一种广义预测工程化应用于脱硝控制系统的方法
【专利摘要】本发明公开了一种广义预测控制工程化应用于脱硝控制系统的方法。在常规的广义预测控制算法中，直接将优化控制量作用于被控对象，对模型要求极高，若被控对象与预测算法内置的模型偏差较大，则极易引起控制系统发散。本发明用数学模型来拟合脱硝出口NOx的动态过程，通过将模型模拟信号和实际测量信号的偏差引入预测控制优化系统，进行模型校正控制，以获得鲁棒性较强的高质量的控制品质。本发明保证了机组节能环保运行；获得了鲁棒性较强的高质量的控制品质，机组在AGC状态时出口NOx波动幅度大为减少，加强了机组按环保指标达标运行。
【专利说明】
一种广义预测工程化应用于脱硝控制系统的方法
技术领域
[0001] 本发明涉及超临界机组脱硝控制系统的控制方法，具体地说是一种广义预测控制 工程化应用于脱硝控制系统的方法。
【背景技术】
[0002] 超临界机组的脱硝控制系统具有非线性、大迟延和扰动因素多等特点，一般调峰 机组经常出现负荷剧烈波动，燃料量（即煤量)和风量的变化对机组脱硝控制系统存在较大 的扰动，为保证机组的安全环保运行，在规定负荷下，对机组出口NOx控制提出了较高的要 求，即要将其控制在额定值的+15mg/m 3~-15mg/m3范围内，而目前的脱硝控制系统较难控制 在上述范围内。
[0003] 在常规广义预测控制系统中，有已知模型和未知模型两种，若已知模型则可以直 接通过求解丢番图方程、计算矩阵及控制律得出控制量;若未知模型则首先需要在线辨识 模型，再通过求解丢番图方程等步骤得出控制量。在常规的广义预测控制算法中，直接将优 化控制量作用于被控对象，对模型要求极高，若被控对象与预测算法内置的模型偏差较大， 则极易引起控制系统发散。
【发明内容】
[0004] 本发明所要解决的技术问题是克服上述现有技术存在缺陷，提供一种广义预测控 制工程化应用于脱硝控制系统的方法，其用数学模型来拟合脱硝出口 N0X的动态过程，通过 将模型模拟信号和实际测量信号的偏差引入预测控制优化系统，进行模型校正控制，以获 得鲁棒性较强的高质量的控制品质。
[0005] 为此，本发明采用如下的技术方案:一种广义预测工程化应用于脱硝控制系统的 方法，其步骤如下：
[0006] 1)获取控制对象的数学模型
[0007] 采取特性试验的方法来获取控制对象的数学模型，获得的模型结构为一阶加迟延 的形式，如下式所示：
[0009]上式中，G为传递函数，k为模型增益系数，T为惯性时间，S为频域传递函数的数学 算子，τ为延迟时间，根据特性试验曲线获得模型中的参数k、T和τ ;
[0010] 2)设计广义预测算法流程及控制系统
[0011] 广义预测算法流程如下：在获取控制对象的数学模型特性后，首先进行模型离散 化，设置采样周期、预测时域、控制时域，根据模型离散后的特性参数求解丢番图方程，预测 未来时刻控制对象的输出，根据未来时刻的情况求解性能指标函数，得出最优控制律；
[0012] 上述的广义预测算法与控制对象的数学模型G组成广义预测优化控制系统；
[0013] 3)设计模型校正系统
[0014] 将控制量同时输入实际控制对象和控制对象的数学模型G，求得偏差后，进入广义 预测优化控制系统进行修正，实际控制对象的输出和数学模型G输出均采用增量式，保证系 统输出在投入后才有信号，投入前为〇;
[0015] 4)确定采样周期、预测时域和控制时域
[0016] 通过控制对象的数学模型得知被控对象的过渡过程时间Ts，在过渡过程时间内采 样次数设置在5~16次，如果将采样周期记为T。，则采样周期为?ν = ?ν?6;
[0017] 通过控制对象数学模型G得知惯性时间Τ和延迟时间τ，预测时域大于Τ+τ，此时广 义预测算法才能有效计算最优控制量;控制时域的设置至少大于一个采样周期，控制时域 越大，系统响应速度越快，控制时域减小，系统的鲁棒性增强；
[0018] 5)将上述的广义预测优化控制系统应用于机组脱硝控制系统中。
[0019] 本发明与基于模型在线辨识的GPC控制系统的区别在于不进行在线辨识，因为系 统存在噪声，在线辨识的模型存在较大的误差，严重影响到控制品质。本发明通过将模型模 拟信号和实际测量信号的偏差引入预测控制优化系统，进行模型校正控制，最终获得鲁棒 性车父强的尚质量的控制品质。
