CN116736710A - 一种火电机组凝结水节流优化控制方法及装置 - Google Patents
一种火电机组凝结水节流优化控制方法及装置 Download PDFInfo
- Publication number
- CN116736710A CN116736710A CN202310686811.0A CN202310686811A CN116736710A CN 116736710 A CN116736710 A CN 116736710A CN 202310686811 A CN202310686811 A CN 202310686811A CN 116736710 A CN116736710 A CN 116736710A
- Authority
- CN
- China
- Prior art keywords
- throttling
- condensate
- condensate water
- transfer function
- value
- 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.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 26
- 238000005457 optimization Methods 0.000 claims abstract description 15
- 238000009833 condensation Methods 0.000 claims abstract description 14
- 230000005494 condensation Effects 0.000 claims abstract description 14
- 230000004044 response Effects 0.000 claims abstract description 11
- 238000012937 correction Methods 0.000 claims abstract description 10
- 238000005096 rolling process Methods 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 42
- 238000012546 transfer Methods 0.000 claims description 32
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- YTAHJIFKAKIKAV-XNMGPUDCSA-N [(1R)-3-morpholin-4-yl-1-phenylpropyl] N-[(3S)-2-oxo-5-phenyl-1,3-dihydro-1,4-benzodiazepin-3-yl]carbamate Chemical compound O=C1[C@H](N=C(C2=C(N1)C=CC=C2)C1=CC=CC=C1)NC(O[C@H](CCN1CCOCC1)C1=CC=CC=C1)=O YTAHJIFKAKIKAV-XNMGPUDCSA-N 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 abstract description 9
- 230000008901 benefit Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 241000508269 Psidium Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001363 water suppression through gradient tailored excitation Methods 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
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)
Abstract
本发明涉及一种火电机组凝结水节流优化控制方法及装置。所述方法，首先获取凝结水流量和机组功率的实时数据；根据所获得的数据利用限定记忆法的递推算法（RFM）在线辨识模型；利用预测控制算法求得输出预测值，并与设定值进行比较求得输出偏差；利用所求得的偏差对控制加权系数进行模糊自校正，同时进行滚动优化得出最优输入量。在本发明中，通过建立模糊预测控制器，较好的提高变负荷初期的负荷响应，通过设计模糊算法的输入量，实现了控制器在不同工况下的通用性。因此本发明提出的控制器具有调节快速、通用性强等优点，可以更好地利用凝结水节流的优势，充分发挥其在火电机组变负荷初期的调频能力。
Description
技术领域
本发明涉及火电机组控制技术领域，尤其是一种火电机组凝结水节流优化控制方法及装置。
