本發(fā)明涉及一種電站鍋爐蒸汽溫度的智能計(jì)算預(yù)測(cè)控制方法，其屬于鍋爐自動(dòng)控制技術(shù)領(lǐng)域，適用于火電機(jī)組的過熱蒸汽溫度和再熱蒸汽溫度的自動(dòng)控制。

背景技術(shù)：

將電站鍋爐蒸汽溫度控制在允許的設(shè)定值范圍，包括過熱蒸汽溫度和再熱蒸汽溫度，均是提高發(fā)電機(jī)組的經(jīng)濟(jì)效益、保證機(jī)組安全運(yùn)行的不可缺少的環(huán)節(jié)，日益受到發(fā)電廠家和科研人員的高度重視。

如今幾乎所有的大型電站機(jī)組都要參與電網(wǎng)調(diào)峰，對(duì)中調(diào)自動(dòng)發(fā)電控制(AGC)指令的響應(yīng)速度極大的關(guān)系到電廠的經(jīng)濟(jì)效益和社會(huì)效益。而對(duì)AGC指令做出快速響應(yīng)的前提是機(jī)組自身的各參數(shù)能夠良好的維持在安全范圍內(nèi)，這需要機(jī)組具備性能優(yōu)良的自動(dòng)控制系統(tǒng)予以保證。

然而由于火力發(fā)電生產(chǎn)過程的特殊性和蒸汽管道構(gòu)造的復(fù)雜性，對(duì)蒸汽溫度對(duì)象的控制比較困難。其中由于機(jī)組負(fù)荷的隨機(jī)性波動(dòng)，導(dǎo)致擾動(dòng)頻繁且擾動(dòng)量較大，尤其是對(duì)于機(jī)組負(fù)荷或者等價(jià)地說蒸汽流量的擾動(dòng)，致使汽溫經(jīng)常波動(dòng)，主要原因是汽溫系統(tǒng)對(duì)于機(jī)組負(fù)荷的變化具有明顯的時(shí)變和非線性特性。通常當(dāng)負(fù)荷增加時(shí)，會(huì)導(dǎo)致系統(tǒng)特性函數(shù)的慣性時(shí)間常數(shù)以及靜態(tài)增益都呈現(xiàn)明顯變化，總的汽溫則隨負(fù)荷升高而增加。常規(guī)固定參數(shù)的蒸汽溫度串級(jí)PID控制方案很難在全工況范圍取得滿意的控制效果。

為此一些更先進(jìn)的控制方案陸續(xù)被提出。

比如中國專利“一種電站鍋爐主蒸汽溫度全程控制方法”(201310576564.5)針對(duì)汽溫對(duì)象特性隨機(jī)組負(fù)荷呈現(xiàn)明顯的非線性變化的問題，提出了一種根據(jù)機(jī)組運(yùn)行工況自動(dòng)調(diào)度PID控制器參數(shù)的方法，但由于其方案仍然局限于常規(guī)的串級(jí)PID控制方案，因而對(duì)控制系統(tǒng)性能的改善是有限的，因?yàn)閺睦碚撋峡梢宰C明PID控制器對(duì)于一階或二階系統(tǒng)可以獲得最優(yōu)的定值跟蹤控制性能，但對(duì)于像鍋爐汽溫系統(tǒng)這樣的高階系統(tǒng)則只能獲得盡量滿意的控制性能。

也有一些專利和文獻(xiàn)采用分段性的多模型預(yù)測(cè)控制或者采用具有全局特性描述能力的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測(cè)控制設(shè)計(jì)，但是他們都是從模型描述系統(tǒng)本身特性的角度考慮問題，仍然需要在線進(jìn)行復(fù)雜的預(yù)測(cè)控制計(jì)算，不利于在目前廣泛使用的分散控制系統(tǒng)(DCS)上實(shí)現(xiàn)，即使通過專用工業(yè)控制器如PLC等實(shí)現(xiàn)，這些方案需要占用大量的內(nèi)存開銷，對(duì)于內(nèi)存有限的PLC設(shè)備來說也是十分不利的，從而限制了控制方案的推廣應(yīng)用。

