主蒸汽压力系统的基于预补偿自抗扰控制设计

火电机组主蒸汽压力系统为典型的大惯性过程,其控制策略的设计存在着响应速度慢、抗干扰能力不足的问题。为解决主蒸汽压力系统的上述控制难点,提出了一种基于预补偿自抗扰控制的优化设计方法,将控制量通过预补偿结构后再送入被控对象,从而对常规自抗扰控制结构进行改进。在介绍基于预补偿自抗扰控制结构的基础上,通过单一变量法分析各个参数对于控制效果的影响,从而给出了其参数整定的流程。仿真结果表明:所提方法的跟踪状态、抗干扰状态和包含跟踪以及抗干扰状态下的绝对误差积分指标分别占对比方法的52.38%、60.75%和57.88%,从而验证了所提方法在提升主蒸汽压力系统的跟踪和抗干扰能力方面的优势;通过蒙特卡洛实验验证了所提方法能够很好地应对系统的不确定性。

某型汽轮燃油泵控制系统故障分析

为提升蒸汽轮机推进系统的可靠性和维护效率,以某型汽轮燃油泵控制系统为例,对系统的组成和工作原理进行分析,并对该型装备具体故障实例进行剖析。在此基础上,提出故障产生的原因和解决要点。研究成果可为汽轮燃油泵控制系统故障预防和维修提供一定参考。

主蒸汽压力和床温耦合系统的改进自抗扰控制设计

针对主蒸汽压力和床温耦合控制系统扰动抑制性能差、系统解耦复杂和参数整定困难的问题,提出一种耦合改进自抗扰控制(CIADRC)。首先,建立耦合系统近似积分串联模型,在此基础上构造耦合自抗扰控制;然后,在各前馈通道串联前馈补偿器,解决耦合系统大惯性、大时滞导致线性扩张状态观测器(LESO)信号不同步问题;同时,提出定量化参数整定公式,简化参数调节;最后,在主蒸汽压力和床温耦合系统中与PID、ADRC、模型辅助ADRC(MADRC)进行仿真对比。结果表明,提出的CIADRC在定值跟随、抗扰动上均具有明显的优势,且具有广阔的工程应用前景。

基于多图卷积神经网络的主汽温系统故障诊断

针对主汽温系统具有大迟延、大惯性、非线性和时变性的特点,提出了一种基于多图融合-图卷积神经网络的故障诊断方法。建立邻接图和相关性图,将机组历史运行数据扩展为非欧式空间的图数据,引入特征权重和截断参数来约束节点间的相关性,对图信息进行融合。同时,利用邻接矩阵建立各运行数据间的拓扑信息,并通过深度图卷积结构融合邻近节点信息,建立系统数据与运行状态间的映射关系。结果表明:相较于概率神经网络(PNN)、长短期记忆神经网络(LTSM)和最小二乘支持向量机(LSSVM),所提MG-GCN模型的故障诊断准确率分别提升了11%、7%和16%,误检率、漏检率均较低,能够对多种系统故障类型进行准确识别,具有良好的故障诊断性能。

基于混合量子麻雀算法的过热汽温模型参数辨识

建立高精度的过热汽温模型便于控制器的设计和参数整定,从而提升汽温的控制品质。首先针对传统的麻雀优化算法在闭环数据驱动辨识中容易陷入局部最优,收敛速度慢的问题,提出了一种混合量子行为的麻雀优化算法(QSSA)。该算法在基本麻雀算法迭代一次后采用量子策略对劣势群体进行变异,加强空间搜索能力,提高辨识精度;对于较优势群体引入Lévy随机游走策略,增加种群多样性,克服量子策略迭代后期种群性减少,易陷入局部最优的问题。其次对比多种优化算法在基准函数测试中的优化结果,验证了所提算法的优越性。最后运用某600 MW超临界机组过热汽温的现场运行数据进行模型参数的QSSA辨识,表明了所提算法的有效性,为现场过热汽温控制系统的进一步优化提供了新的途径。

基于BEST系统超超临界1000 MW二次再热蒸汽机组的参数选取

为研究抽汽背压式汽轮机(BEST)系统超超临界1000 MW二次再热蒸汽机组参数的选取,基于某电厂二期2×1000 MW超超临界机组扩建项目,建立1000 MW超超临界高效二次再热蒸汽机组的设计计算,使用EBSILON软件建立完整的热力系统模型,得出主蒸汽温度、再热蒸汽温度、主蒸汽压力、再热蒸汽压力和锅炉效率等参数对BEST系统的影响规律。研究结果表明:对于12级回热的BEST系统来说提高主蒸汽的温度比提高主蒸汽的压力更能提高系统的发电热效率;BEST系统最佳工况点的再热蒸汽压力是15.028 MPa/4.079 MPa;锅炉效率变化范围在85%~95%时,随着锅炉效率变化1%,系统发电热效率随之变化0.51%。