背景技术
我国正在积极发展新能源发电，然而新能源具有不确定性和随机性，一旦大规模的新能源发电并网，电网无法对其进行消纳，将会对电网产生冲击，导致电网频率波动，危害社会生产生活，此时火电机组的一次调频就显得极为重要。
然而作为被控对象的火电机组极其复杂，因其具有非线性、耦合性、大延迟、大惯性的特点，仅仅依靠调节给煤量或调节主气阀门等协调控制系统(CCS)来进行一次调频很难达到预期发电目标，所以国外的一些学者早在二十世纪九十年代已经寻求新的技术来辅助机组调节负荷，凝结水节流技术开始逐渐被利用。
凝结水节流技术是通过改变除氧器上水门开度或控制凝泵变频，使凝结水流量产生变化，从而引起低压加热器管侧温度和壁侧温度发生变化，进而导致壁侧压强改变，使得其与抽气口压差改变，最终导致抽汽量改变，从而可以实现在短时间内改变机组负荷，减小控制系统的动态偏差，最终提升机组的动态性能。
凝结水节流技术作为一种可以快速辅助调节负荷响应的技术，利用了机组回热系统的蓄能，这可以使机组在不改变当前燃烧工况的情况下，有效的在短时间内提升负荷，减少动态响应时间，同时又能减少主汽调门的节流损失，提升动态性能及机组的热经济性，因此选择合适的控制算法，进一步利用凝结水节流响应负荷变化的能力，具有较大的研究意义。
目前，PID控制器因其具有简单、易实现、稳定可靠等特点，成为目前工业上使用最广泛的控制器之一，然而对于复杂的非线性控制问题，PID控制器难以精确地描述系统的动态特性，控制效果可能会受到较大影响，此时往往需要进行优化或者采用更为先进的控制方法。
发明内容
本发明的目的在于提供一种火电机组凝结水节流优化控制方法及装置，通过利用预测控制原理和模糊控制原理加快凝结水节流负荷响应，更加高效的发挥凝结水节流在火电机组变负荷初期的作用。
为实现上述目的，本发明的技术方案是：一种火电机组凝结水节流优化控制方法，包括如下步骤：
获取凝结水流量和机组功率的实时数据；
建立凝结水节流传递函数模型，根据所获得的实时数据在线辨识凝结水节流传递函数模型参数；
基于辨识参数后的凝结水节流传递函数模型预测未来时段机组功率预测值，并与设定值进行比较求得输出偏差；
利用所求得的输出偏差对控制加权系数进行模糊自校正，同时进行滚动优化得出最优输入值。
在本发明一实施例中，凝结水节流传递函数模型表示为：
其中，G(s)为凝结水节流传递函数，K为增益系数，T为时间常数，s为拉普拉斯算子；
对传递函数进行离散并考虑随机干扰，得到离散的机组功率受控自回归积分滑动平均模型CARIMA：
A(z-1)y(k)＝B(z-1)u(k-1)+ξ(k)/Δ
其中：y(k)为k时刻的输出量，u(k-1)为k-1时刻的输入量，z为由所求得的算子，Ts为采样时间，ξ(k)为白噪声，Δ为差分算子，/> Δ＝1-z-1，A(z-1)和B(z-1)为含有系统变量参数的多项式，na、nb为由系统结构确定的参数，/>分别为A(z-1)和B(z-1)多项式的系数。
在本发明一实施例中，采用限定记忆法的递推算法在线辨识凝结水节流传递函数模型参数；所述限定记忆法的递推算法中递推公式为：
其中：为为需要辨识的参数向量，/>hT(k)＝[-y(k-1),…,-y(k-na),u(k-1),…,u(k-1-nb)]T，P(·)、K(·)为中间变量，I为单位矩阵。
在本发明一实施例中，利用限定记忆法的递推算法在线辨识凝结水节流传递函数模型参数的方式为：
给定初始条件P(0,0)；
利用最小二乘递推算法，获得和P(0,L-1)；
每获得一组新的数据y(k+L),h(k+L)，利用递推公式计算P(k,k+L)；
利用递推公式计算P(k+1,k+L)；
循环迭代，获得辨识结果。
在本发明一实施例中，凝结水节流传递函数模型预测超前j步的机组功率预测值，通过引入丢番图方程：1＝Ej(z-1)A(z-1)Δ+z-jFj(z-1)，并对CARIMA方程左右同乘Ej(z-1)Δ，同时忽略未来噪声的影响，得k时刻未来j步的预测方程为：
其中，Ej(z-1)＝ej0+ej1z-1+…+ej,j-1z-j+1,ej0＝1，Fj(z-1)＝fj0+fj1z-1+…+fjnz-n，Gj(z-1)＝Ej(z-1)B(z-1)＝g0+g1z-1+…+gjz-j+…，g0～gj为系统单位阶跃响应的前j项，ej0～ej,j-1,fj0～fjn为Ej(z-1)、Fj(z-1)的系数，Δu(k+j-1)为k+j-1时刻输入增量。
在本发明一实施例中，最优输入值的求解是通过求解目标准则：的最小值来确定的，以使未来n个时刻的预测值接近期望值，取控制加权系数λ(j)＝λk，其中J为优化过程目标值，w(k+j)为期望输出序列值，n为预测长度，m为控制长度，n≥m；矩阵表达式为：
J＝(Y-W)T(Y-W)+λkΔUTΔU
其中，Y为输出矩阵，用预测值表示，W为参考轨迹矩阵，ΔU为输入增量矩阵，λk为控制加权系数，G为系统单位阶跃响应系数矩阵，f为由丢番图方程求解得到的输出预测值的已知量矩阵；
