基于SIS的预测控制应用研究

火力发电厂厂级监控信息系统(SIS)作为一种以优化机组运行、提高运行经济性为主要目标的信息系统,已在火电厂厂级管理方面发挥了重要作用.为了更加有效地利用SIS平台上的大量数据,提出了基于SIS平台的动态矩阵预测控制.以湖北某电厂SIS为例,将锅炉过热蒸汽温度作为控制对象,蒸汽流量作为扰动量来反映锅炉运行工况的变化.采用神经网络辨识方法建立被控对象的动态模型并将动态矩阵控制算法应用到蒸汽温度控制系统.仿真结果表明,基于仿真数据建立的过热蒸汽温度神经网络动态模型,能够很好地预测被控对象在不同运行工况下的动态特性,基于神经网络模型的动态矩阵控制策略优于传统PID的控制效果.     

广义预测控制在过热蒸汽温度控制中的应用

针对火电机组过热蒸汽温度具有大惯性、纯迟延、多扰动等特点,将广义预测控制引入串级温度控制系统中,通过滚动优化机制优化目标函数,在每一个采样时刻在线估计被控对象模型并修正,采用递推算法降低在线计算量,减小计算时间,从而提高了算法的实时性。仿真结果表明,该算法在过热蒸汽温度控制中效果良好,具有较好的参数漂移稳定性和经济性。     

基于多元优化算法的过热蒸汽温度控制系统模型辨识

针对火电厂过热蒸汽温度控制系统的特点及传统模型辨识的缺陷,将多元优化算法应用于过热蒸汽温度控制系统模型的辨识,同时将遗传算法与多元优化算法在系统辨识中作对比分析。通过仿真数据对某机组过热蒸汽温度控制系统模型进行辨识,证明了基于多元优化算法的辨识方法的精确性、可靠性。     

STO先进控制软件在600MW汽轮发电机组上的应用

介绍了STO(Steam Temperature Opitimization,蒸汽温度优化)概念以及STO的技术特点与动态矩阵控制算法的原理,说明了全局动态建模方法。结合内蒙古上都发电有限责任公司机组控制系统的实际情况及运行中过热蒸汽、再热蒸汽温度控制存在的问题,说明STO先进控制软件在机组上的应用实施过程,对实施后的汽温控制效果进行了评估。应用结果表明,STO先进控制软件能够将机组过热蒸汽、再热蒸汽温度控制在理想范围内,在锅炉机组蒸汽温度控制系统中的应用取得成功。     

过热蒸汽温度量子粒子群优化无模型自适应控制

火力发电厂锅炉过热蒸汽温度不仅具有大滞后特性,且其模型还会随锅炉负荷的变化而变化,故依赖数学模型设计的PID控制一直未取得较好的控制品质。对此,本文提出一种基于量子粒子群的改进无模型自适应控制(QPSO-IMFAC)算法,摆脱了对模型的依赖,利用量子粒子群(QPSO)算法对IMFAC算法控制参数寻优,解决了传统无模型自适应控制(MFAC)算法控制参数难以确定的问题。仿真结果表明:采用QPSO-IMFAC算法控制锅炉过热蒸汽温度时,系统具有强扰动抑制性和高鲁棒性,QPSO-IMFAC算法对锅炉过热蒸汽温度控制是有效的;对阶跃响应和定值扰动的控制效果均优于QPSO-PID算法。因此,可以将IMFAC算法实现于DCS控制中,且使用QPSO-IMFAC算法优化出的控制参数可作为锅炉过热蒸汽温度调节的基准值。     

300MW火电机组过热蒸汽温度模型预测控制研究

在分析300 Mw机组过热蒸汽温度被控对象特点的基础上,提出了一种基于模型算法控制的模型预测控制策略,分析并设计了控制算法的基本过程和过热蒸汽温度MPC-PID串级控制结构.采用MATLAB软件编制了过热蒸汽温度控制系统仿真程序,对该模型预测控制系统和常规控制系统进行了仿真研究和比较.结果表明,过热蒸汽温度MPC-PID控制系统具有较好的给定值跟随性、抗干扰性和鲁棒性.     

