CN114488807A - 基于工作点线性化建模的chp机组变负荷动态过程特性分析方法 - Google Patents
基于工作点线性化建模的chp机组变负荷动态过程特性分析方法 Download PDFInfo
- Publication number
- CN114488807A CN114488807A CN202210080334.9A CN202210080334A CN114488807A CN 114488807 A CN114488807 A CN 114488807A CN 202210080334 A CN202210080334 A CN 202210080334A CN 114488807 A CN114488807 A CN 114488807A
- Authority
- CN
- China
- Prior art keywords
- steam
- unit
- pressure
- variable
- control
- 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
Links
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
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)
- Control Of Turbines (AREA)
Abstract
基于工作点线性化建模的CHP机组变负荷动态过程特性分析方法,包括步骤:步骤1:分析CHP机组动态耦合关系,构建CHP机组非线性动态模型;步骤2:在纯凝、供热工况下,建立工作点线性化的拉普拉斯变换模型,采用控制变量法分析控制变量单独作用下CHP机组变负荷能力;步骤3:利用改进粒子群算法进行多变量协同控制的优化,测试CHP机组变负荷能力的开环特性;步骤4:通过电热协同‑安全自检的控制策略调节控制变量,测试CHP机组调节能力的闭环特性。本发明能够克服不同工作点建模非线性造成的影响,能够适应CHP机组正常负荷变化范围。
Description
技术领域
本发明涉及电-热综合能源系统设备建模技术领域,具体涉及一种基于工作点线性化建模的CHP机组变负荷动态过程特性分析方法。
背景技术
CHP机组(热电联供机组)变负荷能力建模对于综合能源系统电力调度、调频等场景优化计算至关重要,但其精细化建模机理繁复、优化控制改造后的快速动态调节特性复杂,使机组变负荷能力难以准确刻画。因此,研究CHP机组变负荷过程动态调节特性的描述方法,对支撑CHP机组应用于综合能源系统场景具有重要意义。
CHP机组动态特性除受其内在的物理结构属性影响外,还与运行方式、工况、外部环境等因素有关。目前还难以得到机组动态特性的精确描述,常通过合理简化与近似处理,结合机理分析与试验建模等方法,建立满足一定精度要求、反映机组主要动态特征的数学模型。通常采用代数方程组描述CHP机组模型可行域与爬坡、备用能力,该模型多应用于机组参与系统长时间尺度优化调度的计算场景;代数方程线性化模型往往忽略了机组出力的连续时间变化特征,存在机组输出功率可以发生瞬时突变的假设前提,无疑扩大了机组的快速变负荷能力,易造成调度计划存在无法精确实现的可能性,即存在能量不可交付性问题。
而考虑机组内在特性的数学描述为微分代数方程组形式,其采用优化控制方法提高机组短期快速调节能力参与系统调频计算场景;微分代数方程约束将使优化问题成为一个高非线性的动态优化问题。这类优化问题难以直接求解,通过离散方法逼近微分变量将导致求解大规模优化问题易陷入维度灾难,求解时间长、精度差,无法在线实时。
机组变负荷过程动态特性建模面临满足计算精度与求解速度的同时兼顾机组动态特性精确描述的挑战。将供热机组动态模型小偏差线性化,得到包含供热侧特性的传递函数矩阵模型,分析热电耦合特性并设计解耦器。在不同工作点线性化引入拉普拉斯变换,采用传递函数代替微分方程来描述系统的特性,可直观和简便来确定控制系统的整个特性、分析控制系统的运动过程、提供控制系统调整策略。对CHP机组在工作点线性化,采用拉普拉斯变换建模,使其模型适用于综合能源系统变负荷能力灵活性需求的研究较为少见。
发明内容
为解决上述技术问题,本发明提供一种基于工作点线性化建模的CHP机组变负荷动态过程特性分析方法,该方法为机组燃料量VB、汽轮机HP缸进汽调节阀开度VT、供热抽汽调节蝶阀开度VH三个控制变量协同作用完成电功率准确调节提供了参考。能够克服不同工作点建模非线性造成的影响,能够适应CHP机组正常负荷变化范围。
本发明采取的技术方案为:
基于工作点线性化建模的CHP机组变负荷动态过程特性分析方法,包括以下步骤:
步骤1:分析CHP机组动态耦合关系,构建CHP机组非线性动态模型;
步骤2:在纯凝、供热工况下,建立工作点线性化的拉普拉斯变换模型,采用控制变量法分析控制变量单独作用下CHP机组变负荷能力;
步骤3:利用改进粒子群算法进行多变量协同控制的优化,测试CHP机组变负荷能力的开环特性;
步骤4:通过电热协同-安全自检的控制策略调节控制变量,测试CHP机组调节能力的闭环特性。
所述步骤1中,CHP机组的电功率、热功率与控制阀门的非线性动态耦合关系的微分代数方程数学模型如下:
其中:rm为实际进入磨煤机煤量,VB为机组燃料量,t为控制时域时间变量、τ为制粉过程延迟时间;Tf为制粉惯性时间、rB为锅炉燃烧率;Cb为锅炉蓄热系数,pd为汽包压力,K3为汽轮机增益静态参数,pt为汽轮机主蒸汽压力,VT为汽轮机高压缸进汽调节阀开度,K1为燃料增益静态参数;K2为过热器阻力系数,ε为有效能量指数,(K1rB)ε表示进入锅炉的有效能量;Tt为汽轮机惯性时间,NE为机组发电功率,K4为高中压缸占汽轮机做功比例,K5为低压缸增益静态参数,pz为汽轮机供热抽汽压力,VH为供热抽汽调节蝶阀开度;Ch为机组加热器蓄热系数,K6为热网循环水的有效比热容,qx为机组循环水流量,pz为汽轮机供热抽汽压力,ti为机组循环水回水温度;qH为供热抽汽流量,K7为供热抽汽有效热量折合蒸汽流量系数;p1为汽轮机一级压力。
所述步骤2中,包括如下步骤:
首先,将式(1)写成增量形式,利用小偏差线性化得到平衡点附近的线性模型:
其中,Δrm为实际进入磨煤机煤量增量,ΔVB为机组燃料量增量,t为控制时域时间变量、τ为制粉过程延迟时间;Tf为制粉惯性时间、ΔrB为锅炉燃烧率增量;Cb为锅炉蓄热系数,Δpd为汽包压力增量,K3为汽轮机增益静态参数,Δpt为汽轮机主蒸汽压力增量,ΔVT为汽轮机高压缸进汽调节阀开度增量,K1为燃料增益静态参数;K2为过热器阻力系数,Tt为汽轮机惯性时间,ΔNE为机组发电功率增量,K4为高中压缸占汽轮机做功比例,K5为低压缸增益静态参数,Δpz为汽轮机供热抽汽压力增量,ΔVH为供热抽汽调节蝶阀开度增量;Ch为机组加热器蓄热系数,K6为热网循环水的有效比热容,Δqx为机组循环水流量增量,ti为机组循环水回水温度;ΔqH为供热抽汽流量增量,K7为供热抽汽有效热量折合蒸汽流量系数;Δp1为汽轮机一级压力增量。
