管(3)连接。
3.根据权利要求1所述的一种天然气加臭控制系统,其特征在于:所述电源动力单元给整个系统供电,根据不同设备的性能指标和额定功率分别进行供电。
4.一种天然气加臭控制系统的控制方法,其特征在于:包括以下步骤:
步骤一:预测系统未来动态
对未来一段时间内的输出进行预测;
步骤二:滚动优化
滚动进行有限时域在线优化;
步骤三:优化控制量
对滚动优化后的最优解进行再优化,具体操作步骤为:为提升MPC算法的鲁棒性,将P个预测步长的预测解进行再优化,优化过程如下:
设当前时刻及过去P-1个时刻的最优控制增量矩阵为ΔUk、ΔUk-1、ΔUk-2、ΔUk-3、ΔUk-4...ΔUk-P-1,取过去P-1个时刻对应k时刻的预测值和k时刻的预测值组成新的数组ΔU',将这P个预测值进行优化,优化过程如下:
解数组ΔU'中的元素的平均值:
其中,u'i表示ΔU'中的第i个元素,P表示预测步长;
解数组ΔU'中的元素的标准差:
要求标准差σ小于等于预设阈值,若σ大于预设阈值则这组优化解存在与期望优化解偏差较大的解uerr,则将其忽略,不作为优化解的参考值,通过将优化解与平均值做差,差值最大的即为uerr,以此类推,直到满足σ小于等于预设阈值,即开始作加权平均求解优化后的控制量;
加权平均值公式为:
其中,ui表示滚动优化得到的优化解,fi表示第i个优化解对应的权值;
权值fi由ui离平均值的距离的距离决定,距离h:
将h(k)用大小顺序排列组成P×1阶数组H(k),再将ui'(k)按照离平均数距离的近远依次排序组成P×1阶数组Unew(k),加权平均求解优化后的控制量:
将深度优化后的解作用于加臭控制系统,电磁泵的THT注入量为:
u(k)=u(k-1)+Δu(k);
步骤四:反馈校正
通过预测误差反馈,修正预测模型,提高预测精度。
5.根据权利要求4所述的一种天然气加臭控制系统的控制方法,其特征在于:所述步骤一的具体操作步骤为:先采用二阶加时滞的形式表示燃气加臭过程控制模型,其传递函数表示为:
其中,T1和T2为时间常数,e-τs为时滞部分,τ表示管网长度所引发的纯滞后时间,K表示传递系数,再将加臭控制系统模型的传递函数进行离散化,并将离散化的系统用状态空间模型表示,当获取到k时刻的燃气用户终端输出THT浓度量、电磁泵输入量和外部干扰变量,根据实际情况调整参数即得k+1时刻的输出变量,离散系统的状态空间模型如下:
x(k+1)=Ax(k)+Bu(k)+Cd(k)
y(k)=Dx(k)
其中x(k)为状态变量,u(k)为控制输入变量,d(k)为可用测量的外部干扰变量,y(k)为被控输出变量,式中:
C=0,/>
6.根据权利要求4所述的一种天然气加臭控制系统的控制方法,其特征在于:所述步骤二的具体操作步骤为:先根据燃气用户终端THT浓度输出值采用一阶滤波算法构建参考轨迹:
yr(k+i)=αiy(k)+(1-αi)yt,0<α<1
其中,y(k)表示当前THT浓度值,yt表示目标THT浓度值,TS为采样周期,T为参考轨迹的时间常数,当α越大,轨迹曲线越平滑地接近目标THT浓度值;
表示为
其中,yr(k+j)表示k+j时刻期望的THT浓度预测值,P表示预测步长;
为引入积分以减小或消除静态误差,用控制量的增量表示所耗能量大小可表示为:
其中,L表示控制步长,Δu(k+j-1)表示k+j-1时刻电磁泵的控制量的增量;
根据参考轨迹值和预测模型的预测输出值确定电磁泵每次加THT的量,滚动优化通过优化性能指标J来确定未来的控制输出,根据加臭控制系统对系统性能的不同要求,用带有权值的表达式表示该性能指标:
其中,P表示预测步长,L表示控制步长,q表示误差权系数,r表示控制权系数,yr表示参考轨迹,y(k+j)表示k+j时刻THT浓度值;
两个条件的权值q和r相对大小决定该项条件在系统所占比重大小,当q更大则表示对加臭控制系统的准确度要求更高,当r更大则表示对加臭控制系统的低功耗要求更高;
由得THT浓度最优控制增量矩阵为:
ΔU=(ETQE+R)-1ET(Y-Yr)
其中,Q是P×P阶误差权系数矩阵,R是L×L阶控制权系数矩阵,ΔU是L×1阶最优控制增量矩阵,E是P×L阶常数矩阵。
7.根据权利要求6所述的一种天然气加臭控制系统的控制方法,其特征在于:为防止优化目标函数得出的最优控制量出现大幅度的幅值波动,从而导致燃气用户终端THT浓度不稳定,以及电磁泵频繁动作出现损坏问题,采用约束条件进行限幅:
ymin≤y(k+j)≤ymax,1≤j≤P
umin≤u(k+j)≤umax,1≤j≤L
其中,ymin和ymax表示燃气管道末端的THT浓度输出值的最小和最大值;umin和umax表示根据实际情况THT输入量的最小和最大值。
8.根据权利要求4所述的一种天然气加臭控制系统的控制方法,其特征在于:所述步骤四的具体操作步骤为:根据第一次燃气用户终端THT浓度值的误差进行调整,依次补偿之后的输出预测值,补偿后的预测值为:
Y0=Yp+Ae(k+1)
其中,Y0表示新的预测输出值矩阵,A表示预测补偿参数矩阵,Yp表示原预测输出矩阵;