W＝[w(k+1),w(k+2),…,w(k+n)]，
w(k+j)＝αjy(k)+(1-αj)yr，α为柔化系数，yr为某一次调频的机组功率的设定值，
f＝HΔu(k)+Fy(k)，
F＝[F1(z-1),F2(z-1),···,Fn(z-1)]T，
对ΔU求导得最优控制律为：
ΔU＝(GTG+λkI)-1GT(W-r)
则k时刻的实际控制量输入为：
u(k)＝u(k-1)+Δu(k)
其中：Δu(k)为ΔU的第一项。
在本发明一实施例中，对控制加权系数λk通过模糊算法进行动态校正，选取机组功率的预测偏差的归一化偏差/>作为输入变量，其计算方法为：
其中，yr为某一次调频的机组功率的设定值，y0为此次调频开始时机组功率实际值；
去模糊化采用加权去模糊推理机制，得控制加权系数λk为：
其中，为第l条模糊规则中控制加权系数λk对应的隶属度，/>为第l条模糊规则中输入变量对应的隶属度，m为模糊规则的总条数。
本发明还提供了一种火电机组凝结水节流优化控制装置，包括：
数据采集模块，获取凝结水流量和机组功率的实时数据；
模型建立模块，建立凝结水节流传递函数模型，根据所获得的实时数据在线辨识凝结水节流传递函数模型参数；
第一计算模块，基于辨识参数后的凝结水节流传递函数模型预测未来时段机组功率预测值，并与设定值进行比较求得输出偏差；
第二计算模块，利用所求得的输出偏差对控制加权系数进行模糊自校正，同时进行滚动优化得出最优输入值。
本发明还提供了一种可读存储介质，其上存储有能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，能够实现上述所述的方法步骤。
本发明还提供了一种电子设备，其上存储有能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，能够实现上述所述的方法步骤。
相较于现有技术，本发明具有以下有益效果：本发明通过建立凝结水节流传递函数模型和CARIMA模型，利用预测控制原理对凝结水节流模型预测的未来时段输出功率与设定值的偏差轨迹进行控制，并且利用模糊控制原理动态校正控制加权系数λk，提高了凝结水节流响应负荷变化的速度，本发明以归一化偏差作为模糊算法的输入，可以实现控制器在不同工况下的通用性。因此本发明提出的控制器具有调节快速、通用性强等优点，可以更好地利用凝结水节流的优势，充分发挥其在火电机组变负荷初期的调频能力。
附图说明
图1为凝结水节流控制方法的流程示意图；
图2为凝结水节流控制方法的结构框图；
图3为RFM辨识流程示意图；
图4为模糊算法计算输入变量的结构框图；
图5为模糊变量隶属度函数；
图6为模糊算法计算流程示意图。
具体实施方式
下面结合附图，对本发明的技术方案进行具体说明。
应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
图1为本发明提供的凝结水节流控制策略方法的流程示意图，图2为其对应的结构框图，如图1所示，凝结水节流控制方法包括：
S100、获取凝结水流量和机组功率的实时数据。
在火电机组实际运行中，由于受电网负荷的影响，火电机组常常处于不同工况下工作，此时凝结水流量对机组输出功率的影响不同，即模型参数将会发生变化。因此可获取凝结水流量和机组功率的实时数据，为后续辨识模型的准确性做准备。
S200、建立凝结水节流传递函数模型，根据所获得的数据利用限定记忆法的递推算法(RFM)在线辨识凝结水节流传递函数模型；
利用节流数据分析可得，凝结水流量变化时导致机组功率变化，凝结水节流传递函数模型可表示为：
对传递函数进行离散并考虑随机干扰，得到离散的凝结水节流机组输出功率受控自回归积分滑动平均模型CARIMA：
A(z-1)y(k)＝B(z-1)u(k-1)+ξ(k)/Δ
其中：ξ(k)为白噪声，Δ为差分算子，A(z-1)和B(z-1)为含有系统变量参数的多项式， Δ＝1-z-1。
在一次辨识中往往不停地采集数据，随着时间的推移，采集到的数据越来越多，新的数据所提供的信息会被淹没在老数据的海洋中，如果辨识算法对新老数据基于相同的信度，那么随着从新数据中获得的信息量相对下降，算法就会慢慢失去修正能力，因此本发明中采取限定记忆法的递推算法(RFM)在线辨识模型。其递推公式为：
其中：为需要辨识的参数向量。
如图3，RFM辨识步骤为：
步骤S201、给定初始条件ε为充分小的实向量，P(0,0)＝a2I,a为充分大的数；
步骤S202、利用最小二乘递推算法，获得和P(0,L-1)；
步骤S203、每获得一组新的数据y(k+L),h(k+L)，利用后三式计算P(k,k+L)；
步骤S204、再利用前三式计算P(k+1,k+L)；
步骤S205、循环步骤S203、S204进行迭代，可获得辨识结果。
S300、根据预测控制算法求得输出预测值，并与设定值进行比较求得输出偏差。
为了预测超前j步的输出，引入丢番图方程，1＝Ej(z-1)A(z-1)Δ+z-jFj(z-1)，对CARIMA方程左右同乘Ej(z-1)Δ，同时忽略未来噪声的影响，可得k时刻未来j步的预测方程为：
