CN114879495A - 单元制发电机组协调优化控制方法及装置 - Google Patents

Abstract

本申请公开了一种单元制发电机组协调优化控制方法及装置，采用改进的免疫遗传算法，将热工机理模型与预测控制相结合，得到非线性预测控制，通过特殊的种群生成机制可取消对象延时对控制效果的影响，且加入幅值和变化速率约束，在有限时域内计算目标函数，逐代求解优化，获得当前时刻最优控制量序列，解决了非线性预测控制中的控制量优化求解问题，可用于机组协调控制系统的设计，具有很好的负荷响应速率，为大型机组深度调峰控制算法提供新的思路。

Description

单元制发电机组协调优化控制方法及装置

技术领域

本申请涉及单元制发电机组技术领域，具体涉及一种单元制发电机组协调优化控制方法及装置。

背景技术

协调控制系统是电厂整个自动控制系统的核心，能协调锅炉和汽机主控，让汽机、锅炉的动态特性与负荷变化能力相适应，锅炉确定合理的水、煤、风量，汽轮机确定合适的调门开度，从而实现自动发电控制(AGC)及一次调频功能，满足电网对发电机组的负荷响应要求。但在实际运行中的诸多机组参数偏离设计值或最佳运行状态，导致控制参数无法长期适应电网调峰要求，出现运行不稳定或供电煤耗上升等问题。

国内外现有的火电机组协调系统大多采用PID控制，但是，因机组不同负荷和工况下呈现较强非线性及时变性，PID控制器存在不适应大范围升降负荷，机组深度调峰时性能变差等问题。因此，单元制发电机组亟需一种具有适应性较强的机炉协调控制优化方法。

发明内容

为此，本申请提供一种单元制发电机组协调优化控制方法及装置，以解决现有技术存在的多机组参数偏离设计值或最佳运行状态，导致控制参数无法长期适应电网调峰要求的问题。

为了实现上述目的，本申请提供如下技术方案：

第一方面，一种单元制发电机组协调优化控制方法，包括：

确定预测模型，所述预测模型采用单元制发电机组负荷控制机理模型；

产生种群个体数为L的初始抗体；

将种群中的每个抗体作用于所述预测模型，得到输出预测值；

获得抗体对应的目标函数；

计算每个抗体的抗原亲和力；

更新记忆细胞，并促进和抑制抗体；

通过种群交叉和变异产生新一代抗体种群，直到迭代次数或连续多代最优抗体的抗原亲和力不发生变化时，停止免疫遗传算法；

获取控制量的幅值约束和控制量的变化速率约束；

获取当前状态变量和控制量；

在前一时刻控制作用满足幅值约束和变化速率约束的范围内，确定当前时刻的抗体种群，并用记忆细胞更新此种群；

以所述目标函数作为抗原，计算最优抗体的抗原亲和力，并用所述免疫遗传算法进行在线优化，求出当前时刻的最优控制序列；

将所述最优控制序列作用于被控对象得到系统的输出。

进一步的，所述产生种群个体数为L的初始抗体时，采样时间取为9s，则燃料量指令延迟4个采样点。

进一步的，所述输出预测值是经反馈校正后的预测输出序列，所述预测输出序列为：

其中，

为模型误差修正项；

为现在和将来的预测模型输出向量；x_i(t+k-1)与u_i(t+k-1)分别为现在和将来模型状态向量和模型控制向量，(i＝1,2,3)。

进一步的，所述目标函数为：

其中，

1≤i≤3为第i个模型输出的二次型性能指标；γ(i)，λ(i)为加权系数；

为参考轨迹，α_i(0≤α_i≤1)为柔化因子，y_r为设定值，N₀为因最小相引起的反向部分或系统时延。

进一步的，所述抗原亲和力为：

进一步的，所述促进和抑制抗体具体为：

计算任意两个抗体s^l和s^m的亲和力(A_b)_l,m：

所述(A_b)_l,m为：

其中，

为抗体s^l和s^m间的结合强度；

计算抗体l的浓度C_l：

所述C_l为：

根据第一公式选择抗体：

所述第一公式为：

进一步的，所述交叉操作具体为：

将抗体进行二进制编码，以所述第一公式为标准，采用轮盘赌选择机制，选择两个父母代抗体，用多点交叉算子对抗体进行交叉操作。

进一步的，当多点交叉产生不满足控制量变化速率的子代抗体时，需要进行修正，修正方法具体为：

多点交叉后，依次检查每组相邻的抗体元素，抗体序列第一个元素u^l(t)与u(t-1)配对，依次为u^l(t+z)与u^l(t+z-1)，直到u^l(t+N_u-1)与u^l(t+N_u-2)。

