KR20210089029A - Control parameter tuning method of power plant controller - Google Patents

Control parameter tuning method of power plant controller Download PDF

Info

Publication number
KR20210089029A
KR20210089029A KR1020200002241A KR20200002241A KR20210089029A KR 20210089029 A KR20210089029 A KR 20210089029A KR 1020200002241 A KR1020200002241 A KR 1020200002241A KR 20200002241 A KR20200002241 A KR 20200002241A KR 20210089029 A KR20210089029 A KR 20210089029A
Authority
KR
South Korea
Prior art keywords
output
value
control
power plant
control parameter
Prior art date
Application number
KR1020200002241A
Other languages
Korean (ko)
Inventor
윤수용
변승현
우주희
황성주
이우종
Original Assignee
한국전력공사
한국동서발전(주)
한국서부발전 주식회사
한국남동발전 주식회사
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 한국전력공사, 한국동서발전(주), 한국서부발전 주식회사, 한국남동발전 주식회사 filed Critical 한국전력공사
Priority to KR1020200002241A priority Critical patent/KR20210089029A/en
Publication of KR20210089029A publication Critical patent/KR20210089029A/en

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
    • G05B13/041—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 variable is automatically adjusted to optimise the performance
    • 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
    • G05B11/00—Automatic controllers
    • G05B11/01—Automatic controllers electric
    • G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
    • G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P.I., P.I.D.
    • 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
    • G05B13/047—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 the criterion being a time optimal performance criterion

Abstract

The present invention relates to a control parameter tuning method of a power plant controller, wherein the control parameter tuning method of the power plant controller comprises: a step of obtaining process identification data and pre-stored control parameter from a power plant server; a step of identifying a process model of the process to be controlled using the process identification data; a step of establishing an objective function comprising a cumulative error and an overshoot between an output of the process model and a set value defining a target output; a step of minimizing the function value of the objective function by performing an optimization algorithm based on the process model and pre-stored control parameter, and detecting an optimal solution that satisfies a preset tuning range; and a step of updating the pre-stored control parameter to the optimal solution. Therefore, the present invention is capable of allowing the optimized control parameter to be calculated automatically without time, effort, and know-how of an expert.

Description

발전소 제어기의 제어 파라미터 튜닝 방법{CONTROL PARAMETER TUNING METHOD OF POWER PLANT CONTROLLER}CONTROL PARAMETER TUNING METHOD OF POWER PLANT CONTROLLER

본 발명은 발전소 제어기의 제어 파라미터 튜닝 방법에 관한 것으로, 보다 상세하게는 발전소 서버로부터 공정 식별 데이터 및 기존에 적용된 제어 파라미터를 획득하여 공정 모델을 식별하고, 식별된 공정 모델에 대해 누적 오차 기반의 성능 지수 및 오버슈트(overshoot)를 최소화하고, 기존에 적용된 제어 파라미터를 기준으로 튜닝 범위를 제한하여 최적화된 제어 파라미터를 튜닝할 수 있는 발전소 제어기의 제어 파라미터 튜닝 방법에 관한 것이다.The present invention relates to a control parameter tuning method of a power plant controller, and more particularly, by acquiring process identification data and previously applied control parameters from a power plant server to identify a process model, and to perform cumulative error-based performance for the identified process model The present invention relates to a control parameter tuning method of a power plant controller capable of tuning an optimized control parameter by minimizing an index and an overshoot, and limiting a tuning range based on a previously applied control parameter.

발전소는 다양한 기기로 구성된 계통이 조화를 이루며 운전하여 연료가 가진 화학적 에너지를 전기적 에너지로 변환시키는 역할을 한다. 발전소의 제어 시스템은 수백 개의 제어 루프들로 구성된다. 제어 루프의 성능은 발전소의 안정적인 운영에 직접적인 영향을 미치며, 발전소의 성능을 최적으로 유지하기 위해서는 제어 루프가 최적의 상태로 운전될 필요가 있다.A power plant works in harmony with a system composed of various devices to convert chemical energy of fuel into electrical energy. A power plant's control system consists of hundreds of control loops. The performance of the control loop directly affects the stable operation of the power plant, and in order to maintain the performance of the power plant optimally, the control loop needs to be operated in an optimal state.

제어 루프는 발전소의 건설이나 시 운전시 제어 파라미터의 튜닝을 통해 최적화될 수 있다. 그러나, 공정 특성은 시간의 경과 또는 발전소 개조 등의 외부 환경에 따라 변화한다. 예를 들어, 발전소의 설비 교체, 장비의 마모, 새로운 장비 설치, 단위 출력 및 운전 모드의 변경 등은 제어 루프의 성능을 초기의 정상 상태보다 저하시킨다.The control loop can be optimized through tuning of control parameters during plant construction or commissioning. However, process characteristics change with the passage of time or an external environment such as a power plant retrofit. For example, equipment replacement in a power plant, equipment wear and tear, new equipment installation, and changes in unit output and operation mode, etc. degrade the performance of the control loop from the initial steady state.

제어 루프의 성능 저하는 발전소의 성능에 영향을 미치고, 발전소의 운전에 여러가지 부정적인 결과를 초래할 수 있다. 예를 들어, 제어 루프의 성능 저하는 플랜트 효율, 보일러 수명 소비율, 출력 증감발 속도 등에 영향을 줄 수 있다. 이러한 제어 루프의 성능 저하를 개선하기 위해서는 제어 루프를 제어하는 제어기의 제어 파라미터 조정이 필요하다.The degradation of the control loop may affect the performance of the power plant and may have several negative consequences for the operation of the power plant. For example, the degradation of the control loop can affect plant efficiency, boiler life consumption rate, power ramp rate, and the like. In order to improve the performance degradation of the control loop, it is necessary to adjust the control parameters of the controller that controls the control loop.

일반적으로 발전소의 제어 시스템은 비례-적분-미분(Proportional-Integral-Derivative, 이하 PID) 제어기로 구성된다. 즉, PID 제어기의 제어 파라미터 값에 의해 발전소의 각 공정의 제어 상태가 결정되므로, PID 제어기의 제어 파라미터 튜닝이 공정의 효율과 성능에 중요한 역할을 미친다.In general, the control system of a power plant consists of a proportional-integral-derivative (PID) controller. That is, since the control state of each process of the power plant is determined by the control parameter value of the PID controller, the control parameter tuning of the PID controller plays an important role in the efficiency and performance of the process.

실제 발전소의 현장에서는 제어 전문가의 노하우와 미세한 튜닝을 통한 시행 착오를 통해 PID 제어기의 파라미터를 튜닝하므로 많은 시간과 노력이 필요하다. 또한, 발전소의 다양한 제어 루프에 따라 요구되는 제어 성능이 상이하므로 제어 루프 별로 수작업을 통해 PID 제어기의 파라미터를 튜닝하는데 한계가 있다.At the actual power plant site, a lot of time and effort is required to tune the parameters of the PID controller through trial and error through the know-how of control experts and fine tuning. In addition, since the required control performance is different according to the various control loops of the power plant, there is a limit to manually tuning the parameters of the PID controller for each control loop.

여기에서, 제어 루프의 성능은 누적 오차 기반의 성능 지수로 판단한다. 누적 오차 기반의 성능 지수는 일정 시간 동안 제어 루프의 출력과 설정 값간의 차이(e(t))에 대한 누적 값을 산출하고, 산출된 누적 오차 값을 이용하여 성능을 판단하는 방법이다. 이러한 누적 오차 기반의 성능 지수는 아래의 [표 1]과 같이, 적분 절대 오차(Integral Absolute Error, IAE), 적분 제곱 오차(Integral Squared Error, ISE), 적분 시간 절대 오차(Integral Time Absolute Error, ITAE) 및 적분 시간 제곱 오차(Integral Time Squared Error, ITSE) 방법 등을 이용하여 산출될 수 있다. Here, the performance of the control loop is determined by the figure of merit based on the cumulative error. The cumulative error-based figure of merit is a method of calculating a cumulative value for the difference (e(t)) between the output of the control loop and a set value for a predetermined time and determining performance using the calculated cumulative error value. As shown in [Table 1] below, this cumulative error-based figure of merit is Integral Absolute Error (IAE), Integral Squared Error (ISE), Integral Time Absolute Error (ITAE) ) and an integral time squared error (ITSE) method.

상기 설정 값은 목표 값 또는 기준 값 또는 Setpoint 등으로 호칭될 수 있다.The set value may be referred to as a target value, a reference value, or a setpoint.

성능 지수figure of merit 계산식formula 적분 절대오차(Integral Absolute Error)Integral Absolute Error

Figure pat00001
Figure pat00001
적분 제곱오차(Integral Squared Error)Integral Squared Error
Figure pat00002
Figure pat00002
 적분 시간 절대오차 (Integral Time Absolute Error)Integral Time Absolute Error
Figure pat00003
Figure pat00003
 적분 시간 제곱오차(Integral Time Squared Error)Integral Time Squared Error
Figure pat00004
Figure pat00004

즉, PID 제어기의 제어 파라미터를 튜닝하는 방법은 누적 오차 기반의 성능 지수를 최소화하는 방식으로 진행된다. 또한, PID 제어기의 제어 파라미터를 튜닝하기 위해서는 도 1에 도시된 바와 같이, 목표 값(Setpoint)을 제어하거나, 외란(Load Disturbance)을 제어하는 등의 제어 목적에 따라 제어 루프의 출력 응답에 대한 제어 규칙을 다르게 설정할 필요가 있다. That is, the method of tuning the control parameter of the PID controller is performed in a manner that minimizes the figure of merit based on the cumulative error. In addition, in order to tune the control parameters of the PID controller, as shown in FIG. 1 , the output response of the control loop is controlled according to the control purpose, such as controlling a setpoint or controlling a load disturbance. You need to set the rules differently.