其中，Gj(z-1)＝Ej(z-1)B(z-1)。
S400、利用所求得的偏差对控制加权系数进行模糊自校正，同时进行滚动优化得出最优输入值。
最优输入量的求解是通过求解目标准则：的最小值来确定的，以使未来n个时刻的预测值接近期望值，为了简单起见，取控制加权系数λ(j)＝λk。上式可用矩阵表示为：
J＝(Y-W)T(Y-W)+λkΔUTΔU
其中，Y为输出矩阵，可用预测值表示，W为参考轨迹矩阵，ΔU为输入增量矩阵，λk为控制加权系数，G为系统单位阶跃响应系数矩阵，f为由丢番图方程求解得到的输出预测值的已知量矩阵。
W＝[w(k+1),w(k+2),…,w(k+n)]，
w(k+j)＝αjy(k)+(1-αj)yr，α为柔化系数，yr为设定值，
f＝HΔu(k)+Fy(k)，
F＝[F1(z-1),F2(z-1),···,Fn(z-1)]T，
对ΔU求导即可得最优控制律为：
ΔU＝(GTG+λkI)-1GT(W-r)
则k时刻的实际控制量输入为：
u(k)＝u(k-1)+Δu(k)
其中：Δu(k)为ΔU的第一项。
由目标函数表达式可知，控制加权系数λk对输入变化量Δu(k)有直接影响：当控制加权系数λk较小时，会使得最优化输入变化量Δu(k)变大，从而加快调节过程；当控制加权系数λk较大时，会使得最优化输入变化量Δu(k)变小，从而减缓调节过程，抑制超调发生。
一般而言，控制加权系数λk是根据反复仿真调整选取的固定值，但根据上述所言可采用模糊推理原则动态校正此参数，使输出功率获得更快的响应速度，同时避免超调过大导致系统产生较大波动造成生产事故。
对于模糊算法的输入一般选取输出功率的设定值和实际值的偏差，但在不同工况下凝结水节流前凝结水流量不同，由于凝结水泵安全运行范围等条件限制，不同工况下凝结水节流调频能力不同，例如下表1所示为某百万机组凝结水节流功率范围，在100％负荷下功率增量上限为22.69MW，然而在50％负荷下功率增量上限为4.59MW，因此本发明选择输出功率的预测偏差的归一化/>作为输入变量，计算框图如图4，计算公式为：
其中，yr为某一次调频的输出功率的设定值，y0为此次调频开始时输出功率实际值。
表1某百万机组不同负荷下凝结水节流功率范围
归一化偏差论域空间选取[01]，隶属度函数采用三角形隶属度函数，如图5，控制加权系数λk的论域空间选取为0.1～0.9，隶属度函数采用单值函数。
去模糊化采用加权去模糊推理机制，得控制加权系数λk为：
其中，为第l条模糊规则中控制加权系数λk对应的隶属度，/>为第l条模糊规则中输入变量对应的隶属度，m为模糊规则的总条数。
模糊算法计算流程示意图如图6，计算步骤为：
步骤S401、当收到节流信号时，记录下输出功率的设定值和实际值；
步骤S402、计算输出预测值和期望输出；
步骤S403、根据归一化预测偏差计算公式计算模糊算法输入值；
步骤S404、根据模糊原理计算控制加权系数λk。
本发明还提供了一种火电机组凝结水节流优化控制装置，包括：
数据采集模块，获取凝结水流量和机组功率的实时数据；
模型建立模块，建立凝结水节流传递函数模型，根据所获得的实时数据在线辨识凝结水节流传递函数模型参数；
第一计算模块，基于辨识参数后的凝结水节流传递函数模型预测未来时段机组功率预测值，并与设定值进行比较求得输出偏差；
第二计算模块，利用所求得的输出偏差对控制加权系数进行模糊自校正，同时进行滚动优化得出最优输入值。
本发明还提供了一种可读存储介质，其上存储有能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，能够实现上述所述的方法步骤。
本发明还提供了一种电子设备，其上存储有能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，能够实现上述所述的方法步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
注意，以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，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，可轻易想到的变化或替换，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该以权利要求的保护范围为准。
Claims (10)
1.一种火电机组凝结水节流优化控制方法，其特征在于，包括如下步骤：
获取凝结水流量和机组功率的实时数据；
建立凝结水节流传递函数模型，根据所获得的实时数据在线辨识凝结水节流传递函数模型参数；
基于辨识参数后的凝结水节流传递函数模型预测未来时段机组功率预测值，并与设定值进行比较求得输出偏差；
利用所求得的输出偏差对控制加权系数进行模糊自校正，同时进行滚动优化得出最优输入值。
2.根据权利要求1所述的一种火电机组凝结水节流优化控制方法，其特征在于，凝结水节流传递函数模型表示为：