设

如果dc＞Δu_jmax，则

如果dc＜-Δu_jmax，则

(0≤z≤N_u-2)。

进一步的，所述变异操作具体为：

确定

变异区间[b_l(k),b_u(k)]；

在区间[b_l(k),b_u(k)]内对

进行二进制编码，并产生基本位变异，经解码变异后的抗体为：

其中，b_c(k)为产生变异的抗体元素

第二方面，一种单元制发电机组协调优化控制装置，包括：

滚动优化模块，用于产生种群个体数为L的初始抗体；将种群中的每个抗体作用于预测模型，得到输出预测值；获得抗体对应的目标函数；计算每个抗体的抗原亲和力；更新记忆细胞，并促进和抑制抗体；通过种群交叉和变异产生新一代抗体种群，直到迭代次数或连续多代最优抗体的抗原亲和力不发生变化时，停止免疫遗传算法；

反馈校正模块，用于将已知的机理控制模型作为被控对象和预测模型，在每个采样周期内，找出满足约束条件和目标函数的最优控制序列，取首个控制量作为当前时刻的最优控制量并作用给被控对象，根据当前时刻被控对象与预测模型的输出偏差对预测输出序列进行反馈校正，得到修正过的预测序列与参考轨迹进入滚动优化模块进行下一时刻的优化求解。

相比现有技术，本申请至少具有以下有益效果：

本发明与现有技术相比，采用改进的免疫遗传算法，将热工机理模型与预测控制相结合，得到非线性预测控制，通过特殊的种群生成机制可取消对象延时对控制效果的影响，且加入幅值和变化速率约束，在有限时域内计算目标函数，逐代求解优化，获得当前时刻最优控制量序列，解决了非线性预测控制中的控制量优化求解问题，可用于机组协调控制系统的设计，具有很好的负荷响应速率，为大型机组深度调峰控制算法提供新的思路。

附图说明

为了更直观地说明现有技术以及本申请，下面给出几个示例性的附图。应当理解，附图中所示的具体形状、构造，通常不应视为实现本申请时的限定条件；例如，本领域技术人员基于本申请揭示的技术构思和示例性的附图，有能力对某些单元(部件)的增/减/归属划分、具体形状、位置关系、连接方式、尺寸比例关系等容易作出常规的调整或进一步的优化。

图1为本申请提供的一种单元制发电机组协调优化控制方法流程图；

图2为本申请提供的一种单元制发电机组协调优化控制方法原理图。

具体实施方式

以下结合附图，通过具体实施例对本申请作进一步详述。

在本申请的描述中：除非另有说明，“多个”的含义是两个或两个以上。本申请中的术语“第一”、“第二”、“第三”等旨在区别指代的对象，而不具有技术内涵方面的特别意义(例如，不应理解为对重要程度或次序等的强调)。“包括”、“包含”、“具有”等表述方式，同时还意味着“不限于”(某些单元、部件、材料、步骤等)。

本申请中所引用的如“上”、“下”、“左”、“右”、“中间”等的用语，通常是为了便于对照附图直观理解，而并非对实际产品中位置关系的绝对限定。在未脱离本申请揭示的技术构思的情况下，这些相对位置关系的改变，当亦视为本申请表述的范畴。

请参阅图1和图2，图1中r为参考轨迹，u为控制量，y是被控对象的实际输出，y_m是机理预测模型输出，y _m为经反馈校正的预测输出。本申请提供一种单元制发电机组协调优化控制方法，其工作原理为：将已知的机理控制模型作为被控对象和预测模型，在每个采样周期内，找出满足约束条件和目标函数的最优控制序列，取首个控制量作为当前时刻的最优控制量并作用给被控对象。根据当前时刻被控对象与预测模型的输出偏差对预测输出序列进行反馈校正，得到修正过的预测序列与参考轨迹进入免疫优化模块进行下一时刻的优化求解，反复计算，滚动实施。