그리고, PID 제어기의 제어 파라미터를 튜닝하기 위해서는 제어 대상 공정의 공정 특성에 대응하는 공정 모델을 식별할 필요가 있다. 여기에서, 공정 모델은 아래의 [표 2]와 같이, 4가지의 공정 모델, 즉 FOPDT(first-order pulse delay time), SOPDT(Second-order plus delay time) 및 IPDT(Integral plus delay time), FOLIPD(First-order plus integral plus delay time) 중 어느 하나로 정의될 수 있다.And, in order to tune the control parameters of the PID controller, it is necessary to identify a process model corresponding to the process characteristics of the process to be controlled. Here, the process model is, as shown in Table 2 below, four process models, namely, first-order pulse delay time (FOPDT), second-order plus delay time (SOPDT), and integral plus delay time (IPDT), It may be defined as any one of first-order plus integral plus delay time (FOLIPD).

FOPDT
FOPDT
 SOPDT
SOPDT
 IPDT
IPDT
 FOLIPDFOLIPD

Figure pat00005
Figure pat00005
Figure pat00006
Figure pat00006
Figure pat00007
Figure pat00007
Figure pat00008
Figure pat00008

여기에서, A는 공정 이득, L은 지연 시간. τ는 시상수이다. 즉, A, L, τ 등과 같은 제어 파라미터 범위 별로 계산이 수행되므로, 모든 범위에 대해 최적화된 결과 값을 제시하는데 한계가 있다. 예를 들어, FOPDT 공정 모델의 목표 값을 제어하고, ISE 성능 지수를 최소화하기 위한 PID 제어기의 제어 파라미터 튜닝 방법은 아래의 [표 3]과 같다. where A is the process gain and L is the delay time. τ is the time constant. That is, since calculations are performed for each control parameter range such as A, L, τ, etc., there is a limit to presenting optimized result values for all ranges. For example, the control parameter tuning method of the PID controller for controlling the target value of the FOPDT process model and minimizing the ISE figure of merit is shown in [Table 3] below.

Figure pat00009
Figure pat00009
Figure pat00010
Figure pat00010
Figure pat00011
Figure pat00011
Figure pat00012
Figure pat00012

상기와 같은 PID 제어기의 튜닝 방법은 누적 오차 기반의 성능 지수를 기반으로 하기 때문에 기존의 제어 파라미터에 비해 상대적으로 비례 이득(P gain, Kp) 값이 크게 나타난다. 비례 이득 값이 크게 적용되는 경우 빠른 응답이 나타나 목표 값(Setpoint)에 빨리 수렴하기 때문에 오차 기반의 성능 지수가 양호하게 나타난다. 그러나, 빠른 응답으로 인해 오버 슈트(overshoot)나 진동(oscillation)이 발생할 가능성이 높아진다.Since the tuning method of the PID controller as described above is based on the figure of merit based on the cumulative error, the proportional gain (P gain, Kp) value is relatively larger than that of the existing control parameters. When a large proportional gain value is applied, a fast response appears and converges to the target value (setpoint) quickly, so the error-based figure of merit appears well. However, the possibility of overshoot or oscillation is increased due to the fast response.

예를 들어, 아래의 [표 4]와 같이, 표준 석탄 화력 발전소에서 노내압(Furnace Pr) 제어 루프의 PI 제어 파라미터의 튜닝 결과는 ITAE를 최소화하는 알고리즘을 적용하여 계산한 경우 비례 이득이 10.2584의 값을 갖는다. 즉, 시운전을 통해 적용된 기존의 제어 파라미터의 비례 이득인 0.35에 비해 상대적으로 매우 큰 값을 갖는다.For example, as shown in [Table 4] below, the tuning result of the PI control parameter of the furnace pressure (Furnace Pr) control loop in a standard coal-fired power plant is calculated by applying an algorithm that minimizes ITAE, and the proportional gain is 10.2584. have a value That is, it has a relatively large value compared to 0.35, which is the proportional gain of the existing control parameter applied through trial run.

튜닝 규칙 적용 제어 파라미터(ITAE)Tuning Rule Enforcement Control Parameters (ITAE) 기존 발전소 적용 제어 파라미터Existing power plant application control parameters

Figure pat00013
Figure pat00013
Figure pat00014
Figure pat00014

따라서, 도 2에 도시된 바와 같이, ITAE 튜닝을 적용한 결과는 기존의 제어 파라미터를 적용한 경우에 비해 빠른 상승 시간(Rising Time)을 가지나, 오버슈트(overshoot)가 크게 나타나는 것을 볼 수 있다. 이러한 오버 슈트(overshoot)나 진동(oscillation)은 발전소의 안정성 및 설비 운영 효율을 저하시키고, 현재 발전소에 적용된 기존의 제어 파라미터 대비 매우 큰 값을 가지므로 신뢰도가 낮아 실제 현장에 적용하는데 한계가 있다.Accordingly, as shown in FIG. 2 , it can be seen that the result of applying the ITAE tuning has a faster rising time than the case of applying the existing control parameters, but has a large overshoot. Such overshoot or oscillation deteriorates the stability and facility operation efficiency of the power plant, and has a very large value compared to the existing control parameters applied to the current power plant, so the reliability is low, so there is a limit to the actual application in the field.

본 발명의 일 실시예는 발전소 서버로부터 공정 식별 데이터 및 기존에 적용된 제어 파라미터를 획득하여 공정 모델을 식별하고, 식별된 공정 모델에 대해 누적 오차 기반의 성능 지수 및 오버슈트(overshoot)를 최소화하고, 기존에 적용된 제어 파라미터를 기준으로 튜닝 범위를 제한시키는 최적화 알고리즘을 수행함으로써 전문가의 시간, 노력 및 노하우 없이 자동으로 최적화된 제어 파라미터를 산출할 수 있는 발전소 제어기의 제어 파라미터 튜닝 방법을 제공하고자 한다. An embodiment of the present invention identifies a process model by acquiring process identification data and previously applied control parameters from a power plant server, and minimizes the cumulative error-based figure of merit and overshoot for the identified process model, An object of the present invention is to provide a control parameter tuning method for a power plant controller that can automatically calculate optimized control parameters without expert time, effort and know-how by performing an optimization algorithm that limits the tuning range based on the previously applied control parameters.

본 발명의 일 실시예에 따른 발전소 제어기의 제어 파라미터 튜닝 방법은 발전소 서버로부터 공정 식별 데이터 및 기 저장된 제어 파라미터를 획득하는 단계; 상기 공정 식별 데이터를 이용하여 제어 대상 공정의 공정 모델을 식별하는 단계; 상기 공정 모델의 출력과 목표 출력 간의 누적 오차 및 오버슈트(overshoot)를 포함하는 목적 함수를 설정하는 단계; 상기 공정 모델 및 상기 기 저장된 제어 파라미터를 기반으로 최적화 알고리즘을 수행하여 상기 목적 함수의 함수 값을 최소화하고, 미리 설정된 튜닝 범위를 만족하는 최적해를 검출하는 단계; 및 상기 기 저장된 제어 파라미터를 상기 최적해로 갱신하는 단계를 포함한다.A control parameter tuning method of a power plant controller according to an embodiment of the present invention includes: acquiring process identification data and pre-stored control parameters from a power plant server; identifying a process model of a process to be controlled by using the process identification data; setting an objective function including a cumulative error and an overshoot between an output of the process model and a target output; performing an optimization algorithm based on the process model and the pre-stored control parameters to minimize a function value of the objective function and detect an optimal solution that satisfies a preset tuning range; and updating the pre-stored control parameter to the optimal solution.

일 실시예에 있어서, 상기 공정 식별 데이터는 상기 제어 대상 공정을 제어하는 제어기의 제어 출력 값 및 상기 제어 출력 값에 따른 상기 제어 대상 공정의 공정 출력 값의 시간에 따른 변화를 포함하는 것을 특징으로 한다.In an embodiment, the process identification data includes a control output value of a controller for controlling the control target process and a change over time of a process output value of the control target process according to the control output value .

일 실시예에 있어서, 상기 공정 모델을 식별하는 단계는 상기 공정 식별 데이터를 이용하여 상기 제어 대상 공정의 동특성을 검출하는 단계를 포함하는 것을 특징으로 한다.In an embodiment, identifying the process model may include detecting dynamic characteristics of the process to be controlled by using the process identification data.

일 실시예에 있어서, 상기 제어 대상 공정의 동특성은 상기 공정 모델의 지연 시간, 시상수 및 공정 이득 중 적어도 어느 하나를 포함하는 것을 특징으로 한다.In an embodiment, the dynamic characteristic of the process to be controlled includes at least one of a delay time, a time constant, and a process gain of the process model.

일 실시예에 있어서, 상기 제어기는 디지털 방식의 비례-적분-미분 제어기인 것을 특징으로 한다.In an embodiment, the controller is a digital proportional-integral-differential controller.

일 실시예에 있어서, 상기 목적 함수는 일정 시간 동안 출력된 상기 공정 모델의 시계열 출력과 설정 값 간의 상기 누적 오차 및 상기 공정 모델의 최대 출력과 상기 목표 출력 간의 차이에 대응하는 상기 오버슈트의 합으로 설정되는 것을 특징으로 한다.In an embodiment, the objective function is the sum of the overshoot corresponding to the accumulated error between the time series output of the process model output for a predetermined time and a set value and the difference between the maximum output of the process model and the target output. characterized in that it is set.

일 실시예에 있어서, 상기 누적 오차 및 상기 오버슈트 각각은 미리 설정된 가중치를 갖고, 상기 누적 오차 및 상기 오버슈트 각각의 상기 가중치의 합은 1인 것을 특징으로 한다.In an embodiment, each of the accumulated error and the overshoot has a preset weight, and a sum of the weight of each of the accumulated error and the overshoot is 1.

일 실시예에 있어서, 상기 튜닝 범위는 상기 기 저장된 제어 파라미터를 기준으로 설정된 상한 경계 값과 하한 경계 값을 포함하는 것을 특징으로 한다.In one embodiment, the tuning range is characterized in that it includes an upper limit value and a lower limit value set based on the pre-stored control parameter.

개시된 기술은 다음의 효과를 가질 수 있다. 다만, 특정 실시예가 다음의 효과를 전부 포함하여야 한다거나 다음의 효과만을 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.The disclosed technology may have the following effects. However, this does not mean that a specific embodiment should include all of the following effects or only the following effects, so the scope of the disclosed technology should not be construed as being limited thereby.

