CN116149401A - 一种压缩空气储能电站换热器出口温度控制系统及方法 - Google Patents
一种压缩空气储能电站换热器出口温度控制系统及方法 Download PDFInfo
- Publication number
- CN116149401A CN116149401A CN202310416205.7A CN202310416205A CN116149401A CN 116149401 A CN116149401 A CN 116149401A CN 202310416205 A CN202310416205 A CN 202310416205A CN 116149401 A CN116149401 A CN 116149401A
- Authority
- CN
- China
- Prior art keywords
- heat exchanger
- cold fluid
- fluid flow
- value
- outlet temperature
- 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
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D23/00—Control of temperature
- G05D23/19—Control of temperature characterised by the use of electric means
- G05D23/30—Automatic controllers with an auxiliary heating device affecting the sensing element, e.g. for anticipating change of temperature
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/16—Mechanical energy storage, e.g. flywheels or pressurised fluids
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Air Conditioning Control Device (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供了一种压缩空气储能电站换热器出口温度控制系统及方法,所述控制系统包括主控制子系统,用于获取影响换热器出口温度的前馈影响因素参数和模型特征参数,并根据前馈影响因素参数和模型特征参数进行智能模型搭建,输出冷流体流量设定值,所述前馈影响因素参数包括换热器入口温度值,所述模型特征参数包括冷流体流量理论值;副控制子系统,用于获取冷流体流量实际值并根据冷流体流量设定值和PID控制进行冷流体流量调节阀的开度控制;储能子系统,包括换热器和压缩机。本发明通过智能预测和PID控制相结合的控制策略,能够消除滞后环节对于系统控制质量的影响以及传统串级PID控制系统的干扰因素,使系统达到稳定水平。
Description
技术领域
本发明涉及储能技术领域,尤其涉及一种压缩空气储能电站换热器出口温度控制系统及方法。
背景技术
双碳背景下,压缩空气储能作为一种新兴储能技术,具有容量大、安全性高、使用寿命长、建设成本低的特点,在调峰、调频、削峰填谷等辅助服务上有着广泛的应用,能够有效提升新能源的利用率,减少弃风弃光现象。换热器作为压缩空气储能电站压缩空气换热的重要设备,通过换热器能够实现电站压缩空气出口温度满足储气库的要求,在整个电站效率提升方面发挥重要作用。
目前,换热器出口温度控制方法常采用单级PID控制或串级PID控制方法。PID控制算法因其算法简单、参数调整方便,已成为当前换热器温度控制过程中的常用方法,但PID算法也存在一定的局限性和不足。PID算法只有在系统模型参数为非时变的情况下,取得理想的效果。当模型参数时变时,系统的性能会变差,甚至不稳定。因此,该方法调整效果较为有限。在此基础上,有学者提出基于Smith-Fuzzy串级控制算法,但该算法受限于隶属度函数的限定及模糊规则的设计等因素,且在控制前馈方面考虑较少,相较于传统PID控制算法能够取得一定的效果,但精度难以满足实际需求。因此,有必要研究一种压缩空气储能电站换热器出口温度控制系统及方法来应对现有技术的不足,以解决或减轻上述一个或多个问题。
发明内容