具体步骤包括：

S1：确定预测模型；

具体的，采用单元制发电机组负荷控制机理模型作为预测模型，所述预测模型为：

式(1)中，y₁(t)，y₂(t)，y₃(t)为模型输出值，即主蒸汽压力，汽水分离器焓值，机组功率；x₁(t-1)，x₂(t-1)，x₃(t-1)为模型状态值，即入炉煤量，汽水分离器压力，汽水分离器焓值；u₁(t-1)，u₂(t-1)，u₃(t-1)为模型输入值，即燃料量指令，给水流量，汽机调门开度。

实际机组模型会因时变、噪声干扰等不确定因素使得预测模型与实际对象产生偏差，因此需对预测模型输出进行反馈校正，具体为：

设预测控制系统的预测时域长度为N_p，控制时域长度为N_u。经反馈校正后的预测输出序列为：

式(2)中，

为模型误差修正项；

为现在和将来的预测模型输出向量；x_i(t+k-1)与u_i(t+k-1)分别为现在和将来模型状态向量和模型控制向量，(i＝1,2,3)。

当k≥N_u,u_i(t+k)＝u_i(t+k-1)＝...＝u_i(t+N_u-1)。

S2：确定算法结构参数；

具体的，算法结构参数包括：预测时域长度N_p，控制时域长度N_u，目标函数中的加权系数γ和λ，以及免疫优化算法的各参数值(L,α_l,N_m,θ,β,μ)，其中L产生种群个体数，α_l为柔化因子，N_m为记忆细胞的个数，θ为亲和力常数，β,μ为计算常数。

具体的，将待定控制量转换为抗体，第l个抗体可表示为：

在当前采用周期t，基于改进的免疫优化的滚动寻优算法包括：

S201：产生种群个体数为L的初始抗体(即L个初始控制序列)；

初始抗体种群在满足幅值和变化速率约束的范围内随机选取，具体为：

设u(t-1)是t-1时刻的控制输入，根据式(4)选取t时刻的控制量：

式(4)中，r为区间[-1，1]内的随机数。

由于被控对象含有延迟，如36s，为降低延迟对控制效果的影响，在步骤S101的基础上进行改进，采样时间取为9s，则燃料量指令延迟4个采样点，故选u₁(t-5)、u₂(t-1)和u₃(t-1)作为抗体序列的首行元素，以此类推，由此对象的延时己包括在抗体中，因此经优化求解的最优序列，可实现对被控对象的最优控制。

S202：将种群中的每个抗体作用于预测模型，根据式(2)得到输出预测值

S203：获取抗体对应的目标函数；

具体的，目标函数JJ为；

其中，

1≤i≤3为第i个模型输出的二次型性能指标，γ(i)，λ(i)为加权系数，可根据控制系统要求调整；

为参考轨迹，α_i(0≤α_i≤1)为柔化因子，通常取α_i＝0.1，y_r为设定值，y_i为随着时间的推移，模型的一个输出量，N₀为因最小相引起的反向部分或系统时延。

S204：计算每个抗体的抗原亲和力；

抗原亲和力的计算公式为：

S205：更新记忆细胞；

具体的，在改进的免疫遗传算法中，记忆细胞是确保算法全局收敛的关键，需不断更新。每次更新时，用种群中的抗原亲和力最高的N_m(N_m为记忆细胞的个数)个抗体与记忆细胞比较，并更新种群中低抗原亲和力的抗体。

S206：促进和抑制抗体；

具体的，根据下式计算任意两个抗体s^l和s^m的亲和力：

式(7)中，

为抗体s^l和s^m间的结合强度。

抗体l的浓度定义为：

其中的θ为亲和力常数，一般取0.9≤θ≤1。

选择抗体的标准由抗原亲和力(A_g)_l与抗体浓度两部分组成：

上式(8)可使高抗原亲和力且低抗体浓度的抗体得到增殖，能够确保种群多样性和全局收敛，通常取β＝0.7，μ＝1.25。

S207：通过种群繁殖(交叉和变异)产生新一代抗体种群；

具体的，首先将抗体进行二进制编码，以式(8)为标准，采用轮盘赌选择机制，选择两个父母代抗体，用多点交叉算子对抗体进行交叉操作。多点交叉有时会产生不满足控制量变化速率的子代抗体，可用下来方法来修正。

具体的，多点交叉后，依次检查每组相邻的抗体元素，抗体序列第一个元素u^l(t)与u(t-1)配对，依次u^l(t+z)与u^l(t+z-1)，一直到u^l(t+N_u-1)与u^l(t+N_u-2)。

