一种微型燃气轮机冷热电三联供系统的协调控制方法
【技术领域】
[0001] 本发明涉及一种工业控制方法，特别是一种基于预测控制算法的微型燃气轮机冷 热电三联供系统的协调控制方法。
【背景技术】
[0002] 基于微型燃气轮机的冷热电三联供系统(Micro Gas Turbine Based Combined Cooling Heating and Power system,以下简称为MGT-CCHP系统）是一种具有代表性的分 布式能源的形式，由微型燃气轮机、供热系统、制冷系统组成。动力系统利用燃料燃烧产生 的热量来发电，发电后产生的烟气余热被送至供热系统和制冷系统实现余热利用。传统的 火力发电的能量转换效率在30-35 %左右，而三联供系统对低能量品位的烟气余热再利用， 其平均能量转换效率可高达80%，具有广阔的应用前景。
[0003] MGT-CCHP系统的控制包括微型燃气轮机、双效吸收式制冷机和集成系统三个方 面，即分别研究微型燃气轮机侧、供热制冷系统侧和整体的动态特性并建模控制。燃气轮机 的控制比较成熟，燃气轮机的各重要设备厂商均为各自的设备提供了相对完善的控制系 统，学者们也提出使用PID控制器以及一些先进控制器，如神经网络控制、模糊控制、预测控 制等来解决燃气轮机控制问题。然而对于微型燃气轮机控制系统的研究基本上是对燃气轮 机的横向延伸，忽略了微型然轮机中余热利用需求、变转速运行状况以及回热器惯性等需 求。吸收式制冷机控制系统主要采用PID控制器。对于双效溴化锂吸收式制冷机控制系统的 研究存在以下问题:一是吸收式制冷机大多数孤立运行，缺乏与微型燃气轮机组成联供系 统时的研究;二是大部分吸收式制冷机的负荷输出单一(仅供冷或供热），调节量少(仅热源 调节），控制系统普遍为单输入单输出结构;三是吸收式制冷机中有很多热交换设备，热惯 性较大。上述研究主要针对各装置独立运行，而针对各装置组成的MGT-CCHP集成系统的控 制研究较少。组合后的MGT-CCHP系统是一个有多个输出负荷需求(发电、供热、制冷)的多变 量系统，有较强的耦合度，因此应当从协调控制的角度来考虑。针对强耦合的特点，有学者 提出了解耦PID控制的方法，即先将该多变量系统解耦成多个单变量系统，并分别对解耦后 的单变量系统采用PID控制。解耦PID可以很好地解决多变量的问题。根据分析，MGT-CCHP系 统是一个多输入多输出的大惯性系统，有输入量约束。而传统的PID控制方法在大惯性以及 输入约束的处理方面较弱。
【发明内容】
[0004] 发明目的：本发明所要解决的技术问题是针对传统PID控制在处理微型燃气轮机 冷热电三联供系统中被控量约束以及大惯性问题的不足，提供一种微型燃气轮机冷热电三 联供系统的协调控制方法。
[0005] 为了解决上述技术问题，本发明公开了一种一种微型燃气轮机冷热电三联供系统 的协调控制方法，包括离线阶段和在线阶段两个部分；
[0006]离线阶段包括：
[0007] 步骤1-1，简化被控系统；
[0008] 步骤1-2,在MGT-CCHP系统处于稳定运行状态时，依次在各输入变量中加入高斯白 噪声扰动，采集输入变量和输出变量的数据作为模型辨识的数据；
[0009] 步骤1-3,根据扰动实验的数据，利用子空间辨识的方法辨识出该三输入三输出系 统的离散状态空间模型；
[0010] 在线阶段包括：
[0011] 步骤2-1，利用卡尔曼滤波器来观测当前时刻k的状态向量x(k)的值；
[0012] 步骤2-2，据当前时刻k的状态向量X(k)、k-1时刻的输入向量u(k-1)以及辨识出的 状态空间模型，推导出未来P个时刻的输出向量的表达式；
[0013] 步骤2-3,优化性能指标；
[0014] 步骤2-4,利用二次规划的方法，求解优化性能指标最小的优化问题，得到当前时 刻的控制增量。
[0015]步骤1-1中，简化被控系统包括：
[0016]保持冷媒水流量、活热水流量以及相应入口温度三者恒定;保证冷剂栗始终全开； 制冷机中溶液循环栗处于自动运行模式;微型燃气轮机切换到带变速负载运行；