有鉴于此,本发明提供了一种压缩空气储能电站换热器出口温度控制系统及方法,通过智能预测和PID控制相结合的控制策略,能够消除滞后环节对于系统控制质量的影响以及传统串级PID控制系统的干扰因素,使系统达到稳定水平。
一方面,本发明提供一种压缩空气储能电站换热器出口温度控制系统,所述控制系统包括:相互连接的主控制子系统、副控制子系统和储能子系统,其中;
所述储能子系统包括相互连接的换热器和压缩机;
所述主控制子系统,用于获取影响换热器出口温度的前馈影响因素参数和模型特征参数,并根据前馈影响因素参数和模型特征参数进行智能模型搭建,输出冷流体流量设定值,所述前馈影响因素参数包括换热器入口温度值,所述模型特征参数包括冷流体流量理论值;
所述副控制子系统,用于获取冷流体流量实际值并根据冷流体流量设定值和PID控制进行冷流体流量调节阀的开度控制,实现对换热器出口温度的调控。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述模型特征参数还包括:第一模型特征参数和第二模型特征参数,所述第一模型特征参数为压缩机出口温度值;所述第二模型特征参数为换热器出口温度设定值与换热器出口温度实际值偏差。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述前馈影响因素参数还包括压缩空气入口流量、压缩空气比热、冷水流体比热和换热器出口温度设定值;
所述冷流体流量理论值由换热器入口温度值、压缩空气入口流量值、压缩空气比热、换热器出口温度设定值和冷水流体比热计算获得;
所述压缩机出口温度值=换热器入口温度值。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述主控制子系统包括:
参数获取模块,用于获取前馈影响因素参数和第一模型特征参数;
模型特征参数计算模块,根据前馈影响因素参数计算第二模型特征参数和冷流体流量理论值;
预测模型建立模块,以第一模型特征参数、第二模型特征参数和冷流体流量理论值为特征变量,冷流体流量设定值为目标变量,建立表征特征变量和目标变量的预测模型;
输出模块,用于根据预测模型输出冷流体流量设定值。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述冷流体流量理论值计算方法为:
Fluid_T_Cold=Fluid_In_Hot×(T1_In-T_Out_SP)×(Cp_Hot/Cp_Cold)
其中,Fluid_T_Cold为冷流体流量理论值;Fluid_In_Hot为压缩空气入口流量值;T_Out_SP为换热器出口温度设定值,所述换热器出口温度设定值根据当前工况进行预设获得;T1_In为换热器入口温度值;Cp_Hot为压缩空气比热,Cp_Cold为冷水流体比热。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述第二模型特征参数=换热器出口温度实际值-换热器出口温度设定值。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述副控制子系统包括PID控制器,冷流体流量调节阀的开度控制通过PID控制器进行调整,所述PID控制器通过遗传算法进行优化。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述所述储能子系统还包括储气库和冷流体存储罐,所述换热器同时连接参数获取模块、压缩机、储气库和冷流体存储罐;
所述压缩机与换热器之间设有换热器压缩空气入口流量计和换热器入口温度计;
所述冷流体存储罐与换热器之间设有冷流体入口流量计;
所述储气库与换热器之间设有换热器压缩空气出口温度计;
所述换热器压缩空气入口流量计、换热器入口温度计、冷流体入口流量计和换热器压缩空气出口温度计均与参数获取模块连接。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述控制系统还包括释能子系统,所述释能子系统包括冷流体入口流量控制调节阀门,所述冷流体入口流量控制调节阀门同时连接PID控制器和输出模块。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,通过所述的控制系统完成,所述控制方法包括以下步骤:
S1:从储能子系统中获取前馈影响因素参数;
S2:在主控制子系统中预设模型特征参数;
S3:从储能子系统中获取部分预设的模型特征参数,并根据S1中获取的前馈影响因素参数计算其余的预设模型特征参数;
S4:以模型特征参数中的换热器出口温度设定值与换热器出口温度实际值偏差、压缩机出口温度值以及冷流体流量理论值为特征变量,冷流体流量设定值为目标变量,通过机器学习方法在主控制子系统建立预测模型;