强耦合系统用汽设备转速控制参数优化研究

为研究控制参数对强耦合系统用汽设备转速的调控效果,本文建立浮动式核电站-汽水循环系统的数学模型,并使用不同控制参数对系统在不同工况下的转速调控效果进行比较与分析。结果表明,在强耦合系统用汽设备转速调控策略设计中,可以通过优化控制参数的比例关系提高系统在变负荷运行过程中的稳定性。

调峰火力发电机组高压导汽管的疲劳损伤研究

统计了某300 MW火力发电机组的调峰运行参数,基于快速傅里叶变换(FFT)对调峰数据进行频谱分析,得到机组调峰运行特性。采用有限元计算的方法对调峰运行的高压导汽管疲劳损伤进行了研究。结果显示:当机组负荷不低于128 MW时,负荷与主蒸汽压力的波动密切相关,而与主蒸汽温度无明显的关联性;每天调峰2次的情况居多,约占调峰运行总天数的 1/2 ,每天调峰1次的情况约占调峰运行总天数的 1/3;每天调峰3次的情况较少。在高压导汽管支吊架设计及应用良好、机组调峰负荷率不低于42%的情况下,以每天调峰2次计算,高压导汽管可运行6.25×10^(5) d。

主蒸汽压力自适应AGC负荷控制策略优化

新能源机组装机容量逐年增加,对火电机组调节能力提出了更高要求。针对部分燃料热值较低或进行褐煤掺烧的火电机组主蒸汽压力波动大、自动发电控制(automatic generation control,AGC)调节品质差的问题,进行机组协调控制系统和风煤等控制子系统优化,修改一次风母管压力控制逻辑,设计主蒸汽压力自适应的磨煤机启停控制和机组协调控制系统。新控制策略在火电机组实际运行中提高了AGC调节品质,应用效果良好。

汽轮机全电动主油泵润滑油系统的设计与仿真

基于Flowmaster软件,建立一整套汽轮机全电动主油泵润滑油系统的静态配平和动态仿真模型.仿真结果表明:系统在主、辅油泵切换,以及紧急直流油泵与交流油泵切换的过程中,自力式溢油阀随着润滑油系统母管压力的变化自动调整阀门开度,进而调整泄油量,母管压力始终维持在额定值附近.自力式溢油阀压力反馈点设在润滑油系统母管处可以改善系统油压波动情况;系统设置蓄能器可以降低切泵时母管油压波动的程度,以避免轴承瞬时断油;通过仿真确定了该系统配置2台100L的蓄能器可以满足润滑油系统各工况的运行需求.

汽轮机润滑系统动态特性研究

以某1000 MW机组润滑油系统为研究对象,根据主辅油泵、管路、蓄能器、阀门及轴承等元件的特征方程及设计参数,建立了汽轮机润滑油系统的动态仿真模型,结合试验数据对上述模型进行稳态工况标定,验证仿真模型的可靠性。利用稳态模型数据进行系统动态仿真试验,分别分析了不同工况条件下润滑油系统启动、主副油泵切换及滤网故障过程中润滑油系统各节点的压力和流量变化,以定量的手段获得了不同工况条件下系统参数变化规律。结果表明:仿真模型具有较好的仿真精度,仿真数据与试验数据基本一致,仿真模型的计算精度满足系统设计要求,能够为大功率高参数汽轮机组润滑系统的设计和机组安全运行提供一定的参考。

神经网络预测控制算法及其应用

针对电站中具有大惯性和变参数等特性的主汽温系统,提出了一种神经网络预测控制算法。该方法是用神经网络来实现预测控制算法中的模型预测和优化计算。将这种算法用于主汽温控制的仿真研究表明,该控制方案表现出良好的控制品质并能适应被控对象参数的变化,具有较强的鲁棒性和自适应能力。它明显优于传统的PID控制。

主汽温系统模糊自适应预测函数控制

提出了基于有限脉冲响应(FIR)模型的预测函数控制(PFC)算法,给出了采用1个基函数(阶跃函数)和2个基函数(阶跃函数、斜坡函数)的控制律的解析解,分析了闭环系统稳态特性,结果表明,系统对于设定值变化和输出扰动均无余差。结合该算法、T-S模糊建模和自适应控制技术,提出了模糊自适应预测函数控制(FAPFC)策略,该方法实现简单,对工况变化具有优良的适应性。针对某超临界600MW直流锅炉主汽温对象,设计预测函数-比例(PFC-P)串级控制系统,经4种典型工况下的阶跃响应试验表明,采用PFC-P串级控制策略的主汽温系统具有良好的动态性能,明显优于采用PID-P串级控制策略的主汽温系统;为了克服负荷变化对主汽温系统性能的影响,采用了FAPFC策略,仿真结果表明,系统具有良好的负荷适应性,负荷大范围升降时,主汽温度变化能维持在5℃以内,而且控制量变化平稳,具有较高的工程实用价值。

