一种机组负荷双重智能优化控制方法技术

一种机组负荷双重智能优化控制方法，首先建立计及凝结水节流的超临界机组负荷特性神经网络预测模型，并利用机组历史运行数据对预测模型进行训练和验证，然后利用该预测模型在机组的动态变负荷阶段和负荷趋稳阶段分别对除氧器水位调节阀开度和汽轮机调门开度进行预测和优化，再将各优化结果与原控制指令的偏差作为补偿信号叠加至相应的控制信号上对机组实施优化控制。本发明专利技术不仅可提高汽轮机在动态变负荷过程中的负荷响应速率，确保除氧器水位处于机组安全运行范围，还可保证负荷趋稳阶段凝结水流量恢复过程中机组负荷的调节精度，可大大提高机组的深度调峰能力，确保火电机组长期安全可靠运行。

【技术实现步骤摘要】

本专利技术涉及一种基于负荷预测模型和凝结水节流的机组负荷双重智能优化控制方法，属于发电

技术介绍
大容量超(超)临界燃煤机组因在节能、降耗和减少环境污染等方面具有明显的优势已逐渐成为电网的主力机组。电网供电质量指标的不断提高，要求大容量超(超)临界机组应具备一次调频、自动发电量控制(AGC)等功能，同时也对超临界机组的负荷响应速率、调节精度等提出了很高的要求(希望每分钟的负荷变化量能够达到机组额定负荷的1.5％到2％甚至更高)。由于协调控制系统(CCS)需兼顾负荷、主汽压力的控制偏差，以及锅炉本身的大惯性、大时延特性，使得机组负荷响应速率的提高十分困难，且容易引起主汽压、主汽温等参数的大幅波动。因此如何满足电网对机组负荷调节的快速性要求，确保火电机组长期安全可靠运行，就成为有关技术人员所面临的难题。此外，当超临界机组负荷较高，处于“直流”阶段运行时，现有的控制对象模型一般将直流锅炉汽轮机组简化为一个3输入3输出的非线性对象，用于描述给水量W(t/h)、燃料量B(t/h)、汽机调门开度μ(％)三个控制输入与机组功率Ne(MW)、主汽压力Ps(MPa)及中间点温度θ(℃)或焓值h(kJ/kg)三个输出参数间的非线性强耦合关系。但这种模型存在以下不足：(a)与机组功率直接相关的热端参数为锅炉末级过热器出口汽温，并非中间点温度，而超临界锅炉的末级过热器出口汽温除与水煤r>比(即：给水量W与燃料量B的比值)直接相关外，动态变负荷过程中受各级过热器喷水减温量影响较大，这在上述模型中没有体现；(b)汽轮机组的中、低压缸做功份额约占到机组总功率的2/3，而中低压缸做功能力与再热汽压、再热汽温两个初参数有很大关系，这在上述模型中也没有反映；(c)凝汽器真空(背压)作为机组的重要冷端参数，受循环水泵、真空泵、机组轴封运行情况等多种因素的影响，真空变化对机组出力和机组运行的经济性有很大影响，上述模型中没有考虑；(d)大型超临界汽轮机组的高、中、低压缸均设置了至少8段以上的回热抽汽，运行中各种原因导致的各级回热循环抽汽量的突变(如高压加热器解列、凝结水流量突变等)，均会对汽轮机做功在较短时间产生影响，上述模型无法反映。也就是说，现有的简化模型忽略因素较多，使得模型输出的负荷预测值精度不高，抗干扰能力较差，影响了模型在工程中的实际应用效果。因此，充分考虑大容量汽轮机的热端、冷端及回热循环侧的相关可控参数，建立能够准确预测汽轮机组功率的数学模型，对提高机组深度调峰能力，确保火电机组长期安全可靠运行具有重要意义。
技术实现思路
本专利技术的目的在于针对现有技术之弊端，提供一种机组负荷双重智能优化控制方法，以提高机组负荷的控制水平，保证火电机组安全可靠运行。本专利技术所述问题是以下述技术方案解决的：一种机组负荷双重智能优化控制方法，所述方法首先建立计及凝结水节流的超临界机组负荷特性神经网络预测模型，并利用机组历史运行数据对预测模型进行训练和验证，然后利用该预测模型在机组的动态变负荷阶段和负荷趋稳阶段分别对除氧器水位调节阀开度和汽轮机调门开度进行预测和优化，再将各优化结果与原控制指令的偏差作为补偿信号叠加至相应的控制信号上对机组实施优化控制。上述机组负荷双重智能优化控制方法，具体步骤如下：a.建立计及凝结水节流的超临界机组负荷特性神经网络预测模型，具体步骤为：①选取模型输入和输出参数模型的输入参数包括主汽压Ps(MPa)、主汽温度Ts(℃)、再热汽压Pr(MPa)、再热汽温Tr(℃)、给水流量W(t/h)、凝汽器真空Vc(KPa)、汽机调门开度μ(％)和除氧器水位调节阀开度μc(％)，输出参数为机组负荷Ne(MW)；②确定模型结构建立具有j个输入参数(u1，u2,…,uj)和一个输出参数y的非线性自回归滑动平均(NARMA)预测模型，且认为模型在k时刻的输出参数y(k)与模型各输入参数ui在k时刻和过去n个时刻的值ui(k)、ui(k-1)，…,ui(k-n)及输出参数y在过去m个时刻的值y(k-1),y(k-2),…,y(k-m)相关，其结构的具体表达式为：y(k)＝g[y(k-1),...,y(k-m)；u1(k),u1(k-1)...,u1(k-n)；...；uj(k),uj(k-1)...,uj(k-n)]；③模型训练样本的获取和数据的预处理提取机组的不同稳态负荷点数据、变负荷动态过渡过程中的原始数据及部分输入参数扰动下的负荷变化数据，并根据各参数在机组升降负荷过程中的最大变化范围，对所有数据进行归一化处理，得到所需的训练样本，具体的归一化公式为：Y＝(Ymax-Ymin)*(x-xmin)/(xmax-xmin)+Ymin式中：x，Y分别为参数的实际值和标称值，xmin、xmax分别为参数在机组升降负荷过程中的最小值和最大值,Ymin、Ymax分别为归一化处理后参数的最小值和最大值；④用训练样本对模型进行训练和验证；b.用训练好的预测模型对机组负荷进行优化控制，具体步骤为：①对机组负荷设定值Nset与目标值Ntarget进行实时监测，若Nset≠Ntarget，则利用神经网络负荷预测模型，根据主汽压力Ps(MPa)、主汽温度Ts(℃)、再热汽压Pr(MPa)、再热汽温Tr(℃)、给水流量W(t/h)、凝汽器真空Vc(KPa)、汽机调门开度μ(％)的实时参数，对除氧器水位调节阀门开度μc(％)进行寻优计算，即将上述实时参数与除氧器水位调节阀门开度μc(％)输入预测模型的同时，采用定步长增减方法调节除氧器水位调节阀门开度μc(％)的值，取其中模型输出的负荷预测值N'e与负荷设定值Nset偏差最小的除氧器水位调门控制指令为优化后的结果，然后将优化结果与原除氧器水位调门开度指令的差值作为实时补偿信号叠加至原除氧器水位调节器输出上对调门施加控制；②当机组负荷设定值到达目标值(Nset＝Ntarget)，且负荷偏差小于设定值时，时，再次调用神经网络负荷预测模型，根据当前的主汽压力Ps(MPa)、主汽温度Ts(℃)、再热汽压Pr(MPa)、再热汽温Tr(℃)、给水流量W(t/h)、凝汽器真空Vc(KPa)、除氧器水位调节阀门开度μc(％)等实时参数，对汽机调门开度μ(％)进行寻优计算，即将上述实时参数与汽机调门开度μ(％)输入预测模型的同时，采用定本文档来自技高网...