S5:通过预测模型输出冷流体流量设定值给释能子系统;
S6:通过PID控制器对冷流体流量的设定值与冷流体流量实际值的偏差值进行调整,并采用遗传算法进行优化,控制冷流体流量入口调节阀的开度。
上述技术方案中的另一个技术方案具有如下优点或有益效果:本发明提供的两级控制系统能够有效的解决换热器系统控制存在的大滞后、参数时变的问题;
上述技术方案中的另一个技术方案具有如下优点或有益效果:本发明采用智能预测和PID控制相结合的控制策略,能够消除滞后环节对于系统控制质量的影响以及传统串级PID控制系统的干扰因素,使系统达到稳定水平;
上述技术方案中的另一个技术方案具有如下优点或有益效果:本发明提供了将换热器入口温度值与冷流体流量的理论值当作智能预测控制的前馈特征和模型特征,及时调整冷流体流量的设定值,做到能够及时应对压缩空气电站参数变化的情形。当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有技术效果。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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的前提下,还可以根据这些附图获得其它的附图。
图1是本发明一个实施例提供的控制系统的工作流程图;
图2是本发明一个实施例提供的控制系统的结构图;
图3是本发明一个实施例提供的控制方法的流程图。
其中,图中:1、压缩机;2、换热器;3、冷流体存储罐;4、储气库;5、换热器压缩空气入口流量计;6、换热器入口温度计;7、换热器压缩空气出口温度计;8、冷流体入口流量控制调节阀门;9、冷流体入口流量计;10、高温压缩空气入口;11、高温压缩空气出口;12、冷流体入口;13、冷流体出口。
具体实施方式
为了更好的理解本发明的技术方案,下面结合附图对本发明实施例进行详细描述。
应当明确,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它实施例,都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
一方面本发明提供一种压缩空气储能电站换热器出口温度控制系统,所述控制系统包括:相互连接的主控制子系统、副控制子系统和储能子系统,其中;
所述储能子系统包括相互连接的换热器和压缩机;
所述主控制子系统,用于获取影响换热器出口温度的前馈影响因素参数和模型特征参数,并根据前馈影响因素参数和模型特征参数进行智能模型搭建,输出冷流体流量设定值,所述前馈影响因素参数包括换热器入口温度值,所述模型特征参数包括冷流体流量理论值;
所述副控制子系统,用于获取冷流体流量实际值并根据冷流体流量设定值和PID控制进行冷流体流量调节阀的开度控制,实现对换热器出口温度的调控;
所述主控制子系统连接副控制子系统。
所述模型特征参数还包括:第一模型特征参数和第二模型特征参数,所述第一模型特征参数为压缩机出口温度值;所述第二模型特征参数为换热器出口温度设定值与换热器出口温度实际值偏差。
所述前馈影响因素参数还包括压缩空气入口流量、压缩空气比热、冷水流体比热和换热器出口温度设定值;
所述冷流体流量理论值由换热器入口温度值、压缩空气入口流量值、压缩空气比热、换热器出口温度设定值和冷水流体比热计算获得;
所述压缩机出口温度值=换热器入口温度值。
所述主控制子系统包括:
参数获取模块,用于获取前馈影响因素参数和第一模型特征参数;
模型特征参数计算模块,根据前馈影响因素参数计算第二模型特征参数和冷流体流量理论值;
预测模型建立模块,以第一模型特征参数、第二模型特征参数和冷流体流量理论值为特征变量,冷流体流量设定值为目标变量,建立表征特征变量和目标变量的预测模型;
输出模块,用于根据预测模型输出冷流体流量设定值。
所述冷流体流量理论值计算方法为:
Fluid_T_Cold=Fluid_In_Hot×(T1_In-T_Out_SP)×(Cp_Hot/Cp_Cold)
其中,Fluid_T_Cold为冷流体流量理论值;Fluid_In_Hot为压缩空气入口流量值;T_Out_SP为换热器出口温度设定值,所述换热器出口温度设定值根据当前工况进行预设获得;T1_In为换热器入口温度值;Cp_Hot为压缩空气比热,Cp_Cold为冷水流体比热。
所述第二模型特征参数=换热器出口温度实际值-换热器出口温度设定值。
所述副控制子系统包括PID控制器,冷流体流量调节阀的开度控制通过PID控制器进行调整,所述PID控制器通过遗传算法进行优化。