其次,求取增量方程式(2)的拉普拉斯变换。假设初始条件为零,对系统线性微分方程(2)取拉普拉斯变换并省去增量符号Δ,可得:
其中,s为复频域变量,是复数,rm(s)为实际进入磨煤机煤量复频域变量,VB(s)为机组燃料量复频域变量,τ为制粉过程延迟时间;Tf为制粉惯性时间、rB(s)为锅炉燃烧率复频域变量;Cb为锅炉蓄热系数,pd(s)为汽包压力复频域变量,K3为汽轮机增益静态参数,pt(s)为汽轮机主蒸汽压力复频域变量,VT(s)为汽轮机高压缸进汽调节阀开度复频域变量,K1为燃料增益静态参数;K2为过热器阻力系数,Tt为汽轮机惯性时间,NE(s)为机组发电功率复频域变量,K4为高中压缸占汽轮机做功比例,K5为低压缸增益静态参数,pz(s)为汽轮机供热抽汽压力复频域变量,VH(s)为供热抽汽调节蝶阀开度复频域变量;Ch为机组加热器蓄热系数,K6为热网循环水的有效比热容,qx(s)为机组循环水流量复频域变量,ti为机组循环水回水温度;qH(s)为供热抽汽流量复频域变量,K7为供热抽汽有效热量折合蒸汽流量系数;p1(s)为汽轮机一级压力复频域变量。
然后,对线性模型式(3)进行适当的简化和等效,可得到工作点线性化后的描述单元机组热电耦合关系动态特性的数学模型,用传递函数矩阵的形式表示为:
其中,pt(s)为汽轮机主蒸汽压力复频域变量,pz(s)为汽轮机供热抽汽压力复频域变量,NE(s)为机组发电功率复频域变量,VT(s)为汽轮机高压缸进汽调节阀开度复频域变量,VB(s)为机组燃料量复频域变量,VH(s)为供热抽汽调节蝶阀开度复频域变量;G11(s)、G12(s)、G13(s)、G21(s)、G22(s)、G23(s)、G31(s)、G32(s)、G33(s)分别为传递函数矩阵的元素。
热电耦合关系矩阵各元素分别为:
G11(s)=-M2/(1+M1s) (5);
其中,s为复频域变量;M1、M2分别为元素G11(s)方程式系数;
其中,s为复频域变量,K1为燃料增益静态参数,K3为汽轮机增益静态参数,VT为汽轮机高压缸进汽调节阀开度,τ为制粉过程延迟时间,Tf为制粉惯性时间,M1、M3分别为元素G12(s)方程式系数;
G13(s)=0 (7);
其中,s为复频域变量,K4为高中压缸占汽轮机做功比例,Cb为锅炉蓄热系数,Ch为机组加热器蓄热系数,M1、M2、M4分别为元素G21(s)方程式系数;
其中,s为复频域变量,K1为燃料增益静态参数,K4为高中压缸占汽轮机做功比例,τ为制粉过程延迟时间,Tf为制粉惯性时间,Ch为机组加热器蓄热系数,M1、M3、M4分别为元素G22(s)方程式系数;
其中,s为复频域变量,Ch为机组加热器蓄热系数,M4、M6分别为元素G23(s)方程式系数;
其中,s为复频域变量,K4为高中压缸占汽轮机做功比例,Cb为锅炉蓄热系数,Tt为汽轮机惯性时间,Ch为机组加热器蓄热系数,M1、M2、M4、M5分别为元素G31(s)方程式系数;
其中,s为复频域变量,K1为燃料增益静态参数,K4为高中压缸占汽轮机做功比例,τ为制粉过程延迟时间,Tf为制粉惯性时间,Tt为汽轮机惯性时间,Ch为机组加热器蓄热系数,M1、M3、M4、M5分别为元素G32(s)方程式系数;
其中,s为复频域变量,K6为热网循环水的有效比热容,qx为机组循环水流量,Tt为汽轮机惯性时间,Ch为机组加热器蓄热系数,M4、M6分别为元素G33(s)方程式系数;
所述步骤2中,采用控制变量法,分析控制变量单独作用下CHP机组变负荷能力,以检测拉普拉斯变换模型的可用性,过程如下:
在Simulink中,对纯凝工况和供热工况进行建模,用来测试分析变负荷过程变量之间的输入输出关系。通过控制变量单独作用时的输出变化情况分析,得到锅炉汽轮机采暖系统以及变负荷能力的动态特性。
所述步骤2中,供热工况下分别在VB、VT、VH指令上施加10t/h、10%、10%的阶跃变化,纯凝工况下分别施加-10t/h、-10%、-10%的阶跃变化,得到不同工况的电功率、主蒸汽压力和抽汽压力的响应曲线。
所述步骤3中,改进后的粒子群更新方程为:
式(14)中:vid为第i个粒子运动速度,速度上下限为[-10,10];k为算法当前迭代次数;r1、r2为[0,1]范围内的随机数;c1、c2为粒子的学习因子,均为5;Pid为第i个粒子的历史最优值;Pgd为所有粒子当前最优值;Xid为第i个粒子的当前位置;ω、ωs、ωe分别为粒子速度保持程度的惯性权重系数、初始惯性权重系数(0.9)和迭代完成时的惯性权重系数(0.4);Tmax为最大迭代次数;为第k+1次迭代第i个粒子运动速度,ωk为第k次迭代粒子的惯性权重系数,为第k次迭代第i个粒子运动速度,为第k次迭代粒子的历史最优值,为第k次迭代粒子的当前位置,为第k次迭代所有粒子当前最优值;为第k+1次迭代第i个粒子的当前位置,ωk+1为第k+1次迭代粒子的惯性权重系数。
优化过程如下:
S1:给定CHP机组电功率变负荷需求,改进粒子群算法与simulink模型之间连接是通过粒子,即控制变量VB、VT、VH和该粒子对应的适应值,即输出值与期望值匹配程度的性能指标;
S2:改进粒子群算法产生粒子群(初始化粒子群或更新后的粒子群),将该粒子群中的粒子依次赋值给模型的参数VB、VT、VH;
S3:然后运行机组某工况下工作点的simulink模型,得到该组参数对应的性能指标,该性能指标传递到改进粒子群算法中作为该粒子的适应值,最后判断是否可退出算法,即是否达到设定的迭代次数。
所述步骤4中,
基于PID优化控制方法匹配三个控制变量VB(t)、VT(t)和VH(t),分别设计VB(t)、VT(t)和VH(t)变量的PID控制器:
其中,KPT为控制VT(t)变量的比例系数,KIT为控制VT(t)变量的积分系数,KDT为控制VT(t)变量的微分系数;KPB为控制VB(t)变量的比例系数,KIB为控制VB(t)变量的积分系数,KDB为控制VB(t)变量的微分系数;KPH为控制VH(t)变量的比例系数,KIH为控制VH(t)变量的积分系数,KDH为控制VH(t)变量的微分系数;ET(t)为汽轮机主蒸汽压力设定值与当前值的误差,EB(t)为汽轮机供热抽汽压力设定值与当前值的误差,EH(t)为机组发电功率设定值与当前值的误差。
控制方案I:
其中,pt(t)为汽轮机主蒸汽压力控制过程当前值,pz(t)为汽轮机供热抽汽压力控制过程当前值,NE(t)为机组发电功率控制过程当前值;为汽轮机主蒸汽压力控制过程设定值,为汽轮机供热抽汽压力控制过程设定值,为机组发电功率控制过程设定值。
为保证机组运行的安全稳定,调节过程需考虑输出变量波动的影响,应满足控制系统路径约束,如式(17)所示;各输出变量稳态值不能超出允许的误差范围,还应满足系统终值约束,如式(18)所示;
其中,pt(t)为汽轮机主蒸汽压力控制过程当前值,pz(t)为汽轮机供热抽汽压力控制过程当前值,NE(t)为机组发电功率控制过程当前值;为汽轮机主蒸汽压力控制过程设定值,为汽轮机供热抽汽压力控制过程设定值,为机组发电功率控制过程设定值;Mpt、MNE、Mpz分别为主蒸汽压力、电功率、供热抽汽压力的波动范围限定值;
