专利名称：多层过程控制和优化方案中的协调的制作方法
技术领域：
本发明涉及动态负载控制。
背景技术：
对于各种不同的负载控制过程，已经发展了控制。例如，在蒸汽发生设备中，几个锅炉和/或其他类型的蒸汽发生器产生蒸汽并向共用集液气箱供给蒸汽。如果使用并行运行的带积分作用的各个压力控制器来控制锅炉，则可导致锅炉工作中的不稳定性。
因此，集液气箱中的压力通常由产生用于设备输入的总能量需求(通常以燃料供给来表示)的单个主压力控制器(MPC)来控制。能量分配模块把总能量需求分成用于各个锅炉的单独的燃料供给需求(即设定点)。
能量分配模块所实现的总能量需求的划分应当根据不同的经济条件(诸如燃料和电的价格、环境限制等等)以及根据诸如总生产需求、技术约束、运行小时数和使用寿命消耗的各种约束进行成本优化。自二十世纪六十年代以来，根本的优化问题是众所周知的，并且已经用多种方法以不同的复杂程度解决了该问题。例如，为了优化操作一个或多个负载的成本，已经实现了实时优化器。
这些实时优化器检测了稳态负载要求，然后基于这个稳态负载要求提供优化操作负载的成本的控制信号。为了以这种方式操作，实时优化器不得不等待瞬态过程干扰稳定下来，以便在这种优化器可调用其优化程序之前，稳态条件已存在。然而，对于那些慢动态和/或干扰严重的过程，实时优化器对稳态信息的依赖性使控制系统的性能严重恶化，因为在干扰、如设定点的变化和/或负载的变化所产生的瞬态期间，没有执行优化。
在过去使用预测控制器时，没有与实时优化器配合使用预测控制器，以便实时优化器动态地响应投影到预测水平线(horizon)末尾的所预测过程变量的目标负载值。在本发明的一个实施例中，预测控制器和实时优化器以这种方式相结合，以便在干扰、如设定点的变化和负载的变化期间更有效地控制负载。
发明概述根据本发明的一个方面，用于控制负载的过程控制系统包括预测控制器和实时优化器。预测控制器根据负载的稳态目标能量需求来预测负载在预测点k＝0、1、2、...、K的能量需求。实时优化器根据预测的能量需求来确定负载在预测点k＝0、1、2、...、K的最优动态能量需要需求，并根据动态能量需要需求来控制负载。
根据本发明的另一方面，用于控制负载1、2、...、N的过程控制方法包括下列各项在预测控制器中，根据负载1、2、...、N中每一个的稳态目标分配，预测负载1、2、...、N中每一个在预测点k＝0、1、2、...、K的能量需求；在实时优化器中，根据预测的能量需求，确定负载1、2、...、N中每一个在预测点k＝0、1、2、...、K的动态能量需要需求；以及根据动态能量需要需求控制负载1、2、...、N。
根据本发明的又一方面，用于控制负载1、2、...、N的过程控制方法包括下列各项通过预测控制器，预测负载1、2、...、N在预测点k＝0、1、2、...、K的总能量需求；通过实时优化器，根据负载1、2、...、N中每一个的稳态目标，将总能量需求分配给预测点k＝0、1、2、...、K的负载1、2、...、N；通过实时优化器，根据所分配的能量需求，确定负载1、2、...、N中每一个在预测点k＝0、1、2、...、K的动态能量需要需求；以及根据动态能量需要需求控制负载1、2、...、N。
附图的简要描述当结合附图来详细考虑本发明时，本发明的这些及其他特征和优点将变得更加明显，其中
图1说明按照本发明的一个实施例的控制系统；图2说明在解释本发明时有用的曲线图；以及图3说明描述图1所示控制系统的操作的流程图。
详细描述在本发明的一个实施例中，提供了将各种约束考虑在内、时变总需求在负载之中的实时、在线、最优动态分配。所得出的动态分配由目标分配Fitarg(k)和动态部分widyn(k)ΔFtot(k)组成，其中对于负载i＝1、...、N，所述动态部分与负载的动态权重widyn(k)成比例。目标分配Fitarg(k)由实时优化器使用负载成本曲线来提供，该负载成本曲线可以从效率或消耗曲线等来估计。同样，负载的动态权重widyn(k)也可以由实时优化器或操作者来设置。