另外一種針對(duì)汽溫系統(tǒng)隨機(jī)組負(fù)荷時(shí)變特點(diǎn)的解決方法是采用在線自適應(yīng)辨識(shí)系統(tǒng)模型，然后針對(duì)辨識(shí)的模型在線設(shè)計(jì)自適應(yīng)控制器(包括模型預(yù)測(cè)控制)。但是由于汽溫系統(tǒng)隨時(shí)受到多種因素的影響，在線辨識(shí)的結(jié)果往往不能反映甚至完全偏離真實(shí)的汽溫系統(tǒng)特性，此時(shí)的控制效果當(dāng)然就無法滿足期望的控制品質(zhì)。由上述分析可見，已有的鍋爐蒸汽溫度控制方法仍存在一定的局限性或缺陷。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是提供了一種準(zhǔn)確度高、反應(yīng)快速、在線計(jì)算量小、編程實(shí)現(xiàn)簡(jiǎn)單的電站鍋爐蒸汽溫度的智能計(jì)算預(yù)測(cè)控制方法。

本發(fā)明采用如下技術(shù)方案：

一種電站鍋爐蒸汽溫度的智能計(jì)算預(yù)測(cè)控制方法，具體步驟如下：

步驟1.確定預(yù)測(cè)控制的采樣時(shí)間間隔T_s；

步驟2.辨識(shí)機(jī)組運(yùn)行在M個(gè)典型負(fù)荷工況下蒸汽溫度系統(tǒng)的輸入-輸出差分方程形式描述的局部模型G_m；

步驟3.采用模型預(yù)測(cè)控制對(duì)所有局部模型G_m進(jìn)行方波信號(hào)的跟蹤控制仿真；

步驟4.將所有局部模型G_m的控制仿真數(shù)據(jù)用來訓(xùn)練智能計(jì)算模型，從而形成智能預(yù)測(cè)控制器IPC；

步驟5.辨識(shí)調(diào)節(jié)閥門的非線性逆模型，即u(t)＝f[v(t)]；

步驟6.將所述步驟4中訓(xùn)練得到的智能預(yù)測(cè)控制器IPC作為實(shí)時(shí)控制器；通過采集需要的輸入信號(hào)并送入智能預(yù)測(cè)控制器IPC，所述智能預(yù)測(cè)控制器IPC自動(dòng)計(jì)算得到任意工況下調(diào)節(jié)汽溫所需的減溫水流量v(t)，并將所述減溫水流量v(t)代入所述步驟5中調(diào)節(jié)閥門的非線性逆模型u(t)＝f[v(t)]，可得到當(dāng)前采樣時(shí)刻t的減溫水閥門開度理論計(jì)算值，然后經(jīng)速率限制和幅度限制，得到當(dāng)前采樣時(shí)刻t可實(shí)施的減溫水閥門開度實(shí)際指令u(t)。

進(jìn)一步的，所述步驟1中的采樣時(shí)間間隔T_s，根據(jù)鍋爐蒸汽溫度系統(tǒng)的特性快慢以及控制器計(jì)算服務(wù)器的配置情況，其取值范圍為T_s＝3～10秒。

進(jìn)一步的，所述步驟2中的M個(gè)典型負(fù)荷工況的個(gè)數(shù)，在機(jī)組主要的運(yùn)行負(fù)荷區(qū)間內(nèi)均勻取值M＝4～7個(gè)。

進(jìn)一步的，所述步驟2中的蒸汽溫度系統(tǒng)的輸入-輸出差分方程形式描述的M個(gè)局部模型G_m包括內(nèi)回路模型G_m,qv和外回路模型G_m,yq，內(nèi)回路模型G_m,qv和外回路模型G_m,yq分別如下：