其中，G(s)为凝结水节流传递函数，K为增益系数，T为时间常数，s为拉普拉斯算子；
对传递函数进行离散并考虑随机干扰，得到离散的机组功率受控自回归积分滑动平均模型CARIMA：
A(z-1)y(k)＝B(z-1)u(k-1)+ξ(k)/Δ
其中：y(k)为k时刻的输出量，u(k-1)为k-1时刻的输入量，z为由所求得的算子，Ts为采样时间，ξ(k)为白噪声，Δ为差分算子，/> Δ＝1-z-1，A(z-1)和B(z-1)为含有系统变量参数的多项式，na、nb为由系统结构确定的参数，/>分别为A(z-1)和B(z-1)多项式的系数。
3.根据权利要求1所述的一种火电机组凝结水节流优化控制方法，其特征在于，采用限定记忆法的递推算法在线辨识凝结水节流传递函数模型参数；所述限定记忆法的递推算法中递推公式为：
其中：为为需要辨识的参数向量，/>hT(k)＝[-y(k-1),…,-y(k-na),u(k-1),…,u(k-1-nb)]T，P(·)、K(·)为中间变量，I为单位矩阵。
4.根据权利要求3所述的一种火电机组凝结水节流优化控制方法，其特征在于，利用限定记忆法的递推算法在线辨识凝结水节流传递函数模型参数的方式为：
给定初始条件P(0,0)；
利用最小二乘递推算法，获得和P(0,L-1)；
每获得一组新的数据y(k+L),h(k+L)，利用递推公式计算P(k,k+L)；
利用递推公式计算
循环迭代，获得辨识结果。
5.根据权利要求2所述的一种火电机组凝结水节流优化控制方法，其特征在于，凝结水节流传递函数模型预测超前j步的机组功率预测值，通过引入丢番图方程：1＝Ej(z-1)A(z-1)Δ+z-jFj(z-1)，并对CARIMA方程左右同乘Ej(z-1)Δ，同时忽略未来噪声的影响，得k时刻未来j步的预测方程为：
其中，Ej(z-1)＝ej0+ej1z-1+…+ej,j-1z-j+1,ej0＝1，Fj(z-1)＝fj0+fj1z-1+…+fjnz-n，Gj(z-1)＝Ej(z-1)B(z-1)＝g0+g1z-1+…+gjz-j+…，g0～gj为系统单位阶跃响应的前j项，ej0～ej,j-1,fj0～fjn为Ej(z-1)、Fj(z-1)的系数，Δu(k+j-1)为k+j-1时刻输入增量。
6.根据权利要求5所述的一种火电机组凝结水节流优化控制方法，其特征在于，最优输入值的求解是通过求解目标准则：的最小值来确定的，以使未来n个时刻的预测值接近期望值，取控制加权系数λ(j)＝λk，其中J为优化过程目标值，w(k+j)为期望输出序列值，n为预测长度，m为控制长度，n≥m；矩阵表达式为：
J＝(Y-W)T(Y-W)+λkΔUTΔU
其中，Y为输出矩阵，用预测值表示，W为参考轨迹矩阵，ΔU为输入增量矩阵，λk为控制加权系数，G为系统单位阶跃响应系数矩阵，f为由丢番图方程求解得到的输出预测值的已知量矩阵；
W＝[w(k+1),w(k+2),…,w(k+n)]，
w(k+j)＝αjy(k)+(1-αj)yr，α为柔化系数，yr为某一次调频的机组功率的设定值，
f＝HΔu(k)+Fy(k)，
F＝[F1(z-1),F2(z-1),···,Fn(z-1)]T，
对ΔU求导得最优控制律为：
ΔU＝(GTG+λkI)-1GT(W-r)
则k时刻的实际控制量输入为：
u(k)＝u(k-1)+Δu(k)
其中：Δu(k)为ΔU的第一项。
7.根据权利要求6所述的一种火电机组凝结水节流优化控制方法，其特征在于，对控制加权系数λk通过模糊算法进行动态校正，选取机组功率的预测偏差的归一化偏差作为输入变量，其计算方法为：
其中，yr为某一次调频的机组功率的设定值，y0为此次调频开始时机组功率实际值；
去模糊化采用加权去模糊推理机制，得控制加权系数λk为：
其中，为第l条模糊规则中控制加权系数λk对应的隶属度，/>为第l条模糊规则中输入变量对应的隶属度，m为模糊规则的总条数。
8.一种火电机组凝结水节流优化控制装置，其特征在于，包括：
数据采集模块，获取凝结水流量和机组功率的实时数据；
模型建立模块，建立凝结水节流传递函数模型，根据所获得的实时数据在线辨识凝结水节流传递函数模型参数；
第一计算模块，基于辨识参数后的凝结水节流传递函数模型预测未来时段机组功率预测值，并与设定值进行比较求得输出偏差；
第二计算模块，利用所求得的输出偏差对控制加权系数进行模糊自校正，同时进行滚动优化得出最优输入值。
9.一种可读存储介质，其特征在于，其上存储有能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，能够实现如权利要求1-7任一所述的方法步骤。