实现最优动态分配的算法与基于模型的预测控制器配合使用。在这种情况下，在预测水平线末端的稳态负载平衡可被预测为目标值，用于目标经济分配的计算，预测周期的瞬态部分中的动态偏差可与动态权重成比例地分配。这样，本发明的系统不需要等待负载达到干扰后的稳态条件，从而经济地控制负载。
此外，由于使用了预测控制器，除了绝对约束外，还引入了变化率约束，以便对控制过程的稳定性以及控制系统设备的应力和使用寿命提供正面影响。
控制系统所实现的算法可以是模块化的。例如，目标分配Fitarg(k)由优化例程使用可从效率曲线等中估计的负载成本曲线来提供。这个模块化结构允许新特征的加入，例如把燃烧炉配置、燃料混合等考虑在内，而不改变基本算法。使用现有例程，作为决策支持工具的离线假定分析也是可能的。
如图1所示，控制系统10包括预测控制器12、实时优化器14和多个负载161-16N。例如，负载161-16N可以是锅炉、涡轮、压缩机、冷却器等等。这样，如果i＝1、2、...、N表示图1中的负载161-16N，那么N表示负载的数目。
预测控制器12适当地感测负载161-16N的负载要求(例如压力、和/或燃料供给、和/或温度等)并向实时优化器14提供预测的总负载能量需求Ftot，实时优化器14根据预测的目标分配Fitarg(k)将总负载能量需求Ftot分成用于各个负载161-16N的各个分配的燃料供给需求(或设定点)Fidyn(k)。
预测控制器12可以是Honeywell提供的具有零件号码HT-MPC3L125、HT-MPC3L250、HT-MPC3L500、HT-MPC6L125、HT-MPC6L250和HT-MPC6L500的控制器中任一种，或者可以是把系统响应投影到设定点、负载或其他干扰的任何其他预测控制器。实时优化器14可以是Honeywell提供的具有零件号码HT-ELA3L125、HT-ELA3L250、HT-ELA3L500、HT-ELA6L125、HT-ELA6L250和HT-ELA6L500的实时优化器中任一种，或者可以是能被修改以便对负载变化预测作出反应的任何其他实时优化器，以便在多个负载之中节省成本地分配负载需求。
因为预测控制器12是一个预测控制器，所以总负载能量需求Ftot是一个轨迹，即，对应于直到预测水平线K的预测时间k的序列的值序列，其中k＝0、1、...、K。因此，总负载能量需求Ftot可由下面的等式给出Ftot＝(Ftot(1)，Ftot(2)，...，Ftot(K))(1)负载的动态分配轨迹Fidyn(k)由实时优化器14分两步来确定。第一，确定负载i＝1、2、...、N的无约束分配轨迹Fiunconstr(k)。第二，修改负载i＝1、2、...、N的无约束分配轨迹Fiunconstr(k)以满足约束条件并尽可能地逼近无约束分配(在偏差的最小二乘方的意义上)，以便获得动态分配轨迹Fidyn(k)。
第一步，无约束的分配轨迹Fiunconstr(k)借助于两组参数来定义(1)目标分配Fitarg(k)和(2)动态权重widyn(k)。因此，按照以下等式来定义无约束的分配轨迹Fiunconstr(k)Fiunconstr(k)=FItarg(k)+widyn(k)ΔFtot(k)···(2)]]>其中，对于每个负载i＝1、2、...、N和对于每个轨迹点k＝0、1、...、KΔFtot(k)=Ftot(k)-Σi=1NFitarg(k)···(3)]]>目标分配Fitarg(k)对应于无约束分配Fiunconstr(k)在其周围(或附近)变化的值，并且动态权重widyn(k)是负载161-16N对于总负载需求变化的灵敏度的一个指示。