본 발명의 일 실시예에 따른 발전소 제어기의 제어 파라미터 튜닝 방법은 발전소 서버로부터 공정 식별 데이터 및 기존에 적용된 제어 파라미터를 획득하여 공정 모델을 식별하고, 식별된 공정 모델에 대해 누적 오차 기반의 성능 지수 및 오버슈트(overshoot)를 최소화하고, 기존에 적용된 제어 파라미터를 기준으로 튜닝 범위를 제한시키는 최적화 알고리즘을 수행함으로써 전문가의 시간, 노력 및 노하우 없이 자동으로 최적화된 제어 파라미터를 산출할 수 있다.A control parameter tuning method of a power plant controller according to an embodiment of the present invention identifies a process model by acquiring process identification data and previously applied control parameters from a power plant server, and a cumulative error-based performance index and By performing an optimization algorithm that minimizes overshoot and limits the tuning range based on previously applied control parameters, it is possible to automatically calculate optimized control parameters without the time, effort, and know-how of experts.

도 1은 제어 목적에 대응하는 제어 루프의 출력 규칙을 설명하기 위해 도시한 도면이다.
도 2는 기존 제어 파라미터와 ITAE 튜닝 값에 의한 제어 파라미터를 적용한 결과를 설명하기 위해 도시한 도면이다.
도 3a는 본 발명의 일 실시예에 따른 발전소 제어기의 제어 파라미터 튜닝 시스템을 도시한 도면이다.
도 3b는 제어 파라미터 튜닝 시스템의 다른 일 예를 나타내는 예시도이다.
도 4는 도 3a에 도시된 공정 제어기에서 수행되는 제어 파라미터 튜닝 방법을 설명하기 위해 도시한 순서도이다.
도 5는 공정 제어기와 공정 모델 간의 폐루프 시스템을 도시한 도면이다.
도 6은 공정 제어기와 공정 모델 간의 디지털 폐루프 시스템을 도시한 도면이다.
도 7은 펄스 전송 함수를 설명하기 위해 도시한 도면이다.
도 8은 이산 시간 시스템을 설명하기 위해 도시한 도면이다.
도 9는 튜닝 범위를 설명하기 위해 도시한 도면이다.
도 10은 발전 출력 설정 값을 조작하는 운전 화면 및 관련 제어 루프의 응동 트렌드를 설명하기 위해 도시한 도면이다.
도 11은 주증기 온도 스프레이 제어 계통을 설명하기 위해 도시한 도면이다.
도 12는 공정 식별 결과를 설명하기 위해 도시한 도면이다.
도 13은 주증기 온도 스프레이 제어 루프의 제어기 파라미터 결과 값 분포를 설명하기 위해 도시한 도면이다.
도 14는 제어 파라미터의 튜닝 전후의 시뮬레이션 결과 및 주증기 온도 제어 오차를 비교하기 위해 도시한 도면이다.
도 15a 및 도 15b는 제어 파라미터의 튜닝 전후의 주증기 온도 제어 성능의 비교 결과를 설명하기 위해 도시한 도면이다. 1 is a diagram illustrating an output rule of a control loop corresponding to a control purpose.
2 is a diagram illustrating a result of applying a control parameter based on an existing control parameter and an ITAE tuning value.
3A is a diagram illustrating a control parameter tuning system of a power plant controller according to an embodiment of the present invention.
3B is an exemplary diagram illustrating another example of a control parameter tuning system.
4 is a flowchart illustrating a control parameter tuning method performed in the process controller shown in FIG. 3A .
5 is a diagram illustrating a closed-loop system between a process controller and a process model.
6 is a diagram illustrating a digital closed-loop system between a process controller and a process model.
7 is a diagram illustrating a pulse transfer function.
8 is a diagram illustrating a discrete time system.
9 is a diagram illustrating a tuning range.
FIG. 10 is a diagram illustrating a response trend of an operation screen for manipulating a power generation output set value and a related control loop.
11 is a diagram illustrating the main steam temperature spray control system.
12 is a diagram illustrating a process identification result.
13 is a diagram illustrating the distribution of the result value of the controller parameter of the main steam temperature spray control loop.
14 is a diagram illustrating a comparison between simulation results and main steam temperature control errors before and after tuning of control parameters.
15A and 15B are diagrams for explaining a comparison result of main steam temperature control performance before and after tuning of control parameters.

본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.Since the description of the present invention is merely an embodiment for structural or functional description, the scope of the present invention should not be construed as being limited by the embodiment described in the text. That is, since the embodiment may have various modifications and may have various forms, it should be understood that the scope of the present invention includes equivalents capable of realizing the technical idea. In addition, since the object or effect presented in the present invention does not mean that a specific embodiment should include all of them or only such effects, it should not be understood that the scope of the present invention is limited thereby.

한편, 본 출원에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.On the other hand, the meaning of the terms described in the present application should be understood as follows.

"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.Terms such as “first” and “second” are for distinguishing one component from another, and the scope of rights should not be limited by these terms. For example, a first component may be termed a second component, and similarly, a second component may also be termed a first component.

어떤 구성요소가 다른 구성요소에 "연결되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.When a component is referred to as being “connected to” another component, it should be understood that the component may be directly connected to the other component, but other components may exist in between. On the other hand, when it is mentioned that a certain element is "directly connected" to another element, it should be understood that the other element does not exist in the middle. Meanwhile, other expressions describing the relationship between elements, that is, “between” and “immediately between” or “neighboring to” and “directly adjacent to”, etc., should be interpreted similarly.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다"또는 "가지다" 등의 용어는 실시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The singular expression is to be understood to include the plural expression unless the context clearly dictates otherwise, and terms such as "comprises" or "have" refer to the embodied feature, number, step, action, component, part or these It is intended to indicate that a combination exists, and it should be understood that it does not preclude the possibility of the existence or addition of one or more other features or numbers, steps, operations, components, parts, or combinations thereof.

각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.Identifiers (eg, a, b, c, etc.) in each step are used for convenience of description, and the identification code does not describe the order of each step, and each step clearly indicates a specific order in context. Unless otherwise specified, it may occur in a different order from the specified order. That is, each step may occur in the same order as specified, may be performed substantially simultaneously, or may be performed in the reverse order.

본 발명은 컴퓨터가 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있고, 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽힐 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.The present invention can be embodied as computer-readable codes on a computer-readable recording medium, and the computer-readable recording medium includes all types of recording devices in which data readable by a computer system is stored. . Examples of the computer-readable recording medium include ROM, RAM, CD-ROM, magnetic tape, floppy disk, optical data storage device, and the like. In addition, the computer-readable recording medium may be distributed in a network-connected computer system, and the computer-readable code may be stored and executed in a distributed manner.

여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.All terms used herein have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs, unless otherwise defined. Terms defined in general used in the dictionary should be interpreted as being consistent with the meaning in the context of the related art, and cannot be interpreted as having an ideal or excessively formal meaning unless explicitly defined in the present application.

도 3a는 본 발명의 일 실시예에 따른 발전소 제어기의 제어 파라미터 튜닝 시스템을 도시한 도면이고, 도 3b는 제어 파라미터 튜닝 시스템의 다른 일 예를 나타내는 예시도이다.3A is a diagram illustrating a control parameter tuning system for a power plant controller according to an embodiment of the present invention, and FIG. 3B is an exemplary diagram illustrating another example of the control parameter tuning system.

도 3a를 참조하면, 본 발명의 일 실시예에 따른 발전소 제어기의 제어 파라미터 튜닝 시스템(100)은 사용자 단말(110), 발전소 서버(120), 공정 제어기(130) 및 공정부(140)를 포함한다. 사용자 단말(110)은 공정 데이터의 감시 및 운영자의 조작이 가능한 HMI(Human Machine Interface) 장치로서, 제어 파라미터의 최적화 알고리즘에 필요한 설정 데이터를 입력 받아 발전소 서버(120)에 저장한다.Referring to FIG. 3A , the control parameter tuning system 100 for a power plant controller according to an embodiment of the present invention includes a user terminal 110 , a power plant server 120 , a process controller 130 , and a process unit 140 . do. The user terminal 110 is a human machine interface (HMI) device capable of monitoring process data and operating the operator, and receives the setting data required for the optimization algorithm of the control parameters and stores it in the power plant server 120 .

여기에서, 설정 데이터는 제어 대상 공정의 제어 목적에 대응하는 설정 값(목표 값 또는 기준 값), 조작 변수의 제어 주기, 가중치, 제어 파라미터의 튜닝 범위 등을 포함할 수 있다. 그리고, 제어 목적은 제어 대상 공정의 설정 값(목표 값 또는 기준 값)을 제어하거나, 외란(Load Disturbance)을 제어하는 목적일 수 있다. 상기 설정 값은 Setpoint로 호칭될 수도 있다. Here, the setting data may include a setting value (a target value or a reference value) corresponding to the control purpose of the process to be controlled, a control period of a manipulation variable, a weight, a tuning range of a control parameter, and the like. And, the control purpose may be a purpose of controlling a set value (a target value or a reference value) of the process to be controlled or controlling a load disturbance. The set value may be referred to as a setpoint.

발전소 서버(120)는 제어 대상 공정 별 설정 데이터, 공정 식별 데이터 및 기 설정된 제어 파라미터를 저장한다. 여기에서, 발전소 서버(120)는 공정 제어기(130)의 제어 출력 값(Controlled Output, CO) 및 제어 출력 값에 따른 제어 대상 공정의 공정 출력 값(Process Value, PV)의 시간에 따른 변화를 공정 식별 데이터로 저장할 수 있다. The power plant server 120 stores setting data for each control target process, process identification data, and preset control parameters. Here, the power plant server 120 processes the control output value (CO) of the process controller 130 and the change over time of the process output value (Process Value, PV) of the process to be controlled according to the control output value. It can be stored as identification data.

