CN117539147A - 基于灵敏度分析与遗传算法的火电机组agc控制参数优化方法 - Google Patents
基于灵敏度分析与遗传算法的火电机组agc控制参数优化方法 Download PDFInfo
- Publication number
- CN117539147A CN117539147A CN202311401418.9A CN202311401418A CN117539147A CN 117539147 A CN117539147 A CN 117539147A CN 202311401418 A CN202311401418 A CN 202311401418A CN 117539147 A CN117539147 A CN 117539147A
- Authority
- CN
- China
- Prior art keywords
- steam
- pressure
- thermal power
- parameter
- unit
- 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
- 238000000034 method Methods 0.000 title claims abstract description 92
- 238000005457 optimization Methods 0.000 title claims abstract description 39
- 230000002068 genetic effect Effects 0.000 title claims abstract description 35
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 32
- 238000010206 sensitivity analysis Methods 0.000 title claims abstract description 25
- 230000004044 response Effects 0.000 claims abstract description 14
- 239000003245 coal Substances 0.000 claims description 71
- 230000035945 sensitivity Effects 0.000 claims description 51
- 230000008569 process Effects 0.000 claims description 38
- 230000006870 function Effects 0.000 claims description 36
- 238000002485 combustion reaction Methods 0.000 claims description 31
- 230000001105 regulatory effect Effects 0.000 claims description 30
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 27
- 238000010298 pulverizing process Methods 0.000 claims description 23
- 239000000446 fuel Substances 0.000 claims description 19
- 238000012546 transfer Methods 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 11
- 239000000843 powder Substances 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 7
- 238000010521 absorption reaction Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000001816 cooling Methods 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 239000000203 mixture Substances 0.000 claims description 5
- 229920006395 saturated elastomer Polymers 0.000 claims description 5
- 238000009825 accumulation Methods 0.000 claims description 4
- 230000035772 mutation Effects 0.000 claims description 4
- 238000011160 research Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000003750 conditioning effect Effects 0.000 claims description 3
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 238000005338 heat storage Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- YBJHBAHKTGYVGT-ZKWXMUAHSA-N (+)-Biotin Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)O)SC[C@@H]21 YBJHBAHKTGYVGT-ZKWXMUAHSA-N 0.000 claims description 2
- FEPMHVLSLDOMQC-UHFFFAOYSA-N virginiamycin-S1 Natural products CC1OC(=O)C(C=2C=CC=CC=2)NC(=O)C2CC(=O)CCN2C(=O)C(CC=2C=CC=CC=2)N(C)C(=O)C2CCCN2C(=O)C(CC)NC(=O)C1NC(=O)C1=NC=CC=C1O FEPMHVLSLDOMQC-UHFFFAOYSA-N 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000012216 screening Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 13