图2说明动态燃料供给分配的例子，其中垂直虚线左侧的样本表示历史数据和垂直虚线右侧的样本表示预测的(模拟的)轨迹。在时刻tk＝kTs可取样本，其中Ts是给定的抽样周期。左图所示的总负载能量需求Ftot在右上图所示的锅炉(负载)B1和右下图所示的锅炉(负载)B2之间分配。虚曲线20和22分别表示负载B1和B2的无约束分配轨迹Fi＝1unconstr(k)和Fi＝2unconstr(k)。在左图上的实线曲线表示由预测控制器12所预测的总负载能量需求Ftot，右图上的实线曲线分别表示由实时优化器14所产生的负载B1和B2的动态分配燃料供给(设定点)Fi＝1dyn(k)和Fi＝2dyn(k)。水平实线表示分别对总负载能量需求Ftot和动态分配燃料供给(设定点)Fi＝1dyn(k)和Fi＝2dyn(k)设置的绝对限制。水平虚线表示目标分配Fitarg(k)。此外，对于图2所示的例子，假定用于负载B1和B2的动态权重之比由下式给出wi=1dyn(k)wi=2dyn(k)=31···(4)]]>因此，总能量负载需求的改变ΔFtot(k)与动态权重成比例地被分到负载161-16N中，使得所分配的负载能量需求(例如，燃料供给值)由目标值Fitarg(k)加上来自瞬态偏差ΔFtot(k)的一部分构成。动态权重可由操作员提供。作为选择，可自动地计算动态权重。例如，可以根据正运行的煤炭粉碎机、燃烧炉等的数目自动地计算动态权重。
当负载161-16N的目标分配之和 等于式(3)中总负载能量需求Ftot(k)时，平衡条件存在。在平衡条件中，ΔFtot(k)是零，并且对于每个轨迹点k满足下列关系Σi=1NFiunconstr(k)=Ftot(k)···(5)]]>其中假定非负动态权重根据下式被归一化为1Σi=1Nwidyn(k)=1···(6)]]>如上所述，目标分配Fitarg(k)是负载i的预测水平线，并由实时优化器14根据不同的经济条件分配给负载i。目标分配Fitarg(k)可以从偏移量来估计。
如图2所示，除非目标分配Fitarg(k)有重大变化，如由操作员来改变，否则假定目标分配Fitarg(k)在预测周期中是恒定的。当目标分配Fitarg(k)有重大变化时，在整个预测周期，采用从旧值线性内插来获得新值以代替使用新值，以便保证无波动的操作。
如果目标分配Fitarg(k)被设置(例如，如上所述由操作员设置)以至于到下一个操作员干涉前是非时变的，那么所有负载上的目标分配Fitarg(k)之和不能跟随总负载能量需求Ftot的时变目标，即预测水平线末端的总负载能量需求Ftot的值。然而，如果使用由下式给出的偏移量Fioff来估计目标分配Fitarg(k)，可以满足明显的平衡条件Fitarg=Fioff+Fav···(7)]]>其中Fav由下面的平衡条件确定
Ftot(K)=Σi=1NFitarg=Σi=1NFioff+NFav···(8)]]>这样，即使偏移量(定义负载间差异)是常数，这项 是随时间变化的并且等于Ftot(k)。
如上所述，动态权重widyn(k)可由操作员设置。除非由操作员作重大改变，否则在预测周期中动态权重widyn(k)被假定为恒定的。如果它们被改变，可使用线性内插算法来修正。而且，如以上关于式(6)所述，动态权重widyn(k)被归一化为1。
如上面指明的，非约束分配轨迹Fiunconstr(k)不需要满足约束条件。另一方面，动态分配轨迹Fidyn(k)需要受约束。实时优化器14所强加的约束可由操作者产生。可选择地和/或另外，约束可以是从所有级别的子级联上的从属控制器所传递的算法生成的约束。约束也可以是随时间变化的。此外，约束可以是绝对限定(例如动态分配轨迹Fidyn(k)上的上下限Fimax(k)和Fimin(k))，而且约束可以是变化率限定(例如递减和递增限定分别为Fi-(k)和Fi+(k))。
当一定不能违反绝对约束时，可以违反变化率约束。然而，应该严格处罚这种违反，以便避免不期望的热应力，其可能对控制系统设备的寿命具有负面影响。