그리고, 발전소 서버(120)는 공정 제어기(130)의 제어 출력 값을 연산하기 위한 제어 파라미터를 입력 받아 저장하고, 공정 제어기(130)로부터 제어 파라미터가 튜닝될 때마다 기 저장된 제어 파라미터를 갱신하여 저장할 수 있다. In addition, the power plant server 120 receives and stores the control parameters for calculating the control output value of the process controller 130 , and whenever the control parameters are tuned from the process controller 130 , the stored control parameters are updated and stored. can

공정 제어기(130)는 발전소 서버(120)로부터 설정 데이터, 공정 식별 데이터 및 기 저장된 제어 파라미터를 획득한다. 공정 제어기(130)는 획득한 설정 데이터, 공정 식별 데이터 및 기 저장된 제어 파라미터를 이용하여 공정부(140)의 제어 목적에 최적화된 제어 파라미터를 산출하고, 산출된 제어 파라미터를 발전소 서버(120)에 전송하고, 공정부(140)를 제어한다. 여기에서, 공정 제어기(130)는 PID 제어기로서, 본 발명의 일 실시예에서는 PID 제어기가 디지털 PID 제어기인 경우를 예를 들어 설명한다.The process controller 130 acquires setting data, process identification data, and pre-stored control parameters from the power plant server 120 . The process controller 130 calculates control parameters optimized for the control purpose of the process unit 140 using the acquired setting data, process identification data, and pre-stored control parameters, and transmits the calculated control parameters to the power plant server 120 . and control the processing unit 140 . Here, the process controller 130 is a PID controller, and in an embodiment of the present invention, a case in which the PID controller is a digital PID controller will be described as an example.

보다 구체적으로, 공정 제어기(130)는 공정 식별 데이터를 이용하여 제어 대상 공정의 공정 상태에 대한 동특성을 검출하고, 검출된 동특성을 기반으로 공정 모델을 식별할 수 있다. 여기에서, 공정 모델은 FOPDT, SOPDT, IPDT 및 FOLIPD 중 어느 하나일 수 있고, 동특성은 공정 모델의 파라미터, 예를 들어 지연 시간, 시상수 및 공정 이득 중 적어도 어느 하나를 포함할 수 있다. More specifically, the process controller 130 may detect a dynamic characteristic of the process state of the process to be controlled by using the process identification data, and identify a process model based on the detected dynamic characteristic. Here, the process model may be any one of FOPDT, SOPDT, IPDT, and FOLIPD, and the dynamic characteristic may include at least one of parameters of the process model, for example, delay time, time constant, and process gain.

공정 제어기(130)는 식별된 공정 모델, 기 저장된 제어 파라미터 및 설정 데이터를 기반으로 목적 함수를 연산하고, 최적화 알고리즘을 수행하여 공정 모델의 출력과 목표 출력 간의 누적 오차 및 오버슈트(overshoot)를 최소화하고, 동시에 기 저장된 제어 파라미터를 기준으로 설정된 튜닝 범위를 만족하는 제어 파라미터의 최적해를 취득할 수 있다.The process controller 130 calculates an objective function based on the identified process model, pre-stored control parameters, and set data, and performs an optimization algorithm to minimize cumulative error and overshoot between the output of the process model and the target output. At the same time, it is possible to obtain an optimal solution of a control parameter that satisfies the tuning range set based on the pre-stored control parameter.

여기에서, 목적 함수는 공정 모델의 출력과 목표 출력 간의 누적 오차와 오버슈트(overshoot)의 합으로 구성되고, 성능 지수와 오버슈트 각각은 미리 설정된 설정 데이터에 따라 가중치가 제어된다. 또한, 최적화 알고리즘은 유전자 알고리즘(Genetic algorithm, GA) 및 담금질 기법(Simulated Annealing) 알고리즘 등 다양한 최적화 알고리즘 중 어느 하나일 수 있다. 이하에서는 최적화 알고리즘이 유전자 알고리즘인 경우를 예를 들어 설명한다. Here, the objective function is composed of the sum of the accumulated error and the overshoot between the output of the process model and the target output, and each of the figure of merit and the overshoot is weighted according to preset setting data. Also, the optimization algorithm may be any one of various optimization algorithms such as a genetic algorithm (GA) and a simulated annealing algorithm. Hereinafter, a case where the optimization algorithm is a genetic algorithm will be described as an example.

공정부(140)는 발전소의 실제 제어 대상 공정이다. 공정부(140)는 공정 제어기(130)에 의해 제어되어 공정을 수행하고, 공정 결과를 출력한다. 예를 들어, 공정부(140)는 주증기, 공기 예열기 등을 포함할 수 있다.The process unit 140 is an actual control target process of the power plant. The process unit 140 is controlled by the process controller 130 to perform a process, and outputs a process result. For example, the process unit 140 may include a main steam, an air preheater, and the like.

도 3b는 제어 파라미터 튜닝 시스템의 다른 일 예를 나타내는 예시도이다.3B is an exemplary diagram illustrating another example of a control parameter tuning system.

도 3b를 참조하면, 공정 제어기(130)는 튜닝시스템 서버 및 튜닝시스템 클라이언트로 세분화될 수 있다. 튜닝시스템 클라이언트에서 입력되는 각종 정보에 따라 튜닝시스템 서버는 공정 제어기(130)의 각종 동작을 수행할 수 있다. Referring to FIG. 3B , the process controller 130 may be subdivided into a tuning system server and a tuning system client. According to various information input from the tuning system client, the tuning system server may perform various operations of the process controller 130 .

도 4는 도 3에 도시된 공정 제어기에서 수행되는 제어 파라미터 튜닝 방법을 설명하기 위해 도시한 순서도이다.FIG. 4 is a flowchart illustrating a control parameter tuning method performed in the process controller shown in FIG. 3 .

도 4에서, 공정 제어기(130)는 발전소 서버(120)로부터 공정 식별 데이터, 기 저장된 제어 파라미터 및 설정 데이터를 획득한다(단계 S210). 공정 제어기(130)는 공정 식별 데이터를 이용하여 공정부(140)의 제어 대상 공정의 공정 모델을 식별한다(단계 S220). 여기에서, 공정 제어기(130)는 공정 식별 데이터를 이용하여 제어 대상 공정의 동특성을 검출하고, 검출된 동특성을 기반으로 공정 모델을 식별할 수 있다.In FIG. 4 , the process controller 130 acquires process identification data, pre-stored control parameters, and setting data from the power plant server 120 (step S210 ). The process controller 130 identifies the process model of the process to be controlled by the process unit 140 using the process identification data (step S220). Here, the process controller 130 may detect a dynamic characteristic of the process to be controlled by using the process identification data, and identify a process model based on the detected dynamic characteristic.

예를 들어, 공정 제어기(130)는 공정 식별 데이터를 이용하여 공정 모델의 파라미터 값, 즉 지연 시간(L), 시상수(τ) 및 공정 이득(A)을 선정하고, 선정된 파라미터 값을 상기한 [표 2]에 기재된 4가지 공정 모델(FOPDT, SOPDT, IPDT, FOLIPD) 중 어느 하나에 적용하여 공정 모델을 식별할 수 있다. For example, the process controller 130 selects the parameter values of the process model, that is, the delay time (L), the time constant (τ), and the process gain (A) using the process identification data, and sets the selected parameter values as above. The process model can be identified by applying to any one of the four process models (FOPDT, SOPDT, IPDT, FOLIPD) listed in [Table 2].

그 다음, 공정 제어기(130)는 제어 목표 값에 대응하는 제어 파라미터에 응답하여 공정 모델로부터 출력된 시계열 출력 데이터를 산출한다(단계 S230). 여기에서, 본 발명의 일 실시예에 따른 공정 제어기(130)는 PID 제어기로서, PID 제어기의 전달함수는 아래의 [수학식 1]과 같다.Then, the process controller 130 calculates time series output data output from the process model in response to the control parameter corresponding to the control target value (step S230). Here, the process controller 130 according to an embodiment of the present invention is a PID controller, and the transfer function of the PID controller is as shown in [Equation 1] below.

Figure pat00015
Figure pat00015

여기에서, Kp는 비례 이득, TI는 적분 시간, TD는 미분 시간이다. 또한, PID 제어기와 제어 대상 공정 간의 제어 시스템은 도 5에 도시된 바와 같이, 제어 대상 공정(process)의 출력이 PID 제어기(controller)의 입력으로 피드백(feedback)되는 폐루프 제어 시스템으로서, 폐루프 제어 시스템의 전달 함수(Gc(s))는 아래의 [수학식 2]와 같다.Here, Kp is the proportional gain, T I is the integral time, and T D is the differential time. In addition, the control system between the PID controller and the process to be controlled is a closed loop control system in which the output of the process to be controlled is fed back to the input of the PID controller, as shown in FIG. 5 . The transfer function Gc(s) of the control system is as shown in [Equation 2] below.

Figure pat00016
Figure pat00016

여기에서, C(s)는 PID 제어기의 전달 함수이고, G(s)는 제어 대상 공정에 대한 FOPDT, SOPDT, IPDT 및 FOLIPD의 4가지 공정 모델 중 어느 하나의 전달 함수이다. 예를 들어, 공정 모델이 FOPDT인 경우 폐루프 전달함수는 아래의 [수학식 3]과 같다.Here, C(s) is the transfer function of the PID controller, and G(s) is the transfer function of any one of the four process models: FOPDT, SOPDT, IPDT, and FOLIPD for the process to be controlled. For example, when the process model is FOPDT, the closed-loop transfer function is as shown in [Equation 3] below.

Figure pat00017
Figure pat00017

여기에서, A는 공정 이득, L은 지연 시간. τ는 시상수이다. 이때, 목표 출력(setpoint)과 공정 모델의 출력(PV)에 대한 시계열 값을 각각

Figure pat00018
및
Figure pat00019
로 정의하면, 목표 출력의 시간 함수
Figure pat00020
및 공정 모델 출력의 시간 함수
Figure pat00021
는 아래의 [수학식 4]와 같은 미분 방정식으로 정의된다.where A is the process gain and L is the delay time. τ is the time constant. At this time, the time series values for the target output (setpoint) and the output (PV) of the process model are respectively
Figure pat00018
and
Figure pat00019
If defined as , the time function of the target output
Figure pat00020
and a time function of the process model output
Figure pat00021
is defined as a differential equation as in [Equation 4] below.