其中,pt(te)为汽轮机主蒸汽压力控制过程终点值,pz(te)为汽轮机供热抽汽压力控制过程终点值,NE(te)为机组发电功率控制过程终点值;为汽轮机主蒸汽压力控制过程设定值,为汽轮机供热抽汽压力控制过程设定值,为机组发电功率控制过程设定值;Mpt、MNE、Mpz分别为主蒸汽压力、电功率、供热抽汽压力的波动范围限定值;mpt、mNE、mpz分别为主蒸汽压力、电功率、供热抽汽压力的误差范围限定值。
针对上述控制过程需求,进一步采用扰动补偿、多变量协调的控制理念,通过设计电热协调、热状态重构和精确能量平衡三个关键控制模块,提出了一种新型的电热功率协调分配-压力安全自检控制策略,实现电功率准确跟踪、热功率快速恢复和系统运行安全稳定三个关键功能。
控制方案II:
其中,pt(t)为汽轮机主蒸汽压力控制过程当前值,pz(t)为汽轮机供热抽汽压力控制过程当前值,NE(t)为机组发电功率控制过程当前值;为汽轮机主蒸汽压力控制过程设定值,为汽轮机供热抽汽压力控制过程设定值,为机组发电功率控制过程设定值;Mpt、MNE、Mpz分别为主蒸汽压力、电功率、供热抽汽压力的波动范围限定值;K1、T1分别为压力安全自检的控制策略的增益参数和时间参数,K2、T2分别为热功率协调控制策略的增益参数和时间参数;ET(t)为汽轮机主蒸汽压力设定值与当前值的误差,EB(t)为汽轮机供热抽汽压力设定值与当前值的误差,EH(t)为机组发电功率设定值与当前值的误差。
将CHP机组动态模型进行建模仿真,给定变负荷扰动的阶跃信号,分析在优化控制周期内抽汽蒸汽流量的变化过程。定量分析抽汽蒸汽流量波动引起的热量变化对热负荷需求的影响,按如下方法计算。
qH(t)=K7K6qx(96pz(t)-ti+103) (20);
其中,qH为供热抽汽流量,K7为供热抽汽有效热量折合蒸汽流量系数;K6为热网循环水的有效比热容,qx为机组循环水流量,pz为汽轮机供热抽汽压力,ti为机组循环水回水温度。
其中,qH,equ为调节过程的平均等效供热抽汽流量,t0和te为机组优化控制的起始和终止时间点。
QH,equ=qH,equ·△h (22)
其中,QH,equ为等效CHP机组热功率,Δh为供热抽汽焓降,Δh=2.3637×103。
本发明一种基于工作点线性化建模的CHP机组变负荷动态过程特性分析方法,技术效果如下:
1)、本发明采用控制变量法设计控制变量单独作用,验证了VB对电功率改变作用明显,VT对主蒸汽压力变化影响较大,VH主要影响抽汽压力变化,为三个控制变量协同作用完成电功率准确调节提供了调节方案的参考。
2)、本发明采用改进粒子群优化控制变量协同作用,分析其变负荷过程开环特性,验证了CHP机组变负荷动态过程多变量协同控制方法的有效性。
3)、本发明基于电热协同-安全自检的控制策略闭环特性仿真,验证了电功率响应速度、爬坡速率更优,压力波动峰值减小约50%,抽汽压力恢复到更接近稳态值对供热影响更小。
4)、本发明采用同一PID控制参数的CHP机组纯凝、供热工况进行仿真,证明了常规控制器的鲁棒性足够强,能够克服不同工作点建模非线性造成的影响,能够适应机组正常负荷变化范围。
附图说明
图1是CHP机组结构图。
图2是CHP机组线性化函数关系图。
图3(1)是供热工况控制变量单独作用的电出力变化效果对比图;
图3(2)是供热工况控制变量单独作用的主蒸汽压力效果对比图;
图3(3)是供热工况控制变量单独作用的抽汽压力效果对比图。
图4(1)是纯凝工况控制变量单独作用的电出力变化效果对比图;
图4(2)是纯凝工况控制变量单独作用的主蒸汽压力效果对比图;
图4(3)是纯凝工况控制变量单独作用的抽汽压力效果对比图。
图5是控制变量优化算法结构图。
图6是CHP机组控制系统结构图。
图7(1)是供热工况改进粒子群算法收敛性示意图;
图7(2)是供热工况改进粒子群算法控制变量寻优结果图;
图7(3)是供热工况改进粒子群算法控制效果适应度函数值图。
图8(1)是纯凝工况改进粒子群算法收敛性示意图;
图8(2)是纯凝工况改进粒子群算法控制变量寻优结果图;
图8(3)是纯凝工况改进粒子群算法控制效果适应度函数值图。
图9(1)是供热工况三控制变量协同调节的电出力变化效果图;
图9(2)是供热工况三控制变量协同调节的主蒸汽压力效果图;
图9(3)是供热工况三控制变量协同调节的抽汽压力效果图。
图10(1)是纯凝工况三控制变量协同调节的电出力变化效果图;
图10(2)是纯凝工况三控制变量协同调节的主蒸汽压力效果图;
图10(3)是纯凝工况三控制变量协同调节的抽汽压力效果图。
图11(1)是供热工况方案I与方案II控制的电出力变化效果对比图;
图11(2)是供热工况方案I与方案II控制的主蒸汽压力效果对比图;
图11(3)是供热工况方案I与方案II控制的抽汽压力效果对比图。
图12(1)是纯凝工况同PID参数的方案I控制的电出力变化效果图;
图12(2)是纯凝工况同PID参数的方案I控制的主蒸汽压力效果图;
图12(3)是纯凝工况同PID参数的方案I控制的抽汽压力效果图。
具体实施方式
基于工作点线性化建模的CHP机组变负荷动态过程特性分析方法,首先,分析CHP机组动态耦合关系,构建机组的非线性动态模型;然后,在纯凝、供热工况下建立工作点线性化的拉普拉斯变换模型,采用控制变量法分析控制变量单独作用下CHP机组变负荷能力,以检测拉氏模型的可用性;在此基础上,利用改进粒子群算法进行多变量协同控制的优化,测试机组变负荷能力的开环特性;同时,设计电热协同-安全自检的控制策略调节控制变量,测试机组调节能力的闭环特性;最后,以300MW抽汽式CHP机组为例,验证机组模型的适用性与控制策略的有效性。具体包括以下步骤:
步骤一:分析CHP机组动态耦合关系来构建机组的非线性动态模型
如图1所示,机组燃料量VB直接控制锅炉燃烧产生高温蒸汽,汽轮机高调阀VT连接高压(HP)缸,中压(IP)缸与低压(LP)缸连接管道内安装抽汽调节蝶阀VH。汽轮机IP缸排汽分成两部分,一部分通过调节蝶阀进入汽轮机LP缸内继续做功,另一部分进入热网加热器提供供热热源,冷却后经过热网疏水泵送入除氧器。供热状态下增加供热负荷时,将调节蝶阀VH开度减小,汽轮机IP缸排汽压力增加,因而更多蒸汽进入热网加热器,热网加热器内饱和温度升高,供热出水温度增加,需要减小供热则与之相反。停止供热时调节蝶阀VH全开,同时供热关断阀关闭,汽轮机工作于纯凝状态。通过改变VB、VT、VH调整机组供热负荷与发电功率的比例,提供热源与电源。
抽汽式CHP机组运行时电功率与热功率由其阀门控制的燃料流量、主蒸汽压力、抽汽蒸汽流量、温度等综合决定。CHP机组电功率、热功率与控制阀门的非线性动态耦合关系的微分代数方程数学模型:
其中:VB为机组燃料量;VT为汽轮机HP缸进汽调节阀开度;VH为供热抽汽调节蝶阀开度;qx为机组循环水流量;ti为机组循环水回水温度;pt为汽轮机主蒸汽压力;NE为机组发电功率;pz为汽轮机供热抽汽压力;qH为供热抽汽流量;p1为汽轮机一级压力;rm为实际进入磨煤机煤量;rB为锅炉燃烧率。K1、K2、K3、K4、K5、K6、K7为静态参数;ε为制粉过程迟延时间,Tf制粉惯性时间,Cb为锅炉蓄热系数,Tt为汽轮机惯性时间,Ch为机组加热器蓄热系数。