模糊免疫PID控制在主汽温控制系统中的应用

火电厂主汽温控制系统具有大惯性、大迟延和时变等特性, 传统的火电厂主汽温控制系统大多采用基于模型的常规PID串级控制方法。本文借鉴生物免疫反馈响应过程的调节作用和模糊推理逻辑可逼近非线性函数的特性, 提出将模糊免疫PID控制策略应用到火电厂主汽温控制系统中。仿真研究表明, 该方法的控制效果优于常规的PID控制, 能适应对象参数的变化并表现出良好的控制品质, 即使发生扰动时也具有较强的鲁棒性和自适应能力。

PFC-PID串级控制在主汽温控制系统中的应用研究

针对火电厂主汽温控制系统大惯性、大迟延、慢时变以及扰动因素较多,常规串级PID控制难以取得满意的调节效果的特点,该文介绍并分析了预测函数控制(PFC)的基本原理和特点,给出了一阶加纯滞后系统的预测函数控制的具体算法,并将PFC和PID控制相结合,提出了PFC-PID串级主汽温控制策略。系统的内回路采用PID控制,内回路和主调节区对象构成PFC的广义被控对象,对广义被控对象进行拟合简化得到一阶加纯滞后对象,作为PFC的预测模型,算法简单;预测模型失配时,系统仍具有良好的控制品质,易于工程实现,具有较高实际应用价值。大量的仿真实验表明,采用PFC-PID串级控制策略的主汽温控制系统的动态品质明显优于采用PID串级控制策略的系统,具有较强的鲁棒性和抗干扰能力。

主汽温系统模糊自适应内模控制

基于内模控制理论,针对火电厂主汽温被控对象的大惯性、大迟延、时变、多干扰的特点,设计了内模–比例串级控制系统,并将量子遗传算法应用于滤波器参数的寻优。并在此基础上结合T-S模糊建模和自适应控制技术,提出了模糊自适应内模控制(fuzzyad aptive internal model control,FAIMC)策略。该方案实现简单,对工况变化具有优良的适应性。对某超临界600MW直流锅炉主汽温系统4种典型工况进行仿真控制,其过渡过程时间短,超调量小,适用于大惯性、大迟延过程的控制,控制效果明显优于串级PID控制。为克服负荷变化对主汽温系统性能的影响,采用模糊自适应内模控制策略分别进行了升降负荷实验。仿真结果表明:提出的控制系统能较好的适应对象动态模型的大幅度变化,保持较优的调节性能。

专家PID控制在主汽温控制系统中的应用

火电厂主汽温控制系统具有大惯性、大迟延和时变等特性 ,其控制水平的高低直接影响到锅炉的热效率和过热器管道、汽轮机等设备的安全运行 ,将主汽温串级广义被控对象拟合为一阶加纯滞后模型结构后采用将专家控制原理与常规PID控制相结合构成专家PID控制策略。仿真研究表明 ,该方法的控制效果优于常规的PID控制 ,能适应对象参数的变化并表现出良好的控制品质 。

基于改进粒子群算法的主汽温控制系统PID参数优化

介绍了一种基于改进的粒子群优化(PSO)算法的PID控制器参数优化方法。通过将PSO基本算法中的惯性权重进行线性递减,很好地协调了PSO的全局与局部寻优能力。将改进的粒子群PID控制器参数优化方法应用于多扰动、大惯性的电厂主汽温控制系统,仿真结果表明,该方法在保证控制系统稳定性的基础上极大地提高控制系统的精度和快速性。

基于BP神经网络整定的PID控制在过热汽温系统中的应用

针对火电厂中具有大惯性和变参数等特性的过热汽温系统的特点,提出了一种基于BP神经网络的PID控制器设计方法。将神经网络所具有的自学习能力与PID控制器的鲁棒性相结合,实现了对非线性、大时滞系统模型的控制。仿真结果表明:所给出的控制策略能较好地适应对象动态模型的大幅度变化,保持较优的鲁棒调节性能。

模糊自整定PID控制及其在过热汽温系统中的应用

在工业生产过程中,许多被控对象随着运行工况的变化,其对象特性参数或结构将发生很大改变,单一参数的控制器难以获得所需的调节效果。针对这种情况,基于模糊逻辑的智能性和PID控制器的简单实用性,提出了模糊自整定PID控制策略。PID控制器参数的整定被分为粗调和细调2个阶段,粗调阶段基于发电机组负荷进行模糊预整定,基本适应运行工况的大范围变化,细调阶段基于系统的被调性能指标进行再整定,以进一步适应运行工况的小范围变化并克服各种可能的干扰。对具有严重参数不确定性、多扰动以及大迟延的电厂主汽温度被控对象进行了仿真研究。仿真结果表明:所给出的控制策略能较好地适应对象动态模型的大幅度变化,保持较优的鲁棒调节性能。