10.一种电子设备，其特征在于，其上存储有能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，能够实现如权利要求1-7任一所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310686811.0A CN116736710A (zh) | 2023-06-10 | 2023-06-10 | 一种火电机组凝结水节流优化控制方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310686811.0A CN116736710A (zh) | 2023-06-10 | 2023-06-10 | 一种火电机组凝结水节流优化控制方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116736710A true CN116736710A (zh) | 2023-09-12 |
Family
ID=87907508
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310686811.0A Pending CN116736710A (zh) | 2023-06-10 | 2023-06-10 | 一种火电机组凝结水节流优化控制方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116736710A (zh) |
-
2023
- 2023-06-10 CN CN202310686811.0A patent/CN116736710A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102494336B (zh) | 一种循环流化床锅炉燃烧过程多变量控制方法 | |
| CN110285403A (zh) | 基于被控参数预估的主蒸汽温度控制方法 | |
| CN112147891B (zh) | 一种火电机组协调系统全局非线性优化控制方法 | |
| CN107515598A (zh) | 基于多参数动态矩阵控制的火电机组分布式协调控制系统 | |
| CN112365045A (zh) | 一种基于大数据的主蒸汽温度智能预测方法 | |
| CN103134046B (zh) | 一种火电机组过热汽温两级协调预测控制方法 | |
| CN111562744B (zh) | 一种基于pso算法的锅炉燃烧隐式广义预测控制方法 | |
| CN111637444B (zh) | 一种基于q学习的核电蒸汽发生器水位控制方法 | |
| CN106530118A (zh) | 多区互联电力系统负荷频率的约束gpc优化控制方法 | |
| Wang et al. | Stochastic configuration network based cascade generalized predictive control of main steam temperature in power plants | |
| CN111290282B (zh) | 火电机组协调系统的预见式预测控制方法 | |
| CN112015082B (zh) | 一种基于模糊增益调度预测控制的机炉协调系统控制方法 | |
| CN110673482B (zh) | 一种基于神经网络预测的电站燃煤锅炉智能控制方法和系统 | |
| CN112668234A (zh) | 一种转炉炼钢终点智能控制方法 | |
| CN114428456B (zh) | 一种火电机组控制系统的控制方法及装置 | |
| CN116736710A (zh) | 一种火电机组凝结水节流优化控制方法及装置 | |
| Hu et al. | Feedforward DMC-PID cascade strategy for main steam temperature control system in fossil-fired power plant | |
| CN111663032B (zh) | 一种非晶铁芯退火炉自抗扰温度控制方法 | |
| CN114383130B (zh) | 锅炉过热汽温度控制方法、装置、设备及存储介质 | |
| CN110442028B (zh) | 基于模糊预测的反分叉控制方法 | |
| CN113885326B (zh) | 考虑前馈的基于设定值有效激励的闭环系统辨识方法 | |
| CN115268270A (zh) | 一种多源热网加热器优化调度方法、系统、设备及介质 | |
| CN114326395B (zh) | 一种基于工况判别的智能发电机组控制模型在线更新方法 | |
| CN116339410A (zh) | 一种基于深度学习模型的过热汽温预测控制方法 | |
| Muwei et al. | Generalized predictive control of time-delay nonlinear systems based on extreme learning machine |
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 |