步骤二:建立CHP机组工作点线性化的拉普拉斯变换模型:
将非线性模型在某一确定的工况点线性化,所得线性化模型在工作点附近能够比较准确地反映系统各个环节的动、静态特性。对式(1)所描述模型进行工作点线性化,以衡量模型中各项输入与输出之间的作用关系以及系统非线性对被控制对象影响的强弱。
首先,将式(1)写成增量形式。利用小偏差线性化得到平衡点附近的线性模型:
其次,求取增量方程的拉普拉斯变换。假设初始条件为零,对系统线性微分方程(2)取拉普拉斯变换并省去增量符号,可得:
然后,对线性模型进行适当的简化和等效,得到描述单元机组传递过程动态特性的一组线性方程,可得工作点线性化后的系统热电耦合关系模型,用传递函数矩阵的形式表示为:
热电耦合关系矩阵各元素分别为:
G11(s)=-M2/(1+M1s) (5)
G13(s)=0 (7)
CHP机组在不同的输入工作点下,对象的传递函数也会有不同,这种非线性仅仅导致模型参数发生变化,而模型结构是不变的。工作点线性化的拉普拉斯变换模型兼顾了计算简便性、实时性、精度高的优点。本发明将以CHP机组纯凝、供热工况工作点为对象,开展变负荷特性研究。
步骤三:采用控制变量法分析控制变量单独作用下CHP机组变负荷能力以检测拉氏模型的可用性:
控制变量与输出变量之间的函数关系如图2所示,在Simulink中对纯凝工况和供热工况进行建模,用来测试分析变负荷过程变量之间的输入输出关系。通过控制变量单独作用时的输出变化情况分析,得到锅炉汽轮机采暖系统以及变负荷能力的动态特性。供热工况下分别在VB、VT、VH指令上施加10t/h、10%、10%的阶跃变化,纯凝工况下分别施加-10t/h、-10%、-10%的阶跃变化,得到不同工况的电功率、主蒸汽压力和抽汽压力的响应曲线,如图3、图4所示。
控制变量法的单变量作用下线性化后的模型的动态特性与原模型基本保持一致,则可认为线性化模型具有良好的复现性,根据线性化模型进行变负荷过程动态调节特性分析研究是可行的。
步骤四:利用改进粒子群算法进行多变量协同控制来测试机组变负荷能力的开环特性:
采用优化算法对VB、VT、VH三个控制变量进行确定,来分析三者协同迭加作用时系统输出变化情况。与其他优化算法相比,改进粒子群算法在迭代初始阶段具备较大寻优步长,以加强全局搜索能力;在迭代后期减慢粒子运动速度,使粒子进行局部精细化搜索,从而提高搜索精度。改进后的粒子群更新方程为:
式中:vid为第i个粒子运动速度,速度上下限为[-10,10];k为算法当前迭代次数;r1、r2为[0,1]范围内的随机数;c1、c2为粒子的学习因子,均为5;Pid为第i个粒子的历史最优值;Pgd为所有粒子当前最优值;Xid为第i个粒子的当前位置;ω、ωs、ωe分别为粒子速度保持程度的惯性权重系数、初始惯性权重系数(0.9)和迭代完成时的惯性权重系数(0.4);Tmax为最大迭代次数。
优化过程如下:
三个控制变量协同作用的寻优算法流程如图5所示,给定CHP机组电功率变负荷需求,改进粒子群算法与simulink模型之间连接是通过粒子(即控制变量VB、VT、VH)和该粒子对应的适应值(即输出值与期望值匹配程度的性能指标);改进粒子群算法产生粒子群(初始化粒子群或更新后的粒子群),将该粒子群中的粒子依次赋值给模型的参数VB、VT、VH,然后运行机组某工况下工作点的simulink模型,得到该组参数对应的性能指标,该性能指标传递到改进粒子群算法中作为该粒子的适应值,最后判断是否可退出算法,即是否达到设定的迭代次数。
在供热工况、纯凝工况下分别施加电负荷给定作用的阶跃信号时,通过上述优化过程测试CHP机组基于工作点线性化模型的调节性能。考察控制变量VB、VT、VH寻优过程的收敛性,三个输出变量(pt、pz、NE)稳态值误差的指标性能,开环调节下系统的控制进度与调节速度。
步骤五:设计电热协同-安全自检的控制策略调节控制变量来测试机组调节能力的闭环特性:
CHP机组控制应能实现准确的变负荷跟踪、可靠的热力供应和安全的压力波动。供热和发电受到锅炉燃料量VB、汽轮机高调阀VT开度、供热抽汽调节蝶阀VH开度的影响。基于PID优化控制方法匹配三个控制变量,分别设计VB(t)、VT(t)和VH(t)变量的PID控制器:
控制方案I:
为保证机组运行的安全稳定,调节过程需考虑输出变量波动的影响,应满足控制系统路径约束,如式(17)所示;各输出变量稳态值不能超出允许的误差范围,还应满足系统终值约束,如式(18)所示。
其中,mpt、mNE、mpz为主蒸汽压力、电功率、中压抽汽压力的误差范围;Mpt、MNE、Mpz为主蒸汽压力、电功率中压抽汽压力的波动范围。
针对上述控制过程需求,进一步采用扰动补偿、多变量协调的控制理念,通过设计电热协调、热状态重构和精确能量平衡三个关键控制模块,提出了一种新型的电热功率协调分配-压力安全自检控制策略,实现电功率准确跟踪、热功率快速恢复和系统运行安全稳定三个关键功能,控制系统结构如图6所示。
控制方案II:
其中,K1、T1、K2、T2为压力安全自检、热功率协调控制策略的参数。
将CHP机组动态模型进行建模仿真,给定变负荷扰动的阶跃信号,分析在优化控制周期内抽汽蒸汽流量的变化过程。定量分析抽汽蒸汽流量波动引起的热量变化对热负荷需求的影响,按如下方法计算。
qH(t)=K7K6qx(96pz(t)-ti+103) (20);
QH,equ=qH,equ·△h (22);
其中,QH,equ为等效CHP机组热功率,Δh为供热抽汽焓降(Δh=2.3637×103),pz(t)为抽汽压力调节过程值,qH,equ为调节过程的平均等效流量,t0和te为机组优化控制的起始和终止时间点。
CHP机组模型存在明显的系统非线性,对象传递函数参数中包含有决定对象工作点的输入变量信息,因此造成不同的输入工作点下传递函数不同的非线性特性。通过使用相同的PID控制器整定参数,测试供热、纯凝不同工况下的机组系统控制品质,来衡量CHP机组这一非线性有多强;分析确定整定控制器参数能够保证常见工况下系统的控制品质的方法,引导协调控制系统结构或控制器参数必须做出某种调整,以适应被控对象参数的变化。
实施例:
为验证本发明提出模型和方法的有效性,采用300MW抽汽式供热机组,在Matlab/Simulink平台搭建模型进行仿真,分别通过控制变量法进行各个控制变量单独作用测试机组动态特性,通过控制变量扰动测试机组的变负荷开环特性,通过设计控制策略测试机组的变负荷闭环动态特性,观察各个输出的响应曲线以验证线性化模型的复现性并分析控制方法与策略的有效性。CHP机组相关参数如表1、表2、表3所示:
表1.CHP机组工作点参数
表2.CHP机组工况数据
参数名称 | 参数符号 | 供热工况 | 纯凝工况 |
发电功率MW | N<sub>E</sub> | 235 | 300 |
供热抽汽流量t/h | q<sub>H</sub> | 400 | 0 |
中压缸排气压力MPa | p<sub>z</sub> | 0.35 | 0.501 |
供热循环水流量t/h | q<sub>x</sub> | 2500 | 0 |
