一种提高火电机组低碳灵活性运行能力的分层模糊广义预测控制方法

本发明涉及火力发电机组灵活性运行的协调控制，更具体地，涉及一种提高火电机组低碳灵活性运行能力的分层模糊广义预测控制策略。

背景技术：

1、近年来，随着规模化可再生能源发电并入电网，有效缓解了我国化石能源短缺、环境污染等问题。但其伴随的强随机性、波动性和间歇性严重威胁着电网的安全、经济、稳定运行。灵活的能源是平衡电力供需的迫切需要，现有的大型火力发电厂被视为间歇性可再生能源的重要补充，提高火力发电机组的灵活性，对于增加可再生能源至关重要。目前，火电不仅是我国最主要的发电电源，而且在抽水蓄能、燃气电站等调峰电源比例较低的现状下，火电还要承担起电力调峰调频的任务，在供暖期火电还要兼顾供热任务，同时双碳战略决策的制定为火电机组灵活性运行赋予了新的内涵与生机，调峰深度和负荷调控快速性不再是灵活性运行中考虑的唯一标准，机组的煤耗和碳排放等节能减排指标的重要性也日益凸显。这多重角色对火电机组发电。提出更高的要求。因此，急需推进火力发电机组的技术改造，提高其深度调峰能力，为大规模集中式可再生能源电力的消纳提供保障。

2、超超超临界机组是一个庞大而复杂的热力系统，由直通锅炉和汽轮机两大子系统组成，具有高热效率、低排放、少污染的先进发电技术，超超临界机组的热效率提高了1.2％～4％，因此它已成为我国近年来电力生产领域的主力机组。所以，挖掘超超临界机组的负荷快速控制能力，对提高能源利用效率及接纳大规模新能源电力并入电网具有重要现实意义。作为超超临界机组的控制核心，协调控制系统需满足高品质的控制性能要求以提高单元机组的灵活性运行能力。然而，超超临界机组协调控制系统具有多变量、时变、非线性、大延迟和强耦合的动态特性，加之可再生能源电力并入电网带来的波动，采用常规方法已难以满足控制性能需求。火电机组灵活性运行旨在通过控制策略的设计实现机组的深度、快速变负荷，对于这种复杂对象，传统的pid控制已难以实现更高要求的控制表现。因此，本文将超超临界机组的协调控制系统作为被控对象，为其设计先进的分层模糊广义预测控制控制策略，对双碳战略下提高大型火力发电机组的灵活性运行能力具有重要意义。

3、预测控制发展至今，已有几十种算法，依托参数模型的广义预测控制(gpc)算法引入了自适应控制的概念，通常选择受控自回归积分滑动平均模型(carima)模型来代表被控对象，能够处理最小相位系统，有着更好的适用范围。但无论选择何种预测控制的算法，都有一条很突出的优点：能够显式的处理约束。预测控制能够基于模型，预测被控对象未来时刻的动态，因此在未来时刻输入和输出中可以被施加约束，通过在线求解二次规划或选择智能算法进行优化，能够计算出在此约束下的最优控制序列。此外，分层控制结构将优化问题和跟踪问题分开处理的逻辑也能够满足本文的控制要求。gpc在电力、航空航天、燃料电池等工业领域得到广泛研究与应用。因此，提出一种以低碳性和灵活性为特征的模糊广义预测控制(fgpc)，并且引入l1自适应控制，形成一种分层递阶控制策略，以提高机组的低碳性和负荷快速控制能力、实现大型火电机组的灵活性运行。

技术实现思路

1、本发明旨在提供一种提高火电机组低碳灵活性运行能力的分层模糊广义预测控制方法，改进大型火力发电机组协调控制系统的控制品质，提高机组的低碳性能和负荷快速控制能力。该方法充分考虑了被控对象的复杂动态特性及机组实际运行过程中因负荷和煤质变化带来的扰动、模型内部的不确定性，并将低碳节能作为重要考虑指标，同时融合了机组运行中的灵活性、环保性及经济性相关指标及约束，结合改进型广义预测控制技术和l1自适应控制为其设计先进的分层控制策略。机组协调控制系统基于所设计的级联自适应容积卡尔曼自抗扰控制器，机组各工况点模型均实现了快速准确响应负荷指令并保证了经济性和环保性。