在计算动态分配轨迹Fidyn(k)的第二步中，根据非约束分配轨迹Fiunconstr(k)来计算动态分配轨迹Fidyn(k)。动态分配轨迹Fidyn(k)必须满足根据下式的总负载能量需求Ftot(就像非约束分配轨迹Fiunconstr(k)也必须满足一样)Σi=1NFidyn=Ftot···(9)]]>此外，动态分配轨迹Fidyn(k)由绝对约束来约束，被称作硬约束，变化率约束被称作软约束，因为它们可被任意(尽管严格处罚)值zi(k)违反。
这些约束由下面的表达式给出Fimin≤Fidyn≤Fimax···(10)]]>-Fi-≤ΔFidyn-zi≤Fi+···(11)]]>其中Fidyn=Fidyn(0)···Fidyn(K)fori=1,…,N···(12)]]>Fdyn=F1dyn···Fndyn···(13)]]>对于Fimin、Fimax、Fi-、Fi+和zi，可以写成类似于表达式(12)的表达式。每个向量Fidyn、Fimin、Fimax、Fi-、Fi+和zi都有相应的维数K+1。而且，对于Fmin、Fmax、F-和F+，还可以写成类似于表达式(13)的表达式。每个向量Fdyn、Fmin、Fmax、F-和F+都有相应的维数N(K+1)。
按照下列等式定义差异向量ΔFidynΔFidyn=DFidyn-Fiact···(14)]]>其中D是由下式给出的(K+1)乘(K+1)差异矩阵D=1-11······-11···(15)]]>并且其中Fiact是如下式给出的第一分量中具有相应负载的实际输入能量需求(例如锅炉的实际燃料供给)，其余分量是零的(K+1)维向量Fiact=Fiact0···0···(16)]]>实际输入能量需求Fiact可由位于负载161-16N的能量输入端的适当传感器来感测。
为了处罚变化率约束的违反，引入变量zi(k)。如果zi(k)等于零(无处罚)，则根据不等式(11)，ΔFidyn(k)必须处于变化率限定以内。如果ΔFidyn(k)不在相应限定内，变量zi(k)等于ΔFidyn(k)与范围(-Fi-(k)，Fi+(k))的偏差，被定义成Z的范数的限定违反处罚变成非零。
通过使对于Fdyn与非约束分配Funconstr的偏离和变化率限定的违反的处罚最小化来获得动态需求分配Fdyn。也就是说，通过最小化下列函数来获得动态分配Fdynf(F,z)=||Fdyn-Funconstr||Q(1)2+||z||Q(2)2···(17)]]>关于变量Fdyn和z，受到(9)-(11)约束。应该指出，式(17)中的向量Funconstr具有类似于式(13)右手边的2N(K+1)维。函数(17)是具有2N(K+1)维的二次编程问题。
平方N(K+1)乘N(K+1)范数矩阵Q(1)和Q(2)可被选择成其元素仅依赖于锅炉i，而不依赖于轨迹点k的对角矩阵。因此，这些矩阵可以由下式给出
Q(j)=q1(j)···qN(j)···(18)]]>qi(j)=wi(j)I···(19)]]>其中j＝1、2，其中I是(K+1)乘(K+1)单位矩阵，并且其中对于i＝1、...、N，wi(1)和wi(2)是处罚权重。在优化器启动期间，处罚权重wi(1)和wi(2)可以由过程工程师来定义。
如上所述的控制算法可以由控制系统10按照图3所示的流程图来实现。在这个流程图的框30中，对于每个点k，当k等于当前值时，总能量负载需求Ftot(k)由预测控制器12来投射出去到水平线K。在框32，利用式(3)使用由上述实时优化器14所设置的预测稳态目标分配Fitarg(k)来计算Ftot(k)的变化、即ΔFtot(k)。作为选择，目标分配Fitarg(k)可按照上述式(7)和(8)来确定。此外，在框34，使用式(2)来计算非约束分配轨迹Fiunconstr(k)，其中目标分配Fitarg(k)就如用于框32中的一样，其中动态权重widyn(k)可由例如操作员来设置，并且其中总能量负载需求Ftot(k)由框30来提供。
然后在框36，按照式(17)、(18)和(19)来确定动态需求分配轨迹Fidyn(k)，并且在框38中，按照式(14)、(15)和(16)来确定差异向量ΔFidyn。在框40，按照式(9)、(10)和(11)将约束应用于动态分配轨迹Fidyn(k)和差异向量ΔFidyn。在框42，受约束的动态需求分配轨迹Fidyn(k)被用来控制提供给各个负载1，...，N的能量。