內(nèi)回路模型G_m,qv：

外回路模型G_m,yq：

其中，t表示當(dāng)前采樣控制時(shí)刻；

n_d和n_e表示內(nèi)回路模型G_m,qv的階次，對(duì)于M個(gè)不同的典型負(fù)荷工況取相同的值，取值范圍n_d＝n_e＝2～3；

n_a和n_b表示外回路模型G_m,yq的階次，對(duì)于M個(gè)不同的典型負(fù)荷工況取相同的值，取值范圍n_a＝n_b＝3～6；

d_i、e_j、a_i、b_j表示模型系數(shù)，采用最小二乘法辨識(shí)得到，對(duì)于M個(gè)不同的典型負(fù)荷工況取到不同的值；

q(t)表示t時(shí)刻的導(dǎo)前汽溫預(yù)測(cè)值；

v(t-j)表示t-j時(shí)刻的減溫水流量；

y(t)表示t時(shí)刻的出口汽溫預(yù)測(cè)值。

進(jìn)一步的，所述步驟3中的模型預(yù)測(cè)控制基于內(nèi)回路目標(biāo)函數(shù)J_qv(t)和外回路目標(biāo)函數(shù)J_yq(t)采用廣義預(yù)測(cè)控制算法進(jìn)行求解，其中內(nèi)回路目標(biāo)函數(shù)J_qv(t)如下：

外回路目標(biāo)函數(shù)J_yq(t)如下：

其中，t表示當(dāng)前采樣控制時(shí)刻；

P_q和P_y分別表示內(nèi)回路和外回路的預(yù)測(cè)時(shí)域，M_v和M_q分別表示內(nèi)回路和外回路的控制時(shí)域；

q_r(t+i)、q(t+i)分別表示t+i時(shí)刻的導(dǎo)前汽溫給定值和預(yù)測(cè)值；

y_r(t+i)、y(t+i)分別表示t+i時(shí)刻的出口汽溫給定值和預(yù)測(cè)值；

Δv(t+j)表示t+j時(shí)刻待計(jì)算的減溫水預(yù)測(cè)控制增量；

Δq_r(t+j)表示t+j時(shí)刻待計(jì)算的導(dǎo)前汽溫給定值增量。

進(jìn)一步的，所述步驟3中的方波信號(hào)，取單位方波信號(hào)，其周期為500Ts～1000Ts。

進(jìn)一步的，所述步驟4中用于智能預(yù)測(cè)控制器IPC設(shè)計(jì)的智能計(jì)算模型采用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型，通常又稱RBF神經(jīng)網(wǎng)絡(luò)；訓(xùn)練后得到的所述智能預(yù)測(cè)控制器IPC包括內(nèi)回路IPC2和外回路IPC1。

進(jìn)一步的，所述步驟5中的調(diào)節(jié)閥門的非線性逆模型u(t)＝f[v(t)]是減溫水調(diào)節(jié)閥門開度u(t)(％)-減溫水流量v(t)(kg/s)特性的逆模型，用于在控制系統(tǒng)中對(duì)閥門的非線性調(diào)節(jié)特性進(jìn)行補(bǔ)償線性化，采用二次函數(shù)描述，即u(t)＝c₂v(t)²+c₁v(t)+c₀，其中c₂、c₁、c₀是待辨識(shí)確定的閥門特性系數(shù)。

進(jìn)一步的，所述步驟5中的辨識(shí)方法采用的是最小二乘法。

進(jìn)一步的，所述步驟6中的速率限制和幅度限制，分別是|Δu(t)|≤Δu_max和u_min≤u(t)≤u_max，其中Δu(t)為當(dāng)前采樣時(shí)刻計(jì)算的減溫水調(diào)節(jié)閥門開度控制增量；Δu_max為速率限制值，根據(jù)具體的閥門設(shè)計(jì)要求，取值范圍3％～10％；u_min和u_max分別為幅度限制的下限和上限，取閥門位置的物理限制，即0和100％。