循环水回水温度℃ | t<sub>i</sub> | 70 | 70 |
主蒸汽压力MPa | p<sub>t</sub> | 16.67 | 16.67 |
燃料量t/h | V<sub>B</sub> | 126.58 | 126.58 |
汽轮机高调门开度% | V<sub>T</sub> | 66.895 | 66.895 |
抽汽蝶阀开度% | V<sub>H</sub> | 54.526 | 100 |
表3.CHP机组控制系统参数
T-PID参数 | B-PID参数 | H-PID参数 | K<sub>1</sub>=1.23 |
K<sub>PT</sub>=42 | K<sub>PB</sub>=20 | K<sub>PH</sub>=30 | T<sub>1</sub>=1 |
K<sub>IT</sub>=0.165 | K<sub>IB</sub>=10 | K<sub>IH</sub>=1 | K<sub>2</sub>=0.45 |
K<sub>DT</sub>=2700 | K<sub>DB</sub>=0 | K<sub>DH</sub>=0 | T<sub>2</sub>=15 |
(1)通过控制变量法,进行各个控制变量单独作用测试机组动态特性分析
图3(1)、图3(2)、图3(3)显示了锅炉燃料量VB、汽轮机高调门VT开度、供热抽汽调节蝶阀VH开度阶跃扰动下对象输出变化情况。当VB增加时,机前压力、机组发电功率、IP缸排汽压力(供热抽汽流量)均上升;当VT开度增加时,机前压力下降,锅炉释放蓄热,机组发电功率先增加再恢复到原来水平,IP缸排汽压力(供热抽汽流量)先增加后恢复到原来水平;当VH增加时,机前压力保持不变,机组发电功率因部分蒸汽在LP缸内做功份额增加而增加,IP排汽压力降低,供热抽汽流量将因从汽轮机内抽汽量减少而下降。
图4(1)、图4(2)、图4(3)分别显示了锅炉燃料量VB、汽轮机高调阀VT开度、供热抽汽调节蝶阀VH开度阶跃扰动下对象输出变化情况。当VB降低时,机前压力、机组发电功率、IP缸排汽压力均降,因VH全开,所以供热抽汽流量为零且保持不变,此特性同传统纯凝式机组无异;当VT开度减小时,机前压力升高,锅炉释放蓄热,机组发电负荷先降低后恢复到原来水平,IP缸排汽压力变化规律同发电负荷类似,因VH全开,所以供热抽汽流量为零且保持不变;当VH开度减少时,因机组实际并未开启供热状态,所以机组发电负荷保持不变化,IP缸排汽压力升高,供热抽汽流量为零。
单变量作用下线性化后的模型的动态特性与原模型基本保持一致,因此可认为线性化模型具有良好的复现性,根据线性化模型进行变负荷过程动态调节特性分析研究是可行的。两种工况下控制变量单独作用测试证明:控制变量调节对CHP机组变负荷效果各有不同,VB对电功率改变作用明显,VT对主蒸汽压力变化影响较大,VH主要影响抽汽压力变化,单独作用虽各有一定变负荷能力但是调节时间长,无差调节能力差。实际系统是控制的压力、温度、流量等因素共同作用的,最终的控制效果是多种影响因素的迭加。影响因素反向迭加控制作用效果相互抵消,正向迭加则控制作用效果相互加强。工作点线性化模型的多控制变量协同作用效果需要进一步测试验证。
(2)通过控制变量扰动,测试机组的变负荷开环特性分析:
供热工况下电负荷给定作用为25MW的阶跃信号时,系统的调节指标性能以及三个控制变量寻优过程如图7(1)、图7(2)、图7(3)所示。优化算法在设置参数20个种群、20次迭代后,经30次仿真计算,可稳定的计算三个控制变量,系统的调节指标性能适应度值可稳定收敛至0.2以下。VT调节范围为[2.5,7]%、VB调节范围为[5,13]t/h,且两者同向作用,VH调节范围分布较广且与前两者作用相反。
纯凝工况下电负荷给定作用为-25MW的阶跃信号时,系统的调节指标性能以及三个控制变量寻优过程如图8(1)、图8(2)、图8(3)所示。与供热工况同样算法参数设置,系统的调节指标性能适应度值可稳定收敛至0.5以下。VT调节范围为[5,6]%、VB调节范围为[10.5,10.6]t/h,VH调节范围分布较广且与适应度值反向相关。
供热工况、纯凝工况下控制变量协同作用时的系统各输出变化情况如图9(1)、图9
(2)、图9(3),图10(1)、图10(2)、图10(3)所示。供热工况下给定阶跃信号、调节控制变量(5.52%,10.15t/h,14.39%),经约1500s后系统输出电功率准确达到变负荷要求的25MW、主蒸汽压力调整回-0.04MPa、抽汽压力稳定到-0.01MPa。纯凝工况下给定阶跃信号、调节控制变量(-5.59%,-10.58t/h,-8.54%),经约1500s后系统输出电功率准确达到变负荷要求的-25MW、主蒸汽压力调整回0.0007MPa、抽汽压力稳定到0.0015MPa。
开环调节免去了复杂的PID整定工作,可准确完成电功率调节,但变负荷过程涉及安全的主蒸汽压力与供热的抽汽压力均为有差调节,且一次寻优计算时间约为5min,调节时间较长。
(3)通过设计控制策略测试机组的变负荷闭环动态特性:
基于所搭建的CHP机组S域系统仿真模型,分别给定电负荷阶跃信号为5MW、15MW、25MW,采用控制方案I与控制方案II进行闭环控制仿真分析,机组电功率、主蒸汽压力、抽汽压力变化如图11(1)、图11(2)、图11(3)所示。两种控制方案机组电功率均快速增加,三个变负荷场景分别以10s、35s、80s准确达到阶跃期望的稳态值,变负荷越强用时越长。具体来看,方案II在前30s的调节过程中响应速度、爬坡速率略优于方案I。
主蒸汽压力调节过程的动态波动的大小直接关系到机组安全稳定运行。由图可知,变负荷越大主蒸汽压力波动越剧烈,经压力安全自检控制策略改进的方案II,在控制过程中有效减小了压力的波动。与方案I相比,方案II压力波动峰值减小约50%,350s内均可回到稳态值。
方案I控制的抽汽压力均无法调节回稳态值(0MPa,不影响供热),且变负荷能力越强抽汽压力稳态偏差越大(对供热影响越大)。经电热协同控制策略改进的方案II可实现供热快速恢复功能,图中可看出,方案II经100s动态调节可使抽汽压力恢复到更接近稳态值。两种方案供热抽汽压力变化对供热的影响(与额定供热工况pz=0.35,qH=400,QH=262.63相比)可由式(20)-(22)计算得到:
表4.不同方案供热抽汽压力变化对供热的影响
表4中数据表明,与方案I相比,方案II的控制策略对机组供热功率输出影响更小,优化周期内热量变化量减少约60%(基准值0kJ),可实现在较大电功率变负荷时,保证机组热出力稳定。
在纯凝工况下建立工作点线性化模型并使用与供热工况方案I控制策略相同的PID参数,用来分析控制系统的鲁棒性、PID参数的普适性。如图12(1)、图12(2)、图12(3)所示,纯凝工况整体上其控制品质可以接受,这说明对象虽然存在系统非线性,但现有常规控制器的鲁棒性足够强,能够克服这种非线性造成的影响,也说明在机组任何工作点整定好的控制器参数,能够适应机组正常负荷变化范围。但仍然存在和额定供热工况下类似的问题,主蒸汽压力、抽汽压力控制效果略显不足,主蒸汽压力调节过程波动,抽汽压力无法实现无差调节。仿真测试中方案II的控制策略不能适用于纯凝工况,需要重新整定安全自检、电热协同参数。