- 238000000227 grinding Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 230000006872 improvement Effects 0.000 description 7
- 244000208734 Pisonia aculeata Species 0.000 description 5
- 238000010438 heat treatment Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000002817 coal dust Substances 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000003546 flue gas Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000010977 unit operation Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 210000000349 chromosome Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012432 intermediate storage Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000007363 regulatory process Effects 0.000 description 1
- 238000003303 reheating Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000012360 testing method 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)
- Engine Equipment That Uses Special Cycles (AREA)
Abstract
本发明涉及一种基于灵敏度分析与遗传算法的火电机组AGC控制参数优化方法,首先构建火电机组热力系统的动态模型,再基于此构建火电机组控制系统的整体模型,然后采用灵敏度分析方法筛选识别出整体模型中影响机组AGC调节性能的关键环节和关键参数,最后以提升火电机组AGC整体响应性能为目标,运用遗传算法对关键参数进行优化。该方法有利于提高参数优化的效率。
Description
技术领域
本发明涉及电力技术领域,具体涉及一种基于灵敏度分析与遗传算法的火电机组AGC控制参数优化方法。
背景技术
风电和光伏发电具有随机性、间歇性和难以准确预测的特点,其装机容量迅速增长给电力系统的自动发电控制带来了巨大挑战。因此,在加强新能源并网建设的同时,必须深入研究电网AGC性能进一步提升的途径和策略,为解决不断增加的新能源并网带来的功率平衡和频率控制问题奠定良好基础。在电力系统的AGC控制过程中,火力发电机组占据较大比例且具有较大的优化潜力。火力机组的性能直接影响指令的执行情况,提升火力机组的AGC调节性能对于电力系统的经济稳定运行具有重要意义。因此,我们需要加强对火力机组AGC调节性能的研究和改进,以确保电力系统的可靠运行和能源的高效利用。
提升火电机组性能以改善AGC调节性能的根本方法是对机组的本体设备和辅助设备进行改造和升级。提升火电机组AGC调节性能的另一重要措施是优化机组运行控制技术,通过对火电机组控制系统进行优化,改善其控制能力。目前,针对机组运行控制系统的研究主要分为两类:第一类是采用先进控制算法改进传统控制回路,如应用一种多变量约束预测控制(MCPC)方法,用于超临界机组中过热蒸汽温度的控制;使用内模串级控制系统,以克服主汽温系统的大惯性和滞后等特性。尽管这类控制运行系统在理论上取得了许多成果,但由于实际生产中的安全和成本要求,大多数研究设计尚未得到实际应用。传统的炉跟机反馈加负荷指令前馈构成的复合控制仍然是火电机组协调控制系统的主流方案。第二类是对传统控制回路进行参数优化。如有研究人员提出了一种参数调整幅度可量化的试凑法,用于研究协调控制系统中PID控制参数的优化方法;还有研究人员结合直接能量平衡控制结构,通过单一变量方法分析了控制器参数对性能指标的影响。但是,火电机组涉及的控制参数众多,现有方法未能筛选出对机组性能提升影响较大的关键环节和参数并有针对性的进行参数优化,优化效果不佳。
发明内容
本发明的目的在于提供一种基于灵敏度分析与遗传算法的火电机组AGC控制参数优化方法,该方法有利于提高参数优化的效率。
为了实现上述目的,本发明采用的技术方案是:一种基于灵敏度分析与遗传算法的火电机组AGC控制参数优化方法,首先构建火电机组热力系统的动态模型,再基于此构建火电机组控制系统的整体模型,然后采用灵敏度分析方法筛选识别出整体模型中影响机组AGC调节性能的关键环节和关键参数,最后以提升火电机组AGC整体响应性能为目标,运用遗传算法对关键参数进行优化。
进一步地,研究火电机组的性能指标需建立火电机组热力系统的动态模型;所述火电单元机组热力系统主要包括制粉系统、锅炉系统和汽轮机系统;
描述制粉系统动态过程的传递函数为:
式中,BM为制粉系统实际给煤量,为制粉迟延时间常数,/>为制粉惯性时间常数,uB为燃料指令对应的给煤量;
锅炉系统主要包括燃烧系统和汽水系统;描述燃烧系统动态过程的传递函数为:
式中,QF为燃烧系统输出的燃烧功率,TF为燃烧系统传热惯性时间常数;
汽水系统的主要设备包括水冷壁、汽包和过热器;水冷壁对于吸收燃料燃烧产生的热量过程采用一阶惯性描述:
式中,QW为水冷壁吸热功率,TW为水冷壁吸热惯性时间常数;
水冷壁中的汽水混合物汇集到汽包,使汽包压力增大,其中蒸汽又通过引出管流向过热器,使汽包压力减小,汽包压力动态过程为:
式中,CB为锅炉蓄热系数,PD为汽包压力,即蒸汽管道入口的蒸汽压力,DI为进入的蒸汽管道的主蒸汽流量,采用积分环节描述汽包的压力动态过程为:
蒸汽由引出管流入过热器,过热器将饱和蒸汽加热成为过热蒸汽,过热蒸汽由过热器流出,经过主蒸汽管道,进入汽轮机高压缸,过热器与主蒸汽管道内的压力动态过程为:
式中,CP为过热器与主蒸汽管道的蓄热系数,PT为机前压力,即主蒸汽管道出口的蒸汽压力,DO为进入汽轮机的蒸汽量流量,即流出主蒸汽管道的蒸汽流量,采用积分环节描述汽包的压力动态过程为:
过热器与主蒸汽管道两端的压力降与蒸汽流量之间的关系为:
式中,KP为过热器的阻力系数,表示过热器的阻力特性;
根据汽轮机调门特性,进入汽轮机的蒸汽流量与主汽调节阀开度和机前压力的乘积成比例关系,表示为:
DO=KTPTμT (9)
式中,KT为比例系数,μT为汽轮机调节阀开度;
