机炉协调系统的模糊增益调度预测控制

多变量锅炉-汽机协调系统的动态特性随着工况而变化,文中提出了一种新型的模糊增益调度预测控制策略来控制这个非线性过程。基于模糊集合理论建立了机炉协调系统的非线性离散全局模糊模型,并设计了一种基于全局模糊模型的新型扩展状态空间预测控制器。它能方便地处理控制作用的受限优化问题,同时它卓越的滚动优化能力又确保了机炉协调系统在全工况范围内的最优控制品质。仿真试验表明:文中所提出的全局非线性预测控制器在控制作用幅值、速率均受限的情况下仍具有满意的全工况负荷跟踪性能。

基于免疫优化的机炉协调系统模糊增益调度H_∞鲁棒控制

针对非线性锅炉-汽轮机系统在负荷点大范围变动情况下的协调控制,提出了一种新的免疫优化模糊增益调度H∞鲁棒控制方法。该方法首先利用H∞/混合灵敏度方法设计出多个H∞局部鲁棒控制器以覆盖机炉系统的负荷变化区间;然后采用模糊推理生成增益调度准则以实现各局部控制器间的软切换;最后利用免疫遗传算法对模糊增益调度准则的结构参数进行优化设计,从而保证闭环系统具有良好的全局控制性能。仿真研究表明:基于该方法设计出的协调控制系统在大工况范围内具有优良的调节品质。

机炉协调系统的鲁棒非线性控制

文中将一种近似反馈线性化方法和概率鲁棒分析设计方法结合起来设计机炉协调控制器。近似反馈线性化方法采用积分观测器估计并补偿系统的扩张状态,不仅实现了系统的近似线性化,而且减弱了外扰、参数不确定性和限幅限速对系统的影响。控制器的参数采用基于遗传算法的概率鲁棒分析设计方法得到,在设计阶段可直接考虑鲁棒性能设计要求。最后设计了两种典型情况进行仿真,并与回路成形H∞方法进行了比较,结果显示文中的方法具有更好的鲁棒性和适应性。

机炉协调系统的子空间辨识及预测控制

针对机炉协调系统,提出一种基于子空间辨识和多模型策略结合的数据驱动建模方法.基于多模型建模的分解合成原理,原有非线性系统首先被划分为若干个工作区间,通过获取与各工作区间对应的输入输出数据,使用子空间辨识的方法以获得局部状态空间模型.随后,利用各局部模型在切换点上的连贯关系,将所有局部模型转化到一组共同的基下,从而获得整体多模型系统.由于其数据驱动特性,该建模方法可以在系统机理和结构未知的情况下,被广泛用于各种类型对象,同时由于所得模型具有状态空间形式,因此又适用于高级控制器的设计.基于辨识模型,将多模型预测控制器用于机炉协调系统的大范围变工况调节.仿真研究证明了该方法的有效性.

基于动态模糊神经网络的机炉协调系统建模

火电厂机炉协调控制系统是一个复杂的多变量系统,针对其强耦合的动态特性和难以建模的特点,提出一种网络结构动态变化的动态模糊神经网络算法对超临界机组机炉协调系统进行建模。该算法具有模糊推理能力和学习功能等优点,并且模糊规则是在训练的时候依据系统误差和可容纳边界来逐条产生的,同时也采用了分级学习的方法来提高了网络的学习速度。在分析了机炉协调系统的特性以后,对某电厂超临界机组协调系统现场数据进行预处理,应用该算法进行模型的训练和测试。经过MATLAB仿真验证表明,动态模糊神经网络有很好的泛化能力,且建立的协调系统无参数模型具有很高的精度,该模型可以用于协调系统控制算法的设计。

非线性机炉协调系统的多变量输出反馈L1自适应控制

针对机炉协调系统非线性、参数时变、受扰等特点,将现有单输入单输出、线性输出映射系统的输出反馈L1自适应控制算法推广至一类多输入多输出、非线性输出映射的系统.利用2-范数意义下利普希茨条件的性质,给出根据被控对象数学模型确定参数搜索界的方法,并对所设计控制系统的稳定性及瞬态跟踪误差界进行了分析.采用机炉系统的阀门反馈信号作为状态观测器的输入信号,解决了阀门开度的物理限制导致的积分饱和问题.利用经典的Bell-str9m机炉协调系统模型,分别对汽包水位偏差设定值不为零/为零的2组典型工况点进行了大范围负荷跟踪的仿真实验.实验结果表明,所提出的控制算法相比传统的鲁棒控制算法,过渡时间短及超调量小,在进行大范围负荷跟踪时,无需重新整定控制器参数仍能保持优良的控制性能.

