基于特性补偿的智能主汽温控制技术在1000MW机组中的研究与应用

本资料包含pdf文件1个，下载需要1积分

电 站 系 统 工 程 2013年第29卷用曲线拟合法建立主汽温数学模型，对热工对象施加阶跃信号，通过试验获得响应曲线，再由响应曲线求出传递函数。

但主汽温动态特性随负荷不断变化，且时间常数和阶数变化都比较大，需要在不同负荷下多次试验，难以实现。因此，采用适应性更广的理论建模方法，在集总参数模型基础上，针对热工对象的低通滤波特性，利用泰勒展开式取得其低阶近似公式，根据主汽温物理性质和动态特性对所得公式进一步改进。单相受热管集总参数物理模型如图2所示。

、 魄、图1 基于特性补偿的智能主汽温控制策略结构图图 2 单相受热管集总参数物理模型图智能辨识技术基于传递函数模型和神经网络模型相结合的辨识方法，可以实现变工况下主汽温数学模型参数的在线获取。采用智能算法自动获取的汽温模型，用来对汽温系统的特性进行补偿，补偿后的汽温模型具有较小的滞后和惯性，从而使整个汽温控制系统具有较强的稳定性和较快的动态响应，能较好处理大滞后过程的控制问题。

2．2 广义预测控制紧凑算法 .

广义预测控制 (Generalized Predictive Control， GPC)是一种鲁棒性强、能有效克服系统滞后的控制算法，通过算法进行滚动优化能及时弥补模型失配、时变、非线性及干扰等因素的影响，减小偏差，使控制结果实际最优，非常适用于火电机组主汽温控制。但由于需要求解 Diophantine方程，计算量很大，影响了这种算法在火电机组自动控制系统中的应用。通过整合算法环节，提出广义预测算法的紧凑算法，可根据模型参数和过程输入输出直接计算闭环预测值，得到阶跃响应曲线。由于改进后算法不需显式求解 Diophantine方程，计算过程只需要少数较简单算子即可完成，计算量少，所需存贮空问小，易于在工程中实现。改进后算法能够有效避免主汽温波动，实现对火电机组主汽温的精细控制。随着主汽温对象动态特性的变化，再对预测区间长度和目标函数进行动态修改，根据不同时间尺度来预测控制量的变化，兼顾快速性与稳定性。

2．3 状态观测技术当锅炉运行状况改变时，过热器蒸汽流程上各点的温度会超前于主汽温的变化，能够较为真实地反映主汽温变化趋势，以此为依据对主汽温提前进行调节，可提高主汽温控制系统的稳定性和快速性。在获取过热器蒸汽流程上各点温度信息方法的选取上，通过在高温高压蒸汽管道加装测点的方法并不现实，因此，选择利用状态观测器，依据现有测点温度，建立动态数学模型，模拟过热器温度分布情况，估算出所需测点温度信息，用于主汽温的超前调节。采用状态观测技术后，可以有效减小等效被控对象的惯性，在保证系统相同稳定性裕量的前提下，提高系统响应速度。

2．4 智能前馈技术为了应对主汽温调节这样的大惯性、大滞后过程，在新型的主汽温控制系统中，设计了基于机组煤量分布系数和烟气能量系数的智能前馈。

以煤量分布系数为例，在机组运行过程中，运行人员往往可以根据煤量和煤量的偏差来快速调整减温水的开度，而这种操作思想完全可以通过智能前馈控制器来实现。

采用模糊集合理论，将煤量偏差在『．100t，lOOq内分为7个模糊子集{NB，NM，NS，ZO，PS，PM，PB}，分另 代表f负大，负中，负小，零，正小，正中，正大}；偏差变化率在『．30fmin，+30fmin】内分为 7个模糊子集{NB，NM，NS，ZO，PS，PM，PB}；智能前馈量的调整范围f-10％，+lO％1内分为7个模糊子集{NB，NM，NS，ZO，PS，PM，PB}。模糊子集不以等间隔划分，而是根据现场运行实际情况以及相关操作经验进行。模糊子集划分后，可采用模糊前馈控制规则如表 l所示。

表 1 模糊前馈控制规则表