所述控制系统还包括储能子系统,所述储能子系统包括压缩机、换热器、储气库和冷流体存储罐,所述换热器同时连接参数获取模块、压缩机、储气库和冷流体存储罐;
所述压缩机与换热器之间设有换热器压缩空气入口流量计和换热器入口温度计;
所述冷流体存储罐与换热器之间设有冷流体入口流量计;
所述储气库与换热器之间设有换热器压缩空气出口温度计;
所述换热器压缩空气入口流量计、换热器入口温度计、冷流体入口流量计和换热器压缩空气出口温度计均与参数获取模块连接。
所述控制系统还包括释能子系统,所述释能子系统包括冷流体入口流量控制调节阀门,所述冷流体入口流量控制调节阀门同时连接PID控制器和输出模块。
所述压缩机与换热器之间设有换热器压缩空气入口流量计9和换热器入口温度计6,用于获取压缩空气入口流量值和换热器入口温度值;
所述冷流体存储罐与换热器之间设有冷流体入口流量计5,用于获取压缩空气入口流量值;
所述储气库与换热器之间设有换热器压缩空气出口温度计7,用于获取换热器出口温度实际值;
所述换热器压缩空气入口流量计、换热器入口温度计、冷流体入口流量计和换热器压缩空气出口温度计均与参数获取模块连接。
所述释能子系统包括冷流体入口流量控制调节阀门8,所述冷流体入口流量控制调节阀门同时连接PID控制器和输出模块:
如图3所示,本发明还提供一种压缩空气储能电站换热器出口温度控制方法,通过所述的控制系统完成,所述控制方法包括以下步骤:
S1:从储能子系统中获取前馈影响因素参数;
S2:在主控制子系统中预设模型特征参数;
S3:从储能子系统中获取部分预设的模型特征参数,并根据S1中获取的前馈影响因素参数计算其余的预设模型特征参数;
S4:以模型特征参数中的换热器出口温度设定值与换热器出口温度实际值偏差、压缩机出口温度值以及冷流体流量理论值为特征变量,冷流体流量设定值为目标变量,通过机器学习方法在主控制子系统建立预测模型;
S5:通过预测模型输出冷流体流量设定值给释能子系统;
S6:通过PID控制器对冷流体流量的设定值与冷流体流量实际值的偏差值进行调整,并采用遗传算法进行优化,遗传算法优化PID控制冷流体流量入口调节阀的开度,采用遗传算法进行优化过程一般包括以下三个步骤:1、决策变量,设置PID三个参数;2、约束条件,根据模型的物理意义和调节经验确定参数的取值范围;3、优化模型,考虑暂态性能,获得满意的性能,以及为了限制控制量过大,所以目标函数采用误差绝对值的积分,以及控制输入的平方项。可以使用MATLAB自带的遗传算法工具箱实现。
实施例1:
如图2所示,本发明公开了一种压缩空气储能电站换热器出口温度控制方法,该方法主要用于压缩空气储能电站,包括两级控制系统。所述两级控制系统包含主控制系统和副控制系统。主控制系统为智能预测控制器,输入为换热器出口温度设定值与换热器出口温度实际值偏差、压缩机出口温度值以及冷流体流量理论值,输出为冷流体流量的设定值;副控制系统为副PID控制系统,其输入为冷流体流量的设定值与冷流体流量实际值的偏差值,输出为冷流体流量入口控制调节阀门的开度,进而控制冷流体流量的流量。
所述压缩空气储能电站包含储能和释能子系统,所述换热器出口温度控制过程为储能子系统;所述压缩空气储能电站储能子系统依次包含压缩机、换热器、储气库、冷流体存储罐四大关键设备,还包含压缩空气入口流量计、压缩空气入口温度计、压缩空气出口温度计、冷流体入口流量计四大测量设备以及冷流体流量控制阀门。所述冷流体可以是水、熔盐换热介质。
如图1所示,所述主控制系统中的智能预测控制器主要包括前馈影响因素分析、智能模型搭建2个过程。所述前馈影响因素分析主要确定冷流体流量设定值的影响因素,包括压缩空气出口温度、压缩空气入口流量、压缩空气比热、冷水流体比热,为下一步智能预测模型搭建提供基础。
所述智能模型搭建主要根据换热器出口温度设定值与换热器出口温度实际值偏差、压缩机出口温度值以及冷流体流量理论值3种参数为特征变量、冷流体流量设定值为目标变量,采用机器学习方法建立表征特征变量与目标变量的预测模型。所述冷流体流量理论值主要根据以下公式计算。
Fluid_T_Cold=Fluid_In_Hot×(T1_In-T_Out_SP)×(Cp_Hot/Cp_Cold)
式中,Fluid_T_Cold为冷流体流量的理论值;Fluid_In_Hot为压缩空气入口流量值;T_Out_SP为换热器出口温度设定值;T1_In为换热器入口温度值;Cp_Hot和Cp_Cold分别为压缩空气比热和冷水流体比热;T_Out_SP换热器出口温度设定值为预设值,该预设值根据储气库的当前工况进行设定获得,例如储气库要求温度不超过40℃,则该预设值即为35-40℃,PID控制器控制该预设温度变动不超过5℃,同时满足工况和/或储气库要求。