Claims (9)
1.基于工作点线性化建模的CHP机组变负荷动态过程特性分析方法,其特征在于包括以下步骤:
步骤1:分析CHP机组动态耦合关系,构建CHP机组非线性动态模型;
步骤2:在纯凝、供热工况下,建立工作点线性化的拉普拉斯变换模型,采用控制变量法分析控制变量单独作用下CHP机组变负荷能力;
步骤3:利用改进粒子群算法进行多变量协同控制的优化,测试CHP机组变负荷能力的开环特性;
步骤4:通过电热协同-安全自检的控制策略调节控制变量,测试CHP机组调节能力的闭环特性。
2.根据权利要求1所述基于工作点线性化建模的CHP机组变负荷动态过程特性分析方法,其特征在于:所述步骤1中,CHP机组的电功率、热功率与控制阀门的非线性动态耦合关系的微分代数方程数学模型如下:
其中:rm为实际进入磨煤机煤量,VB为机组燃料量,t为控制时域时间变量、τ为制粉过程延迟时间;Tf为制粉惯性时间、rB为锅炉燃烧率;Cb为锅炉蓄热系数,pd为汽包压力,K3为汽轮机增益静态参数,pt为汽轮机主蒸汽压力,VT为汽轮机高压缸进汽调节阀开度,K1为燃料增益静态参数;K2为过热器阻力系数,ε为有效能量指数,(K1rB)ε表示进入锅炉的有效能量;Tt为汽轮机惯性时间,NE为机组发电功率,K4为高中压缸占汽轮机做功比例,K5为低压缸增益静态参数,pz为汽轮机供热抽汽压力,VH为供热抽汽调节蝶阀开度;Ch为机组加热器蓄热系数,K6为热网循环水的有效比热容,qx为机组循环水流量,pz为汽轮机供热抽汽压力,ti为机组循环水回水温度;qH为供热抽汽流量,K7为供热抽汽有效热量折合蒸汽流量系数;p1为汽轮机一级压力。
3.根据权利要求2所述基于工作点线性化建模的CHP机组变负荷动态过程特性分析方法,其特征在于:所述步骤2中,包括如下步骤:
首先,将式(1)写成增量形式,利用小偏差线性化得到平衡点附近的线性模型:
其中,Δrm为实际进入磨煤机煤量增量,ΔVB为机组燃料量增量,t为控制时域时间变量、τ为制粉过程延迟时间;Tf为制粉惯性时间、ΔrB为锅炉燃烧率增量;Cb为锅炉蓄热系数,Δpd为汽包压力增量,K3为汽轮机增益静态参数,Δpt为汽轮机主蒸汽压力增量,ΔVT为汽轮机高压缸进汽调节阀开度增量,K1为燃料增益静态参数;K2为过热器阻力系数,Tt为汽轮机惯性时间,ΔNE为机组发电功率增量,K4为高中压缸占汽轮机做功比例,K5为低压缸增益静态参数,Δpz为汽轮机供热抽汽压力增量,ΔVH为供热抽汽调节蝶阀开度增量;Ch为机组加热器蓄热系数,K6为热网循环水的有效比热容,Δqx为机组循环水流量增量,ti为机组循环水回水温度;ΔqH为供热抽汽流量增量,K7为供热抽汽有效热量折合蒸汽流量系数;Δp1为汽轮机一级压力增量;
其次,求取增量方程式(2)的拉普拉斯变换,设初始条件为零,对系统线性微分方程(2)取拉普拉斯变换并省去增量符号Δ,得:
其中,s为复频域变量,是复数,rm(s)为实际进入磨煤机煤量复频域变量,VB(s)为机组燃料量复频域变量,τ为制粉过程延迟时间;Tf为制粉惯性时间、rB(s)为锅炉燃烧率复频域变量;Cb为锅炉蓄热系数,pd(s)为汽包压力复频域变量,K3为汽轮机增益静态参数,pt(s)为汽轮机主蒸汽压力复频域变量,VT(s)为汽轮机高压缸进汽调节阀开度复频域变量,K1为燃料增益静态参数;K2为过热器阻力系数,Tt为汽轮机惯性时间,NE(s)为机组发电功率复频域变量,K4为高中压缸占汽轮机做功比例,K5为低压缸增益静态参数,pz(s)为汽轮机供热抽汽压力复频域变量,VH(s)为供热抽汽调节蝶阀开度复频域变量;Ch为机组加热器蓄热系数,K6为热网循环水的有效比热容,qx(s)为机组循环水流量复频域变量,ti为机组循环水回水温度;qH(s)为供热抽汽流量复频域变量,K7为供热抽汽有效热量折合蒸汽流量系数;p1(s)为汽轮机一级压力复频域变量;
然后,对线性模型式(3)进行简化和等效,得到工作点线性化后的描述单元机组热电耦合关系动态特性的数学模型,用传递函数矩阵的形式表示为:
其中,pt(s)为汽轮机主蒸汽压力复频域变量,pz(s)为汽轮机供热抽汽压力复频域变量,NE(s)为机组发电功率复频域变量,VT(s)为汽轮机高压缸进汽调节阀开度复频域变量,VB(s)为机组燃料量复频域变量,VH(s)为供热抽汽调节蝶阀开度复频域变量;G11(s)、G12(s)、G13(s)、G21(s)、G22(s)、G23(s)、G31(s)、G32(s)、G33(s)分别为传递函数矩阵的元素;
热电耦合关系矩阵各元素分别为:
G11(s)=-M2/(1+M1s) (5);
其中,s为复频域变量;M1、M2分别为元素G11(s)方程式系数;
其中,s为复频域变量,K1为燃料增益静态参数,K3为汽轮机增益静态参数,VT为汽轮机高压缸进汽调节阀开度,τ为制粉过程延迟时间,Tf为制粉惯性时间,M1、M3分别为元素G12(s)方程式系数;
G13(s)=0 (7);
其中,s为复频域变量,K4为高中压缸占汽轮机做功比例,Cb为锅炉蓄热系数,Ch为机组加热器蓄热系数,M1、M2、M4分别为元素G21(s)方程式系数;
其中,s为复频域变量,K1为燃料增益静态参数,K4为高中压缸占汽轮机做功比例,τ为制粉过程延迟时间,Tf为制粉惯性时间,Ch为机组加热器蓄热系数,M1、M3、M4分别为元素G22(s)方程式系数;
其中,s为复频域变量,Ch为机组加热器蓄热系数,M4、M6分别为元素G23(s)方程式系数;
其中,s为复频域变量,K4为高中压缸占汽轮机做功比例,Cb为锅炉蓄热系数,Tt为汽轮机惯性时间,Ch为机组加热器蓄热系数,M1、M2、M4、M5分别为元素G31(s)方程式系数;
其中,s为复频域变量,K1为燃料增益静态参数,K4为高中压缸占汽轮机做功比例,τ为制粉过程延迟时间,Tf为制粉惯性时间,Tt为汽轮机惯性时间,Ch为机组加热器蓄热系数,M1、M3、M4、M5分别为元素G32(s)方程式系数;
其中,s为复频域变量,K6为热网循环水的有效比热容,qx为机组循环水流量,Tt为汽轮机惯性时间,Ch为机组加热器蓄热系数,M4、M6分别为元素G33(s)方程式系数。
4.根据权利要求1所述基于工作点线性化建模的CHP机组变负荷动态过程特性分析方法,其特征在于:所述步骤2中,采用控制变量法,分析控制变量单独作用下CHP机组变负荷能力,以检测拉普拉斯变换模型的可用性,过程如下:
在Simulink中,对纯凝工况和供热工况进行建模,用来测试分析变负荷过程变量之间的输入输出关系;通过控制变量单独作用时的输出变化情况分析,得到锅炉汽轮机采暖系统以及变负荷能力的动态特性。
5.根据权利要求1所述基于工作点线性化建模的CHP机组变负荷动态过程特性分析方法,其特征在于:所述步骤2中,供热工况下分别在VB、VT、VH指令上施加10t/h、10%、10%的阶跃变化,纯凝工况下分别施加-10t/h、-10%、-10%的阶跃变化,得到不同工况的电功率、主蒸汽压力和抽汽压力的响应曲线。
6.根据权利要求1所述基于工作点线性化建模的CHP机组变负荷动态过程特性分析方法,其特征在于:所述步骤3中,改进后的粒子群更新方程为:
7.根据权利要求6所述基于工作点线性化建模的CHP机组变负荷动态过程特性分析方法,其特征在于:改进后的粒子群更新方程优化过程如下:
S1:给定CHP机组电功率变负荷需求,改进粒子群算法与simulink模型之间连接是通过粒子,即控制变量VB、VT、VH和该粒子对应的适应值,即输出值与期望值匹配程度的性能指标;
S2:改进粒子群算法产生粒子群,将该粒子群中的粒子依次赋值给模型的参数VB、VT、VH;
S3:然后运行机组某工况下工作点的simulink模型,得到该组参数对应的性能指标,该性能指标传递到改进粒子群算法中作为该粒子的适应值,最后判断是否达到设定的迭代次数。
8.根据权利要求1所述基于工作点线性化建模的CHP机组变负荷动态过程特性分析方法,其特征在于:所述步骤4中,
基于PID优化控制方法匹配三个控制变量VB(t)、VT(t)和VH(t),分别设计VB(t)、VT(t)和VH(t)变量的PID控制器:
其中,KPT为控制VT(t)变量的比例系数,KIT为控制VT(t)变量的积分系数,KDT为控制VT(t)变量的微分系数;KPB为控制VB(t)变量的比例系数,KIB为控制VB(t)变量的积分系数,KDB为控制VB(t)变量的微分系数;KPH为控制VH(t)变量的比例系数,KIH为控制VH(t)变量的积分系数,KDH为控制VH(t)变量的微分系数;ET(t)为汽轮机主蒸汽压力设定值与当前值的误差,EB(t)为汽轮机供热抽汽压力设定值与当前值的误差,EH(t)为机组发电功率设定值与当前值的误差;
控制方案I:
其中,pt(t)为汽轮机主蒸汽压力控制过程当前值,pz(t)为汽轮机供热抽汽压力控制过程当前值,NE(t)为机组发电功率控制过程当前值;为汽轮机主蒸汽压力控制过程设定值,为汽轮机供热抽汽压力控制过程设定值,为机组发电功率控制过程设定值;
为保证机组运行的安全稳定,调节过程需考虑输出变量波动的影响,应满足控制系统路径约束,如式(17)所示;各输出变量稳态值不能超出允许的误差范围,还应满足系统终值约束,如式(18)所示;
其中,pt(t)为汽轮机主蒸汽压力控制过程当前值,pz(t)为汽轮机供热抽汽压力控制过程当前值,NE(t)为机组发电功率控制过程当前值;为汽轮机主蒸汽压力控制过程设定值,为汽轮机供热抽汽压力控制过程设定值,为机组发电功率控制过程设定值;Mpt、MNE、Mpz分别为主蒸汽压力、电功率、供热抽汽压力的波动范围限定值;
9.根据权利要求8所述基于工作点线性化建模的CHP机组变负荷动态过程特性分析方法,其特征在于:所述步骤4中,通过电热功率协调分配-压力安全自检控制策略,实现电功率准确跟踪、热功率快速恢复和系统运行安全稳定三个关键功能;
控制方案II:
其中,pt(t)为汽轮机主蒸汽压力控制过程当前值,pz(t)为汽轮机供热抽汽压力控制过程当前值,NE(t)为机组发电功率控制过程当前值;为汽轮机主蒸汽压力控制过程设定值,为汽轮机供热抽汽压力控制过程设定值,为机组发电功率控制过程设定值;Mpt、MNE、Mpz分别为主蒸汽压力、电功率、供热抽汽压力的波动范围限定值;K1、T1分别为压力安全自检的控制策略的增益参数和时间参数,K2、T2分别为热功率协调控制策略的增益参数和时间参数;ET(t)为汽轮机主蒸汽压力设定值与当前值的误差,EB(t)为汽轮机供热抽汽压力设定值与当前值的误差,EH(t)为机组发电功率设定值与当前值的误差;
将CHP机组动态模型进行建模仿真,给定变负荷扰动的阶跃信号,分析在优化控制周期内抽汽蒸汽流量的变化过程;定量分析抽汽蒸汽流量波动引起的热量变化对热负荷需求的影响,按如下方法计算;
qH(t)=K7K6qx(96pz(t)-ti+103) (20);
其中,qH为供热抽汽流量,K7为供热抽汽有效热量折合蒸汽流量系数;K6为热网循环水的有效比热容,qx为机组循环水流量,pz为汽轮机供热抽汽压力,ti为机组循环水回水温度;
其中,qH,equ为调节过程的平均等效供热抽汽流量,t0和te为机组优化控制的起始和终止时间点;
QH,equ=qH,equ·△h (22)
其中,QH,equ为等效CHP机组热功率,Δh为供热抽汽焓降。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210080334.9A CN114488807B (zh) | 2022-01-24 | 2022-01-24 | 基于工作点线性化建模的chp机组变负荷动态过程特性分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210080334.9A CN114488807B (zh) | 2022-01-24 | 2022-01-24 | 基于工作点线性化建模的chp机组变负荷动态过程特性分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114488807A true CN114488807A (zh) | 2022-05-13 |
CN114488807B CN114488807B (zh) | 2023-07-28 |
Family
ID=81475409
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210080334.9A Active CN114488807B (zh) | 2022-01-24 | 2022-01-24 | 基于工作点线性化建模的chp机组变负荷动态过程特性分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114488807B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115268381A (zh) * | 2022-07-22 | 2022-11-01 | 三峡大学 | 基于sqp-ipm交替求解的chp机组变负荷过程动态优化方法 |
CN115421390A (zh) * | 2022-09-23 | 2022-12-02 | 三峡大学 | 计及深度强化学习的热电联产机组多工况自适应控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5159562A (en) * | 1990-07-31 | 1992-10-27 | Westinghouse Electric Corp. | Optimization of a plurality of multiple-fuel fired boilers using iterated linear programming |
WO2018196456A1 (zh) * | 2017-04-28 | 2018-11-01 | 东南大学 | 一种热电联合优化调度模型的建模方法 |
CN109143857A (zh) * | 2018-08-14 | 2019-01-04 | 上海电力学院 | 一种超超临界机组协调控制系统的解耦控制方法 |