在补偿过程中,优化是滚动的,当进入下一时刻,之后的预测值依次往前移动一个时刻,修正后的预测值经过移位成为下一时刻的预测值为:
Y0=SYp
其中,S表示移位矩阵:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111136077.8A CN113759726B (zh) | 2021-09-27 | 2021-09-27 | 一种天然气加臭控制系统及其控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111136077.8A CN113759726B (zh) | 2021-09-27 | 2021-09-27 | 一种天然气加臭控制系统及其控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113759726A CN113759726A (zh) | 2021-12-07 |
CN113759726B true CN113759726B (zh) | 2024-02-06 |
Family
ID=78797833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111136077.8A Active CN113759726B (zh) | 2021-09-27 | 2021-09-27 | 一种天然气加臭控制系统及其控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113759726B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117331306B (zh) * | 2023-12-01 | 2024-01-30 | 山东黄海智能装备有限公司 | 一种用于洪灾救援艇的模型预测pid航向控制优化方法 |
CN117929591B (zh) * | 2024-03-20 | 2024-06-28 | 普利莱(天津)燃气设备有限公司 | 一种天然气加臭剂配比检测装置和检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002040138A1 (en) * | 2000-11-17 | 2002-05-23 | Grønn Kraft As | Process and plant for removing nitrogen oxides from flue gases |
CN204852939U (zh) * | 2015-06-10 | 2015-12-09 | 东莞新奥燃气有限公司 | 天然气自动加臭系统 |
CN110320251A (zh) * | 2019-03-29 | 2019-10-11 | 西南石油大学 | 一种天然气硫化氢和四氢噻吩含量的在线检测装置和检测方法 |
CN111536424A (zh) * | 2020-05-12 | 2020-08-14 | 西南石油大学 | 一种天然气智能加臭控制装置及控制方法 |
CN112759063A (zh) * | 2020-12-28 | 2021-05-07 | 上海市水利工程设计研究院有限公司 | 一种预臭氧投加控制方法及其控制系统 |
CN113203777A (zh) * | 2021-04-12 | 2021-08-03 | 广州香安化工有限公司 | 一种燃气臭味剂的监测系统 |
CN113341066A (zh) * | 2021-05-24 | 2021-09-03 | 西南石油大学 | 基于多传感器融合技术的四氢噻吩浓度的在线检测方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3082600B1 (fr) * | 2018-06-15 | 2022-05-06 | Grtgaz | Installation de rebours connectee et procede de fonctionnement d'une telle installation |
-
2021
- 2021-09-27 CN CN202111136077.8A patent/CN113759726B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002040138A1 (en) * | 2000-11-17 | 2002-05-23 | Grønn Kraft As | Process and plant for removing nitrogen oxides from flue gases |
CN204852939U (zh) * | 2015-06-10 | 2015-12-09 | 东莞新奥燃气有限公司 | 天然气自动加臭系统 |