[0017] 将微型燃气轮机冷热电三联供系统方简化为一个三输入变量三输出变量的系统， 三个输出变量是汽轮机转速yn、冷媒水温度yTcd。以及生活热水温度y Thw。，三个输入变量分别 是微型燃气轮机的燃料流量控制阀Humbf、再热阀门开度 Ure以及双效溴化锂吸收式制冷机 中的高压冷剂阀开度uhgr;输入变量服从以下约束:0 < umbf，ure3，uhgZ 1;选定微型燃气轮机 的燃料流量控制阀门umbf、再热阀门开度ure以及双效溴化锂吸收式制冷机中的高压冷剂阀 开度Uhgr这三个输入量作为控制系统的控制量。
[0018] 步骤1-3中，三输入三输出系统的离散线性定常状态空间模型为：
[0019]
公式(1)，
[0020] 式中，u(k) eRm，y(k) ER1分别是k时刻的输入列向量、输出列向量，输入向量u = [Umbf，ure，Uhgr]T，输出向量y= [yn，yTCi0，yThw0]T，x(k) ￡Rn是k时刻的状态向量，x(k+l) ￡Rn是 k+1时刻的状态向量;m、1和η分别是输入向量、输出向量和状态向量的维数，Rm，R4PRn分别 是m、l和η维实空间，分别表示全体m、l和η维实向量构成的集;A是系统矩阵，表示了系统内 部状态变量之间的联系;B是控制矩阵，表不各个输入变量如何控制状态变量;C为输出矩阵 即观测矩阵，输出变量反映状态变量。采用的状态空间模型中的直接转移矩阵为零矩阵，该 模型的参数A，B和C矩阵均可通过步骤1-3辨识得到，本发明中采用的模型辨识方法是子空 间辨识方法。
[0021] 步骤2-2中，状态空间模型为公式(1)。
[0022] 步骤2-2中，推导出未来P个时刻的输出向量的表达式为：
[0023] ^
. ' 公式（2)，
[0024] 式中，是在k时刻对未来Ρ个时刻(k+Ι时刻 至ljk+ρ时刻）的输出向量值的预估值；AU(k) = [Au(k)，Au(k+1)，···，Au(k+M-1)]T是未来 Μ个时刻(k时刻至ljk+M-1时刻）的输入增量值，Sx e Rlpxn，Sul e Rlpxm和Su e Rlpxm%<别是由状态 空间模型推导出的预测矩阵。SxERlpXn表示当前时刻(k时刻）的状态向量x(k)如何影响未 来P个时刻的输出向量预估值;Sul e Rlpxm表示上一时刻(k-Ι时刻）的输入向量u (k-Ι)如何影 响未来P个时刻的输出向量预估值;Su e Rlpxrt^示未来Μ个时刻(k时刻到k+Μ-Ι时刻)的输入 增量值如何影响未来P个时刻的输出向量预估值。R 1PXn，R1PXm和R1PXmM分别是lPXn，lPXm和 1卩><虛维实向量空间，分别表示全体1?\11，1?\ 111和1?\虛维实矩阵构成的集。111，1和11分别 是输入向量、输出向量和状态向量的维数。P和Μ分别是预测时域和控制时域。
[0025]
[0026]
[0027] ?ν?
[0028] P和Μ分别是预测时域和控制时域。ΣCi" ?'表示将hi = 0,1，…，P-1时的CAhB相加得 P-M 至1J的数值，hi = 0，1，…，P-1，Σ 表示将h2 = 0，1，…，P-Μ时的CAhB相加得到的数值，h2 = 0，1，…，P-M〇
[0029] 推导未来P个时刻的输出向量的具体过程如下：
[0030] 根据公式（1)，可推导出：
[0031 ] k时刻的输出向量估计值为只/( | /〇 = Cx(/〇。
[0032] x(k+l)=Ax(k)+Bu(k)〇
[0033] k+1时刻的输出向量估计值和表示为： ?(^ + ?|^) = Cr(* + l) C〇〇34] =(7(,44是）+ 5?0))。 =C4x(/c) + CBu{k)
[0035] k+2时刻的状态向量值为：
[0036] x(k+2)=Ax(k+l)+Bu(k+l)
[0037] =A(Ax(k)+Bu(k))+Bu(k+l)。
[0038] =A2x(k)+ABu(k)+Bu(k+l)
[0039] k+2时刻的输出向量估计值为： ν(^ + 2μ) =Cx + 2)
[0040] + (女)+ 伽(女 + 1))。 =CA2x(k) + CABu(k) + CBu (k + l)
[0041] k+3时刻的状态向量值为：
[0042] x(k+3)=Ax(k+2)+Bu(k+2)
[0043] =A(A2x(k)+ABu(k)+Bu(k+l) )+Bu(k+2) 〇
[0044] = A3x (k) +A2Bu (k) +ABu (k+1) +Bu (k+2)
[0045] k+2时刻的输出