火电单元机组协调系统的自抗扰控制方案研究

主要研究新型实用非线性自抗扰控制技术(ADRC)在火电单元机组协调控制系统中的应用。ADRC 的主要特性是对扩张状态——系统未建模动态摄动和未知外扰的总和作用量的实时估计,并在控制信号中补偿掉,这也是实现对不 确 性 强 非 线 性 对 象 的 实 时 动 态 反 馈 线 性 化 的 关键。对所提出的单元机组协调系统的自抗扰控制方案在克服机炉对象强非线性、不确定性、时滞、强耦合以及闭环系统的稳定性方面进行了原理性分析。在电厂热工过程控制实时仿真平台 STAR-90 上的仿真结果表明 ADRC 协调控制策略的有效性和先进性。

火电单元机组负荷模糊内模控制及其仿真研究

内模控制是近十几年来发展起来的一种新型控制方法。实现内模控制的关键是模型求逆。该文提出一种基于系统T-S模糊模型的模糊内模控制方法。该方法首先利用快速辨识算法获取系统的T-S模糊模型,然后通过适当变形,把模糊模型求逆问题简单的转化为求解线性方程组,并将遗传算法应用于涉及的多个滤波器参数的寻优。该方法被用于火电单元机组负荷控制系统,仿真结果表明该方法是有效的。

火电单元机组机炉协调柔性自抗扰控制

针对火电单元机组机炉协调系统中普遍存在的强耦合、参数时变、大范围变工况运行等问题设计柔性自抗扰控制方案。首先,利用柔性控制结构调整系统接近能量供需平衡,解决系统输出在快速性和稳定性之间的矛盾。在此基础上,设计自抗扰控制器对系统中的扰动、不确定性等进行估计和补偿,使控制系统具有较强的抗干扰能力和对机组变工况运行的自适应能力。根据实际控制要求,进行设定值跟踪实验、输入扰动实验、变工况实验和蒙特卡罗实验。研究结果表明:所设计方案综合柔性控制结构和自抗扰控制器的优点,具有良好的控制品质和很强的性能鲁棒性。

火电单元机组负荷最优预见控制系统仿真研究

自动发电控制（ＡＧＣ）是现代电网运行控制的基本技术之一。由于ＡＧＣ以整个电网为调节对象，因此只有电网内机组对ＡＧＣ下达的负荷指令具有良好的跟踪性能时才能保证发电质量。显然，对机组而言这是典型的负荷预见控制问题。文章针对单元机组负荷控制的特点，采用最优预见控制（ＯＰＣ）策略设计了基于多变量预见控制原理的单元机组负荷最优预见控制系统，并讨论了预见步数对控制品质的影响。仿真结果表明，采用多变量ＯＰＣ理论设计的单元机组负荷预见控制系统具有良好的负荷跟踪性能。

基于自适应神经元模型的火电单元机组负荷控制系统仿真研究

本文根据火电单元机组负荷控制系统被控对象的具体特点及神经元的学习功能，分别设计了以锅炉跟随为基础和以汽机跟随为基础的两种基于自适应神经元模型的负荷控制系统。仿真计算表明，控制系统中的学习参数均能很快地收敛到平衡值，且两种控制系统均具有良好的控制品质。

基于小波神经网络的火电单元机组负荷系统建模仿真研究

火电单元机组是一种复杂的多变量对象,常规方法难以建立它的非线性数学模型。该文利用一种多输入多输出的连续小波神经网络对单元机组负荷数学模型建模问题进行了研究。网络隐层采用框架小波函数,输出层采用线性函数,采用BP算法对网络进行训练,并利用自适应的学习速率和动量参数加快网络训练的收敛速度。网络的训练结果和测试结果均表明,小波网络输出值与实际模型输出值之间的误差在允许范围内,小波神经网络可以较好地逼近单元机组负荷数学模型。

火电单元机组的柔性控制

针对汽轮机组各种运行方式的特点(包括优点和缺点),从能量供需协调的角度出发,提出了机组柔性控制,该控制方法结构简单,调整方便,不带非线性环节,具有明显的减弱锅炉汽压广义对象非线性的作用。对于不同的机组都可以通过调整一个参数-能量供需协调度a,得到满足主汽压波动小、机组负荷适应性强的控制系统,该控制系统适用于机组在大范围的不同工况下运行。仿真表明了这一结果。

火电单元机组的模糊神经元协调控制

针对火电单元机组，提出了多变量模糊神经元协调控制方法。该方法是在静态解耦系统的每一对输入／输出通道上设置一个由模糊控制器和神经元控制器复合而成的非模型控制器，以提高控制系统的鲁棒性和控制精度。对某单元机组的实例仿真研究表明：这种新的多变量非模糊控制方法具有很强的鲁棒性和抗干扰能力及满意的控制品质。控制器的设计非常简单，可方便地用于工程实践。

基于遗传算法的火电单元机组多目标优化协调控制

作者提出了一种基于遗传算法的火电单元机组多目标优化协调控制策略。该策略通过改进的遗传算法进行多目标优化求解机组最优稳态控制量以得到最优设定值,从而完成多目标优化协调控制任务。改进的遗传算法采用十进制编码,规范化几何秩选择,混合交叉及均匀变异。仿真结果表明,在不同的运行目标下控制量的最优适应度函数都能快速收敛,遗传算法为多目标优化协调控制提供了有效的途径。