汽轮机系统主要包括汽轮机、再热器、回热加热系统;汽轮机的基本工作单元为级,多级汽轮机每一级分担蒸汽焓降的一部分,蒸汽逐级依次通过各级将其热能转换成机械能;在多级汽轮机中,喷管调节汽轮机的第一个级既对外做功,也用来调节汽轮机的流量和功率,称为调节级;汽轮机的最后一个级称为末级,其排汽通过排汽道进入凝汽器凝结成凝结水或引入其它用汽地方;调节级和末级以外的其它所有汽轮机级统称为中间级;由锅炉系统蒸汽管道流入汽轮机的蒸汽,首先在高压缸前汽室进行配汽,随后进入调节级做功;
高压汽室蒸汽容积环节采用一阶惯性环节描述:
式中,PCH为高压缸进汽压力,即高压缸前汽室出口的蒸汽压力,TCH为高压缸前汽室容积时间常数;
高压缸的做功环节采用比例环节描述:
WHP=KHP(PCH+λ(PCH-PRH)) (11)
式中,WHP为高压缸做功功率,KHP为高压缸功率比例系数,λ为高压缸功率过调系数,PRH为中压缸进汽压力,即再热器出口的蒸汽压力;
高压缸排汽进入再热器,再热蒸汽经过中压缸进汽调门进入中压缸,随后在中间级做功;
再热器容积环节采用一阶惯性环节描述:
式中,Tch为高压缸前汽室容积时间常数;
中压缸的功率认为正比于中压缸的进汽压力:
WIP=KIPPRH (13)
式中,WIP为中压缸做功功率,KIP为中压缸功率比例系数;
中压缸排汽进入低压连通管,经过低压缸进汽调门进入低压缸,随后进入末级做功,最后低压缸排汽进入凝汽器;
低压连通管容积环节采用一阶惯性环节描述:
式中,PCO为低压缸进汽压力,即低压连通器出口的蒸汽压力,TCO为低压连通管容积时间常数;
低压缸的功率认为正比于低压缸的进汽压力:
WLP=KLPPCO (15)
式中,WLP为低压缸做功功率,KLP为低压缸功率比例系数;
汽轮机总输出功率为高、中、低压缸做功功率之和,功率比例系数表示高、中、低压缸的输出功率占汽轮机总输出功率的百分比,KHP+KIP+KLP=1。
进一步地,构建火电机组控制系统的整体模型,其具体方法为:
将耦合相对较弱的系统独立出去,仅考虑火电机组热力系统控制环节,建立简化的火电机组控制系统;简化后的火电机组控制系统主要考虑机组协调控制系统、制粉控制系统和DEH控制系统;协调控制系统主要由负荷指令处理回路、锅炉主控、汽轮机主控组成;负荷指令处理回路将电网侧的AGC指令转换为火电机组的实际负荷指令,锅炉主控输出的煤量指令uB下达给制粉控制系统,汽轮机主控输出的汽轮机调门开度指令uT下达给DEH控制系统;制粉控制系统接受煤量指令和制粉系统给煤量反馈,保证给煤量跟随燃料指令,在多台磨煤机并列运行时,计算各台磨煤机给煤量分配方案;DEH控制系统接受汽轮机调门开度指令和测量阀位反馈,保证阀门开度跟随阀位指令。
进一步地,采用灵敏度分析方法筛选识别整体模型中影响机组AGC调节性能的关键环节和关键参数,其具体方法为:
机组调节性能指标K对模型参数xi的敏感因子Sxi定义为:机组性能的变化率与机组模型参数xi的变化率百分比,即机组性能对模型参数偏离的敏感程度;若机组性能y与可变参数[x1,x2,…,xn]的关系表示为:y=f(x1,x2,…xn),某一工作点处性能指标y对参数xi在该工作点处的局部灵敏度定义为:
搭建火电机组模型,寻找影响火电机组性能的关键参数,以提升火电机组性能;其过程为:
A1)搭建火电机组模型,并将各参数值设置为工作点标称值;
A2)在保证机组安全稳定运行的前提下,设参数xi的可调范围为[xi,min,xi,max];
A3)取xi=xi,min,设定负荷指令增加ΔNE,根据响应曲线求得综合性能指标;
A4)xi增加5%×(xi,max-xi,min),设定负荷指令增加ΔNE,根据响应曲线求得综合性能指标;
A5)根据参数改变前后两次的性能指标计算灵敏度系数,灵敏度系数计算方法为:
A6)重复步骤A4-A5,计算得到灵敏度系数,进一步得到参数xi的局部灵敏度矩阵
灵敏度系数的求取方法为:在某一确定的工作点下,每一次在参数可调区间内增加5%,求得参数在该点对性能指标的局部灵敏度系数;最终得到不同参数对应的灵敏度系数,参数xi与其对应的局部灵敏度系数构成矩阵/>,通过对比参数与灵敏度系数得到参数对性能指标的影响程度大小;
根据敏感性系数的计算结果,求出不同参数对应的灵敏度系数平均值,依据灵敏度系数大小对参数重要性进行排序,剔除对机组性能影响不重要或者冗余的参数,得到关键参数。
进一步地,运用遗传算法优化关键参数,其具体方法为:
建立适用于火电机组控制系统性能提升的优化模型:
J0=K=k1×k2×k3 (20)
考虑到主蒸汽压力波动作为火电机组稳定运行的重要衡量指标,在进行参数优化时,应保证主蒸汽压力偏差在偏差允许范围内,因此增加主蒸汽压力的最大偏差约束:
其中,ΔPT表示主蒸汽压力偏差,为主蒸汽压力偏差最大值;考虑系统的稳定性和主蒸汽压力的最大偏差,当系统不稳定或者主蒸汽压力偏差过大时,通过增加惩罚函数将约束优化问题转化为无约束优化问题:
运用遗传算法对PID控制器参数进行优化,具体步骤如下:
B1)设定控制器参数范围,选取二进制编码方式得到一系列控制器参数对应的参数序列,并将其作用于控制对象模型,得到对应的输出序列,输出序列为不同参数下火电机组执行AGC指令的调节性能综合指标;
B2)设定种群的大小,随机产生一个初始种群;二进制编码时,随机生成0-1的随机数,并规定0-0.5之间的随机数代表0,0.5-1之间的随机数代表1;
B3)选取火电机组的综合性能指标作为适应度函数,并将种群的各个体解码成对应的控制器参数,计算各个体的适应值;
B4)应用选择、交叉和变异操作对种群进行遗传操作,计算适应度函数值高的个体遗传给下一代,从而产生新一代的种群;
B5)反复执行步骤B3-B4,直至参数收敛或达到预定的指标为止,从中选出适应度值最大的参数,即为优化后的控制参数。
与现有技术相比,本发明具有以下有益效果:本发明提供了一种基于灵敏度分析与遗传算法的火电机组AGC控制参数优化方法,该方法基于对汽包锅炉火电机组进行数理建模,再采用灵敏度分析方法进行火电机组关键环节辨识,分析影响AGC考核指标的关键控制器参数,进一步通过遗传算法对灵敏度较高的控制器参数进行优化,从而大大提高了参数优化的效率。通过对比参数优化前后机组的AGC调节性能综合指标,可以得到现有机组性能的可提升空间,为进一步机组的性能提升和灵活性改造提供参考。
附图说明
图1是本发明实施例中火力发电机组的热力系统示意图;
图2是本发明实施例中制粉及锅炉系统传递函数框图;
图3是本发明实施例中汽轮机系统传递函数框图;
图4是本发明实施例中火电机组AGC指令执行过程;
图5是本发明实施例中AGC机组实际负荷指令和主蒸汽压力设定值生成方案;
图6是本发明实施例中锅炉指令生成逻辑;
图7是本发明实施例中汽轮机阀位指令生成逻辑;
图8是本发明实施例中电液伺服执行机构模型;
图9是本发明实施例中火电机组AGC调节流程模型;