Figure pat00022
Figure pat00022

상기한 [수학식 4]에 대해 룬지-쿠타(Runge-Kutta) 방법 등의 수치 해석을 수행하면 임의의 목표 출력

Figure pat00023
에 대한 공정 모델의 출력
Figure pat00024
을 연산할 수 있다.When numerical analysis such as Runge-Kutta method is performed on [Equation 4] above, an arbitrary target output
Figure pat00023
output of the process model for
Figure pat00024
can be calculated.

그런데, 발전소는 디지털 방식으로 운영되므로 본 발명의 일 실시예에 따른 공정 제어기(130)는 디지털 PID 제어기인 것으로 가정하여 설명한다.However, since the power plant is operated in a digital manner, it is assumed that the process controller 130 according to an embodiment of the present invention is a digital PID controller.

이에, 공정 제어기(130)는 식별된 공정 모델에 대해 미리 설정된 제어 주기(Ts)를 기반으로 등가의 폐루프 이산 시간(discrete time) 전달 함수를 산출하고, 이산 시간 전달 함수를 연속 시간(continuous time) 전달 함수로 변환하여 목표 출력에 대한 실제 출력을 연산한다. 여기에서, 이산화 방법은 Backward 방법, Tustin 방법 등이 존재하나, 본 발명의 일 실시예는 Backward 방법으로 예를 들어 설명한다.Accordingly, the process controller 130 calculates an equivalent closed-loop discrete time transfer function based on the control period Ts preset for the identified process model, and calculates the discrete time transfer function for a continuous time. ) to the transfer function to calculate the actual output for the target output. Here, as the discretization method, the backward method, the Tustin method, etc. exist, but an embodiment of the present invention will be described as an example of the backward method.

디지털 PID 제어기는 차분 방정식의 형태로 동작하고, 출력 신호가 이산 시간 신호로 출력된다. 따라서, 도 6에 도시된 바와 같이, 디지털 PID 제어기(digital PID)의 출력은 디지털-아날로그 변환기(D/A and Hold)를 통해 연속 시간 신호로 변환되어 제어 대상 공정(process)으로 입력된다.The digital PID controller operates in the form of a differential equation, and an output signal is output as a discrete time signal. Accordingly, as shown in FIG. 6 , the output of the digital PID controller (digital PID) is converted into a continuous time signal through a digital-to-analog converter (D/A and Hold) and is input to a process to be controlled.

이때, 제어 대상 공정의 연속 시간 전달 함수(G(s))는 도 7에 도시된 바와 같이, 펄스 전달 함수(pulse transfer function)를 이용하여 등가의 연속 시간 전달 함수로 변환될 수 있다. 즉, 디지털 PID 제어기의 출력

Figure pat00025
에 단위 펄스(unit pulse)가 적용된다고 가정하면, 디지털-아날로그 변환기의 출력
Figure pat00026
은 단위 스텝(step) 신호로 출력되고, 제어 대상 공정의 출력
Figure pat00027
은 스텝 응답 신호로 출력된다.In this case, the continuous time transfer function G(s) of the process to be controlled may be converted into an equivalent continuous time transfer function using a pulse transfer function, as shown in FIG. 7 . That is, the output of the digital PID controller
Figure pat00025
Assuming that a unit pulse is applied to , the output of the digital-to-analog converter
Figure pat00026
is output as a unit step signal, and the output of the process to be controlled
Figure pat00027
is output as a step response signal.

따라서, 제어 대상 공정의 출력

Figure pat00028
을 라플라스 변환하면 아래의 [수학식 5]와 같다. Therefore, the output of the process to be controlled
Figure pat00028
The Laplace transform is as follows [Equation 5].

Figure pat00029
Figure pat00029

여기에서, 제어 대상 공정의 출력

Figure pat00030
을 제어 주기(Ts) 간격으로 샘플링한 신호를
Figure pat00031
라 하면,
Figure pat00032
의 Z-변환한
Figure pat00033
는 아래의 [수학식 6]과 같다.Here, the output of the process to be controlled
Figure pat00030
The signal sampled at the interval of the control period (Ts)
Figure pat00031
If you say
Figure pat00032
Z-transformed
Figure pat00033
is as [Equation 6] below.

Figure pat00034
Figure pat00034

이때, 연속 시간 전달 함수(G(s))에 대응하는 펄스 전달 함수(

Figure pat00035
)는 아래의 [수학식 7]과 같다.At this time, the pulse transfer function (G(s)) corresponding to the continuous time transfer function (G(s))
Figure pat00035
) is the same as [Equation 7] below.

Figure pat00036
Figure pat00036

상기한 방식으로 제어 대상 공정의 4가지 공정 모델에 대한 펄스 전달 함수를 연산한 결과는 아래의 [표 5]와 같다.The results of calculating the pulse transfer functions for the four process models of the process to be controlled in the above manner are shown in [Table 5] below.

Figure pat00037
Figure pat00037
Figure pat00038
Figure pat00038
 FOPDTFOPDT
Figure pat00039
Figure pat00039
Figure pat00040
Figure pat00040
 SOPDTSOPDT
Figure pat00041
Figure pat00041
Figure pat00042
Figure pat00042
 IPDTIPDT
Figure pat00043
Figure pat00043
Figure pat00044
Figure pat00044
 FOLIDTFOLIDT
Figure pat00045
Figure pat00045
Figure pat00046
Figure pat00046

여기에서, 지연 시간(L)을 샘플링 시간(Ts)의 p배(L=pTs)로 가정하고,

Figure pat00047
이므로,
Figure pat00048
이다. 이와 같은 방법으로 연속 시간 전달 함수(G(s))가 이산 시간 전달 함수(
Figure pat00049
)로 변환되면 도 6에 도시된 디지털 제어 시스템은 도 8에 도시된 바와 같이, 이산 시간 시스템으로 변환될 수 있다. 이때, 폐루프 전달함수는 아래의 [수학식 8]과 같이 정의된다.Here, it is assumed that the delay time (L) is p times the sampling time (Ts) (L=pTs),
Figure pat00047
Because of,
Figure pat00048
to be. In this way, the continuous-time transfer function (G(s)) becomes the discrete-time transfer function (
Figure pat00049
), the digital control system shown in FIG. 6 can be converted to a discrete time system as shown in FIG. 8 . In this case, the closed-loop transfer function is defined as in [Equation 8] below.

Figure pat00050
Figure pat00050

여기에서, 디지털 PID 제어기는 미분이나 적분항을 아래의 [수학식 9]와 같이 Backward 근사법을 이용하여 처리할 수 있다. Here, the digital PID controller can process the derivative or integral term using the backward approximation method as shown in [Equation 9] below.

Figure pat00051
Figure pat00051

따라서, 디지털 PID 제어기의 전달함수는 아래의 [수학식 10]과 같이 정의할 수 있다.Therefore, the transfer function of the digital PID controller can be defined as in [Equation 10] below.

Figure pat00052
Figure pat00052

즉, 디지털 PID 제어기의 전달 함수

Figure pat00053
와 제어 대상 공정 모델의 전달 함수
Figure pat00054
가 z에 대한 다항식의 비율로 표시되며, 이산 시간 시스템의 폐루프 전달함수
Figure pat00055
도 아래의 [수학식 11]과 같이 다항식의 비율로 표시될 수 있다.That is, the transfer function of the digital PID controller
Figure pat00053
and the transfer function of the controlled process model
Figure pat00054
is expressed as the ratio of the polynomial to z, the closed-loop transfer function of a discrete-time system
Figure pat00055
It can be expressed as a polynomial ratio as in [Equation 11] below.

Figure pat00056
Figure pat00056

상기한 [수학식 11]을 차분 방정식의 형태로 변형하면 아래의 [수학식 12]와 같다.When [Equation 11] is transformed into the form of a difference equation, [Equation 12] is shown below.

Figure pat00057
Figure pat00057

따라서, 목표 출력 값

Figure pat00058
에 대한 공정 모델의 출력
Figure pat00059
을 연산할 수 있다. 여기에서,
Figure pat00060
와
Figure pat00061
간의 관계는 자기회귀 이동 평균(autoregressive-moving-average, ARMA) 모델로 표현되며, 즉 시계열 데이터로 정의될 수 있다.Therefore, the target output value
Figure pat00058
output of the process model for
Figure pat00059
can be calculated. From here,
Figure pat00060
Wow
Figure pat00061
The relationship between the two is expressed as an autoregressive-moving-average (ARMA) model, that is, it can be defined as time series data.

그 다음, 공정 제어기(130)는 목적 함수를 설정한다(단계 S240). 여기에서, 목적 함수는 제어 파라미터에 따른 공정 모델의 출력과 목표 출력 간의 누적 오차 및 오버슈트(overshoot)의 합으로 설정한다. 여기에서, 누적 오차는 IAE, ITAE, ISE, ITSE 중 어느 하나의 방법으로 연산할 수 있다. 예를 들어, ITAE 방법으로 누적 오차를 연산하는 경우 목적 함수는 아래의 [수학식 13]과 같다.Then, the process controller 130 sets the objective function (step S240). Here, the objective function is set as the sum of the accumulated error and overshoot between the output of the process model and the target output according to the control parameter. Here, the cumulative error may be calculated by any one of IAE, ITAE, ISE, and ITSE. For example, in the case of calculating the cumulative error by the ITAE method, the objective function is as shown in [Equation 13] below.

Figure pat00062
Figure pat00062

공정 제어기(130)는 설정 데이터를 이용하여 목적 함수를 구성하는 각 항의 가중치를 제어할 수 있다. 예를 들어, 가중치가 0.5인 경우 누적 오차와 오버슈트가 각각 50%의 가중치를 가질 수 있다. 여기에서, 누적 오차 및 오버슈트 각각의 가중치의 합은 1일 수 있다. 본 발명의 일 실시예는 이에 한정되지 않으며, 누적 오차의 연산 방법 및 가중치는 변경될 수 있고, 목적 함수를 구성하는 항은 변경이 가능하다.The process controller 130 may control the weight of each term constituting the objective function by using the setting data. For example, when the weight is 0.5, the cumulative error and the overshoot may each have a weight of 50%. Here, the sum of the weights of each of the cumulative error and the overshoot may be 1. The exemplary embodiment of the present invention is not limited thereto, and the calculation method and weight of the accumulated error may be changed, and the terms constituting the objective function may be changed.