CN112594776A (zh) * | 2020-12-30 | 2021-04-02 | 华电郑州机械设计研究院有限公司 | 一种适用于供热机组负荷调节的控制方法及系统 |
-
2022
- 2022-01-24 CN CN202210080334.9A patent/CN114488807B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5159562A (en) * | 1990-07-31 | 1992-10-27 | Westinghouse Electric Corp. | Optimization of a plurality of multiple-fuel fired boilers using iterated linear programming |
WO2018196456A1 (zh) * | 2017-04-28 | 2018-11-01 | 东南大学 | 一种热电联合优化调度模型的建模方法 |
CN109143857A (zh) * | 2018-08-14 | 2019-01-04 | 上海电力学院 | 一种超超临界机组协调控制系统的解耦控制方法 |
CN112594776A (zh) * | 2020-12-30 | 2021-04-02 | 华电郑州机械设计研究院有限公司 | 一种适用于供热机组负荷调节的控制方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115268381A (zh) * | 2022-07-22 | 2022-11-01 | 三峡大学 | 基于sqp-ipm交替求解的chp机组变负荷过程动态优化方法 |
CN115421390A (zh) * | 2022-09-23 | 2022-12-02 | 三峡大学 | 计及深度强化学习的热电联产机组多工况自适应控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114488807B (zh) | 2023-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114488807B (zh) | 基于工作点线性化建模的chp机组变负荷动态过程特性分析方法 | |
CN110242370B (zh) | 一种超临界中间再热式机组滑压运行时参与电网一次调频的控制方法及控制系统模型 | |
Qi et al. | Thermal modeling and controller design of an alkaline electrolysis system under dynamic operating conditions | |
CN104793610B (zh) | 协调系统前馈控制器参数的确定方法及装置 | |
CN107664300B (zh) | 多目标蒸汽温度控制 | |
CN108227518B (zh) | 一种汽轮机仿真模型的修正方法及装置 | |
CN101242156A (zh) | 单元制发电机组的非线性协调控制方法 | |
Wu et al. | Physics-informed energy-balanced modeling and active disturbance rejection control for circulating fluidized bed units | |
CN106707756A (zh) | 融合扩张观测器的超临界火电机组机炉协调控制方法 | |
CN108361683A (zh) | 一种全负荷段再热气温智能控制系统 | |
Zhang et al. | Optimization control of a 330 MW drum boiler unit based on DMC algorithm and DEB strategy | |
US10012114B2 (en) | Method and device for controlling a temperature of steam for a steam power plant | |
Dai et al. | Active disturbance rejection control for the reheated steam temperature of a double-reheat boiler | |
CN108931928B (zh) | 一种超临界机组参与风功率消纳的两区域系统调频的仿真方法 | |
Albanesi et al. | Optimization of the start-up procedure of a combined cycle power plant | |
CN115421390A (zh) | 计及深度强化学习的热电联产机组多工况自适应控制方法 | |
Ma et al. | Intelligent Compensation for the Set Values of PID Controllers to Improve Boiler Superheated Steam Temperature Control | |
Ma et al. | PID-compensated ANN inverse control with application in superheated steam temperature control of supercritical boiler unit | |
JPS6199001A (ja) | 火力発電ボイラの蒸気温度制御装置及び制御方法 | |
Li et al. | Operation Data based Modelling and Optimization of Thermal Power Units under Full Working Conditions | |
CN113885311B (zh) | 一种基于广义频率法的燃气轮机燃烧室模型闭环辨识方法 | |
Rasolomampionona | A modified power system model for AGC analysis | |
Zhou et al. | Modelling, validation and control of steam turbine bypass system of thermal power plant | |
Wen | Model of thermal power plant considering water spray desuperheater for power system analysis | |
Shahin et al. | Nonlinear Model Predictive Control for Power Generation Gas Turbines |
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 |