图10是本发明实施例中控制参数对综合性能影响的灵敏度分析;
图11是本发明实施例中遗传算法控制参数优化;
图12是本发明实施例中机炉控制模型;
图13是本发明实施例中压力拉回回路对主蒸汽压力的影响;
图14是本发明实施例中控制器参数对性能指标的影响;
图15是本发明实施例中性能指标随控制参数优化的变化过程;
图16是本发明实施例的方法实现流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
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。
如图16所示,本实施例提供了一种基于灵敏度分析与遗传算法的火电机组AGC控制参数优化方法,首先构建火电机组热力系统的动态模型,再基于此构建火电机组控制系统的整体模型,然后采用灵敏度分析方法筛选识别出整体模型中影响机组AGC调节性能的关键环节和关键参数,最后以提升火电机组AGC整体响应性能为目标,运用遗传算法对关键参数进行优化。
1火电机组AGC调节过程建模
1.1火电机组热力系统
在火电单元机组热力系统内部进行的是一能量转换过程,燃料的化学能经过燃烧后转化为热能,被锅炉内工质吸收,在汽轮机内工质做功将热能转化为机械能,推动发电机转动将机械能转化为电能。火电单元机组热力系统主要包括制粉系统、锅炉系统和汽轮机系统,如图1所示。
研究火电机组的性能指标首先需要建立其热力系统的动态模型。本方法采用机理与数据驱动混合建模,建模的过程从热力系统发生的各种热力过程特性出发,将工质和金属等的质量、动量和能量守恒方程简化获得输入输出对应的传递函数,之后根据机组历史运行数据通过参数辨识的方法对未知参数进行辨识。
①制粉系统
从原煤仓出口开始,经给煤机、磨煤机、分离器等一系列煤粉的制备、分离、分配和输送设备,包括中间储存等相关设备和连接管道及其部件和附件,直到煤粉和空气混合物均匀分配给锅炉各个燃烧器的整个系统,简称为制粉系统。
燃料指令送达给煤机,煤在制粉系统内的动态过程主要表现为惯性和迟延。其中纯迟延环节包括:煤在给煤机内的传送时间、在磨盘上的堆积时间、在一次风粉管道内的输送时间。纯迟延时间是随磨负荷变化的,当磨负荷降低时,给煤机皮带或刮板运动速度变慢,煤在给煤机内的传送时间增加;由于给煤量减少,煤需要在磨盘上堆积更长的时间才能被磨制,因而在磨盘上的堆积时间增加;由于一次风速减慢,煤粉在一次风粉管道内的输送时间也要增加。
制粉惯性也是随磨负荷变化的。在高负荷时,由于摩擦阻力增加,磨盘转速变慢,单位时间内对原煤的研磨次数减少,使磨出力系数相对降低;由于研磨件之间的煤层变厚,研磨效率下降,原煤需要多次磨制才能变细,也使磨出力系数相对降低。两者共同作用的结果造成原煤必须在磨内停留更长的时间才能被制成煤粉,使得制粉惯性增加。在高负荷下,一次风速也会增加,由于煤粉分离器的调整作用,煤粉细度并没有太大变化,所以一次风速增加造成煤在磨内停留时间减少的效果是十分有限的。
描述制粉系统动态过程的传递函数为:
式中,BM为制粉系统实际给煤量,为制粉迟延时间常数,/>为制粉惯性时间常数,uB为燃料指令对应的给煤量。
②锅炉系统
锅炉系统主要包括燃烧系统和汽水系统。燃烧系统的主要作用是组织煤粉和气流的合理流动,在炉内实现煤粉的良好燃烧,主要设备为煤粉燃烧器和炉膛。在煤粉锅炉中,燃料流和空气流通过燃烧器以射流形式送入炉膛,在炉内形成良好的空气动力场,使燃料能够迅速稳定地着火,并及时供应空气,与燃料适时混合,造成必须的燃料强度,使燃料在炉内达到完全燃烧。
燃烧系统中的输入变量为给煤量,主要控制变量为送风量(一次风和二次风)和引风量,被调量为燃烧输出功率、烟气含氧量、炉膛压力。通过调整送风量维持适合的风煤配比以保证燃料的充分燃烧,通过调整引风量维持炉膛负压的稳定。虽然燃烧系统的几个控制变量对几个被调量的影响存在耦合,但在锅炉的运行过程中,当机组负荷需求变化时,送风量和引风量是与给煤量按比例协调变化的,此时燃烧输出功率将随给煤量改变,而烟气含氧量和炉膛压力将基本保持不变。故在讨论燃烧系统时,只考虑给煤量对燃烧输出功率的影响。
描述燃烧系统动态过程的传递函数为:
式中,QF为燃烧系统输出的燃烧功率,TF为燃烧系统传热惯性时间常数。
汽水系统的主要作用是使燃料燃烧所释放的热量,通过与相关受热面的热交换,安全可靠和高效地传递给受热面内的工质,使锅炉给水加热、蒸发汽化和过热,产生符合要求的过热蒸汽,其主要设备包括水冷壁、汽包和过热器。
水冷壁是锅炉的主要受热面,布置于炉膛四周,吸收大部分辐射热。水在水冷壁内上升流动,被加热成饱和蒸汽与饱和水的混合物进入汽包。水冷壁对于吸收燃料燃烧产生的热量过程可以采用一阶惯性描述:
式中,QW为水冷壁吸热功率,TW为水冷壁吸热惯性时间常数。
水冷壁中的汽水混合物汇集到汽包,使汽包压力增大,其中蒸汽又通过引出管流向过热器,使汽包压力减小,汽包压力动态过程为:
式中,CB为锅炉蓄热系数,PD为汽包压力(蒸汽管道入口的蒸汽压力),DI为进入的蒸汽管道的主蒸汽流量,采用积分环节描述汽包的压力动态过程为:
蒸汽由引出管流入过热器,过热器将饱和蒸汽加热成为过热蒸汽,过热蒸汽由过热器流出,经过主蒸汽管道,进入汽轮机高压缸,过热器与主蒸汽管道内的压力动态过程为:
式中,CP为过热器与主蒸汽管道的蓄热系数,PT为机前压力(主蒸汽管道出口的蒸汽压力),DO为进入汽轮机的蒸汽量流量(流出主蒸汽管道的蒸汽流量),采用积分环节描述汽包的压力动态过程为:
过热器与主蒸汽管道两端的压力降与蒸汽流量之间的关系为:
式中,KP为过热器的阻力系数,表示过热器的阻力特性。
根据汽轮机调门特性,进入汽轮机的蒸汽流量与主汽调节阀开度和机前压力的乘积成比例关系,可以表示为:
DO=KTPTμT (9)
式中,KT为比例系数,μT为汽轮机调节阀开度。
本实施例中制粉及锅炉系统传递函数框图如图2所示。
③汽轮机系统
汽轮机系统主要包括汽轮机、再热器、回热加热系统。汽轮机的基本工作单元称为级。多级汽轮机每一级分担蒸汽焓降的一部分,蒸汽逐级依次通过各级将其热能转换成机械能。多级汽轮机因可以充分发挥单机功率大、效率高等优点,从而成为汽轮机结构的基本形式。
在多级汽轮机中,喷管调节汽轮机的第一个级既对外做功,也用来调节汽轮机的流量和功率,称为调节级;汽轮机最后一个级称为末级,其排汽通过排汽道进入凝汽器凝结成凝结水或引入其它用汽地方;调节级和末级以外的其它所有汽轮机级的统称为中间级。由锅炉系统蒸汽管道流入汽轮机的蒸汽,首先在高压缸前汽室进行配汽,随后进入调节级做功。
高压汽室蒸汽容积环节采用一阶惯性环节描述:
式中,PCH为高压缸进汽压力(高压缸前汽室出口的蒸汽压力),TCH为高压缸前汽室容积时间常数。
常规汽轮机机组做功功率可认为只与气缸的进汽压力成正比,但对于中间再热机组,高压缸功率在动态过程中存在过调现象,高压缸功率过调系数λ是则是反映这一现象的重要参数。
