一种火电机组协调控制系统的智能计算预测控制方法与流程

技术特征：

1.一种火电机组协调控制系统的智能计算预测控制方法，其特征在于步骤如下：

步骤1.确定预测控制的采样时间间隔T_s；

步骤2.通过机组特性测试获得在M个典型负荷工况下锅炉汽轮机系统的输入-输出差分方程形式描述的局部模型G_m；

步骤3.采用模型预测控制对所述步骤2中的所有局部模型G_m进行方波信号的控制仿真；

步骤4.将所述步骤3中的所有局部模型G_m的控制仿真数据用来训练智能计算模型，从而形成智能预测控制器IPC；

步骤5.将从所述步骤4中训练得到的智能预测控制器IPC作为实时控制器，通过采集需要的输入信号并送入所述智能预测控制器IPC，所述智能预测控制器IPC自动计算得到任意工况下调节锅炉汽轮机所需的控制增量指令Δu(t)。

2.根据权利要求1所述的一种火电机组协调控制系统的智能计算预测控制方法，其特征在于：所述步骤1中采样时间间隔T_s的取值范围为3～10秒。

3.根据权利要求1所述的一种火电机组协调控制系统的智能计算预测控制方法，其特征在于：所述步骤2中的M个典型负荷工况的个数，在机组主要的运行负荷区间内取值M＝4～7个。

4.根据权利要求1所述的一种火电机组协调控制系统的智能计算预测控制方法，其特征在于：所述步骤2中的锅炉汽轮机系统的输入-输出差分方程形式描述的M个局部模型G_m包括以燃烧率u_b(t)(t/h)和汽机调门开度u_t(t)(％)作为输入，以主蒸汽压力P_t(t)作为输出的压力模型G_m,P和以发电功率N_e(t)作为输出的功率模型G_m,N；其中，所述压力模型G_m,P形式如下：

$P_t\left(t\right)+\underset{i=1}{\overset{n_a}{\Σ}}{a}_i{P}_t(t-i)=\underset{j=1}{\overset{n_b}{\Σ}}{b}_j{u}_b(t-j)+\underset{k=1}{\overset{n_c}{\Σ}}{c}_k{u}_t(t-k)$

所述功率模型G_m,N形式如下：

$N_e\left(t\right)+\underset{i=1}{\overset{n_d}{\Σ}}{d}_i{N}_e(t-i)=\underset{j=1}{\overset{n_e}{\Σ}}{e}_j{u}_b(t-j)+\underset{k=1}{\overset{n_f}{\Σ}}{f}_k{u}_t(t-k)$

其中，t表示当前采样控制时刻；

n_a、n_b、n_c、n_d、n_e、n_f表示模型阶次，对于M个不同的典型负荷工况取相同的值，取值范围n_a＝n_b＝n_c＝n_d＝n_e＝n_f＝4～6；

a_i、b_j、c_k、d_i、e_j、f_k表示模型系数，采用最小二乘法辨识得到，对于M个不同的典型负荷工况会得到不同的值。

5.根据权利要求1或4所述的一种火电机组协调控制系统的智能计算预测控制方法，其特征在于：所述步骤3中的模型预测控制基于如下目标函数，采用广义预测控制算法进行求解，其目标函数J(t)为：

$\begin{array}{c}J\left(t\right)=\underset{i_1=1}{\overset{N_1}{\Σ}}{\mathrm{\α}}_1{\[P_0(t+i_1)-P_t(t+i_1)\]}^2+\underset{i_2=1}{\overset{N_2}{\Σ}}{\mathrm{\α}}_2{\[N_0(t+i_1)-N_e(t+i_2)\]}^2\\ +\underset{j_1=1}{\overset{M_1}{\Σ}}{\mathrm{\β}}_1{\[{\mathrm{\Δu}}_b(t+j_1-1)\]}^2+\underset{j_2=1}{\overset{M_2}{\Σ}}{\mathrm{\β}}_2{\[{\mathrm{\Δu}}_t(t+j_2-1)\]}^2\end{array}$

s.t.(1)

(2)

(3)|Δu_b(t)|≤Δu_b，max，|Δu_t(t)|≤Δu_t，max；

(4)u_b，min≤u_b(t)≤u_b，max，u_t，min≤u_t(t)≤u_t，max.

其中，N₁、N₂分别表示主蒸汽压力和输出功率的预测时域，整数取值范围20～50；

M₁、M₂分别表示燃烧率和汽机调门开度的控制时域，整数取值范围1～10；

α₁、α₂分别表示主蒸汽压力和输出功率的预测误差加权，取值范围0～1；

β₁、β₂分别表示燃烧率和汽机调门开度的控制增量加权，取值范围0～1；

s.t.表示紧随其后的是4个约束条件；

Δu_b(t)、Δu_t(t)分别表示当前采样时刻计算的燃烧率和汽机调门开度控制增量；

Δu_t，max、u_b，max分别表示燃烧率和汽机调门开度的速率限制值，根据具体的设计要求，取值范围是3％～10％；

u_b，min、u_b，max分别表示燃烧率指令幅度限制的下限和上限，其值根据执行机构位置的物理限制及安全要求设置；

u_t，min、u_t，max分别表示汽机调门开度指令幅度限制的下限和上限，其值根据执行机构位置的物理限制及安全要求设置；

u_b(t)表示燃烧率，单位是t/h；

u_t(t)表示汽机调门开度，单位是％；

P_t(t)表示主蒸汽压力；N_e(t)表示发电功率；

n_a、n_b、n_c、n_d、n_e、n_f表示模型阶次，对于M个不同的典型负荷工况取相同的值，取值范围n_a＝n_b＝n_c＝n_d＝n_e＝n_f＝4～6；

a_i、b_j、c_k、d_i、e_j、f_k表示模型系数，采用最小二乘法辨识得到，对于M个不同的典型负荷工况会得到不同的值；

P₀(t+i₁)、N₀(t+i₂)分别表示主蒸汽压力和输出功率的参考轨迹，分别按下式计算：

P₀(t)＝P_t(t)，P₀(t+i₁)＝γ₁P₀(t+i₁-1)+(1-γ₁)P_target；

N₀(t)＝N_e(t)，N₀(t+i₂)＝γ₂N₀(t+i₂-1)+(1-γ₂)N_target；

其中，γ₁、γ₂分别表示主蒸汽压力和输出功率的跟踪柔化系数，取值范围0～1；

P_target表示主蒸汽压力P_t(t)的目标值；

N_target表示输出功率N_e(t)的目标值。

6.根据权利要求1所述的一种火电机组协调控制系统的智能计算预测控制方法，其特征在于：所述步骤3中的方波信号的周期取值范围为500Ts～1000Ts。

7.根据权利要求1所述的一种火电机组协调控制系统的智能计算预测控制方法，其特征在于：所述步骤4中用于智能预测控制器IPC设计的智能计算模型采用径向基函数神经网络模型，训练后得到的所述智能预测控制器IPC包括燃烧率预测控制器IPCB和汽机调门预测控制器IPCT。