基于GMDH神经网络的超超临界机组过热蒸汽温度预测模型及仿真研究

由于超超临界1 000MW机组过热蒸汽温度控制对象具有大滞后、非线性、动态参数随工况变化大等特点,使得传统的控制方法难以适应过热蒸汽温度的控制,出现过热蒸汽温度波动大,甚至超温等问题。对此,采用数据处理群集方法(GMDH)神经网络建立了过热蒸汽温度动态预测模型,以预测过热蒸汽温度的变化趋势。仿真结果表明,基于GMDH神经网络的过热蒸汽温度预测效果优于线性神经网络和BP神经网络,具有较好的移植性和实用性。     

先进过热汽温控制系统应用研究

过热蒸汽温度是火力发电厂热力系统中的重要参数,蒸汽温度控制品质的优劣直接影响整个机组的安全和经济运行.由于过热汽温对象具有大延迟、大惯性、时变性和非线性等特点,目前通常采用的传统 PID控制很难获得满意的控制效果.文章将人工神经网络汽温预测模块与常规 PID 算法结合,采用国电智深 DCS系统开发外挂汽温优化控制软件,并应用于实际600 MW 亚临界机组过热汽温控制,经现场调试取得了良好的控制品质。     

多目标神经PID控制器及其在过热蒸汽温度控制中的应用研究

为了适用大滞后、大惯性复杂过程的高质量控制,对神经网络PID控制器进行了改进,提出了多目标优化算法。该算法具有自适应特点,克服了常规PID超调量大,神经PID响应速度慢的缺点,并容易实现实时控制。应用此算法对电站锅炉过热蒸汽汽温控制进行了仿真,取得了理想的效果。     

锅炉过热蒸汽温度动态预测PID控制算法

针对过热蒸汽温度大迟延、大惯性的特点,提出了一种基于预测模型的动态预测PID控制算法。该算法通过动态预测求解系统迟延后的偏差,将偏差信号提前送至控制器,其控制作用经过迟延后适时作用于被控对象上,从而减小超调,加快调节过程。在600 MW燃煤机组全范围仿真系统进行仿真试验,并将动态预测PID控制与串级PID控制进行对比。结果表明,动态预测PID控制算法能够将过热蒸汽温度控制在设定值范围内,超调小,计算量小,结构简单,易于工程运用。     

基于SIS平台的先进控制策略在汽温控制中的仿真及应用

提出了基于SIS平台的先进控制策略。以某电厂SIS系统为例,锅炉过热蒸汽温度作为研究对象,分不同的工况建立起不同的神经网络模型并采用不同的控制算法。仿真结果表明:分不同的工况建立的过热汽温神经网络动态模型,能够很好地预测对象的动态特性,基于神经网络模型的动态矩阵预测控制策略取得了优于传统PID的控制效果。     

基于PID的DMC算法性能分析及其在过热蒸汽温度控制中的仿真

在分析PID算法和动态矩阵控制(DMC)算法的基础上,对基于PID性能指标改进的DMC算法--PIDDMC算法进行了推导.在时域内分析了PIDDMC控制器的参数选择对控制性能的影响,并给出参数选取范围.通过在发电厂的过热蒸汽温度串级控制系统中的仿真和与基本的DMC控制算法对比,结果表明PIDDMC算法具有更好的控制性能.     

锅炉过热蒸汽温度控制策略优化

锅炉过热蒸汽温度过高或过低都会影响电厂的安全性和经济性,且过热蒸汽温度的控制具有大迟延、扰动因素多、控制精度和稳定性要求高的特点。针对某亚临界2×600MW机组实际运行参数及其锅炉低氮燃烧改造后的过热蒸汽温度特性,对过热蒸汽温度控制策略进行了优化。优化后在机组调峰频繁工况下,控制系统将过热蒸汽温度波动范围控制在±4.5℃以内,控制系统调节品质明显提高。     

基于MCGS的预测控制在锅炉蒸汽压力系统中的应用研究

根据锅炉燃烧系统的动态特点,提出基于动态矩阵控制-串级控制(DMC-PID)结合的蒸汽压力预测控制方案.在VB6.0环境下完成动态矩阵控制算法,并通过ActiveX方式嵌入到MCGS组态软件中,实现对锅炉蒸汽压力系统的预测控制,仿真结果验证了该算法具有较快的负荷响应和较强的鲁棒性.     

