超臨界機(jī)組典型非線性過(guò)程的建模與控制研究.pdf

1、控制系統(tǒng)作為超臨界機(jī)組的神經(jīng)中樞，對(duì)機(jī)組穩(wěn)定、安全與經(jīng)濟(jì)運(yùn)行起著舉足輕重的作用，而實(shí)際控制系統(tǒng)存在再熱汽溫系統(tǒng)自動(dòng)難投入和協(xié)調(diào)系統(tǒng)調(diào)節(jié)負(fù)荷速度慢的兩個(gè)突出問(wèn)題，本文圍繞上述超臨界機(jī)組兩個(gè)典型非線性子系統(tǒng)開展了控制導(dǎo)向的建模與控制研究，進(jìn)行了建模方法、優(yōu)化算法改進(jìn)、控制策略設(shè)計(jì)與控制方法改進(jìn)等工作，利用所建模型分別對(duì)兩個(gè)系統(tǒng)進(jìn)行了預(yù)測(cè)控制設(shè)計(jì)與仿真試驗(yàn)研究，此外對(duì)機(jī)爐協(xié)調(diào)系統(tǒng)還進(jìn)行了實(shí)際工程應(yīng)用研究，本文的主要成果包括:
　　1.針

2、對(duì)階躍響應(yīng)連續(xù)模型傳統(tǒng)辨識(shí)方法存在的問(wèn)題，提出了一種可辨識(shí)模型階次與模型參數(shù)的連續(xù)時(shí)間模型辨識(shí)方法。將初始穩(wěn)態(tài)值與模型參數(shù)共同納入辨識(shí)參數(shù)向量，從而直接將階躍響應(yīng)輸出作為原始辨識(shí)數(shù)據(jù)，避免了傳統(tǒng)算法辨識(shí)前的數(shù)據(jù)增量化處理，消除了測(cè)量噪聲和非穩(wěn)定初始條件對(duì)增量化處理的影響;引入一階積分環(huán)節(jié)實(shí)現(xiàn)了辨識(shí)模型純延時(shí)參數(shù)的分離，實(shí)現(xiàn)了連續(xù)時(shí)間模型全參數(shù)直接辨識(shí);通過(guò)濾波器避免了含有噪聲信號(hào)的直接微分運(yùn)算，減小了測(cè)量噪聲對(duì)模型辨識(shí)的影響;結(jié)合經(jīng)典的

3、確定性系數(shù)R2與AIC標(biāo)準(zhǔn)確定了模型的階次。基于該辨識(shí)算法建立了三個(gè)負(fù)荷點(diǎn)（高、中、低）的再熱汽溫系統(tǒng)模型。
　　2.針對(duì)超臨界機(jī)組實(shí)際再熱汽溫系統(tǒng)與預(yù)測(cè)控制算法本身存在的問(wèn)題，提出了一種基于Laguerre函數(shù)的塊結(jié)構(gòu)多模型預(yù)測(cè)控制(MMBLFPC)算法。將預(yù)測(cè)控制用于再熱汽溫控制系統(tǒng)的設(shè)計(jì)，解決了再熱汽溫系統(tǒng)大慣性與大滯后問(wèn)題;將預(yù)測(cè)控制的性能指標(biāo)修改為集成經(jīng)濟(jì)性的性能指標(biāo)，減少了再熱汽溫噴水量提高了機(jī)組經(jīng)濟(jì)性;結(jié)合多模型控制

4、結(jié)構(gòu)解決了再熱汽溫對(duì)象非線性的問(wèn)題;采用塊結(jié)構(gòu)方式為預(yù)測(cè)控制提供更長(zhǎng)的計(jì)算時(shí)間，通過(guò)引入Laguerre網(wǎng)絡(luò)對(duì)優(yōu)化變量進(jìn)行壓縮處理實(shí)現(xiàn)了優(yōu)化變量的降維，提高了求解預(yù)測(cè)控制器的計(jì)算速度;將降階后的數(shù)據(jù)驅(qū)動(dòng)模型進(jìn)行狀態(tài)空間轉(zhuǎn)換，轉(zhuǎn)換后的模型用于MMBLFPC內(nèi)部模型，避免了狀態(tài)觀測(cè)器的設(shè)計(jì)與丟番圖方程的求解。通過(guò)MMBLFPC在三個(gè)工況點(diǎn)下的仿真驗(yàn)證，證明了MMBLFPC再熱汽溫控制方法具有良好的控制性能同時(shí)具有較高的經(jīng)濟(jì)性，算法本身計(jì)算速