2、本发明所提出的一种提高火电机组低碳灵活性运行能力的分层模糊广义预测控制方法，由以下4个步骤组成：

3、s1：分析超超临界机组锅炉—汽轮机单元在低碳灵活运行下的控制难点；

4、s2：确立针对超超临界机组协调控制系统的改进型分层控制策略；

5、s3：描述提升机组低碳灵活运行的分层控制技术的原理及设计步骤；

6、s4：依托仿真平台验证并分析所提控制策略的可行性。

7、s1：单元机组协调控制系统的任务是响应外部负荷指令ns的同时，维持汽轮机与锅炉的供需能量平衡，保证机组安全稳定运行；双碳战略决策的制定为火电机组灵活性运行赋予了新的内涵与生机，调峰深度和负荷调控快速性不再是灵活性运行中考虑的唯一标准，机组的煤耗和碳排放等节能减排指标的重要性也日益凸显，作为碳排放体量较大的火力发电领域，通过其灵活性运行促进电力系统的新能源消纳，是推动发电领域清洁转型的重要环节；因此，在控制器的设计中不仅需要考虑火电机组灵活性运行中的负荷调控快速性和精确性，还需从节能减排的角度出发，引入发电过程的煤耗率和碳排放等相关目标及约束；超超临界直流炉机组由于缺乏汽包的缓冲蓄能作用，其给水控制无法独立出来，因此将其协调控制系统描述为一个三输入三输出的被控对象，能更为准确地描述其动态特性，被控对象的三个被控量为：有功功率n、主蒸汽压力pt和分离器出口温度t，三个控制输入量为：阀门开度μt、燃料量b、给水量w；被控量与控制输入量之间相互强耦合且伴随着时变、大延迟、非线性等复杂动态特性，加之电网随机性的波动，机组的协调控制系统获取满意的控制品质需要进一步改善。

8、s2：基于s1的分析可知，超超临界机组协调控制系统因其复杂的动态特性，难以获取满意的控制性能，因此需为其设计先进的控制策略以提高控制品质；本发明从满足双碳需求的角度出发，引入发电过程的煤耗率和碳排放等相关约束，设计了一种分层递阶控制器来实现超超临界机组在较大工况范围内快速升降负荷，从而提高其运行灵活性；在分层递阶控制策略中，上层模糊广义预测控制(fgpc)的作用在于得到最优控制序列和相应的最优轨迹，然后将控制序列传输到下层，并集成到下层l1自适应控制器中，进一步完成轨迹的跟踪，这种分层结构最大的优点是将优化问题和跟踪问题分开解决，既保证了跟踪性能，也降低了求解优化问题的难度。

9、在确定了基于被控对象的分层模糊广义预测控制策略架构后，在s3中将对控制策略的设计步骤具体化：

10、s3.1：模糊广义预测控制。

11、s3.1.1在模糊广义预测控制的设计中不仅需考虑火电机组灵活性运行中的负荷调控快速性和精确性等问题，还需从节能减排的角度出发，引入发电过程的煤耗率和碳排放等相关目标及约束。鉴于预测控制在处理多目标、多约束复杂问题方面的强大性能，本章所提出fgpc策略的如下目标函数j由子目标j1和j2组建而成：

12、j＝λ1j1+λ2j2                        (1)

13、式中：子目标j1表示与算法跟踪精度和变量变化平稳性相关的控制目标；子目标j2与煤耗率和碳排放等经济性和环保性能相关；λ1和λ2分别代表上述子目标的权重系数。启发于模糊控制的思想，通过构建模糊规则对本章所提出的低碳灵活fgpc中子目标j1和j2的权重系数λ1和λ2进行动态选取。j1的权重系数越大，控制过程越偏重于对负荷跟踪性能的考虑；反之，随着λ2取值的增大，控制系统的节能减排性能越好。