구체적으로, 본 발명의 일 실시예에 따른 목적 함수는 아래의 [표 6]과 같다.Specifically, the objective function according to an embodiment of the present invention is shown in [Table 6] below.

Figure pat00063
Figure pat00063
Figure pat00064
Figure pat00064
Figure pat00065
Figure pat00065
Figure pat00066
Figure pat00066

여기에서, 제어 목표 값에 따른 제어 대상 공정의 출력을 out이라 하면, 상기한 목적 함수는 아래의 [수학식 14]과 같이 나타낼 수 있다. Here, if the output of the process to be controlled according to the control target value is out, the objective function can be expressed as in [Equation 14] below.

Figure pat00067
Figure pat00067

여기에서, t는 시간, reference는 제어 목적(Setpoint/Load Disturbace)에 대응하는 설정 값(목표 값 또는 기준 값), ratio는 가중치, 오차 e(t)는 'out-reference', 오버슈트(overshoot)는 'max(out)- reference'이다. Here, t is time, reference is a set value (target value or reference value) corresponding to the control purpose (Setpoint/Load Disturbace), ratio is weight, error e(t) is 'out-reference', overshoot ) is 'max(out)-reference'.

그 다음, 공정 제어기(130)는 공정 모델 및 기 저장된 제어 파라미터를 기반으로 목적 함수의 함수 값을 최소화하고, 기 저장된 제어 파라미터를 기준으로 설정된 튜닝 범위를 만족시키는 최적화 알고리즘을 수행한다(단계 S240). 본 발명의 실시예에 따른 최적화 알고리즘은 유전자 알고리즘이다. 유전자 알고리즘은 자연 세계 진화 과정을 기초로 하여 만들어진 전역 기법으로서, 특정 개체가 아닌 전체 군집으로 탐색을 수행한다. 즉, 목적 함수의 미분 개념이 아닌 확률 탐색 및 방향성 탐색을 수행하므로 국소 최소화(Local minimum) 결과가 아닌 전역 최소화(Global Minimum) 결과를 얻을 수 있다.Then, the process controller 130 performs an optimization algorithm that minimizes the function value of the objective function based on the process model and the pre-stored control parameters and satisfies the tuning range set based on the pre-stored control parameters (step S240). . An optimization algorithm according to an embodiment of the present invention is a genetic algorithm. The genetic algorithm is a global technique created based on the natural world evolution process, and searches are performed on the whole population rather than on a specific individual. That is, since the probability search and directional search are performed rather than the differential concept of the objective function, a global minimum result can be obtained rather than a local minimum result.

유전자 알고리즘은 유전자 형태를 결정하기 위한 문제를 결정하고, 목표치를 설정하는 1단계, 초기 유전자 집단을 결정하는 2단계, 미리 결정한 목적 함수에 따라 비용(cost)을 평가하여 만족하는 개체의 유무를 점검하는 3단계, 좋은 형질의 개체를 선택하는 4단계, 형질 간의 교배(crossover)로 선택된 형질들의 정보가 포함된 일부를 교환하는 5단계 및 생성과 교배를 통해 얻을 수 없는 정보를 획득하는 6단계를 포함한다.The genetic algorithm determines the problem for determining the gene type, the first step of setting the target value, the second step of determining the initial gene group, and evaluating the cost according to the predetermined objective function to check whether there are satisfactory individuals Step 3 is to select an individual with good traits, Step 4 to select an individual with good traits, Step 5 to exchange some of the information on the selected traits through crossover, and Step 6 to acquire information that cannot be obtained through generation and crossover. include

본 발명의 일 실시예는 상기와 같은 유전자 알고리즘을 이용하여 최적화 알고리즘을 수행할 수 있다. 먼저, 공정 제어기(130)는 목적 함수의 함수 값을 최소화하는 튜닝 목적을 설정한다(단계 S242). 즉, 공정 제어기(130)는 튜닝 목적을 제어 대상 공정의 출력과 설정 값(목표 값 또는 기준 값) 간의 누적 오차 및 오버슈트의 합을 최소화하는 것으로 설정할 수 있다.An embodiment of the present invention may perform an optimization algorithm using the above genetic algorithm. First, the process controller 130 sets a tuning objective that minimizes the function value of the objective function (step S242). That is, the process controller 130 may set the tuning objective to minimize the sum of the accumulated error and overshoot between the output of the process to be controlled and the set value (target value or reference value).

그 다음, 공정 제어기(130)는 발전소 서버(120)에 기 저장된 제어 파라미터를 기준으로 튜닝 범위를 설정한다(단계 S246). 예를 들어, 공정 제어기(130)는 도 9에 도시된 바와 같이, 기 저장된 제어 파라미터를 기준으로 상한/하한 경계(Upper/Lower boundary) 값을 설정할 수 있다.Then, the process controller 130 sets the tuning range based on the control parameters pre-stored in the power plant server 120 (step S246). For example, as shown in FIG. 9 , the process controller 130 may set an upper/lower boundary value based on a pre-stored control parameter.

본 발명의 일 실시예는 기 저장된 제어 파라미터를 기준으로 최대 5배의 값으로 상한 및 하한 경계 값을 설정한 경우를 예를 들어 설명한다. 즉, 기 저장된 제어 파라미터를 기준으로 최대 5배 이내의 값으로 튜닝 범위를 제한함으로써 보수적으로 운영되는 발전소의 특성에 맞는 현실적인 값을 제시할 수 있다.An embodiment of the present invention will be described as an example in which upper and lower boundary values are set to a maximum of five times the value based on a pre-stored control parameter. That is, by limiting the tuning range to a value within a maximum of 5 times based on the previously stored control parameters, a realistic value suitable for the characteristics of a power plant operated conservatively can be presented.

그 다음, 공정 제어기(130)는 상기한 [수학식 12]를 참조하여 튜닝 범위 내의 임의의 제어 파라미터에 따른 폐루프 이산 전달 함수의 시계열 출력 데이터

Figure pat00068
를 연산하고, 시계열 출력 데이터를 이용하여 목적 함수를 연산한다(단계 S248).Then, the process controller 130 outputs the time series output data of the closed-loop discrete transfer function according to any control parameter within the tuning range with reference to Equation 12 above.
Figure pat00068
, and the objective function is calculated using the time series output data (step S248).

그 다음, 공정 제어기(130)는 목적 함수의 연산 결과 값이 최적해인지 여부를 판단한다(단계 S250). 판단 결과, 목적 함수의 연산 결과 값이 최적해로 판단되는 경우 공정 제어기(130)는 해당 결과 값을 기 저장된 제어 파라미터를 최적해로 갱신하여 발전소 서버(120)에 저장한다(단계 S260). 판단 결과, 목적 함수의 연산 결과 값이 최적해로 판단되지 않는 경우 단계 S230부터 반복한다. Next, the process controller 130 determines whether the operation result value of the objective function is an optimal solution (step S250). As a result of the determination, when it is determined that the operation result value of the objective function is the optimal solution, the process controller 130 updates the pre-stored control parameter to the optimal solution and stores the result in the power plant server 120 (step S260). As a result of the determination, if the operation result value of the objective function is not determined to be the optimal solution, step S230 is repeated.

이하에서는 표준 석탄 화력 발전소를 모의한 시뮬레이터를 이용하여 발전소 제어기의 제어 파라미터 튜닝 방법을 모의 검증한 결과를 설명한다. 여기에서, 제어 루프는 캐스케이드(Cascade)의 PID 제어기가 적용되는 주증기 온도 제어 루프로 선정한 경우를 예를 들어 설명한다. 주증기 온도는 플랜트 성능과 수명에 영향을 미치는 주요 인자로서, 운전 시 주증기 온도 변화는 최소화되고, 일정한 온도로 유지될 필요가 있다.Hereinafter, a result of simulating and verifying a control parameter tuning method of a power plant controller using a simulator simulating a standard coal-fired power plant will be described. Here, a case where the control loop is selected as the main steam temperature control loop to which the PID controller of the cascade is applied will be described as an example. The main steam temperature is a major factor that affects plant performance and lifespan, and it is necessary to minimize the change in the main steam temperature during operation and maintain it at a constant temperature.

주증기 온도 제어 루프에 대한 시험 방법은 발전 출력의 설정 값을 증감발하여 기존의 PID 제어기의 적용 값, ITAE 튜닝 방법 적용 값 및 본 발명의 일 실시예에 따른 튜닝 방법 적용 값을 비교하여 진행하였다.The test method for the main steam temperature control loop was performed by increasing/decreasing the set value of the power generation output and comparing the applied value of the existing PID controller, the applied value of the ITAE tuning method, and the applied value of the tuning method according to an embodiment of the present invention.

여기에서, 발전 출력의 설정 값을 증감발 하는 방법은 운전원이 도 10의 (a)에 도시된 바와 같이, 사용자 단말(HMI, 120)을 통해 발전 출력 요구값(Unit Load Demand, ULD)를 입력하면 미리 설정한 부하율(OPR Rate)로 기울기가 제어되어 실제 발전기의 출력 요구값(ULD ref)이 결정되는 방식이다.Here, as for the method of increasing/decreasing the set value of the power generation output, the operator inputs the power generation output request value (Unit Load Demand, ULD) through the user terminal (HMI, 120) as shown in FIG. If the slope is controlled by a preset load rate (OPR Rate), the actual generator output request value (ULD ref) is determined.

결정된 출력 요구 값(ULD ref)은 보일러 마스터 제어기로 전달되고, 연료/급수/공기 요구 마스터로 동작하여 하위 개별 제어 루프(예를 들어, 주증기 온도 제어 루프)가 동작한다. The determined output demand value ULD ref is transmitted to the boiler master controller, and a lower individual control loop (eg, main steam temperature control loop) operates as the fuel/feedwater/air demand master.