5、度快易于工程應(yīng)用。
　　3.針對(duì)傳統(tǒng)灰箱建模優(yōu)化存在的問(wèn)題，提出了一種可以處理各種不等式約束的擇優(yōu)競(jìng)爭(zhēng)型混合搜索優(yōu)化算法。通過(guò)結(jié)合受限教學(xué)粒子群算法迅速確定可行解集空間區(qū)域;通過(guò)復(fù)合形算法提升了對(duì)非平滑問(wèn)題在選定區(qū)域的搜索能力;通過(guò)結(jié)合搜索步長(zhǎng)相對(duì)較大的生成集合算法解決了復(fù)合形算法計(jì)算量較大的問(wèn)題，同時(shí)也解決了復(fù)合形算法對(duì)帶噪聲的優(yōu)化目標(biāo)函數(shù)求解可能失效的問(wèn)題?；跓o(wú)噪聲測(cè)試函數(shù)、噪聲測(cè)試函數(shù)和本文的機(jī)爐協(xié)調(diào)模型與其它常用的灰箱模

6、型優(yōu)化算法進(jìn)行比較，證明了此優(yōu)化算法的有效性與優(yōu)越性。對(duì)實(shí)際機(jī)組協(xié)調(diào)系統(tǒng)做了三個(gè)負(fù)荷段（高、中、低）的輸入擾動(dòng)試驗(yàn)，得到了較為全面的試驗(yàn)數(shù)據(jù)，結(jié)合提出的優(yōu)化算法對(duì)仿真模型的靜態(tài)參數(shù)與動(dòng)態(tài)參數(shù)進(jìn)行優(yōu)化求解，建立了適用負(fù)荷范圍更廣的非線性機(jī)爐協(xié)調(diào)仿真模型。
　　4.針對(duì)基于線性化的傳統(tǒng)非線性預(yù)測(cè)控制方法存在的缺點(diǎn)，提出了一種改進(jìn)的牛頓型非線性預(yù)測(cè)控制技術(shù)。通過(guò)在預(yù)測(cè)時(shí)域內(nèi)改進(jìn)原單點(diǎn)線性化不變模型為依賴狀態(tài)變化的多點(diǎn)線性化模型，提高了預(yù)

7、測(cè)控制器內(nèi)部模型的預(yù)測(cè)精度，將所提算法應(yīng)用于建立的機(jī)爐協(xié)調(diào)非線性模型，通過(guò)仿真比較證明了該控制策略對(duì)于非線性對(duì)象在長(zhǎng)預(yù)測(cè)時(shí)域情況下，控制器性能優(yōu)于傳統(tǒng)單點(diǎn)線性化非線性預(yù)測(cè)控制。針對(duì)多變量預(yù)測(cè)控制器參數(shù)整定難的問(wèn)題，結(jié)合電網(wǎng)考核性能指標(biāo)與傳統(tǒng)控制系統(tǒng)性能指標(biāo)，利用Goal attainment多目標(biāo)優(yōu)化算法對(duì)所提出的控制策略進(jìn)行多目標(biāo)控制器參數(shù)優(yōu)化，得到了更優(yōu)的控制器參數(shù)。針對(duì)所提控制算法計(jì)算復(fù)雜度更大的問(wèn)題，結(jié)合支持向量機(jī)回歸進(jìn)一步提出

8、了一種復(fù)雜控制器顯性計(jì)算轉(zhuǎn)換思想，通過(guò)該思想將原改進(jìn)的牛頓型非線性預(yù)測(cè)控制方法轉(zhuǎn)化為顯性的SVM運(yùn)算，通過(guò)對(duì)建立的非線性機(jī)爐協(xié)調(diào)模型進(jìn)行仿真研究，證明了該算法的有效性。
　　5.提出了一種易于計(jì)算機(jī)實(shí)現(xiàn)的簡(jiǎn)化多模型切換預(yù)測(cè)控制算法并對(duì)機(jī)爐協(xié)調(diào)系統(tǒng)進(jìn)行了工程應(yīng)用。通過(guò)選擇控制時(shí)域?yàn)?和單重合點(diǎn)預(yù)測(cè)思想簡(jiǎn)化了預(yù)測(cè)控制的計(jì)算;將輸出預(yù)測(cè)的計(jì)算分解為自由輸出與強(qiáng)迫輸出兩部分，避免了丟番圖方程的求解;通過(guò)對(duì)傳統(tǒng)二次規(guī)劃算法進(jìn)行修改，得到了一

9、種可調(diào)節(jié)計(jì)算時(shí)間的簡(jiǎn)化二次規(guī)劃算法，基于提出的簡(jiǎn)化算法求解控制率，降低了預(yù)測(cè)控制求解時(shí)間;采用多模型切換控制策略，解決了對(duì)象非線性問(wèn)題。為了解決切換無(wú)擾的問(wèn)題，將模糊隸屬函數(shù)引入到性能指標(biāo)中，提出了一種新的模糊軟切換方法，特點(diǎn)是在實(shí)現(xiàn)切換無(wú)擾的同時(shí)提高計(jì)算效率。將提出的算法在超臨界機(jī)組仿真機(jī)環(huán)境下進(jìn)行大量的仿真驗(yàn)證，證明了此算法的有效性，最后將此控制方法實(shí)際應(yīng)用于火電廠協(xié)調(diào)控制系統(tǒng)優(yōu)化，優(yōu)化前后效果明顯，提高了機(jī)組的運(yùn)行穩(wěn)定性與負(fù)荷響應(yīng)