所述副PID控制器主要根据冷流体流量的设定值与冷流体流量实际值的偏差值,采用PID进行调整,得到冷流体流量入口控制调节阀的开度。所述PID控制器参数主要采用遗传算法进行优化。
以上对本申请实施例所提供的一种压缩空气储能电站换热器出口温度控制系统及方法,进行了详细介绍。以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
如在说明书及权利要求书当中使用了某些词汇来指称特定组件。本领域技术人员应可理解,硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求书并不以名称的差异来作为区分组件的方式,而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求书当中所提及的“包含”、“包括”为一开放式用语,故应解释成“包含/包括但不限定于”。“大致”是指在可接收的误差范围内,本领域技术人员能够在一定误差范围内解决所述技术问题,基本达到所述技术效果。说明书后续描述为实施本申请的较佳实施方式,然所述描述乃以说明本申请的一般原则为目的,并非用以限定本申请的范围。本申请的保护范围当视所附权利要求书所界定者为准。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的商品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。上述说明示出并描述了本申请的若干优选实施例,但如前所述,应当理解本申请并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述申请构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本申请的精神和范围,则都应在本申请所附权利要求书的保护范围内。
Claims (10)
1.一种压缩空气储能电站换热器出口温度控制系统,其特征在于,所述控制系统包括:相互连接的主控制子系统、副控制子系统和储能子系统,其中;
所述储能子系统包括相互连接的换热器和压缩机;
所述主控制子系统,用于获取影响换热器出口温度的前馈影响因素参数和模型特征参数,并根据前馈影响因素参数和模型特征参数进行智能模型搭建,输出冷流体流量设定值,所述前馈影响因素参数包括换热器入口温度值,所述模型特征参数包括冷流体流量理论值;
所述副控制子系统,用于获取冷流体流量实际值并根据冷流体流量设定值和PID控制进行冷流体流量调节阀的开度控制,实现对换热器出口温度的调控。
2.根据权利要求1所述的控制系统,其特征在于,所述模型特征参数还包括:第一模型特征参数和第二模型特征参数,所述第一模型特征参数为压缩机出口温度值;所述第二模型特征参数为换热器出口温度设定值与换热器出口温度实际值偏差。
3.根据权利要求2所述的控制系统,其特征在于,所述前馈影响因素参数还包括压缩空气入口流量、压缩空气比热、冷水流体比热和换热器出口温度设定值;
所述冷流体流量理论值由换热器入口温度值、压缩空气入口流量值、压缩空气比热、换热器出口温度设定值和冷水流体比热计算获得;
所述压缩机出口温度值=换热器入口温度值。
4.根据权利要求3所述的控制系统,其特征在于,所述主控制子系统包括:
参数获取模块,用于获取前馈影响因素参数和第一模型特征参数;
模型特征参数计算模块,根据前馈影响因素参数计算第二模型特征参数和冷流体流量理论值;
预测模型建立模块,以第一模型特征参数、第二模型特征参数和冷流体流量理论值为特征变量,冷流体流量设定值为目标变量,建立表征特征变量和目标变量的预测模型;
输出模块,用于根据预测模型输出冷流体流量设定值。
5.根据权利要求4所述的控制系统,其特征在于,所述冷流体流量理论值计算方法为:
Fluid_T_Cold=Fluid_In_Hot×(T1_In-T_Out_SP)×(Cp_Hot/Cp_Cold)
其中,Fluid_T_Cold为冷流体流量理论值;Fluid_In_Hot为压缩空气入口流量值;T_Out_SP为换热器出口温度设定值,所述换热器出口温度设定值根据当前工况进行预设获得;T1_In为换热器入口温度值;Cp_Hot为压缩空气比热,Cp_Cold为冷水流体比热。
6.根据权利要求5所述的控制系统,其特征在于,所述第二模型特征参数=换热器出口温度实际值-换热器出口温度设定值。
7.根据权利要求6所述的控制系统,其特征在于,所述副控制子系统包括PID控制器,冷流体流量调节阀的开度控制通过PID控制器进行调整,所述PID控制器通过遗传算法进行优化。