高压缸的做功环节采用比例环节描述:
WHP=KHP(PCH+λ(PCH-PRH)) (11)
式中,WHP为高压缸做功功率,KHP为高压缸功率比例系数,λ为高压缸功率过调系数,PRH为中压缸进汽压力(再热器出口的蒸汽压力)。
高压缸排汽进入再热器,再热蒸汽经过中压缸进汽调门进入中压缸,随后在中间级做功。
再热器容积环节采用一阶惯性环节描述:
式中,Tch为高压缸前汽室容积时间常数。
对于中压缸,由于低压连通管容积相对于再热器容积非常小,因此中压缸的功率可以认为正比于中压缸的进汽压力:
WIP=KIPPRH (13)
式中,WIP为中压缸做功功率,KIP为中压缸功率比例系数。
中压缸排汽进入低压连通管,经过低压缸进汽调门进入低压缸,随后进入末级做功,最后低压缸排汽进入凝汽器。
低压连通管容积环节采用一阶惯性环节描述:
式中,PCO为低压缸进汽压力(低压连通器出口的蒸汽压力),TCO为低压连通管容积时间常数。
低压缸的功率认为正比于低压缸的进汽压力:
WLP=KLPPCO (15)
式中,WLP为低压缸做功功率,KLP为低压缸功率比例系数。
汽轮机总输出功率为高、中、低压缸做功功率之和,功率比例系数表示高、中、低压缸的输出功率占汽轮机总输出功率的百分比,KHP+KIP+KLP=1。
本实施例中汽轮机系统传递函数框图如图3所示。
1.2火电机组控制系统
火电机组是一个复杂的多变量系统,机组众多的控制输入和被控参数之间都存在相互耦合。在本发明的机组控制系统设计中,将一些耦合相对较弱的系统独立出去,仅考虑火电机组热力系统控制环节,从而建立机组简化的控制模型。在机组正常运行的情况下,做出以下假设:(1)汽温控制系统可以保证过热汽温和再热汽温稳定;(2)给水控制系统可以保证燃料同工质平衡,即汽包水位稳定;(3)燃烧控制系统保证燃烧效率及风煤比的稳定;(4)汽轮机回热加热系统可以保证给水温度稳定。
基于以上假设,简化后的火电机组控制系统主要考虑机组协调控制系统、制粉控制系统和DEH控制系统。协调控制系统主要由负荷指令处理回路、锅炉主控、汽轮主控几部分组成。负荷指令处理回路将电网侧的AGC指令转换为火电机组的实际负荷指令,锅炉主控输出的煤量指令uB下达给制粉控制系统,汽轮机主控输出的汽轮机调门开度指令uT下达给DEH控制系统。制粉控制系统接受煤量指令和制粉系统给煤量反馈,保证给煤量跟随燃料指令,在多台磨煤机并列运行时,计算各台磨煤机给煤量分配方案,当需要进行燃烧调整时,也可以给某台磨煤机指令加偏置。DEH控制系统接受汽轮机调门开度指令和测量阀位反馈,保证阀门开度跟随阀位指令。
本实施例中火电机组AGC指令执行过程如图4所示。
①负荷指令处理回路
机组在AGC控制时,机组的目标负荷值由电网下发,电网侧的AGC指令一般为阶跃变化的,电厂接收到指令后,需要对其限幅和限速出力,生成火电机组的实际负荷指令。其中限幅的目的是为了使机组出力在允许范围内,限速主要是防止负荷剧烈变化造成机组系统的不稳定运。当机组处于协调控制方式时,机组还参与一次调频,因此,负荷指令回路还包含频率校正环节,频率校正经函数发生器F2(x),与负荷指令相加后行成实际负荷指令。压力设定一般分为定压和滑压运行两种方式,在定压运行方式下,主蒸汽压力设定值一般由操作人员手动设定,在滑压运行方式下,压力定值是负荷指令的函数,可以通过负荷-压力函数F1(x)得到蒸汽压力设定值。机组协调控制系统的负荷指令和压力设定回路可以简化为如图5所示回路。
本实施例中AGC机组实际负荷指令和主蒸汽压力设定值生成方案如图5所示。
②锅炉主控系统建模
锅炉主控制器的主要任务是调节主蒸汽压力,考虑到锅炉侧的迟延和惯性较大,在锅炉侧引入负荷前馈控制。主控回路的反馈控制器为PID控制,前馈环节为经限幅限速的AGC指令经比例微分调节作为前馈信号,以补偿锅炉惯性,改善其调节品质,其模型如图6所示。
③汽轮机主控制器
汽轮机主控制器的主要任务是调节汽轮机的输出功率,其汽轮机主控指令的产生逻辑如图所示,功率控制回路的反馈控制由PID调节器完成,同时,由于锅炉侧惯性大,负荷响应慢,为了防止汽轮机调门动作大而导致主蒸汽压力波动过大,机组还需设立压力偏差拉回功能,即功率设定值由机组实际负荷指令和压力拉回输出叠加构成,汽轮机的控制指令生成可以简化为如图7所示。这里的F3(x)为一非线性函数发生器,在压力偏差较小时,不对功率指令进行修正,压力偏差超过一定范围后,限制汽轮机的阀门开度。
④DEH调节系统
汽轮机阀位指令下达给汽轮机数字功频电液调节系统(DEH),汽轮机数字功频电液调节系统动态特性要体现在协调控制系统对象特性中。汽轮机调节系统主要是针对汽轮机转速、功率和压力实时控制,在AGC调节过程中,依据功率偏差调节阀门开度,目前主要采用数字电液调节系统执行控制指令,当产生功率偏差时,协调控制系统生成阀位指令,线性差动变送器LVDT测量阀位反馈信号与阀位指令的差值信号经电液转换器和油动机后改变高压调节阀门,进一步改变汽轮机进汽流量使汽轮发电机组功率变化,其执行机构的模型如图8所示。
其中,油动机的传递函数可以简化为积分环节:
其中,To为油动机时间常数。
LVDT的作用是把油动机的实际阀位指令转化为电压信号作为反馈值,该变换过程可以简化为一阶惯性环节:
本实施例中火电机组AGC调节流程如图9所示。
2火电机组控制模型关键环节及参数辨识与优化
2.1基于灵敏度分析的关键环节辨识
本方法采用单变量灵敏度分析方法筛选对机组性能提升影响较大的关键环节及关键参数。
机组调节性能指标K对模型参数xi的敏感因子定义为:机组性能的变化率与机组模型参数xi的变化率百分比,即机组性能对模型参数偏离的敏感程度。若机组性能y与可变参数[x1,x2,…,xn]的关系可以表示为:y=f(x1,x2,…xn),某一工作点处性能指标y对参数xi在该工作点处的局部灵敏度定义为:
上式中,若知道系统的性能y与参数x的解析函数表达式,则可以用函数关系描述输入输出的对应关系。但是火电机组的控制系统是一个高度耦合非线性系统,且包含的参数较多,直接利用系统模型传递函数推导机组调节性能指标的过程较复杂,因此可以采用仿真方法研究综合性能指标和和参数之间的特性关系,在各参数的理论取值范围内,进行多次参数偏差调节,并求得对应性能指标,计算出模型中各参数的敏感性因子并求其平均值。本方法通过搭建火电机组模型,寻找影响火电机组性能的关键参数,以提升火电机组性能。其过程为:
A1)搭建火电机组模型,并将各参数值设置为工作点标称值。
A2)在保证机组安全稳定运行的前提下,设参数xi的可调范围为[xi,min,xi,max]。
A3)取xi=xi,min,设定负荷指令增加ΔNE,根据响应曲线求得综合性能指标。
A4)xi增加5%×(xi,max-xi,min),设定负荷指令增加ΔNE,根据响应曲线求得综合性能指标。
A5)根据参数改变前后两次的性能指标计算灵敏度系数,灵敏度系数计算方法为:
A6)重复步骤A4-A5,计算得到灵敏度系数,进一步得到参数xi的局部灵敏度矩阵
参数xi对性能的灵敏度系数的求取步骤可简化为如图10所示流程图。/>
灵敏度系数的求取方式为:在某一确定的工作点下,每一次在参数可调区间内增加5%,求得参数在该点对性能指标的局部灵敏度系数。最终得到不同参数对应的灵敏度系数,参数xi与其对应的局部灵敏度系数构成矩阵/>通过对比参数与灵敏度系数可以得到参数对性能指标的影响程度大小。
根据敏感性系数的计算结果,可以求出不同参数对应的灵敏度系数平均值,依据灵敏度系数大小对参数重要性进行排序,剔除对机组性能影响不重要或者冗余的参数,得到关键参数并进一步研究其对性能提升的空间,为火电机组性能提升和CPS指标提升提供有效的基础。
2.2基于遗传算法控制参数优化
基于单变量灵敏度分析的方法可以辨识出影响机组AGC调节性能的关键参数,但是火电协调控制系统是一个耦合的系统,各个环节都会相互影响,仅针对某一参数进行调整往往还达不到系统最优性能,各参数协调配合可以进一步提升调节性能。本发明基于遗传算法的控制器参数整定原理是将遗传算法与PID控制结合起来,运用遗传算法对PID控制器的参数进行优化,可以同时对多个参数进行优化,使系统的控制效果达到最佳。基于上述对AGC调节系统控制性能的分析,本方法建立适用于火电机组控制系统性能提升的优化模型如下:
J0=K=k1×k2×k3 (20)
考虑到主蒸汽压力波动作为火电机组稳定运行的重要衡量指标,在进行参数优化时,应保证主蒸汽压力偏差在偏差允许范围内,因此增加主蒸汽压力的最大偏差约束:
其中,ΔPT表示主蒸汽压力偏差,为主蒸汽压力偏差最大值。考虑系统的稳定性和主蒸汽压力的最大偏差,当系统不稳定或者主蒸汽压力偏差过大时,通过增加惩罚函数将约束优化问题转化为无约束优化问题:
运用遗传算法对PID控制器参数进行优化,具体步骤如下:
B1)设定控制器参数范围,选取二进制编码方式得到一系列控制器参数对应的参数序列,并将其作用于控制对象模型,得到对应的输出序列,输出序列为不同参数下火电机组执行AGC指令的调节性能综合指标。
B2)设定种群的大小,随机产生一个初始种群;二进制编码时,随机生成0-1的随机数,并规定0-0.5之间的随机数代表0,0.5-1之间的随机数代表1。
B3)选取火电机组的综合性能指标作为适应度函数,并将种群的各个体解码成对应的控制器参数,计算各个体的适应值。
B4)应用选择、交叉和变异操作对种群进行遗传操作,计算适应度函数值高的个体遗传给下一代,从而产生新一代的种群。
B5)反复执行步骤B3-B4,直至参数收敛或达到预定的指标为止,从中选出适应度值最大的参数,即为优化后的控制参数。
本实施例中通过遗传算法优化控制参数的实现流程如图11所示。
3具体实例
3.1系统参数设置
在Simulink中搭建机组模型和控制回路,整体模型如图12所示,其中锅炉和汽轮机主控制器采用PI控制,锅炉前馈控制为功率偏差的比例微分前馈,汽轮机调速系统的DEH采用比例反馈控制。选取某电厂300MW的#1机组,通过参数辨识的方法得到汽轮机、锅炉和DEH模型的各参数值如表1所示。
表1辨识参数
该AGC机组各控制参数典型值及可调范围如表2所示。
表2#1机组控制器参数典型值
AGC爬坡速率设置为2.4%Pe;负荷压力函数为:
/>
若不设置压力拉回回路当负荷需求变化时,汽轮机调汽门开度变化过快,会导致主蒸汽压力波动变大,因此在汽轮机的功率控制指令引入压力偏差调节量,压力拉回函数设置为:
对AGC指令添加扰动,如图13为有无设置压力拉回回路的主蒸汽压力变化曲线对比,可以看出,若不采用压力拉回,会导致主汽压力变化过大,不利于系统稳定运行,因此,设置该回路是必要的。
3.2控制器参数灵敏度分析
在滑压运行、稳态工况、机组90%负荷下运行时,对模型施加10%Pe的AGC指令,根据响应曲线求得参数在不同取值时对应的综合性能指标,所得性能指标随参数变化曲线如图14所示。
由图14可知,汽轮机侧的控制参数和锅炉前馈系统的微分系数/>对火电机组调节性能综合指标的影响较小,而锅炉侧的主蒸汽压力控制器参数/>和负荷偏差比例前馈系数/>对系统整体调节性能影响较大,因此可以通过优化/>和/>提升火电机组的AGC负荷响应性能。
根据上述参数-综合性能指标曲线,进一步求得参数在5%变化时的综合性能指标灵敏度系数,将每次试验的灵敏度系数平均值作为该参数对于综合性能指标的灵敏度系数,所得结果如表3所示。
表3控制器参数对综合调节性能的灵敏度系数
由上表分析结果可知,影响机组调节性能的主要参数有锅炉主控制器的控制参数和锅炉前馈环节的比例系数,而汽轮机侧的主控制器和DEH的控制器参数对系统调节的综合性能影响则较小。这也说明火电机组的调节性能主要受锅炉侧的延迟制约,因此在后续机组性能提升方面可针对锅炉侧的控制器参数进行优化,或通过硬件设备改造方式提升锅炉侧的负荷响应性能。
3.3控制器参数遗传算法优化
选择二进制编码方式对系统中的控制参数锅炉侧的主蒸汽压力控制器参数和负荷偏差比例前馈系数/>进行编码,编码时分别选用长度为10的字符串表示这三个变量,并将三个字符串连接起来组成一个长度为30的染色体。遗传算法中的各参数选取:种群大小50,交叉概率0.8,变异概率0.2,遗传代数100。
经过100代的进化后,控制器参数整定的最优值为:综合性能指标值4.7541,相较于参数典型值综合性能4.1694,提升了14.02%。图15给出了整定过程中各代性能指标的变化过程。
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。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作其他形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (5)
1.一种基于灵敏度分析与遗传算法的火电机组AGC控制参数优化方法,其特征在于,首先构建火电机组热力系统的动态模型,再基于此构建火电机组控制系统的整体模型,然后采用灵敏度分析方法筛选识别出整体模型中影响机组AGC调节性能的关键环节和关键参数,最后以提升火电机组AGC整体响应性能为目标,运用遗传算法对关键参数进行优化。
2.根据权利要求1所述的基于灵敏度分析与遗传算法的火电机组AGC控制参数优化方法,其特征在于,研究火电机组的性能指标需建立火电机组热力系统的动态模型;所述火电单元机组热力系统主要包括制粉系统、锅炉系统和汽轮机系统;
描述制粉系统动态过程的传递函数为:
式中,BM为制粉系统实际给煤量,为制粉迟延时间常数,/>为制粉惯性时间常数,uB为燃料指令对应的给煤量;
锅炉系统主要包括燃烧系统和汽水系统;描述燃烧系统动态过程的传递函数为:
式中,QF为燃烧系统输出的燃烧功率,TF为燃烧系统传热惯性时间常数;