CN110320251A (zh) * | 2019-03-29 | 2019-10-11 | 西南石油大学 | 一种天然气硫化氢和四氢噻吩含量的在线检测装置和检测方法 |
CN111536424A (zh) * | 2020-05-12 | 2020-08-14 | 西南石油大学 | 一种天然气智能加臭控制装置及控制方法 |
CN112759063A (zh) * | 2020-12-28 | 2021-05-07 | 上海市水利工程设计研究院有限公司 | 一种预臭氧投加控制方法及其控制系统 |
CN113203777A (zh) * | 2021-04-12 | 2021-08-03 | 广州香安化工有限公司 | 一种燃气臭味剂的监测系统 |
CN113341066A (zh) * | 2021-05-24 | 2021-09-03 | 西南石油大学 | 基于多传感器融合技术的四氢噻吩浓度的在线检测方法及系统 |
Non-Patent Citations (4)
Title |
---|
Modeling and control of natural gas bypass odorizer;Negaresh, M等;《JOURNAL OF NATURAL GAS SCIENCE AND ENGINEERING》;全文 * |
一种便携式四氢噻吩检测系统的研究与开发;卓勇等;《石油工业技术监督》;第36卷(第5期);全文 * |
天然气自动加臭注入系统应用分析与优化;任保卫;《上海电机学院学报》;第24卷(第3期);全文 * |
环丁砜选择性加氢脱氧过程研究;马时运;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113759726A (zh) | 2021-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113759726B (zh) | 一种天然气加臭控制系统及其控制方法 | |
CN109062053B (zh) | 一种基于多变量校正的脱硝喷氨控制方法 | |
CN101363375B (zh) | 内燃发动机空气流量估计方法和装置 | |
CN101479682B (zh) | 流体的特定量的流量控制器输送 | |
CN105786035B (zh) | 基于试探式预测控制技术的火电机组scr脱硝优化控制系统 | |
CN101498554B (zh) | 高炉串罐自动喷煤控制系统及方法 | |
RU2583473C2 (ru) | Управление топливодозирующим устройством для турбомашины | |
CN107065556B (zh) | 一种堆芯机组变功率运行策略优化方案的自动搜索方法 | |
CN105914753A (zh) | 主动配电网电压实时模糊控制方法 | |
CN114336673B (zh) | 一种基于模型预测控制的风储联合电站一次调频控制策略 | |
CN110516951B (zh) | 一种动态时间间隔的综合能源系统调度方法 | |
US5934255A (en) | Fuel control system | |
CN108074036A (zh) | 一种考虑负载率均衡度的含upfc的最优潮流计算方法 | |
CN110728037B (zh) | 电池容量闭环融合预测方法 | |
CN105676647A (zh) | 一种基于状态观测器的冷热电三联供系统预测控制方法 | |
CN111536424B (zh) | 一种天然气智能加臭控制装置及控制方法 | |
CN111880504A (zh) | 一种智能的动态分区喷氨控制方法和系统 | |
CN109268159B (zh) | 稀薄燃烧汽油机燃空比系统控制方法 | |
CN115036931A (zh) | 一种有源电网无功电压仿射可调鲁棒优化方法和装置 | |
CN101387633B (zh) | 用于双燃料箱应用的虚拟燃料传感器 | |
Pérez-Roca et al. | An MPC approach to transient control of liquid-propellant rocket engines | |
CN103308125A (zh) | 一种管道流动稳定控制方法 | |
CN106026120B (zh) | 一种基于自适应控制模式切换的upfc交替迭代潮流计算方法 | |
Butts et al. | A perturbed chord (Newton-Kantorovich) method for constrained nonlinear model predictive control | |
CN111998423A (zh) | 电蓄热循环风量-水温控制系统及其预测控制方法 |
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 |