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Ts;
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Gm;
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Gm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Gm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Ts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Gm包括以燃烧率ub(t)(t/h)和汽机调门开度ut(t)(%)作为输入,以主蒸汽压力Pt(t)作为输出的压力模型Gm,P和以发电功率Ne(t)作为输出的功率模型Gm,N;其中,所述压力模型Gm,P形式如下:
所述功率模型Gm,N形式如下:
其中,t表示当前采样控制时刻;
na、nb、nc、nd、ne、nf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na=nb=nc=nd=ne=nf=4~6;
ai、bj、ck、di、ej、fk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:
s.t.(1)
(2)
(3)|Δub(t)|≤Δub,max,|Δut(t)|≤Δut,max;
(4)ub,min≤ub(t)≤ub,max,ut,min≤ut(t)≤ut,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;
Δub(t)、Δut(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;
Δut,max、ub,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%;
ub,min、ub,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;
ut,min、ut,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;
ub(t)表示燃烧率,单位是t/h;
ut(t)表示汽机调门开度,单位是%;
Pt(t)表示主蒸汽压力;Ne(t)表示发电功率;
na、nb、nc、nd、ne、nf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na=nb=nc=nd=ne=nf=4~6;
ai、bj、ck、di、ej、fk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)=Pt(t),P0(t+i1)=γ1P0(t+i1-1)+(1-γ1)Ptarget;
N0(t)=Ne(t),N0(t+i2)=γ2N0(t+i2-1)+(1-γ2)Ntarget;
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;
Ptarget表示主蒸汽压力Pt(t)的目标值;
Ntarget表示输出功率Ne(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。