然后，在重复框(30)-(44)的操作之前，框44中的算法等待下一个时间k。
上面已经描述了本发明的某些修改。本领域的技术人员会想到本发明的其他修改。例如，虽然上面已经具体参照负载、如锅炉的控制描述了本发明，但是本发明还可结合其他各种控制过程使用。
如上所述，目标分配Fitarg(k)由实时优化器提供。作为选择，目标分配Fitarg(k)可由操作员来设置。
因此，本发明的描述应被解释成仅用于说明和教导本领域技术人员实施本发明的最佳方式。细节可能有很大改变，但不脱离本发明的实质，并且保留在所附权利要求范围内的所有修改的专用权。
权利要求
1.一种用于控制负载的过程控制系统，包括预测控制器，根据负载的稳态目标能量需求预测负载在预测点k＝0、1、2、...、K的能量需求；以及实时优化器，根据所预测的能量需求确定负载在预测点k＝0、1、2、...、K的最优动态能量需要需求，并根据动态能量需要需求控制负载。
2.如权利要求1所述的过程控制系统，其特征在于，所述实时优化器用来将动态能量需要需求约束到一个界限，并根据约束的动态能量需要需求控制负载。
3.如权利要求2所述的过程控制系统，其特征在于，界限包括最大界限。
4.如权利要求2所述的过程控制系统，其特征在于，界限包括最小界限。
5.如权利要求2所述的过程控制系统，其特征在于，界限包括最大界限和最小界限。
6.如权利要求2所述的过程控制系统，其特征在于，实时优化器根据下式确定ΔFdynΔFdyn＝DFdyn-Fact其中D是由下式给出的(K+1)乘(K+1)矩阵D=1-11......-11]]>并且其中Fact是如下式所给出的(K+1)维向量，其中在第一分量中表示负载的实际能量消耗，其他分量为零Fact=Fact0···0]]>其中Fdyn是动态能量需要需求，并且其中ΔFdyn被约束到一个界限。
7.如权利要求6所述的过程控制系统，其特征在于，ΔFdyn的界限包括最大界限。
8.如权利要求6所述的过程控制系统，其特征在于，ΔFdyn的界限包括最小界限。
9.如权利要求6所述的过程控制系统，其特征在于，ΔFdyn的界限包括最小界限和最大界限。
10.如权利要求1所述的过程控制系统，其特征在于，所预测的能量需求由Funconstr表示，其中动态能量需要需求由Fdyn表示，并且其中Fdyn通过使基于Funconstr和Fdyn之间差异的二次函数最小化来确定。
11.如权利要求10所述的过程控制系统，其特征在于，Funconstr和Fdyn各具有维数K+1。
12.如权利要求10所述的过程控制系统，其特征在于，实时控制器用来将Fdyn约束到一个界限并根据约束的Fdyn控制负载。
13.如权利要求12所述的过程控制系统，其特征在于，界限包括最大界限。
14.如权利要求12所述的过程控制系统，其特征在于，界限包括最小界限。
15.如权利要求12所述的过程控制系统，其特征在于，界限包括最小界限和最大界限。
16.一种用于控制负载1、2、...、N的过程控制方法，包括在预测控制器中，根据每个负载1、2、...、N的稳态目标分配，预测每个负载1、2、...、N在预测点k＝0、1、2、...、K的能量需求；在实时优化器中，根据所预测的能量需求，确定每个负载1、2、...、N在预测点k＝0、1、2、...、K的动态能量需要需求；以及根据动态能量需要需求控制负载1、2、...、N。
17.如权利要求16所述的过程控制方法，其特征在于，根据动态能量需要需求控制负载包括将每个动态能量需要需求约束到一个相应的界限；以及根据相应的约束的动态能量需要需求控制负载1、2、...、N。
18.如权利要求17所述的过程控制方法，其特征在于，相应的界限包括相应的最大界限。
19.如权利要求17所述的过程控制方法，其特征在于，相应的界限包括相应的最小界限。