基于TS模糊模型的稳定预测控制及其在机炉协调系统中的应用

电力企业的大型机组要求在用电的负荷方面保持稳定性,否则将会对其做出一系列惩罚措施,这无疑给我国的电力企业带来很大的挑战。就目前的实际情况来看,电力系统的分散控制系统主要采用了多环的结构,加上设备老化等问题,在实际的运行中机炉系统的负荷无法与电网相适应,这也在无形当中增加了对机炉系统的协调控制难度。基于此,本文基于TS模型的视角,将其稳定预测控制应用在机炉协调系统中,为工业控制发挥重要的作用。

基于PSO优化与深度信念网络的机炉协调系统建模研究

火电厂机炉协调控制系统的控制对象是一个多变量的复杂模型,具有非线性、强耦合、惯性大的特点。针对传统的建模方法缺乏灵活性的缺点,提出一种基于粒子群优化DBN(深度信念网络)的机炉协调系统数据驱动建模方法,以时序数据为基础,采用DBN的无监督贪婪逐层训练算法确定各层网络的权值,引入粒子群优化算法对DBN网络层的神经元数量进行寻优,提高模型精度,最后,结合BP网络在顶层设计联想记忆层实现预测回归分析功能。以660 MW燃煤机组协调系统为试验对象,结果表明,该方法建立的模型具有良好的非线性拟合能力,预测精度高。

基于模糊Lyapunov函数的机炉协调跟踪控制器设计

针对火力发电机组具有强非线性,现场运行中存在参数变动等特点,提出了一种基于机炉协调系统的T-S模糊模型进行鲁棒跟踪控制器设计的方法。首先针对一个锅炉—汽轮机模型中存在的非线性项,利用替换拆分方法,并考虑了参数变动因素,建立了系统的T-S模糊不确定参数模型。然后利用并行分配补偿方法设计模糊控制器,基于模糊Lyapunov函数进行控制系统的稳定性分析,借助线性矩阵不等式方法(linear matrix inequalities,LMI)将稳定性判据转换成凸优化问题,得到了宽松的系统保性能稳定跟踪控制率。最后将所设计的控制器用于机炉协调系统的跟踪控制,通过对比验证,证明了所提方法的有效性。

电站锅炉-汽轮机系统的模糊H_2/H_∞负荷跟踪控制

针对火电机组机炉协调系统的非线性以及现场运行存在多种不确定性干扰等特性,提出一种在混合H_2/H_∞性能指标约束下的T-S模糊负荷跟踪控制器设计方法。该方法以混合H_2/H_∞跟踪性能为目标,利用并行分配补偿方法对系统T-S模糊模型设计模糊状态反馈增益和误差积分增益控制器,并利用Lyapunov函数对闭环系统进行稳定性分析,得到满足H_2/H_∞跟踪性能的线性矩阵不等式。在不同负荷下对Bell-■str■m机炉协调系统T-S模糊模型(以下简称T-S模型)进行仿真实验,并基于该方法对被控系统的T-S模型、失配T-S模型和线性模型进行控制比较。结果表明:所设计的控制方法具有良好的控制性能,对失配T-S模型的控制具有较好的鲁棒性。

基于改进逆向解耦的超超临界机组机炉协调控制

针对超超临界机组机炉耦合系统采用常规的PID控制时参数调整困难且难以获得好的控制效果的问题,先将耦合的多变量高阶被控对象解耦为具有典型二阶惯性环节的多个单入单出广义被控对象。对解耦后的单入单出广义被控对象,分别设计了PID控制器,基于内模控制原理整定PID控制器参数。在MATLAB/SIMULINK仿真环境下,通过实验验证了本方法能够很好地消除变量之间的耦合影响,实现各被控变量良好的设定值跟踪能力和干扰抑制能力。

三门峡火电厂＃2机组机炉协调主控系统启动调试

1 概况三门峡火电厂一期工程2×300MW机组,安装及调试工程由河南第一火电建设公司总承包。#2机组于1996年10月5日结束168小时试运行,标志着工程全面竣工投产。机组三大主体设备由东方集团提供,锅炉制粉系统采用中速磨直吹系统,汽轮机控制采用电液并存切换型系统,其电调装置是由上海新华电站控制工程有限公司生产的'新华DEH—Ⅲ'。

热工过程数据驱动子空间预测控制的研究

为改进目前火电机组机炉协调系统预测控制的效果,在多模型子空间预测控制研究的基础上,利用子空间方法直接从数据中得到预测控制器,并将数据驱动子空间预测控制与基于子空间的多模型预测控制两种控制策略进行仿真比较,结果表明所研究的控制方法可行且有效,为进一步研究提供了思路。

Min-max fuzzy model predictive tracking control of boiler-turbine system for ultra-supercritical units

To improve the control performance of nonlinear ultra-supercritical(USC)thermal power units,an improved min-max fuzzy model predictive tracking control(FMPTC)strategy is proposed.First,a T-S fuzzy model is established to approximate the dynamics of the nonlinear boiler-turbine system.Then,based on an extended fuzzy model containing state variables and output variables,a min-max FMPTC is derived for output regulation while ensuring the closed-loop system stability and the inputs in their given constraints.For greater controller design freedom,the developed controller adopts a new state-and output-based objective function.In addition,the observer estimation error is regarded as a bounded disturbance,ensuring the stability of the entire closed-loop control system.Simulation results on a 1000 MW USC boiler-turbine model illustrate the effectiveness of the proposed approach.