8.根据权利要求7所述的控制系统,其特征在于,所述储能子系统还包括储气库和冷流体存储罐,所述换热器同时连接参数获取模块、压缩机、储气库和冷流体存储罐;
所述压缩机与换热器之间设有换热器压缩空气入口流量计和换热器入口温度计;
所述冷流体存储罐与换热器之间设有冷流体入口流量计;
所述储气库与换热器之间设有换热器压缩空气出口温度计;
所述换热器压缩空气入口流量计、换热器入口温度计、冷流体入口流量计和换热器压缩空气出口温度计均与参数获取模块连接。
9.根据权利要求7所述的控制系统,其特征在于,所述控制系统还包括释能子系统,所述释能子系统包括冷流体入口流量控制调节阀门,所述冷流体入口流量控制调节阀门同时连接PID控制器和输出模块。
10.一种压缩空气储能电站换热器出口温度控制方法,通过上述权利要求1-9之一所述的控制系统完成,其特征在于,所述控制方法包括以下步骤:
S1:从储能子系统中获取前馈影响因素参数;
S2:在主控制子系统中预设模型特征参数;
S3:从储能子系统中获取部分预设的模型特征参数,并根据S1中获取的前馈影响因素参数计算其余的预设模型特征参数;
S4:以模型特征参数中的换热器出口温度设定值与换热器出口温度实际值偏差、压缩机出口温度值以及冷流体流量理论值为特征变量,冷流体流量设定值为目标变量,通过机器学习方法在主控制子系统建立预测模型;
S5:通过预测模型输出冷流体流量设定值给释能子系统;
S6:通过PID控制器对冷流体流量的设定值与冷流体流量实际值的偏差值进行调整,并采用遗传算法进行优化,控制冷流体流量入口调节阀的开度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310416205.7A CN116149401B (zh) | 2023-04-19 | 2023-04-19 | 一种压缩空气储能电站换热器出口温度控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310416205.7A CN116149401B (zh) | 2023-04-19 | 2023-04-19 | 一种压缩空气储能电站换热器出口温度控制系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116149401A true CN116149401A (zh) | 2023-05-23 |
CN116149401B CN116149401B (zh) | 2023-09-05 |
Family
ID=86352767
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310416205.7A Active CN116149401B (zh) | 2023-04-19 | 2023-04-19 | 一种压缩空气储能电站换热器出口温度控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116149401B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116909126A (zh) * | 2023-07-07 | 2023-10-20 | 华北电力大学 | 一种基于飞轮散热模型的水冷流量pid控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420397A (zh) * | 2021-06-09 | 2021-09-21 | 中国科学院理化技术研究所 | 储能电站动态运行调控方法 |
CN115079560A (zh) * | 2022-03-22 | 2022-09-20 | 中国能源建设集团江苏省电力设计院有限公司 | 一种用于压缩空气储能系统的油气温度控制方法和系统 |
CN115370437A (zh) * | 2022-07-28 | 2022-11-22 | 北京百度网讯科技有限公司 | 基于压缩流体的冷热电三联产储能系统及控制方法 |
WO2023024510A1 (zh) * | 2021-08-23 | 2023-03-02 | 维谛技术有限公司 | 阀门开度的控制方法、装置、非易失性存储介质及处理器 |
-
2023
- 2023-04-19 CN CN202310416205.7A patent/CN116149401B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420397A (zh) * | 2021-06-09 | 2021-09-21 | 中国科学院理化技术研究所 | 储能电站动态运行调控方法 |
