IGCC電站氣化爐動(dòng)態(tài)非線性建模及其控制規(guī)律研究.pdf

1、IGCC(Integrated Gasification Combined Cycle,IGCC)發(fā)電技術(shù)以其高效、燃料適應(yīng)性廣、可結(jié)合多聯(lián)產(chǎn)和二氧化碳捕捉環(huán)節(jié)等技術(shù)優(yōu)勢(shì),提供了一種低污染、低排放的先進(jìn)能源利用方式,成為潔凈煤發(fā)電領(lǐng)域的一個(gè)發(fā)展趨勢(shì)。氣化過程是IGCC發(fā)電技術(shù)的核心環(huán)節(jié),其控制策略的設(shè)計(jì)是影響到整個(gè)IGCC電站穩(wěn)定運(yùn)行的關(guān)鍵,針對(duì)IGCC電站氣化爐控制系統(tǒng)的研究具有重大的理論研究意義和實(shí)際應(yīng)用價(jià)值。本文針對(duì)IGCC電站氣

2、化爐動(dòng)態(tài)建模和控制策略進(jìn)行了如下研究:
　　 1、針對(duì)輸運(yùn)床氣化爐,將混合區(qū)及提升管段按照密相區(qū)高度分為密相和稀相兩個(gè)區(qū)域,考慮了各個(gè)區(qū)域內(nèi)的氣固物性、兩相流動(dòng)、傳熱和化學(xué)反應(yīng)動(dòng)力學(xué)特性并結(jié)合相關(guān)幾何結(jié)構(gòu)參數(shù),建立了輸運(yùn)床氣化爐動(dòng)態(tài)數(shù)學(xué)模型。將該模型應(yīng)用于美國(guó)能源部TRDU(Transport Reactor Development Unit,TRDU)項(xiàng)目中輸運(yùn)床氣化爐的動(dòng)態(tài)特性研究,考察了在模型輸入(空氣量、給煤量和水蒸氣量

3、)分別做階躍擾動(dòng)時(shí),模型輸出(合成氣熱值、壓力和溫度)的動(dòng)態(tài)特性,并對(duì)模型動(dòng)態(tài)變化趨勢(shì)進(jìn)行了分析。仿真結(jié)果表明,模型能夠較為合理地反映輸運(yùn)床氣化爐的動(dòng)態(tài)變化趨勢(shì),該模型的建立為研究輸運(yùn)床氣化爐動(dòng)態(tài)特性和控制系統(tǒng)設(shè)計(jì)提供了試驗(yàn)平臺(tái)。
　　 2、建立了輸運(yùn)床氣化爐模型的傳遞函數(shù)模型。針對(duì)MOESP(Multiple-inputMultiple-output Output-error State Space Model Identif

4、ication,MOESP)和N4SID(NumericalAlgorithm for Subspace State Space System Identification,N4SID)兩種傳統(tǒng)子空間辨識(shí)方法存在的不足,提出了一種改進(jìn)的子空間辨識(shí)算法,先利用MOESP算法計(jì)算出矩陣A和C,再采用N4SID算法計(jì)算輸入矩陣B和前饋矩陣D,降低了算法的復(fù)雜性。通過4個(gè)算例對(duì)算法辨識(shí)精度和計(jì)算效率進(jìn)行驗(yàn)證,然后采用該算法建立了Alstom氣化

5、爐和輸運(yùn)床氣化爐的線性狀態(tài)空間模型,并對(duì)兩種氣化爐線性模型的預(yù)測(cè)性能進(jìn)行了分析。
　　 3、建立了輸運(yùn)床氣化爐控制方案的測(cè)試基準(zhǔn)。針對(duì)輸運(yùn)床氣化爐線性模型進(jìn)行了耦合特性分析,研究了輸運(yùn)床氣化爐5種不同分散控制結(jié)構(gòu)在壓力擾動(dòng)下的抗擾特性,并結(jié)合由線性模型相對(duì)增益矩陣計(jì)算出的變量配對(duì)方式,提出了一種針對(duì)輸運(yùn)床氣化爐的分散PID控制方案。然后從多變量控制系統(tǒng)設(shè)計(jì)角度出發(fā),又提出了基于狀態(tài)空間模型的輸運(yùn)床氣化爐MPC(Model Pre

6、dictive Control,MPC)控制方案,并針對(duì)所提出的兩種控制方案進(jìn)行變工況和壓力擾動(dòng)測(cè)試。
　　 4、針對(duì)煤氣化過程中的非線性特點(diǎn),提出了一種基于改進(jìn)子空間辨識(shí)算法的Wiener非線性模型。分別選取狀態(tài)空間模型和一個(gè)單層神經(jīng)網(wǎng)絡(luò)作為Wiener模型的線性動(dòng)態(tài)部分和非線性靜態(tài)部分。首先對(duì)狀態(tài)空間模型和神經(jīng)網(wǎng)絡(luò)的參數(shù)進(jìn)行初步估計(jì),隨后利用模型初步估計(jì)值對(duì)Wiener模型的參數(shù)進(jìn)行全局優(yōu)化,得到最優(yōu)的模型參數(shù)?；谠撃Ｐ捅?/p>

7、識(shí)算法建立了Alstom氣化爐和輸運(yùn)床氣化爐的非線性Wiener模型,并對(duì)模型的預(yù)測(cè)性能進(jìn)行了相關(guān)研究。結(jié)果表明,該模型對(duì)兩種氣化爐的輸出都能夠進(jìn)行很好地預(yù)測(cè)。
　　 5、針對(duì)Alstom氣化爐和輸運(yùn)床氣化爐,提出了基于改進(jìn)子空間辨識(shí)算法Wiener模型的非線性預(yù)測(cè)控制NMPC(Nonlinear Model Predictive Control,NMPC)方案。通過將模型的非線性部分線性化,得到了一個(gè)線性時(shí)變的狀態(tài)空間模型,可