基于遗传算法的火电单元机组模糊控制系统

火电单元机组是一个多变量、强耦合、大时滞复杂的非线性系统,难以建立精确的数学模型,其控制系统的设计面临着严峻的挑战。文章提出了基于遗传算法的火电单元机组模糊控制系统。遗传算法用全局优化模糊控制器隶属度函数的比例因子,优化后的模糊控制器较好地补偿了负荷扰动所引起的单元机组的实际值与设定值的偏差。仿真结果表明,该系统有良好的动态特性,能适应于火电单元机组大范围运行时的负荷跟踪。

一种基于自适应反演算法的火电单元机组协调控制策略

为了克服火电单元机组的本质非线性和不确定性对控制系统品质的影响,解决它在大范围变工况时的协调控制问题,该文针对综合考虑锅炉-汽轮机-发电机动态特性的单元机组整体模型,计及系统参数的不确定性,基于自适应反演算法和协调无源性理论,设计了一种非线性协调控制策略。首先经过适当简化处理,将机组整体模型分解为两个低阶子系统;在子系统Ⅰ中,利用反演法得到主蒸汽阀门开度控制器,然后基于协调无源性理论设计励磁控制器;在子系统Ⅱ中,通过逐步递推设计燃料控制器。同时,基于李雅普诺夫稳定性方法,交错设计了模型不确定参数的自适应律,并通过在其中引入充分光滑投影算子,避免了系统不匹配参数可能发生的漂移问题。在实际工程应用中,为了获得良好的调节品质,总结了该控制器参数的设定规律。最后,针对某600MW单元机组非线性模型的仿真分析及在火电单元机组全范围仿真机上的变负荷实验均表明,文中提出的协调控制策略不仅保证了闭环系统的渐近稳定,而且具有较强的负荷指令跟踪性能、抗干扰能力和鲁棒性。

基于RBF网络的GPC在火电单元机组中的应用研究

大型火电单元机组是一个多变量、强耦合、大时滞的非线性系统,用传统的控制方法很难得到最佳的运行效果。采用基于RBF网络的广义预测控制(GPC)策略,用RBF算法建立模型,用广义预测解决时滞问题。该算法具有良好的动态响应和较强的鲁棒性,仿真结果表明了其有效性。

一种新的火电单元机组负荷控制策略

在分析现有火电单元机组负荷控制策略的基础上 ,提出一种新的协调控制方案 ,它是基本的炉跟机和机跟炉方式的综合 ,将功率和汽压的控制分别分解给锅炉和汽机的控制端 ,使控制器对功率和汽压偏差的响应从锅炉控制侧和汽机控制侧同时作出。仿真实验研究表明这种方法比原有的方法有较好的动态特性 。

基于BP神经网络的超临界火电单元机组负荷系统建模研究

针对火电单元机组大范围变负荷、变工况发生时,超临界火电单元机组的控制品质变差,机组负荷、主蒸汽压力等参数难以满足工程需要的问题,基于较为先进的BP神经网络建模方法,对600 MW超临界火电单元机组进行了数学模型的建立。仿真结果表明,网络的输出值与实际模型的输出值间的误差在允许范围内,BP神经网络可有效逼近超临界火电单元机组模型。

华东电网大型火电单元机组的可靠性统计分析

至1987年底,华东电网已经运行的100MW以上大型单元制火力发电机组有48台(300MW 7台,200MW 7台,125MW 31台,100MW 3台),总计容量7680MW,约占电网装机容量的一半。87年度共发电490.63亿度。

火力单元机组的前馈模糊神经非模型协调控制

提出了一种前馈模糊神经非模型协调控制方法。使用该方法设计的非模型控制器由模糊控制器和神经元控制器复合构成 ,针对某单元机组进行了实例仿真试验。结果表明 :这种新的控制方法不仅具有满意的控制性能 ,而且具有强鲁棒性和抗干扰性能 ,它显著地提高了协调控制系统在机组负荷及工况变化时的鲁棒性和控制品质。这种新的控制系统设计方法非常简单 ,不需要解耦补偿 ,而且控制器参数选择不严格 ,可方便地用于工业控制。图 7参

300MW单元机组协调控制系统模糊控制器的设计

对于火电站机炉协调控制对象的非线性、时变和纯迟延的特性,提出了一种模糊控制器的改进方案,并针对某单元机组进行了仿真试验;结果表明:使用这种模糊控制器不仅具有满意的控制性能,而且可以克服协调控制对象的时变性和随机性干扰,具有强鲁棒性和抗干扰性能,大大改善了控制品质。

用Fuzzy-Smith控制策略实现单元机组调节

针对单元机组协调控制对象的非线性、时变和纯迟延的特点,在Smith预测控制的基础上引入了模糊自整定方案,提出了一种单元机组协调控制设计的方法。对某500MW单元机组进行仿真试验,结果表明:这种新的控制方案不仅具有满意的控制性能,而且具有较强鲁棒性和抗干扰性能,它显著提高了协调控制系统在机组负荷工况变化时的适应性和控制品质。

利用小波神经网络的单元机组负荷系统的建模

火电单元机组是一个复杂的多变量对象,采用常规方法难以建立它的非线性数学模型。利用一种多输入多输出的连续小波神经网络对单元机组负荷数学模型建模问题进行了研究。理论分析和实际测试结果表明:网络具有良好的辨识精度和泛化能力,小波神经网络可以较好地逼近单元机组负荷数学模型。

一种新的单元机组负荷系统内模控制方法

电厂单元机组负荷系统是一个有强烈耦合的多变量对象。本文提出的方法以多变量内模控制为核心,将基于支持向量回归的在线辨识算法引入到多变量内模控制的设计之中,从而形成了一种新的解耦控制策略。仿真结果表明,该方法使得机组负荷具有良好的跟踪性能,在对象动态特性较大范围内变化的情况下,系统具有较强的鲁棒性。