火电机组锅炉过热汽温的约束模型预测控制研究

提出了一种具有输入硬约束的模型预测控制算法,该算法无需在线迭代求解或矩阵在线求逆,具有算法简单,在线计算量小的优点,将其应用于火电机组锅炉过热汽温控制进行仿真研究,结果表明该算法是有效的。     

调峰机组的过热汽温控制

对引进３５０ＭＷ机组的过热温控制系统进行了改进，地实际运行中存在的问题提出了解决办法，使机组在１７５ＭＷ至３５０ＭＷ运行时，过热汽温自动控制在５３０－５４５℃之间。     

过热汽温状态变量控制及通用微机调节器实现

本文论述了应用现代控制理论的新型过热汽温控制系统——状态变量观测与控制(SOC)系统,及其通用微机调节器实现问题提出了SOC与PID控制结合的SOC-PID控制方案.以单回路微机调节器(KMM)为例.讨论了SOC-PID控制系统的设计组态、参数整定及跟踪等问题.结合设计实例进行系统仿真.结果表明,在同样的运行条件下,SOC-PID控制的性能优于常规PID串级控制的性能.本文为新模的过热汽温SOC控制方案的工程实用及推广提供了依据.图4参3     

基于神经网络的超临界机组过热汽温设定值优化补偿

基于历史运行数据对过热器喷水减温系统特性进行神经网络建模,在不改变机组原过热汽温控制逻辑和PID参数的前提下,采用基于预测模型的前馈补偿和反馈补偿相结合的策略,在控制回路的顶层对过热汽温设定值进行实时优化补偿,以改善过热汽温控制效果,并借助600 MW超临界机组仿真机进行仿真试验研究.结果表明:采用设定值优化补偿方案可明显提升过热汽温的控制品质,验证了优化方案的有效性.     

电厂过热汽温的智能预测控制方法

电厂过热汽温对象具有大惯性、大迟延和非线性等特性,常规控制策略难取得满意的控制效果。为此,提出一种基于免疫优化的智能预测控制方法,它将离线辨识得到的模型作为预测模型,然后利用实数编码的免疫优化算法在线实现预测控制的滚动优化,给出每个采样时刻的最优控制量。将其应用于过热汽温控制系统进行仿真研究,结果表明该智能预测控制方法具有优良的控制品质。     

135MW循环流化床机组过热汽温优化控制方案研究

大多数火力发电厂的过热汽温控制采用的是DCS自带的经典PID控制。这类控制系统对于滞后性较大的高阶被控对象、现场执行机构死区大和减温阀线性差等工况,其控制品质较差。如果将无辨识自适应控制器IFA、预估与大数据智能诊断等先进技术引入到锅炉过热汽温控制系统中来,优化DCS系统算法逻辑,这不仅能控制过热汽温在额定值允许范围这内,而且可以适当提高过热汽温,提高蒸汽品质。另一方面可以省去升级改造喷水减温装置即可投入自动,其经济效益是相当可观的。     

锅炉过热汽温的预测智能控制

针对锅炉大迟延,大惯性特性,提出一种新型控制方法。该方法首先由预测器预测出未来过程输出,然后根据偏差状况及预测输出变化趋势通过模仿人的控制思维方式来选择相应控制强度,在过热汽温控制系统应用仿真结果表明：其控制品质地常规控制规律,并具有较强鲁棒性。     

前馈神经网络在主汽温控制中的应用

针对电厂主蒸汽温度系统大迟延的问题,提出了一种在常规串级PID控制系统基础上设计一个基于BP神经网络的前馈控制器,把熟练运行操作员的实际操作经验和数据进行综合处理,在不同的工况下给出适应当前工况的前馈控制量来弥补反馈作用的不足,从而提高控制系统的动态特性。MATLAB仿真结果表明,所设计系统的抗干扰能力和鲁棒性等方面都优于常规PID控制器。     

单元机组过热汽温控制系统的负荷适应性

为了增强过热汽温控制系统的负荷适应能力,以一个600MW机组的过热汽温系统为研究对象,设计了由4组局部控制器组成的负荷调度控制系统,并以主蒸汽流量作为系统的调度变量。每一组局部控制器对应一种典型工况,采用串级内模原理进行设计和整定,其中,高阶的外回路控制器通过Taylor级数展开的方法简化为实际PID形式。控制系统各局部控制器之间的跟踪与无扰切换通过Hanus方法实现。系统保留了传统串级控制系统克服内回路扰动、提高系统工作频率的优点。在不同负荷下的仿真试验以及大范围变工况试验均表明,该系统具有良好的负荷适应能力。图5表3参3     