20.如权利要求17所述的过程控制方法，其特征在于，相应的界限包括相应的最小界限和相应的最大界限。
21.如权利要求17所述的过程控制方法，其特征在于还包括根据下式确定ΔFidynΔFidyn=DFidyn-Fiact]]>其中D是由下式给出的(K+1)乘(K+1)矩阵D=1-11······-11]]>并且其中Fiact是如下式给出的(K+1)维向量，其中第一分量中具有相应的一个负载的实际能量消耗，其余分量为零Fiact=Fiact0···0]]>其中i＝1、2、...、N表示负载，其中Fidyn表示负载1、2、...、N的动态能量需要需求，并且其中ΔFidyn被约束到相应的界限。
22.如权利要求21所述的过程控制方法，其特征在于，ΔFidyn的相应界限包括相应的最大界限。
23.如权利要求21所述的过程控制方法，其特征在于，ΔFidyn的相应界限包括相应的最小界限。
24.如权利要求21所述的过程控制方法，其特征在于，ΔFidyn的相应界限包括相应的最小界限和相应的最大界限。
25.如权利要求16所述的过程控制方法，其特征在于，每个负载1、2、...、N的预测能量需求被表示成Fiunconstr，其中每个负载1、2、...、N的动态能量需要需求被表示成Fidyn，其中通过关于变量Fdyn和z使下面的二次函数最小化来确定Fidynf(F，z)＝‖Fdyn-Funconstr‖2Q(1)+‖z‖2Q(2)其中Fdyn和Funconstr是各具有维数2N(K+1)的向量，其中Q(1)和Q(2)各是由下式给出的平方N(K+1)乘N(K+1)范数矩阵Q(j)=q1(j)···qN(j)]]>qi(j)=wi(j)I]]>其中I是(K+1)乘(K+1)单位矩阵，其中wi(1)和wi(2)是i＝1、2、...、N的处罚权重，并且其中z是具有2N(K+1)维的处罚向量。
26.如权利要求25所述的过程控制方法，其特征在于，Funconstr和Fdyn各具有K+1维。
27.如权利要求25所述的过程控制方法，其特征在于，根据动态能量需要需求控制负载1、2、...、N包括将Fidyn约束到相应的界限；以及根据约束的Fidyn控制负载。
28.如权利要求27所述的过程控制方法，其特征在于，相应的界限包括相应的最大界限。
29.如权利要求27所述的过程控制方法，其特征在于，相应的界限包括相应的最小界限。
30.如权利要求27所述的过程控制方法，其特征在于，相应的界限包括相应的最小界限和相应的最大界限。
31.一种用于控制负载1、2、...、N的过程控制方法，包括通过预测控制器，预测负载1、2、...、N在预测点k＝0、1、2、...、K的总能量需求；通过实时优化器，根据每个负载1、2、...、N的稳态目标，将总能量需求在预测点k＝0、1、2、...、K分配给负载1、2、...、N；通过实时优化器，根据所分配的能量需求，确定每个负载1、2、...、N在预测点k＝0、1、2、...、K的动态能量需要需求；以及根据动态能量需要需求控制负载1、2、...、N。
32.如权利要求31所述的过程控制方法，其特征在于，对于负载1、2、...、N的总能量需求的分配包括对于每个负载i＝1、2、...、N和对于每个预测点k＝0、1、2、...、K，按照下式确定总能量需求的变化ΔFtot(k)ΔFtot(k)=Ftot(k)-Σi=1NFitarg(k)]]>按照下式将总能量需求在预测点k＝0、1、2、...、K分配给负载1、2、...、NFiallocated(k)=Fitarg(k)+widyn(k)ΔFtot(k)]]>其中Fitarg(k)是负载1、2、...、N的稳态目标，以及其中widyn(k)是确定总能量需求的分配的权重。
33.如权利要求32所述的过程控制方法，其特征在于，widyn(k)由操作员来设置。
34.如权利要求32所述的过程控制方法，其特征在于，widyn(k)由经济负载分配模块来设置。