本發(fā)明的有益效果如下：

本發(fā)明克服了現(xiàn)有的蒸汽溫度控制方法的不足，蒸汽溫度包括過熱蒸汽溫度和再熱蒸汽溫度，提供了一種準(zhǔn)確度高、反應(yīng)快速、在線計(jì)算量小、編程實(shí)現(xiàn)簡(jiǎn)單的電站鍋爐蒸汽溫度的直接預(yù)測(cè)控制方法，避免具有大遲延、大慣性和時(shí)變特性的蒸汽溫度對(duì)象隨著機(jī)組負(fù)荷變化而導(dǎo)致蒸汽溫度控制性能不佳的問題。

在機(jī)組運(yùn)行的全工況范圍內(nèi)，實(shí)現(xiàn)蒸汽溫度的直接預(yù)測(cè)控制，提高蒸汽溫度控制的動(dòng)態(tài)調(diào)節(jié)性能和穩(wěn)定性，同時(shí)編程實(shí)現(xiàn)簡(jiǎn)單，便于在火電機(jī)組廣泛使用的DCS中組態(tài)實(shí)現(xiàn)而無需增加其它軟硬件設(shè)備。

附圖說明

圖1是常規(guī)的蒸汽溫度串級(jí)PID控制系統(tǒng)原理圖。

圖2是本發(fā)明提供的蒸汽溫度串級(jí)智能預(yù)測(cè)控制系統(tǒng)原理圖。

圖1-圖2中符號(hào)說明：y為蒸汽溫度測(cè)量值；

y_r為蒸汽溫度設(shè)定值；

q為導(dǎo)前汽溫測(cè)量值；

q_r為導(dǎo)前汽溫設(shè)定值；

u為減溫水閥門開度指令；

v為減溫水流量信號(hào)；

x為機(jī)組負(fù)荷；

G_m,yq為蒸汽溫度惰性區(qū)傳遞函數(shù)；

G_m,qv為蒸汽溫度導(dǎo)前區(qū)傳遞函數(shù)；

v＝g(u)為減溫水閥門開度到減溫水流量的非線性特性函數(shù)；

u＝f(v)為減溫水流量到減溫水閥門開度的非線性特性逆函數(shù)；

v_a為預(yù)測(cè)控制器輸出信號(hào)，在前述非線性特性逆函數(shù)準(zhǔn)確的理想情況下等于減溫水流量信號(hào)v；

PID為外回路控制器，PI為內(nèi)回路控制器，IPC1為外回路智能預(yù)測(cè)控制器，IPC2為內(nèi)回路智能預(yù)測(cè)控制器；

圖1和圖2中左側(cè)虛線框(a)內(nèi)部分表示在計(jì)算機(jī)上實(shí)現(xiàn)的控制器，右側(cè)虛線框(b)內(nèi)部分表示現(xiàn)場(chǎng)汽溫過程被控對(duì)象。

具體實(shí)施方式

下面將結(jié)合圖1和圖2以及具體實(shí)施例對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)的說明。

如圖1-圖2所示，本實(shí)施例涉及一種基于智能計(jì)算進(jìn)行預(yù)測(cè)控制律學(xué)習(xí)的電站鍋爐蒸汽溫度的預(yù)測(cè)控制方法，具體步驟如下：

步驟1.確定預(yù)測(cè)控制的采樣時(shí)間間隔T_s；

步驟2.辨識(shí)機(jī)組運(yùn)行在M個(gè)典型負(fù)荷工況下蒸汽溫度系統(tǒng)的輸入-輸出差分方程形式描述的局部模型G_m；

步驟3.采用模型預(yù)測(cè)控制對(duì)所有局部模型G_m進(jìn)行方波信號(hào)的跟蹤控制仿真；步驟4.將所有局部模型G_m的控制仿真數(shù)據(jù)用來訓(xùn)練智能計(jì)算模型，從而形成智能預(yù)測(cè)控制器IPC；