[0020] 进一步，将模型校正系统引入广义预测优化控制系统，用数学模型来拟合脱硝出 口 Ν0Χ的动态过程，通过将模型模拟信号和实际测量信号的偏差引入广义预测优化控制系 统，进行模型校正控制，最终获得鲁棒性较强的控制品质。
[0021] 进一步，实际控制对象和数学模型的输入信号均为预测指令，当两个对象一致时， 校正信号为0,当两个对象不一致或实际控制对象中参杂有扰动信号时，校正信号较大，预 测指令就会发生相应的变化，最终使控制响应保持在设定值附近。
[0022] 本发明将模型校正引入优化控制系统中，用数学模型来模拟机组出口NOx的动态 过程，通过模型校正来提高预测系统的控制品质。
[0023] 本发明具有以下有益效果:保证了机组节能环保运行；获得了鲁棒性较强的高质 量的控制品质，机组在AGC状态时出口 NOx波动幅度大为减少，加强了机组按环保指标达标 运行。
【附图说明】
[0024] 图1为广义预测算法流程图（图中算法流程，主要分为设置采样周期、时域、求解丢 番图方程、计算矩阵及控制律等）。
[0025] 图2为本发明的广义预测优化控制系统图（图中，A表示控制反馈信号，B表示模型 校正反馈信号，C表示模型校正系统）。
[0026] 图3为本发明广义预测优化控制系统的工程SAMA图（图中，A表示广义预测优化控 制系统，B表示模型校正系统）。
[0027] 图4为采用本发明的机组处于AGC状态下370MW-450MW负荷变动时出口 NOx响应曲 线图（通过实际应用；图中，A表示实际负荷，B表示出口 NOx控制曲线）。
[0028] 图5为采用常规方法的机组处于AGC状态下380MW-460MW负荷变动时出口 NOx响应 曲线图（通过实际应用；图中，A表不实际负荷，B表不出口NOx控制曲线）。
【具体实施方式】
[0029] 下面结合说明书附图和【具体实施方式】对本发明作进一步说明。
[0030] 一、广义预测优化控制系统结构
[0031] 本发明的预测优化控制系统结构如图2所示。
[0032] 在图2中，广义预测算法(其流程图见图1)内部置入控制对象数学模型，即喷氨流 量阀开度对出口NOx的数学模型，用该模型去模拟实际控制对象。在模型校正系统中，实际 控制对象与控制对象数学模型存在一定的偏差，尤其当机组负荷发生变化或者执行机构特 性发生改变时，偏差会进一步加大，此时需要将偏差信号送入广义预测算法中进行校正，可 以有效提高广义预测算法的鲁棒性。
[0033] 在图2所示的广义预测优化控制系统中，实际控制对象和对象模型的输入信号均 为预测指令，因此当两个对象一致时，校正信号为〇,当两个对象不一致或实际对象中参杂 有扰动信号时，校正信号较大，预测指令就会发生相应的变化，最终使控制响应保持在设定 值附近。
[0034] 二、工程SAMA图与设计步骤
[0035] 在工程实际中，需要根据SAMA图进行组态设计，本发明的工程SAMA图如图3所示。
[0036] 在图3所示的SAMA图中，给出了广义预测优化控制系统和模型校正系统具体的的 设计结构形式，具体设计步骤如下：
[0037] 1)获取控制对象的模型
[0038]采取特性试验的方法来获取对象的数学模型，因为该系统不要求模型非常精确， 因此根据特性试验获得的模型可以满足要求，获得的模型结构为一阶加迟延的形式，如式 (1)所示：
[0040]根据特性试验曲线获得模型中的参数k、T和τ。
[0041 ] 2)设计广义预测算法流程及优化控制系统
[0042] 广义预测算法流程如图1所示（图中的两个公式分别为(GGT+AirU^GTG+Air 1GT[yr-Fy(t)-HAu(t-l)]),
[0043] 在获取控制对象模型特性后，首先进行模型离散化，设置采样周期、预测时域、控 制时域等，根据模型离散后的特性参数求解丢番图方程，预测未来时刻被控对象的输出，根 据未来时刻的情况求解性能指标函数，得出最优控制律。该算法与控制对象数学模型G组成 优化控制系统，如图3中A所指示的部分。
[0044] 3)设计模型校正系统
[0045]模型校正系统设计如图3中B所示部分，将控制量同时输入实际对象和对象模型G， 求得偏差后，进入广义预测控制系统进行修正。在实际设计中，实际对象的输出和模型输出 均采用了增量式，保证系统输出在投入后才有信号，投入前为〇。