设

如果dc＞Δu_jmax，则

如果dc＜-Δu_jmax，则

(0≤z≤N_u-2)。

抗体变异操作如下：对于每个抗体s^l的每个基因

生成0～1之间的随机数r，若r小于变异概率p_m，则发生变异，否则不变。变异的首要步骤是确定的

变异区间[b_l(k),b_u(k)]；

在区间[b_l(k),b_u(k)]内对

进行二进制编码，并产生基本位变异，经解码变异后的抗体为：

式中，b_c(k)为产生变异的抗体元素

S208：重复步骤S201-S207直到满足终止条件；达到迭代次数N_gen或连续多代(如6代)最优抗体的抗原亲和力无改变，则算法停止。

本申请将反映控制效果的二次性指标(公式5)作为抗原，采用二进制编码方式，二进制编码易在种群进化，交叉、变异中获得优秀抗体，具有较高的寻优精度。

S3：读取控制量的幅值约束u_jmin和控制量的变化速率约束Δu_jmax；

具体的，

控制量的幅值约束：

u_jmin≤u_j(t+k)≤u_jmax,1≤j≤3,0≤k≤N_u-1 (12)

控制量的变化速率约束：

-Δu_jmax≤Δu_j(t+k)≤Δu_jmax,1≤j≤3,0≤k≤N_u-1 (13)

其中，

Δu_j(t+k)＝u_j(t+k)-u_j(t+k-1)

S4：获得当前状态变量和控制量；

x₁(t-1),x₂(t-1),x₃(t-1),u₁(t-1),u₂(t-1),u₃(t-1)

S5：在前一时刻控制作用u(t-1)满足幅值约束和变化速率约束的范围内，确定当前时刻的抗体种群，并用记忆细胞更新此种群；

S6：以目标函数式(5)作为抗原，计算抗原亲和力，并用改进免疫遗传算法进行在线优化，求出当前t时刻的最优控制序列{u^*(t+k),k＝0,1,...,N_u-1}，并将u^*(t)作用于被控对象得到系统的输出。

S7：返回到步骤S4，计算下一个采样周期的最优控制量。

本申请相比与现有技术相比，采用改进的免疫遗传算法，将热工机理模型与预测控制相结合，得到非线性预测控制，通过特殊的种群生成机制可取消对象延时对控制效果的影响，且加入幅值和变化速率约束，在有限时域内计算目标函数，逐代求解优化，获得当前时刻最优控制量序列，解决了非线性预测控制中的控制量优化求解问题，可用于机组协调控制系统的设计，具有很好的负荷响应速率，为大型机组深度调峰控制算法提供新的思路。

本申请的实施例提供一种单元制发电机组协调优化控制装置，包括：

滚动优化模块，用于产生种群个体数为L的初始抗体；将种群中的每个抗体作用于预测模型，得到输出预测值；获得抗体对应的目标函数；计算每个抗体的抗原亲和力；更新记忆细胞，并促进和抑制抗体；通过种群交叉和变异产生新一代抗体种群，直到迭代次数或连续多代最优抗体的抗原亲和力不发生变化时，停止免疫遗传算法；

反馈校正模块，用于将已知的机理控制模型作为被控对象和预测模型，在每个采样周期内，找出满足约束条件和目标函数的最优控制序列，取首个控制量作为当前时刻的最优控制量并作用给被控对象，根据当前时刻被控对象与预测模型的输出偏差对预测输出序列进行反馈校正，得到修正过的预测序列与参考轨迹进入滚动优化模块进行下一时刻的优化求解。

关于单元制发电机组协调优化控制装置的具体限定可以参见上文中对于单元制发电机组协调优化控制方法的限定，在此不再赘述。

以上实施例的各技术特征可以进行任意的组合(只要这些技术特征的组合不存在矛盾)，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述；这些未明确写出的实施例，也都应当认为是本说明书记载的范围。

上文中通过一般性说明及具体实施例对本申请作了较为具体和详细的描述。应当理解，基于本申请的技术构思，还可以对这些具体实施例作出若干常规的调整或进一步的创新；但只要未脱离本申请的技术构思，这些常规的调整或进一步的创新得到的技术方案也同样落入本申请的权利要求保护范围。

Claims (10)