汽水系统的主要设备包括水冷壁、汽包和过热器;水冷壁对于吸收燃料燃烧产生的热量过程采用一阶惯性描述:
式中,QW为水冷壁吸热功率,TW为水冷壁吸热惯性时间常数;
水冷壁中的汽水混合物汇集到汽包,使汽包压力增大,其中蒸汽又通过引出管流向过热器,使汽包压力减小,汽包压力动态过程为:
式中,CB为锅炉蓄热系数,PD为汽包压力,即蒸汽管道入口的蒸汽压力,DI为进入的蒸汽管道的主蒸汽流量,采用积分环节描述汽包的压力动态过程为:
蒸汽由引出管流入过热器,过热器将饱和蒸汽加热成为过热蒸汽,过热蒸汽由过热器流出,经过主蒸汽管道,进入汽轮机高压缸,过热器与主蒸汽管道内的压力动态过程为:
式中,CP为过热器与主蒸汽管道的蓄热系数,PT为机前压力,即主蒸汽管道出口的蒸汽压力,DO为进入汽轮机的蒸汽量流量,即流出主蒸汽管道的蒸汽流量,采用积分环节描述汽包的压力动态过程为:
过热器与主蒸汽管道两端的压力降与蒸汽流量之间的关系为:
式中,KP为过热器的阻力系数,表示过热器的阻力特性;
根据汽轮机调门特性,进入汽轮机的蒸汽流量与主汽调节阀开度和机前压力的乘积成比例关系,表示为:
DO=KTPTμT (9)
式中,KT为比例系数,μT为汽轮机调节阀开度;
汽轮机系统主要包括汽轮机、再热器、回热加热系统;汽轮机的基本工作单元为级,多级汽轮机每一级分担蒸汽焓降的一部分,蒸汽逐级依次通过各级将其热能转换成机械能;在多级汽轮机中,喷管调节汽轮机的第一个级既对外做功,也用来调节汽轮机的流量和功率,称为调节级;汽轮机的最后一个级称为末级,其排汽通过排汽道进入凝汽器凝结成凝结水或引入其它用汽地方;调节级和末级以外的其它所有汽轮机级统称为中间级;由锅炉系统蒸汽管道流入汽轮机的蒸汽,首先在高压缸前汽室进行配汽,随后进入调节级做功;
高压汽室蒸汽容积环节采用一阶惯性环节描述:
式中,PCH为高压缸进汽压力,即高压缸前汽室出口的蒸汽压力,TCH为高压缸前汽室容积时间常数;
高压缸的做功环节采用比例环节描述:
WHP=KHP(PCH+λ(PCH-PRH)) (11)
式中,WHP为高压缸做功功率,KHP为高压缸功率比例系数,λ为高压缸功率过调系数,PRH为中压缸进汽压力,即再热器出口的蒸汽压力;
高压缸排汽进入再热器,再热蒸汽经过中压缸进汽调门进入中压缸,随后在中间级做功;
再热器容积环节采用一阶惯性环节描述:
式中,Tch为高压缸前汽室容积时间常数;
中压缸的功率认为正比于中压缸的进汽压力:
WIP=KIPPRH (13)
式中,WIP为中压缸做功功率,KIP为中压缸功率比例系数;
中压缸排汽进入低压连通管,经过低压缸进汽调门进入低压缸,随后进入末级做功,最后低压缸排汽进入凝汽器;
低压连通管容积环节采用一阶惯性环节描述:
式中,PCO为低压缸进汽压力,即低压连通器出口的蒸汽压力,TCO为低压连通管容积时间常数;
低压缸的功率认为正比于低压缸的进汽压力:
WLP=KLPPCO (15)
式中,WLP为低压缸做功功率,KLP为低压缸功率比例系数;
汽轮机总输出功率为高、中、低压缸做功功率之和,功率比例系数表示高、中、低压缸的输出功率占汽轮机总输出功率的百分比,KHP+KIP+KLP=1。
3.根据权利要求1所述的基于灵敏度分析与遗传算法的火电机组AGC控制参数优化方法,其特征在于,构建火电机组控制系统的整体模型,其具体方法为:
将耦合相对较弱的系统独立出去,仅考虑火电机组热力系统控制环节,建立简化的火电机组控制系统;简化后的火电机组控制系统主要考虑机组协调控制系统、制粉控制系统和DEH控制系统;协调控制系统主要由负荷指令处理回路、锅炉主控、汽轮机主控组成;负荷指令处理回路将电网侧的AGC指令转换为火电机组的实际负荷指令,锅炉主控输出的煤量指令uB下达给制粉控制系统,汽轮机主控输出的汽轮机调门开度指令uT下达给DEH控制系统;制粉控制系统接受煤量指令和制粉系统给煤量反馈,保证给煤量跟随燃料指令,在多台磨煤机并列运行时,计算各台磨煤机给煤量分配方案;DEH控制系统接受汽轮机调门开度指令和测量阀位反馈,保证阀门开度跟随阀位指令。
4.根据权利要求1所述的基于灵敏度分析与遗传算法的火电机组AGC控制参数优化方法,其特征在于,采用灵敏度分析方法筛选识别整体模型中影响机组AGC调节性能的关键环节和关键参数,其具体方法为:
机组调节性能指标K对模型参数xi的敏感因子Sxi定义为:机组性能的变化率与机组模型参数xi的变化率百分比,即机组性能对模型参数偏离的敏感程度;若机组性能y与可变参数[x1,x2,···,xn]的关系表示为:y=f(x1,x2,···xn),某一工作点处性能指标y对参数xi在该工作点处的局部灵敏度定义为:
搭建火电机组模型,寻找影响火电机组性能的关键参数,以提升火电机组性能;其过程为:
A1)搭建火电机组模型,并将各参数值设置为工作点标称值;
A2)在保证机组安全稳定运行的前提下,设参数xi的可调范围为[xi,min,xi,max];
A3)取xi=xi,min,设定负荷指令增加ΔNE,根据响应曲线求得综合性能指标;
A4)xi增加5%×(xi,max-xi,min),设定负荷指令增加ΔNE,根据响应曲线求得综合性能指标;
A5)根据参数改变前后两次的性能指标计算灵敏度系数,灵敏度系数计算方法为:
A6)重复步骤A4-A5,计算得到灵敏度系数,进一步得到参数xi的局部灵敏度矩阵
灵敏度系数的求取方法为:在某一确定的工作点下,每一次在参数可调区间内增加5%,求得参数在该点对性能指标的局部灵敏度系数;最终得到不同参数对应的灵敏度系数,参数xi与其对应的局部灵敏度系数构成矩阵/>通过对比参数与灵敏度系数得到参数对性能指标的影响程度大小;
根据敏感性系数的计算结果,求出不同参数对应的灵敏度系数平均值,依据灵敏度系数大小对参数重要性进行排序,剔除对机组性能影响不重要或者冗余的参数,得到关键参数。
5.根据权利要求1所述的基于灵敏度分析与遗传算法的火电机组AGC控制参数优化方法,其特征在于,运用遗传算法优化关键参数,其具体方法为:
建立适用于火电机组控制系统性能提升的优化模型:
J0=K=k1×k2×k3 (20)
考虑到主蒸汽压力波动作为火电机组稳定运行的重要衡量指标,在进行参数优化时,应保证主蒸汽压力偏差在偏差允许范围内,因此增加主蒸汽压力的最大偏差约束:
ΔPT≤|ΔPT_max| (21)
其中,ΔPT表示主蒸汽压力偏差,ΔPT_max为主蒸汽压力偏差最大值;考虑系统的稳定性和主蒸汽压力的最大偏差,当系统不稳定或者主蒸汽压力偏差过大时,通过增加惩罚函数将约束优化问题转化为无约束优化问题:
运用遗传算法对PID控制器参数进行优化,具体步骤如下:
B1)设定控制器参数范围,选取二进制编码方式得到一系列控制器参数对应的参数序列,并将其作用于控制对象模型,得到对应的输出序列,输出序列为不同参数下火电机组执行AGC指令的调节性能综合指标;