[0046] 4)采样周期、预测时域、控制时域的确定
[0047] 在获得被控对象的数学模型后，可以得知被控对象的过渡过程时间1^，在过渡过 程时间内一般采样次数设置在5~16次，如果将采样周期记为T。，则可以设置采样周期为T c = Ts/16〇
[0048] 通过试验获得被控对象数学模型G后，可得知对象惯性时间T、延迟时间τ，预测算 法中，预测时域应该大于Τ+τ，此时预测算法才能有效计算最优控制量。控制时域的设置至 少应该大于一个采样周期，控制时域越大，系统响应速度越快，控制时域减小，系统的鲁棒 性增强。
[0049] 三、实际应用
[0050]将本发明应用于某电厂600MW超临界机组脱硝控制系统中，当负荷指令按12MW/ min速率变化，机组处于AGC状态时，获得的机组出口 NOx响应曲线如图5所示。
[0051 ] 在图5中，实际负荷由370MW变化到450MW，机组出口NOx控制在在+10/-10mg/m3以 内。而且整个AGC过程主汽温度比较平稳。
[0052]为获得对比效果，按常规方法，当负荷指令按12MW/min速率变化时，机组处于AGC 状态时，获得的机组出口 NOx响应曲线如图4所示。
[0053] 在图4中，实际负荷由380MW变化到460MW，机组出口NOx控制在+30/-30mg/m3左右。 而且整个AGC过程主汽温度波动幅度较大，影响到了机组的环保运行。
[0054]以上所述，仅是本发明的较佳实施例而已，并非对本发明的技术方案作任何形式 上的限制。凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修 饰，均落入本发明的保护范围内。
【主权项】
1. 一种广义预测工程化应用于脱硝控制系统的方法，其步骤如下： 1) 获取控制对象的数学模型 采取特性试验的方法来获取控制对象的数学模型，获得的模型结构为一阶加迟延的形 式，如下式所示：上式中，G为传递函数，k为模型增益系数，T为惯性时间，S为频域传递函数的数学算子， τ为延迟时间，根据特性试验曲线获得模型中的参数k、T和τ; 2) 设计广义预测算法流程及控制系统 广义预测算法流程如下:在获取控制对象的数学模型特性后，首先进行模型离散化，设 置采样周期、预测时域、控制时域，根据模型离散后的特性参数求解丢番图方程，预测未来 时刻控制对象的输出，根据未来时刻的情况求解性能指标函数，得出最优控制律； 上述的广义预测算法与控制对象的数学模型G组成广义预测优化控制系统； 3) 设计模型校正系统 将控制量同时输入实际控制对象和控制对象的数学模型G，求得偏差后，进入广义预测 优化控制系统进行修正，实际控制对象的输出和数学模型G输出均采用增量式，保证系统输 出在投入后才有信号，投入前为0; 4) 确定采样周期、预测时域和控制时域 通过控制对象的数学模型得知被控对象的过渡过程时间Ts，在过渡过程时间内采样次 数设置在5~16次，如果将采样周期记为Tc，则采样周期为Tc = Ts/16; 通过控制对象数学模型G得知惯性时间T和延迟时间τ，预测时域大于Τ+τ，此时广义预 测算法才能有效计算最优控制量;控制时域的设置至少大于一个采样周期，控制时域越大， 系统响应速度越快，控制时域减小，系统的鲁棒性增强； 5) 将上述的广义预测优化控制系统应用于机组脱硝控制系统中。2. 根据权利要求1所述的广义预测工程化应用于脱硝控制系统的方法，其特征在于， 将模型校正系统引入广义预测优化控制系统，用数学模型来拟合脱硝出口 NOx的动态过 程，通过将模型模拟信号和实际测量信号的偏差引入广义预测优化控制系统，进行模型校 正控制，最终获得鲁棒性较强的控制品质。3. 根据权利要求1或2所述的广义预测工程化应用于脱硝控制系统的方法，其特征在 于， 实际控制对象和数学模型的输入信号均为预测指令，当两个对象一致时，校正信号为 0,当两个对象不一致或实际控制对象中参杂有扰动信号时，校正信号较大，预测指令就会 发生相应的变化，最终使控制响应保持在设定值附近。
【文档编号】G05B13/04GK106094526SQ201610533513
【公开日】2016年11月9日
【申请日】2016年7月8日
【发明人】尹峰, 李泉, 罗志浩
【申请人】国网浙江省电力公司电力科学研究院, 国家电网公司