超超临界机组二模态过热蒸汽温度控制策略研究

由于过热蒸汽温度具有非线性、大时变、大迟延等特点,传统PID串级控制在工况变化时难以取得较好的控制效果。对此,将内模控制与模糊控制相结合,并引入多模型理念,提出了基于内模原理和模糊控制的二模态控制方案,对国电布连电厂超超临界660MW机组直流锅炉过热蒸汽温度串级控制系统进行改进,将改进后的控制策略用于EDPF-NT DCS。结果表明,改进后的控制系统较传统过热蒸汽温度PID串级控制系统具有更强的负荷适应能力和鲁棒性,在机组负荷变化较大时仍具有良好的控制品质。     

过热蒸汽温度系统的Smith预估补偿自抗扰控制

针对锅炉过热蒸汽温度控制系统对象的大惯性、大时滞和动态模型随负荷等要素变动而变动的共性,将Smith补偿器和自抗扰控制相结合应用在过热蒸汽温度系统中。利用Smith补偿器对系统时滞环节进行补偿,使被控对象的控制通道不含有延时特性;利用自抗扰控制对过热蒸汽温度系统Smith补偿器对象进行估计和补偿以提高不精确模型的精度。在MATLAB仿真平台下对过热蒸汽温度系统带大时滞的模型进行仿真试验。仿真结果表明:基于Smith预估补偿的自抗扰控制相比常规PID控制、Smith预估控制和自抗扰控制对过热蒸汽温度系统具有更好的控制性能和稳定性,可以改善控制系统的抗干扰能力和模型适应性。     

基于折息递推最小二乘自适应动态矩阵的过热汽温控制器设计

针对超临界直流锅炉过热汽温对外界扰动响应快，易发生超温或低温现象，提出一种将动态矩阵预测控制与修正的递推最小二乘算法相结合的折息递推最小二乘(DRPLS)自适应动态矩阵控制策略。通过在动态矩阵预测控制中加入DRPLS算法，降低老数据的影响，增强新数据的作用，提高预测性能。通过调节折息因子，可使模型具有更高的灵活性和适应性。将该方法应用于600MW超临界直流锅炉高温过热系统进行仿真研究，结果表明，该控制策略能较好地适应对象的动态特性变化，且控制系统的性能明显优于常规PID控制器。     

基于DMC-PID串级控制的超临界机组给水系统研究

在超临界参数下,针对机组给水控制系统具有复杂多变、大惯性、大迟延等特点,提出了一种基于动态矩阵控制(Dynamic Matrix Control,DMC)和PID串级控制相结合的控制策略。首先对超临界机组给水控制系统被控对象的动态特性以及建立简化数学模型等进行了分析。其次根据动态矩阵控制原理建立了系统的DMC模型,从而设计了DMC-PID串级控制器。再运用蚁群算法(Ant Colong Optimization,ACO)对350 MW超临界机组的现场运行数据进行辨识,并优化DMC控制器参数。最后与传统PID控制进行了MATLAB仿真对比实验。结果表明DMCPID串级控制具有更好的稳定性和较快的调节速度,鲁棒性较好,抗干扰能力强。     

约束预测控制在低氮燃烧机组过热蒸汽温度控制系统中的应用

针对某低氮燃烧机组运行过程产生的燃烧滞后、汽温波动大等问题,提出一种带有约束优化的预测控制算法,并将其应用到电厂过热蒸汽温度控制系统中,构成串级预测控制系统。仿真结果表明：带有约束的过热蒸汽温度串级预测控制系统的控制量能被有效控制在约束范围内,系统的抗干扰性和鲁棒性均优于常规PID控制系统,过热蒸汽温度控制品质得到很大提升。     

一种基于双偏差的动态预测控制算法

针对大惯性大迟延对象控制特性过渡过程时间长、响应特性差的特点,文中提出了一种新的预测控制算法。该算法采用单步动态预测模型,并在算法中引入了模型与对象、参考轨迹和预测输出的双向偏差以进行优化,在不增加算法复杂性的基础上,提出了一种基于双偏差的动态预测控制算法。并与传统PID控制方式比较,其动态品质大大提高。仿真结果令人满意。