B2)设定种群的大小,随机产生一个初始种群;二进制编码时,随机生成0-1的随机数,并规定0-0.5之间的随机数代表0,0.5-1之间的随机数代表1;
B3)选取火电机组的综合性能指标作为适应度函数,并将种群的各个体解码成对应的控制器参数,计算各个体的适应值;
B4)应用选择、交叉和变异操作对种群进行遗传操作,计算适应度函数值高的个体遗传给下一代,从而产生新一代的种群;
B5)反复执行步骤B3-B4,直至参数收敛或达到预定的指标为止,从中选出适应度值最大的参数,即为优化后的控制参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311401418.9A CN117539147A (zh) | 2023-10-26 | 2023-10-26 | 基于灵敏度分析与遗传算法的火电机组agc控制参数优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311401418.9A CN117539147A (zh) | 2023-10-26 | 2023-10-26 | 基于灵敏度分析与遗传算法的火电机组agc控制参数优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117539147A true CN117539147A (zh) | 2024-02-09 |
Family
ID=89792772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311401418.9A Pending CN117539147A (zh) | 2023-10-26 | 2023-10-26 | 基于灵敏度分析与遗传算法的火电机组agc控制参数优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117539147A (zh) |
-
2023
- 2023-10-26 CN CN202311401418.9A patent/CN117539147A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100498060C (zh) | 循环流化床锅炉燃烧优化控制方法 | |
EP2067936B1 (en) | Steam temperature control in a boiler system using reheater variables | |
CN102011615B (zh) | 用于控制湿气分离再热器的方法和系统 | |
CN109491337A (zh) | 一种火电机组协调控制系统及其协调控制方法 | |
CN105276611A (zh) | 火电厂锅炉燃烧调整优化方法与系统 | |
CN110792482A (zh) | 一种超超临界二次再热机组参与电网一次调频的控制系统及方法 | |
CN107664300B (zh) | 多目标蒸汽温度控制 | |
CN105787211A (zh) | 针对燃气透平劣化的联合循环余热锅炉压力调整方法 | |
CN100385092C (zh) | 用于蒸汽轮机的快速发电系统及方法 | |
Baghsheikhi et al. | Real-time exergoeconomic optimization of a steam power plant using a soft computing-fuzzy inference system | |
Gao et al. | Investigation on the energy conversion and load control of supercritical circulating fluidized bed boiler units | |
Wang et al. | Enhancing the flexibility and efficiency of a double-reheat coal-fired power unit by optimizing the steam temperature control: From simulation to application | |
CN115419478A (zh) | 一种用于钢厂煤气发电的优化控制方法 | |
CN108508747A (zh) | 配置双进双出磨煤机制粉系统的直流炉机组模型建模方法 | |
Zhang et al. | Dynamic model for subcritical circulating fluidized bed boiler-turbine units operated in a wide-load range | |
CN117539147A (zh) | 基于灵敏度分析与遗传算法的火电机组agc控制参数优化方法 | |
JP2013181679A (ja) | 発電システム及びその蒸気温度制御方法 | |
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 | |
CN114562713B (zh) | 发电锅炉主蒸汽温度控制方法及系统 | |
Han et al. | A L1-LEMPC hierarchical control structure for economic load-tracking of super-critical power plants | |
US5850740A (en) | Fluidized bed power plant, and control apparatus and method thereof | |
CN111522253A (zh) | 一种锅炉-汽轮机系统的喷水减温系统仿真方法及装置 | |
Zemann et al. | Application of a model based control strategy at a fixed bed biomass district heating plant | |
Abdalisousan et al. | Effect of decision variables in the steam section for the exergoeconomic analysis of TCCGT power plant: a case study | |
Zhang et al. | Modeling and generalized predictive control strategy of a micro gas turbine |
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 |