14、为消除超临界机组控制过程中参数不确定性的影响并达到算法跟踪性能和节能减排能力的均衡，通过模糊选择确定j1、j2的加权系数λ1、λ2。在模糊规则的构建中，以归一化跟踪误差e(t)和碳排放增量δe(t)为输入。

15、

16、

17、δe(t)＝e(t)-e(t-1)                    (4)

18、其中：m为输出向量中的变量个数，此处为3；ei(t)为当前时刻输出变量i的绝对误差，和为截止当前时刻变量的最大和最小误差，考虑到归一化处理后跟踪误差e(t)≤mout＝3，再根据机组的实际出力情况，可将e(t)和δe(t)的模糊论域分别设置为(0,3]和(0,20](g/kwh)。与此同时，λ1和λ2模糊论域均为(0,1]。选取nb、nm、ns、zo、ps、pm、pb为模糊集合标记，依次表示取值的负大、负中、负小、中值、正小正中和正大。鉴于高斯函数的理想特性及在计算过程的简便性，上述模糊规则输入输出变量的隶属度函数均采用高斯函数形式。

19、接下来，分别对j1和j2进行详细说明。基于上一章建立的超临界机组三入三出模型，首先计及控制过程的设定值跟踪误差和操纵变量的变化量得到j1：

20、

21、其中：t代表当前时刻；wref为输出变量设定值组成的参考轨迹；表示时刻t的预测模型输出；u(t)＝[ub,dfw,μt]t是相应的操纵变量；re为误差权重矩阵，与此同时rc代表控制权重矩阵。

22、然后，提出了三项经济指标，用以分析机组经济性：

23、机组负荷跟踪误差成本：

24、为了满足用户不断变化的电力需求，消除可再生能源电力并网的波动，负荷跟踪的速度和精度是火电机组灵活运行时最关键的要求。为了对这一指标进行评价，本文根据机组所在电网对负荷的考核标准，定义与负荷的跟踪速率相关的成本函数，但由于j1已基本完成了负荷的跟踪，所以负荷跟踪误差成本并不需要特别详细具体，因此本文选取了更方便的成本函数，并将负荷跟踪成本表示为：

25、

26、其中，ne(t)代表着在时刻机组的实际输出功率，nsp代表机组输出功率的设定值，tn表示机组的实际运行时间。

27、主蒸汽阀门节流损失：

28、主蒸汽阀门的节流损失是由于蒸汽通过阀门时的节流作用，使蒸汽压力降低，蒸汽熵增大，导致蒸汽做功能力下降，使机组在灵活运行时的经济性降低。蒸汽压力越高、装机容量越大的机组，节流效应更加明显。因此，节流损失是评价机组经济性能的重要指标，机组发电效率和经济性与主蒸汽节流损失成反比，降低在灵活运行时的节流损失可以有效提高机组的经济性。

29、节流损失jv(kj/s)可定义为如下的形式：

30、

31、这里的δh(t)代表单位质量工质在t时刻的节流损失(kj/kg)，dst(t)表示在t时刻主蒸汽的流量(kg/s)。

32、煤耗率：

33、燃料成本在火力发电厂的运行成本中占有很大的比重。因此，控制煤耗率的降低可以显著提高火电机组运行的经济性。火电机组标准煤耗率表示为煤耗与供电比例：

34、

35、但由于本文主要侧重于控制策略的设计，将煤耗率转换为协调控制系统的供电煤量与负荷输出变量之间的关系：

36、

37、煤耗率jb(g/kw·h)的数学表达式为：

38、

39、其中kb代表折现系数(取714.3)，ub表示在t时刻的供煤量(t/h)。

40、通过以上三种经济指标，可以加权整理为优化问题中的目标函数，引入权重v1，v2，v3，得到经济指标函数j2的表达式如下：

41、j2＝v1jn+v2jv+v3jb      (11)