1.一种单元制发电机组协调优化控制方法，其特征在于，包括：

确定预测模型，所述预测模型采用单元制发电机组负荷控制机理模型；

产生种群个体数为L的初始抗体；

将种群中的每个抗体作用于所述预测模型，得到输出预测值；

获得抗体对应的目标函数；

计算每个抗体的抗原亲和力；

更新记忆细胞，并促进和抑制抗体；

通过种群交叉和变异产生新一代抗体种群，直到迭代次数或连续多代最优抗体的抗原亲和力不发生变化时，停止免疫遗传算法；

获取控制量的幅值约束和控制量的变化速率约束；

获取当前状态变量和控制量；

在前一时刻控制作用满足幅值约束和变化速率约束的范围内，确定当前时刻的抗体种群，并用记忆细胞更新此种群；

以所述目标函数作为抗原，计算最优抗体的抗原亲和力，并用所述免疫遗传算法进行在线优化，求出当前时刻的最优控制序列；

将所述最优控制序列作用于被控对象得到系统的输出。

2.根据权利要求1所述的单元制发电机组协调优化控制方法，其特征在于，所述产生种群个体数为L的初始抗体时，采样时间取为9s，则燃料量指令延迟4个采样点。

3.根据权利要求1所述的单元制发电机组协调优化控制方法，其特征在于，所述输出预测值是经反馈校正后的预测输出序列，所述预测输出序列为：

其中，

x₂(t-1),x₃(t-1),u₁(t-1),u₂(t-1),u₃(t-1))为模型误差修正项；

为现在和将来的预测模型输出向量；x_i(t+k-1)与u_i(t+k-1)分别为现在和将来模型状态向量和模型控制向量，(i＝1,2,3)。

4.根据权利要求1所述的单元制发电机组协调优化控制方法，其特征在于，所述目标函数为：

其中，

为第i个模型输出的二次型性能指标；γ(i)，λ(i)为加权系数；

为参考轨迹，α_i(0≤α_i≤1)为柔化因子，y_r为设定值，N₀为因最小相引起的反向部分或系统时延。

5.根据权利要求1所述的单元制发电机组协调优化控制方法，其特征在于，所述抗原亲和力为：

6.根据权利要求1所述的单元制发电机组协调优化控制方法，其特征在于，所述促进和抑制抗体具体为：

计算任意两个抗体s^l和s^m的亲和力(A_b)_l,m：

所述(A_b)_l,m为：

其中，

为抗体s^l和s^m间的结合强度；

计算抗体l的浓度C_l：

所述C_l为：

根据第一公式选择抗体：

所述第一公式为：

7.根据权利要求6所述的单元制发电机组协调优化控制方法，其特征在于，所述交叉操作具体为：

将抗体进行二进制编码，以所述第一公式为标准，采用轮盘赌选择机制，选择两个父母代抗体，用多点交叉算子对抗体进行交叉操作。

8.根据权利要求7所述的单元制发电机组协调优化控制方法，其特征在于，当多点交叉产生不满足控制量变化速率的子代抗体时，需要进行修正，修正方法具体为：

多点交叉后，依次检查每组相邻的抗体元素，抗体序列第一个元素u^l(t)与u(t-1)配对，依次为u^l(t+z)与u^l(t+z-1)，直到u^l(t+N_u-1)与u^l(t+N_u-2)；

设

如果dc＞Δu_jmax，则

如果dc＜-Δu_jmax，则

9.根据权利要求7所述的单元制发电机组协调优化控制方法，其特征在于，所述变异操作具体为：

确定

变异区间[b_l(k),b_u(k)]；

在区间[b_l(k),b_u(k)]内对

进行二进制编码，并产生基本位变异，经解码变异后的抗体为：

其中，b_c(k)为产生变异的抗体元素

10.一种单元制发电机组协调优化控制装置，其特征在于，包括：

滚动优化模块，用于产生种群个体数为L的初始抗体；将种群中的每个抗体作用于预测模型，得到输出预测值；获得抗体对应的目标函数；计算每个抗体的抗原亲和力；更新记忆细胞，并促进和抑制抗体；通过种群交叉和变异产生新一代抗体种群，直到迭代次数或连续多代最优抗体的抗原亲和力不发生变化时，停止免疫遗传算法；

反馈校正模块，用于将已知的机理控制模型作为被控对象和预测模型，在每个采样周期内，找出满足约束条件和目标函数的最优控制序列，取首个控制量作为当前时刻的最优控制量并作用给被控对象，根据当前时刻被控对象与预测模型的输出偏差对预测输出序列进行反馈校正，得到修正过的预测序列与参考轨迹进入滚动优化模块进行下一时刻的优化求解。

Images