步驟5.辨識(shí)調(diào)節(jié)閥門的非線性逆模型，即u(t)＝f[v(t)]；

步驟6.將所述步驟4中訓(xùn)練得到的智能預(yù)測(cè)控制器IPC作為實(shí)時(shí)控制器；通過采集需要的輸入信號(hào)并送入智能預(yù)測(cè)控制器IPC，所述智能預(yù)測(cè)控制器IPC自動(dòng)計(jì)算得到任意工況下調(diào)節(jié)汽溫所需的減溫水流量v(t)，并將所述減溫水流量v(t)代入所述步驟5中調(diào)節(jié)閥門的非線性逆模型u(t)＝f[v(t)]，可得到當(dāng)前采樣時(shí)刻t的減溫水閥門開度理論計(jì)算值，然后經(jīng)速率限制和幅度限制，得到當(dāng)前采樣時(shí)刻t可實(shí)施的減溫水閥門開度實(shí)際指令u(t)。

進(jìn)一步的，所述步驟1中的采樣時(shí)間間隔T_s，根據(jù)鍋爐蒸汽溫度系統(tǒng)的特性快慢以及控制器計(jì)算服務(wù)器的配置情況，其取值范圍為T_s＝3～10秒。

進(jìn)一步的，所述步驟2中的M個(gè)典型負(fù)荷工況的個(gè)數(shù)，在機(jī)組主要的運(yùn)行負(fù)荷區(qū)間內(nèi)均勻取值M＝4～7個(gè)。

進(jìn)一步的，所述步驟2中的蒸汽溫度系統(tǒng)的輸入-輸出差分方程形式描述的M個(gè)局部模型G_m包括內(nèi)回路模型G_m,qv和外回路模型G_m,yq，內(nèi)回路模型G_m,qv和外回路模型G_m,yq分別如下：

內(nèi)回路模型G_m,qv：

外回路模型G_m,yq：

其中，t表示當(dāng)前采樣控制時(shí)刻；

n_d和n_e表示內(nèi)回路模型G_m,qv的階次，對(duì)于M個(gè)不同的典型負(fù)荷工況取相同的值，取值范圍n_d＝n_e＝2～3；

n_a和n_b表示外回路模型G_m,yq的階次，對(duì)于M個(gè)不同的典型負(fù)荷工況取相同的值，取值范圍n_a＝n_b＝3～6；

d_i、e_j、a_i、b_j表示模型系數(shù)，采用最小二乘法辨識(shí)得到，對(duì)于M個(gè)不同的典型負(fù)荷工況取到不同的值；

q(t)表示t時(shí)刻的導(dǎo)前汽溫預(yù)測(cè)值；

v(t-j)表示t-j時(shí)刻的減溫水流量；

y(t)表示t時(shí)刻的出口汽溫預(yù)測(cè)值。

進(jìn)一步的，所述步驟3中的模型預(yù)測(cè)控制基于內(nèi)回路目標(biāo)函數(shù)J_qv(t)和外回路目標(biāo)函數(shù)J_yq(t)采用廣義預(yù)測(cè)控制算法進(jìn)行求解，其中內(nèi)回路目標(biāo)函數(shù)J_qv(t)如下：

外回路目標(biāo)函數(shù)J_yq(t)如下：

其中，t表示當(dāng)前采樣控制時(shí)刻；

P_q和P_y分別表示內(nèi)回路和外回路的預(yù)測(cè)時(shí)域，M_v和M_q分別表示內(nèi)回路和外回路的控制時(shí)域；

q_r(t+i)、q(t+i)分別表示t+i時(shí)刻的導(dǎo)前汽溫給定值和預(yù)測(cè)值；

y_r(t+i)、y(t+i)分別表示t+i時(shí)刻的出口汽溫給定值和預(yù)測(cè)值；

Δv(t+j)表示t+j時(shí)刻待計(jì)算的減溫水預(yù)測(cè)控制增量；

Δq_r(t+j)表示t+j時(shí)刻待計(jì)算的導(dǎo)前汽溫給定值增量。

進(jìn)一步的，所述步驟3中的方波信號(hào)，取單位方波信號(hào)，其周期為500Ts～1000Ts。進(jìn)一步的，所述步驟4中用于智能預(yù)測(cè)控制器IPC設(shè)計(jì)的智能計(jì)算模型采用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型，通常又稱RBF神經(jīng)網(wǎng)絡(luò)；訓(xùn)練后得到的所述智能預(yù)測(cè)控制器IPC包括內(nèi)回路IPC2和外回路IPC1。