42、s3.1.2低碳灵活运行需求下的控制律求解。

43、gpc中所用的预测模型一般采用受控自回归积分滑动平均(carima)模型形式，该模型的表达式为：

44、

45、利用机组过去时刻的输入和输出预测未来输出：

46、

47、其中，

48、

49、由于可得下式：

50、

51、将原预测模型的两边同时乘上δej(z-1)zj，得到：

52、

53、然后将丢番图方程转化为以下式的形式：

54、

55、将上式两边同乘y(k+j)，得下式：

56、

57、进行整理后，可以获得未来时刻的预测输出表达式：

58、y(k+j)＝fj(z-1)y(k)+ej(z-1)b(z-1)δu(k+j-1)+ej(z-1)e(k+j)(19)

59、式中，e(k+j)为系统未来的噪声，不具备可预测性。因此，从当前时刻开始，未来第j时刻的预测输出为：

60、y(k+j|k)＝fj(z-1)y(k)+gj(z-1)δu(k+j-1)         (20)

61、gj(z-1)＝gj,0+gj,1z-1+…+gj,nb+j-1z-(nb+j-1)         (21)

62、分别将n和m作为预测时域和控制时域，依托上进行递推求解即可得到整个预测时域内的输出表达式：

63、

64、整理后可得j1和j2关于控制率的具体表达式：

65、

66、约束条件一般包括式所示的幅值约束和速率约束：

67、

68、其中的幅值约束也可以转化为速率约束，如下式：

69、umin-u(k-1)≤δu(k)≤umax-u(k-1)(25)

70、考虑未来m步的控制增量时，约束可以统一表示为：

71、luδu(k)≤l        (26)

72、

73、综上可得如下标准二次规划形式的优化问题：

74、s.t.luδu(t)≤l

75、然后对二次规划问题求解。

76、s3.2：下层跟踪控制器：随着l1自适应控制的发展，针对不同的实际应用场景和设备特点，各种各样的自适应律逐步被提出，本文采用离散分段常数自适应律，更适用于模型对象，也更容易实现。

77、首先将模型转化为控制问题的标准数学描述，如下式：

78、

79、其中，是对系统的集中不确定性的估计，令采用分段常自适应律在采样点t＝kts进行更新：

80、

81、

82、

83、其中，ts为l1自适应控制的样本时间，in为n维单位矩阵。

84、当t∈[kts,(k+1)ts]，令

85、

86、此时，控制律可由下式来计算得到：

87、

88、式中，u(s),u*(s)分别为变量u(t),σ(t),u*(t)的拉普拉斯变换。u*(t)是来自上层fgpc控制器的控制信号，c(s)是一个低通滤波器，用来确定控制信号的带宽。

89、在预测控制算法中，为了提高系统的跟踪性能，常常会引入设定点的柔化操作。不同的柔化因子对控制器性能的影响是有很大差别的。因此，本节采用了一种柔化因子的自适应调整方案，来使得不同时刻的柔化因子参数值始终是最优的，从而最大限度提升系统的跟踪性能。

90、一般的，进行设定值的柔化操作后，输出向量的参考轨迹可由下式表示：

91、w(k+i)＝y*(k+i)-αi[y*(k)-y(k)]      (35)

92、其中，w(k+i)为经柔化操作后的设定值，y*(k)为原始设定值，y(k)为实际输出值。

93、接下来对设定值的自适应柔化操作方法的具体步骤做出说明。

94、第一步：通过计算系统输出误差与误差变化率的比值来对上升时间进行估计。

95、

96、第二步：定义上升时间的满意隶属度函数，如下式，确定上升时间是否满足控制目标。

97、

98、第三步：在采样时刻k，对预测时域内每个未来时间的预测输出值定义一个满意隶属度，如下式：

99、

100、此时，可以将对系统上升时间和超调量的要求等效于ts(k)和的约束，即在k时刻，系统对控制目标的满意度函数为：

101、

102、模糊满意指数μ增大说明系统的上升时间较长，而超调量较小，这时需要加快系统的响应速度；反之，μ减小意味着上升时间较短，而超调量大，这时应该降低系统的响应速度。