모의 검증에서는 도 10의 (b)에 도시된 바와 같이, 발전 출력 요구값(ULD)을 450MW~500MW의 범위로 분당 10MW의 비율로 증감발하여 발전 출력과 제어 대상 공정 값인 주증기 온도의 제어 상태를 확인하고, 튜닝 전후의 결과 값을 비교하였다. In the simulation verification, as shown in (b) of FIG. 10, the generation output demand value (ULD) is increased/decreased at a rate of 10 MW per minute in the range of 450 MW to 500 MW to control the power generation output and the control state of the main steam temperature, which is the process value to be controlled. was confirmed, and the result values before and after tuning were compared.

본 모의 검증이 적용된 주증기 온도 제어 루프는 도 11에 도시된 바와 같이, 캐스케이드(Cascade) 제어기로 구성된다. 즉, 주증기 온도 제어 개선을 위한 주증기 온도 스프레이(spray) 제어 계통은 마스터(master) PID 제어기 및 슬레이브(slave) PID 제어기가 다단으로 연결되어 있다.As shown in FIG. 11, the main steam temperature control loop to which this simulation is applied is composed of a cascade controller. That is, in the main steam temperature spray control system for improving main steam temperature control, a master PID controller and a slave PID controller are connected in multiple stages.

공정 제어기(130)는 슬레이브 PID 제어기의 출력에 대응하는 실제 공정의 공정 결과 값을 이용하여 공정 식별을 수행할 수 있다. 예를 들어, 공정 제어기(130)는 슬레이브 PID 제어기의 스텝-업(Step up) 출력(도 12의 (a)) 및 스텝-다운(Step down) 출력(도 12의 (b))에 의해 취득한 공정 결과 값과 추정 모델 시뮬레이션 값의 오차(RMS)를 기반으로 공정 모델을 FOPDT로 선정할 수 있다.The process controller 130 may perform process identification using a process result value of an actual process corresponding to the output of the slave PID controller. For example, the process controller 130 is the step-up (Step up) output (Fig. 12 (a)) and the step-down (Step down) output (Fig. 12 (b)) of the slave PID controller acquired by the output (Fig. 12 (b)). The process model can be selected as FOPDT based on the error (RMS) between the process result value and the estimated model simulation value.

여기에서, 공정 제어기(130)는 스텝-업/다운 출력에 따른 공정 모델의 각 파라미터의 평균 값을 이용하여 공정 모델을 선정하면 아래의 [표 7]과 같은 결과를 얻을 수 있다. 이때, 지연 시간(L)의 평균은 1.5이나, 시뮬레이터의 샘플링 시간이 1초 단위이므로 2로 반올림하여 적용하였다.Here, when the process controller 130 selects a process model using the average value of each parameter of the process model according to the step-up/down output, a result as shown in [Table 7] below can be obtained. At this time, the average of the delay time (L) is 1.5, but since the sampling time of the simulator is in units of 1 second, it is rounded up to 2 and applied.

Step UpStep Up Step DownStep Down

Figure pat00069
Figure pat00069
Figure pat00070
Figure pat00070

즉, 공정 제어기(130)는 아래의 [수학식 15]와 같은 공정 모델(G(s))을 선정할 수 있다.That is, the process controller 130 may select a process model G(s) as shown in Equation 15 below.

Figure pat00071
Figure pat00071

상기한 공정 모델을 기반으로 슬레이브 PID 제어기의 튜닝 값을 연산한 결과는 아래의 [표 8]과 같다.The result of calculating the tuning value of the slave PID controller based on the above process model is shown in [Table 8] below.

Setpointsetpoint 기존 값existing value 본 발명의 튜닝 값Tuning value of the present invention ITAE 튜닝 값×0.5ITAE Tuning Value×0.5

Figure pat00072
Figure pat00072
2.962.96 1010 41.60641.606
Figure pat00073
Figure pat00073
 160160 31.76931.769 50.49750.497

여기에서, ITAE 튜닝 방법은 지연 시간 및 시상수 값의 범위에 따라 계산 수식이 상이하다. 상기한 공정 모델에서 지연 시간은 2이고, 시상수는 51.6895이므로, 지연 시간/시상수 값은 0.039이다. 일반적으로 지연 시간/시상수 값의 범위가 0.1~1이거나 1.1~2인 경우의 계산 수식이 존재하므로 주증기 온도 제어 루프의 경우 해당 범위를 만족하지 못한다.Here, the ITAE tuning method has a different calculation formula according to the range of the delay time and the time constant value. In the above process model, the delay time is 2 and the time constant is 51.6895, so the delay time/time constant value is 0.039. In general, calculation formulas exist when the range of delay time/time constant value is 0.1~1 or 1.1~2, so the main steam temperature control loop does not satisfy the corresponding range.

따라서, 비교 결과를 계산하기 위해 0.1~1 사이의 범위에 해당하는 계산 수식을 이용하여 계산하였으나, 비례 이득(P gain, Kp)이 너무 크게 계산되어 발산되므로 임의로 0.5배 값을 적용하여 연산하였다. Therefore, in order to calculate the comparison result, it was calculated using a calculation formula corresponding to a range between 0.1 and 1, but since the proportional gain (P gain, Kp) was calculated too large and diverges, a value of 0.5 was arbitrarily applied and calculated.

비교 결과, 도 13에 도시된 바와 같이, 비례 이득(P gain), 적분 이득(I gain) 및 비용 함수 값(cost)을 3차원 그래프로 나타내면, 기존 값을 적용한 경우에 비해 본 발명에 따른 튜닝 값을 적용한 경우가 상대적으로 성능이 양호한 것을 볼 수 있다. 또한, 제한 조건 내에서 전역 최소 값(global minimum)인 것을 알 수 있다. As a result of comparison, as shown in FIG. 13, when the proportional gain (P gain), the integral gain (I gain), and the cost function value (cost) are expressed in a three-dimensional graph, the tuning according to the present invention compared to the case where the existing values are applied It can be seen that the performance is relatively good when the value is applied. Also, it can be seen that it is a global minimum within the constraint condition.

그리고, 주증기 온도에 대한 성능 변화는 도 14, 도 15a, 도 15b 및 아래의 [표 9]와 같다.And, the performance change with respect to the main steam temperature is shown in FIGS. 14, 15A, 15B and [Table 9] below.

제어
성능Control
Performance ULD 500 → 450MW 변경시When changing ULD 500 → 450MW ULD 450 → 500MW 변경시When changing ULD 450 → 500MW 기존
튜닝 전(℃)existing
Before tuning (℃) ITAE
튜닝 후(℃)ITAE
After tuning (℃) 본 발명
튜닝 후(℃)the present invention
After tuning (℃) 기존
튜닝 전(℃)existing
Before tuning (℃) ITAE
튜닝 후(℃)ITAE
After tuning (℃) 본 발명
튜닝 후(℃)the present invention
After tuning (℃) 평균 IAEAverage IAE 0.5570.557 0.5330.533 0.530.53 0.1480.148 0.0580.058 0.0510.051 평균 ISEAverage ISE 0.8710.871 0.8220.822 0.8230.823 0.0460.046 0.0080.008 0.0060.006 평균 ITAEAverage ITAE 464.186464.186 434.693434.693 429.165429.165 116.796116.796 42.96942.969 41.05141.051 Max OSMax OS 3.4683.468 3.453.45 3.453.45 0.6680.668 0.3870.387 0.2580.258 PTPPTP 4.2284.228 4.1694.169 4.1794.179 1.21.2 0.6030.603 0.3730.373

여기에서, ITAE 튜닝 방법과 본 발명의 튜닝 방법을 적용한 경우 기존 튜닝 값을 적용한 경우에 비해 누적 오차 기반의 성능 지수, 최대 오버슈트 값(Maximum Overshoot, Max OS), PTP(Peak to Peak) 값이 모두 성능이 향상된 것을 볼 수 있다.Here, when the ITAE tuning method and the tuning method of the present invention are applied, the cumulative error-based figure of merit, the maximum overshoot value (Max OS), and the PTP (Peak to Peak) value are higher than when the conventional tuning value is applied. It can be seen that all performance improved

또한, 발전기 출력 목표 값(ULD)이 감소될 때보다 증가될 때 제어 성능이 더 향상되는 것을 볼 수 있다. 즉, 발전기 출력 목표 값이 감소될 때의 제어 성능은 ITAE 튜닝 방법과 본 발명의 튜닝 방법 모두 큰 차이를 보이지 않으나, 발전기 출력 목표 값이 증가될 때 제어 성능은 본 발명의 튜닝 방법이 더 높은 성능을 보이는 것을 알 수 있다.It can also be seen that the control performance is further improved when the generator output target value ULD is increased than when it is decreased. That is, the control performance when the generator output target value is decreased does not show a significant difference between the ITAE tuning method and the tuning method of the present invention, but when the generator output target value is increased, the control performance is higher in the tuning method of the present invention It can be seen that the

또한, 도 14에서, 발전기 출력 목표 값이 감소될 때와 증가될 때 ITAE 튜닝 방법은 진동(oscillation)이 크게 나타나는 것을 볼 수 있다. 따라서, ITAE 튜닝 방법은 진동에 의해 제어 파라미터의 미세 조정이 필요하며, 발전소 기계 설비에 응력(stress)이 작용하여 수명 저하 및 효율 저하가 유발된다.Also, in FIG. 14 , it can be seen that the ITAE tuning method exhibits large oscillations when the generator output target value is decreased and increased. Therefore, the ITAE tuning method requires fine adjustment of control parameters due to vibration, and stress is applied to the mechanical equipment of the power plant, which leads to a decrease in lifespan and a decrease in efficiency.

또한, ITAE 튜닝 방법은 지연 시간/시상수의 범위에 해당하지 않는 경우 튜닝을 바로 적용하기 어렵고, 운영자가 개입하여 임의로 설정할 필요가 있으므로 전문가의 시간, 노력 및 노하우가 필요하다.In addition, when the ITAE tuning method does not fall within the range of the delay time/time constant, it is difficult to apply the tuning immediately, and the operator needs to intervene and set it arbitrarily, so an expert's time, effort, and know-how are required.

그러나, 본 발명의 튜닝 방법은 누적 오차 및 오버슈트(overshoot)를 모두 최소화할 수 있고, 기존의 제어 파라미터를 기준으로 일정 범위 이내로 튜닝되기 때문에 보다 더 현실적으로 발전소에 적용할 수 있다. However, the tuning method of the present invention can minimize both the cumulative error and the overshoot, and can be more realistically applied to the power plant because it is tuned within a certain range based on the existing control parameters.