進(jìn)一步的，所述步驟5中的調(diào)節(jié)閥門的非線性逆模型u(t)＝f[v(t)]是減溫水調(diào)節(jié)閥門開度u(t)(％)-減溫水流量v(t)(kg/s)特性的逆模型，用于在控制系統(tǒng)中對(duì)閥門的非線性調(diào)節(jié)特性進(jìn)行補(bǔ)償線性化，采用二次函數(shù)描述，即u(t)＝c₂v(t)²+c₁v(t)+c₀，其中c₂、c₁、c₀是待辨識(shí)確定的閥門特性系數(shù)。

進(jìn)一步的，所述步驟5中的辨識(shí)方法采用的是最小二乘法。

進(jìn)一步的，所述步驟6中的速率限制和幅度限制，分別是|Δu(t)|≤Δu_max和u_min≤u(t)≤u_max，其中Δu(t)為當(dāng)前采樣時(shí)刻計(jì)算的減溫水調(diào)節(jié)閥門開度控制增量；Δu_max為速率限制值，根據(jù)具體的閥門設(shè)計(jì)要求，取值范圍3％～10％；u_min和u_max分別為幅度限制的下限和上限，取閥門位置的物理限制，即0和100％。

本發(fā)明的工作原理如下：

由于本發(fā)明只用一個(gè)RBF神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)了M個(gè)不同的典型負(fù)荷工況下內(nèi)回路的M個(gè)預(yù)測(cè)控制器的功能，也只用一個(gè)RBF神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)了M個(gè)不同的典型負(fù)荷工況下外回路的M個(gè)預(yù)測(cè)控制器的功能，而且學(xué)習(xí)過程是離線進(jìn)行的，在線計(jì)算時(shí)只是兩個(gè)訓(xùn)練好的無需在線優(yōu)化計(jì)算的RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制器IPC2和IPC1，因而典型負(fù)荷工況的個(gè)數(shù)M可以取的較大以便增強(qiáng)系統(tǒng)的控制性能，而通常的多模型預(yù)測(cè)控制則不宜取過大的M以避免過大的在線優(yōu)化計(jì)算量。

本發(fā)明的主要技術(shù)特征：運(yùn)用模型辨識(shí)，以及對(duì)相應(yīng)模型進(jìn)行電站鍋爐蒸汽溫度預(yù)測(cè)控制器參數(shù)的仿真計(jì)算和計(jì)算結(jié)果的神經(jīng)網(wǎng)絡(luò)綜合學(xué)習(xí)。

上述詳細(xì)說明是針對(duì)本發(fā)明可行實(shí)施例的具體說明，該實(shí)施例并非用以限制本發(fā)明的專利范圍，凡未脫離本發(fā)明的等效實(shí)施或變更，比如：具體實(shí)施時(shí)使用其它形式的預(yù)測(cè)控制算法，包括模型算法控制MAC、動(dòng)態(tài)矩陣控制DMC、預(yù)測(cè)函數(shù)控制PFC，代替本施實(shí)例的廣義預(yù)測(cè)控制GPC，進(jìn)行局部控制器計(jì)算和仿真，以及使用其它形式的智能計(jì)算模型代替本施實(shí)例的RBF神經(jīng)網(wǎng)絡(luò)RBFNN進(jìn)行全局控制器的學(xué)習(xí)集成，包括BP神經(jīng)網(wǎng)絡(luò)BPNN、小波神經(jīng)網(wǎng)絡(luò)WNN、支持向量機(jī)SVM、支持向量回歸機(jī)SVR、最小二乘支持向量機(jī)LSSVM等等，均應(yīng)包含于本案的專利保護(hù)范圍中。