35.如权利要求32所述的过程控制方法，其特征在于，Fitarg(k)由操作员来设置。
36.如权利要求32所述的过程控制方法，其特征在于，Fitarg(k)由经济负载分配模块来设置。
37.如权利要求31所述的过程控制方法，其特征在于，根据动态能量需要需求控制负载1、2、...、N包括将每个动态能量需要需求约束到一个相应的界限；以及根据相应的约束的动态能量需要需求控制负载1、2、...、N。
38.如权利要求37所述的过程控制方法，其特征在于，相应的界限包括相应的最大界限。
39.如权利要求37所述的过程控制方法，其特征在于，相应的界限包括相应的最小界限。
40.如权利要求37所述的过程控制方法，其特征在于，相应的界限包括相应的最小界限和相应的最大界限。
41.如权利要求31所述的过程控制方法，其特征在于，在预测点k＝0、1、2、...、K分配给负载1、2、...、N的总能量需求被表示成Fidyn，其中过程控制方法还包括按照下式确定分配给负载1、2、...、N的总能量需求的变化ΔFidynΔFidyn=DFidyn-Fiact]]>其中D是由下式给出的(K+1)乘(K+1)矩阵D=1-11······-11]]>并且其中Fiact是如下式给出的(K+1)维向量，其中第一分量中具有相应负载的实际能量消耗，其他分量是零Fiact=Fiact0···0]]>其中i＝1、2、...、N表示负载，并且其中ΔFidyn被约束到一个相应的界限。
42.如权利要求41所述的过程控制方法，其特征在于，ΔFidyn的相应界限包括相应的最大界限。
43.如权利要求41所述的过程控制方法，其特征在于，ΔFidyn的相应界限包括相应的最小界限。
44.如权利要求39所述的过程控制方法，其特征在于，ΔFidyn的相应界限包括相应的最小界限和相应的最大界限。
45.如权利要求31所述的过程控制方法，其特征在于，分配到每个负载1、2、...、N的总能量需求被表示成Fiunconstr，其中每个负载1、2、...、N的动态能量需要需求被表示成Fidyn，其中通过关于变量Fdyn和z使以下二次函数最小化来确定Fidynf(F,z)＝‖Fdyn-Funconstr‖2Q(1)+‖z‖2Q(2)其中Fdyn和Funconstr是各具有维数2N(K+1)的向量，其中Q(1)和Q(2)是由下式给出的各平方N(K+1)乘N(K+1)范数矩阵Q(j)=q1(j)···qN(j)]]>qi(j)=wi(j)I]]>其中j＝1、2，其中I是(K+1)乘(K+1)单位矩阵，其中wi(1)和wi(2)是i＝1、...、N的处罚权重，并且其中z是具有2N(K+1)维的处罚向量。
46.如权利要求45所述的过程控制方法，其特征在于，Funconstr和Fdyn各具有K+1维。
47.如权利要求45所述的过程控制方法，其特征在于，根据动态能量需要需求控制负载1、2、...、N包括将Fidyn约束到相应的界限；以及根据约束的Fidyn控制负载。
48.如权利要求47所述的过程控制方法，其特征在于，相应的界限包括相应的最大界限。
49.如权利要求47所述的过程控制方法，其特征在于，相应的界限包括相应的最小界限。
50.如权利要求47所述的过程控制方法，其特征在于，相应的界限包括相应的最小界限和最大界限。
全文摘要
通过预测负载1、2、...、N在预测点k＝0、1、2、...、K的总能量需求，通过在预测点k＝0、1、2、...、K向负载1、2、...、N分配总能量需求，通过根据所分配的能量需求确定每个负载1、2、...、N在预测点k＝0、1、2、...、K的动态能量需要需求，以及通过根据动态能量需要需求控制负载1、2、...、N，控制负载1、2、...、N。
文档编号G05B13/02GK1735846SQ200380108343
公开日2006年2月15日 申请日期2003年11月7日 优先权日2002年11月12日
发明者V·哈夫莱纳 申请人:霍尼韦尔国际公司