WO2023024510A1 (zh) * | 2021-08-23 | 2023-03-02 | 维谛技术有限公司 | 阀门开度的控制方法、装置、非易失性存储介质及处理器 |
CN115079560A (zh) * | 2022-03-22 | 2022-09-20 | 中国能源建设集团江苏省电力设计院有限公司 | 一种用于压缩空气储能系统的油气温度控制方法和系统 |
CN115370437A (zh) * | 2022-07-28 | 2022-11-22 | 北京百度网讯科技有限公司 | 基于压缩流体的冷热电三联产储能系统及控制方法 |
Non-Patent Citations (2)
Title |
---|
冯立川;戴凌汉;陈静;: "Smith-Fuzzy串级控制在换热器出口温度控制中的应用", 石油化工自动化, no. 06 * |
郑维;李松泽;刘自然;: "压缩空气储能发电回热系统的模糊控制研究", 电气技术, no. 05 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116909126A (zh) * | 2023-07-07 | 2023-10-20 | 华北电力大学 | 一种基于飞轮散热模型的水冷流量pid控制方法 |
CN116909126B (zh) * | 2023-07-07 | 2024-03-12 | 华北电力大学 | 一种基于飞轮散热模型的水冷流量pid控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116149401B (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113091123B (zh) | 一种基于数字孪生模型的楼宇机组供热系统调控方法 | |
CN110288164B (zh) | 一种建筑空调制冷站系统预测控制方法 | |
CN109269021B (zh) | 空调系统节能运行优化调度方法 | |
CN116149401B (zh) | 一种压缩空气储能电站换热器出口温度控制系统及方法 | |
CN114265306B (zh) | 海洋平台通风系统在线风平衡控制方法及控制系统 | |
CN110794775B (zh) | 多台锅炉负荷智能控制系统和方法 | |
CN110879620A (zh) | 一种核电站立式蒸汽发生器液位控制方法以及系统 | |
CN113757931B (zh) | 一种空调控制方法及系统 | |
CN113048550B (zh) | 一种集中供热系统一次侧优化控制方法及系统 | |
CN103322647A (zh) | 一种中央空调的冷却水供水温度预测控制方法 | |
CN112051810A (zh) | 一种供热机组的多能源分配和调度系统 | |
CN114580254A (zh) | 一种基于模型预测控制的建筑室内温度调控方法和系统 | |
CN111322885B (zh) | 一种间冷系统百叶窗控制装置及其控制方法 | |
CN114811714A (zh) | 一种基于模型预测控制的供暖房间室温控制方法 | |
CN107763890B (zh) | 一种基于高压储液罐控制的高温热泵系统及控制方法 | |
CN112556258A (zh) | 一种补偿时延的热泵智能控制方法 | |
CN117091195A (zh) | 一种基于室温控制和量调节的运行调控系统及调控方法 | |
CN109695943B (zh) | 基于大数据深度学习的涂装空调的温湿度控制系统 | |
CN116592417A (zh) | 基于负荷预测的集中供热系统优化控制方法及系统 | |
CN115079560A (zh) | 一种用于压缩空气储能系统的油气温度控制方法和系统 | |
CN115344070A (zh) | 一种基于温度设定值和主电源开关联合控制的空调用能优化方法 | |
CN115566694A (zh) | 一种温控负荷分散式响应电网频率调节的方法 | |
CN113203118A (zh) | 一种室温控制系统及其基于模糊控制的室温控制方法 | |
CN215412075U (zh) | 一种新型热网智能调控系统 | |
CN112799447B (zh) | 一种高压加热器的控制方法 |
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 |