즉, 운전원의 시행착오를 통해 제어 파라미터의 튜닝을 수행하는 경우 시간과 비용이 많이 소모되며, 최적의 제어 파라미터를 검출하는데 한계가 있다. 그리고, 누적 오차 기반의 튜닝 방법은 제어 목적에 따라 수많은 시뮬레이션을 수행하고 회귀 분석을 통해 시상수, 지연 시간 등의 범위에 대응하는 수식이 필요한 한계가 있다.That is, when the operator performs the tuning of the control parameter through trial and error, a lot of time and money are consumed, and there is a limit in detecting the optimal control parameter. In addition, the cumulative error-based tuning method has a limitation in that a number of simulations are performed depending on the control purpose and a formula corresponding to the range of the time constant and delay time is required through regression analysis.

그러나, 본 발명의 일 실시예는 시상수, 지연 시간 등의 범위와 무관하고, 발전소 서버(110)로부터 획득한 공정 식별 데이터 및 기 저장된 제어 파라미터를 이용하여 제어 목적에 맞는 제어 파라미터 계산을 수행함으로써 시간 및 비용을 절약하고, 튜닝 값을 자동으로 연산할 수 있고, 발전소 운전원이 신뢰할 수 있는 결과 값을 제공할 수 있다.However, one embodiment of the present invention is independent of the range of time constant, delay time, etc., and by performing control parameter calculation suitable for the control purpose using the process identification data acquired from the power plant server 110 and pre-stored control parameters, the time and cost savings, the tuning values can be calculated automatically, and the power plant operators can provide reliable result values.

또한, 본 발명의 일 실시예는 FOPDT 공정 모델 이외의 공정 모델들, 즉 SOPDT, IPDT, FOLIPD 등의 공정 모델에도 적용이 가능하므로 제어 파라미터의 튜닝 범위가 확대될 수 있다. 그리고, 누적 오차 기반의 성능 지수뿐만 아니라 오버슈트(overshoot)도 고려하여 제어 파라미터를 튜닝함으로써 효율적이고 안정적인 발전소 운전이 가능하다. In addition, since an embodiment of the present invention can be applied to process models other than the FOPDT process model, that is, process models such as SOPDT, IPDT, FOLIPD, the tuning range of the control parameter can be expanded. In addition, efficient and stable power plant operation is possible by tuning control parameters in consideration of overshoot as well as performance index based on cumulative error.

상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.Although the above has been described with reference to preferred embodiments of the present invention, those skilled in the art can variously modify and change the present invention within the scope without departing from the spirit and scope of the present invention as set forth in the claims below. You will understand that it can be done.

100: 발전소 제어기의 제어 파라미터 튜닝 시스템
110: 사용자 단말
120: 발전소 서버
130: 공정 제어기
140: 공정부100: control parameter tuning system of the power plant controller
110: user terminal
120: power plant server
130: process controller
140: Ministry of Justice

Claims (8)

발전소 서버로부터 공정 식별 데이터 및 기 저장된 제어 파라미터를 획득하는 단계;
상기 공정 식별 데이터를 이용하여 제어 대상 공정의 공정 모델을 식별하는 단계;
상기 공정 모델의 출력과 목표 출력을 정의하는 설정 값 간의 누적 오차 및 오버슈트(overshoot)를 포함하는 목적 함수를 설정하는 단계;
상기 공정 모델 및 상기 기 저장된 제어 파라미터를 기반으로 최적화 알고리즘을 수행하여 상기 목적 함수의 함수 값을 최소화하고, 미리 설정된 튜닝 범위를 만족하는 최적해를 검출하는 단계; 및
상기 기 저장된 제어 파라미터를 상기 최적해로 갱신하는 단계를 포함하는 발전소 제어기의 제어 파라미터 튜닝 방법.obtaining process identification data and pre-stored control parameters from a power plant server;
identifying a process model of the process to be controlled by using the process identification data;
setting an objective function including an accumulated error and an overshoot between an output of the process model and a set value defining a target output;
performing an optimization algorithm based on the process model and the pre-stored control parameters to minimize a function value of the objective function and detect an optimal solution that satisfies a preset tuning range; and
and updating the pre-stored control parameter to the optimal solution. 제1항에 있어서,
상기 공정 식별 데이터는 상기 제어 대상 공정을 제어하는 제어기의 제어 출력 값 및 상기 제어 출력 값에 따른 상기 제어 대상 공정의 공정 출력 값의 시간에 따른 변화를 포함하는 것을 특징으로 하는 발전소 제어기의 제어 파라미터 튜닝 방법.According to claim 1,
The process identification data includes a control output value of a controller for controlling the control target process and a change over time of a process output value of the control target process according to the control output value. Way. 제2항에 있어서,
상기 공정 모델을 식별하는 단계는 상기 공정 식별 데이터를 이용하여 상기 제어 대상 공정의 동특성을 검출하는 단계를 포함하는 것을 특징으로 하는 발전소 제어기의 제어 파라미터 튜닝 방법.3. The method of claim 2,
The step of identifying the process model comprises detecting a dynamic characteristic of the process to be controlled by using the process identification data. 제3항에 있어서,
상기 제어 대상 공정의 동특성은 상기 공정 모델의 지연 시간, 시상수 및 공정 이득 중 적어도 어느 하나를 포함하는 것을 특징으로 하는 발전소 제어기의 제어 파라미터 튜닝 방법.4. The method of claim 3,
The dynamic characteristic of the process to be controlled includes at least one of a delay time, a time constant, and a process gain of the process model. 제2항에 있어서,
상기 제어기는 디지털 방식의 비례-적분-미분 제어기인 것을 특징으로 하는 제어 파라미터 튜닝 방법.3. The method of claim 2,
The control parameter tuning method, characterized in that the controller is a digital proportional-integral-differential controller. 제1항에 있어서,
상기 목적 함수는 일정 시간 동안 출력된 상기 공정 모델의 시계열 출력과 상기 설정 값 간의 상기 누적 오차 및 상기 공정 모델의 최대 출력과 상기 목표 출력 간의 차이에 대응하는 상기 오버슈트의 합으로 설정되는 것을 특징으로 하는 발전소 제어기의 제어 파라미터 튜닝 방법.According to claim 1,
The objective function is set as the sum of the overshoot corresponding to the accumulated error between the set value and the time series output of the process model output for a predetermined time and the difference between the maximum output of the process model and the target output A method of tuning control parameters of a power plant controller. 제6항에 있어서,
상기 누적 오차 및 상기 오버슈트 각각은 미리 설정된 가중치를 갖고, 상기 누적 오차 및 상기 오버슈트 각각의 상기 가중치의 합은 1인 것을 특징으로 하는 발전소 제어기의 제어 파라미터 튜닝 방법.7. The method of claim 6,
Each of the accumulated error and the overshoot has a preset weight, and the sum of the weight of each of the accumulated error and the overshoot is one. 제1항에 있어서,
상기 튜닝 범위는 상기 기 저장된 제어 파라미터를 기준으로 설정된 상한 경계 값과 하한 경계 값을 포함하는 것을 특징으로 하는 발전소 제어기의 제어 파라미터 튜닝 방법.
According to claim 1,
The tuning range is a control parameter tuning method for a power plant controller, characterized in that it includes an upper limit value and a lower limit value set based on the stored control parameter.
KR1020200002241A 2020-01-07 2020-01-07 Control parameter tuning method of power plant controller KR20210089029A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200002241A KR20210089029A (en) 2020-01-07 2020-01-07 Control parameter tuning method of power plant controller

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200002241A KR20210089029A (en) 2020-01-07 2020-01-07 Control parameter tuning method of power plant controller

Publications (1)

Publication Number Publication Date
KR20210089029A true KR20210089029A (en) 2021-07-15

Family

ID=76889473

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200002241A KR20210089029A (en) 2020-01-07 2020-01-07 Control parameter tuning method of power plant controller

Country Status (1)

Country Link
KR (1) KR20210089029A (en)

Similar Documents

Publication Publication Date Title
US7190149B2 (en) Method and apparatus for determining actual reactive capability curves
Ahamed et al. A reinforcement learning approach to automatic generation control
KR101945863B1 (en) Method for computer-aided plant control optimisation using a simulation module
US20050273296A1 (en) Neural network model for electric submersible pump system
KR101920251B1 (en) Method for the computer-aided control and/or regulation of a technical system
CN111811016B (en) Method and system for adjusting hydraulic balance among units of heating unit
Parmar et al. Multi-area load frequency control in a power system using optimal output feedback method
CN106968803B (en) Combined probability control of power output-emission parameters in gas turbine regulation
Arora et al. Design of PID controller for unstable system
CN112666821A (en) Design method for optimal PID (proportion integration differentiation) parameter of closed-loop control system of nuclear power plant
CN108762086B (en) Secondary reheat steam temperature control device and control system based on model predictive control
Huang et al. Robust model predictive control of VAV air-handling units concerning uncertainties and constraints
KR20210089029A (en) Control parameter tuning method of power plant controller
Perfumo et al. An analytical characterisation of cold-load pickup oscillations in thermostatically controlled loads
Ahamed et al. Reinforcement learning controllers for automatic generation control in power systems having reheat units with GRC and dead-band
Khalili et al. Modeling and identification of an industrial gas turbine using classical and non-classical approaches
KR20200118685A (en) Apparatus and method for deriving boiler combustion model
EP2753991B1 (en) Arrangement and method for system identification of an industrial plant or process
CN114285037A (en) Method for determining control parameter stability region of regional electricity-gas integrated energy system
JPH1063307A (en) Feed-forward controller for thermal power plant main control system
JPH09242507A (en) Start controller for steam turbine
JPS5894004A (en) Optimum parameter retrieving device for controller of plant control system
JP2012083947A (en) Control system
Beura et al. Load frequency control of two area microgrid using reinforcement learning controller
CN117189648B (en) Magnetic suspension centrifugal compressor remote control system based on cloud edge cooperation

Legal Events

Date Code Title Description
A201 Request for examination