103、根据软化因子α对系统动态响应的影响关系，其表达式可设计为

104、

105、其中，αmax为α所能取到的最大值，b为增益参数。

106、s3.3新型的分层递阶控制结构。

107、在该控制结构中，上层使用模糊广义预测控制，下层使用l1自适应控制；在模型方面，采用模糊神经网络辨识模型，然后改写成carima模型作为上层广义预测控制的预测模型，然后下层l1自适应控制的模型是由carima模型转化而来的状态空间模型；在分层递阶控制策略中，上层fgpc的作用在于得到最优控制序列和相应的最优轨迹，然后将控制序列传输到下层，并集成到下层l1自适应控制器中，让其进一步完成轨迹的跟踪；该分层控制策略最大的优点是将优化问题和跟踪问题分离开来，既保证了跟踪性能，也降低了求解优化问题的难度；至此已完成基于超超临界机组协调控制系统的控制器设计。

108、至此已完成基于超超临界机组协调控制系统的控制器设计。

109、基于步骤s3所得的改进型预测控制结构，为被控对象确立分层模糊预测控制器。在步骤s4中依托仿真平台验证并分析所提控制策略的可行性，具体过程如下：

110、s4.1：分别选取4900组某超超临界机组50％-100％负荷工况点附近的实际历史运行数据，使用模糊神经网络辨识得到模型，并转化成的carima模型作为上层fgpc的预测模型，将此carima模型转化为状态空间模型，适应l1自适应控制器的需要；

111、s4.2：参数设置：kb＝714.3,v1＝0,v2＝v3＝0.5,δumin＝[-0.1,-2,-30],δumax＝[0.1,2,30],umin＝[1,160,2900],umax＝[100,400,4000]；

112、s4.3：首先比较本发明提出的分层控制策略与传统gpc控制器对负荷需求指令的跟踪性能，然后测试三个输出的给定值同时改变的实验，绘制仿真曲线图，验证对比其跟踪性能；

113、s4.4：设计三种抗干扰实验，分别是恒定工况下的过程通道和测量通道干扰，以及变工况条件下的测量通道干扰，验证所提策略的抗干扰能力；

114、s4.5：比较本发明提出的分层控制策略与传统gpc控制器两种算法在机组灵活运行时的经济性能，绘制主蒸汽阀门节流损失曲线和煤耗率曲线，分析经济性能；

115、s4.6：为了定量对比所提控制策略的性能，选取负荷跟踪的调节时间、超调量σ和稳态误差、三个输出的平均绝对误差(mae)指标与经济指标的均方跟误差(rmse)作为评价标准，并将升负荷测试和降负荷测试的结果进行分析验证；

116、

117、

118、

119、本发明有益效果：

120、本发明结合我国电力生产领域逐步提升新能源电力消纳能力的发展趋势，从控制的角度出发，为超超临界机组协调控制系统设计基于模糊预测控制和l1自适应控制的分层控制策略，提升火力发电机组机组的灵活性和低碳性。

121、本发明设计了一种新型的分层递阶控制器。其上层由无静态误差的多变量约束广义预测控制器构成，通过求解稳态优化问题，得到系统的最优控制序列和相应的最优轨迹。上层控制器不仅能保证稳态误差的消除，还可避免控制量过多的剧烈波动。下层由l1自适应控制器构成，主要作用是让机组输出跟踪最优轨迹。使所设计的控制器火电机组在满足双碳战略需求下的灵活运行能力。

122、本发明将庞大复杂的火电厂机组系统，被控对象简化为一个三入三出的系统，更能准确地描述大型火力发电机组锅炉-汽轮机单元的动态特性。此外，该方法充分考虑了被控对象的复杂动态特性及机组实际运行过程中因负荷和煤质变化带来的扰动、模型内部的不确定性，并将低碳节能作为重要考虑指标，同时融合了机组运行中的灵活性、环保性及经济性相关指标及约束。