过热汽温多内模控制

针对火电厂过热汽温被控对象具有大迟延、大惯性的特点,且对象特性随负荷变化较大等因素,很难实现稳定和高性能的控制。针对这一特点,提出了基于多模型的内模控制策略,通过在不同工况辩识得到局部模型,根据加权因子计算出全局多模型,设计出相应的内模控制器,根据运行工况选择相应的控制器,从而实现全工况运行的自适应控制。仿真结果表明,该控制策略比常规的单内模控制在更大范围具有较好的控制品质。     

电厂过热蒸汽温度的有约束预测控制

针对目前常用串级PID系统在电厂过热蒸汽温度控制过程中存在的问题,提出采用带约束预测的控制算法予以解决.采用这种有约束预测控制后,可抬高控制设定值,从而提高机组运行效率,提高经济效益.采用现场试验数据,通过面积法辨识过程模型并利用Matlab设计预测控制器,进行了控制过热蒸汽温度模型的仿真试验,结果表明:有约束预测控制可改善系统的动态特性和抗干扰能力,并使过热蒸汽温度控制品质得到有效提升.     

改进的自适应模型算法控制在过热汽温控制中的应用

针对锅炉过热汽温对象具有大惯性、大迟延、时变性等特点,提出一种基于最小均方算法的自适应模型算法控制-比例串级预测控制系统.通过最小均方自适应滤波器在线实时辨识被控对象的预测模型参数,再结合改进的自适应模型算法控制在线修正控制器参数.仿真结果表明:该控制策略实施简单、超调小,控制效果明显优于PID-P串级控制;且在降负荷实验中能有效适应对象参数时变,保证调节性能较好.     

无模型自适应预测控制在过热汽温控制中的应用

采用伪梯度向量(pseudo-partial-derivative,PPD)的概念,对被控系统进行动态线性化处理得到预测模型,提出了一种改进的无模型自适应预测控制算法(model free adap-tive predictive control,MFAPC)。将这种新方法应用到火电厂中具有大惯性、模型不确定性等特性的过热汽温串级控制系统中,主回路采用MFAPC算法,副回路采用常规PID控制,仿真结果证明了该串级控制策略的有效性。     

灰色预测自适应内模控制在电厂过热汽温控制中的应用

针对电厂过热汽温的大惯性、大滞后和参数时变等特性,提出了基于灰色预测的自适应内模控制方法.使用Adaline神经网络实时辨识对象的增益和时滞,克服参数时变影响.在误差反馈通道上增加灰色预测模块,根据辨识出的对象时滞的大小,动态确定误差反馈灰色预测的长度;通过超前调节,可以有效克服模型失配和外扰的影响.     

RBF网络在过热汽温模型辨识中的应用

本文利用一种改进的RBF网络构造算法对过热汽温对象进行建模。通过仿真数据的对比分析个网络参数对系统建模性能的影响。仿真结果表明该方法在过热汽温对象建模过程中的有效性。     

过热汽温多模型预测函数控制策略的研究

过热汽温系统是典型的大时延、大惯性对象,尤其当机组负荷变化时,参数表现出明显的时变特性,大大降低了传统PID串级控制的品质。基于此点,提出先进的多模型切换的过热汽温预测函数控制策略。使用带有Smith预估补偿思想的一阶时滞对象预测函数控制算法,来有效克服对象的大时延、大惯性;并通过建立若干典型工况的固定模型,在线计算其模型匹配度确定控制权重,从而得到控制器的输出的方法,能适应参数的时变。与PID串级控制和单一模型控制的仿真结果对比,证实了本控制策略的有效性。图3表1参8     

基于免疫进化算法的过热汽温自整定PID控制研究

根据生物免疫系统特性 ,提出了一种基于免疫进化算法的PID控制器参数自整定方法。免疫进化算法引入记忆细胞和抗体浓度调节机制 ,具有种群多样性 ,能保证快速稳定地收敛到全局最优点。通过对过热汽温控制系统的仿真 ,表明该算法是有效的。