【技术保护点】
一种机组负荷双重智能优化控制方法，其特征是，首先建立计及凝结水节流的超临界机组负荷特性神经网络预测模型，利用机组历史运行数据对预测模型进行训练和验证，然后利用该预测模型在机组的动态变负荷阶段和负荷趋稳阶段分别对除氧器水位调节阀开度和汽轮机调门开度进行预测和优化，再将各优化结果与原控制指令的偏差作为补偿信号叠加至相应的控制信号上对机组实施优化控制。

【技术特征摘要】
1.一种机组负荷双重智能优化控制方法，其特征是，首先建立计及凝结水节流的超临界机组负荷特性神经网络预测模型，利用机组历史运行数据对预测模型进行训练和验证，然后利用该预测模型在机组的动态变负荷阶段和负荷趋稳阶段分别对除氧器水位调节阀开度和汽轮机调门开度进行预测和优化，再将各优化结果与原控制指令的偏差作为补偿信号叠加至相应的控制信号上对机组实施优化控制。
2.根据权利要求1所述的机组负荷双重智能优化控制方法，其特征是，所述方法按以下步骤进行：
a. 建立计及凝结水节流的超临界机组负荷特性神经网络预测模型，具体步骤如下：
①选取模型输入和输出参数
模型的输入参数包括主汽压Ps(MPa)、主汽温度Ts（℃）、再热汽压Pr（MPa）、再热汽温Tr（℃）、给水流量W（t/h）、凝汽器真空Vc（KPa）、汽机调门开度μ（%）和除氧器水位调节阀开度μc（%），输出参数为机组负荷Ne（MW）；
②确定模型结构
建立具有j个输入参数（u1，u2,…,uj）和一个输出参数y的非线性自回归滑动平均(NARMA) 预测模型，且认为模型在k时刻的输出参数y(k)与模型各输入参数ui在k时刻和过去n个时刻的值ui(k)、ui(k-1)，… , ui(k-n)及输出参数y在过去m个时刻的值y(k-1),y(k-2),…,y(k-m)相关，其结构的具体表达式为：
；
③模型训练样本的获取和数据的预处理
提取机组的不同稳态负荷点数据、变负荷动态过渡过程中的原始数据及部分输入参数扰动下的负荷变化数据，并根据各参数在机组升降负荷过程中的最大变化范围，对所有数据进行归一化处理，得到所需的训练样本，具体的归一化公式为：
式中：x，分别为参数的实际值和标称值，xmin、xmax分别为参数在机组升降负荷过程中的最小值和最大值,、分别为归一化处理后参数的最小值和最大值；
④用训练样本对模型进行训练和验证；
b.用训练好的预测模型对机组负荷进行优化控制，具体步骤为：
①对机组负荷设定值Nset与目标值Ntarget进行实时监测，若Nset≠Ntarget，则利用神经网络负荷预测模型，根据主汽压力Ps(MPa)、主汽温度Ts（℃）、再热汽压Pr（MPa）、再热汽温Tr（℃）、给水流量W（t/h）、凝汽器真空Vc（KPa）、汽机调门开度μ（%）的实时参数，对除氧器水位调节阀门开度 μc（%）进行寻优计算，即将上述实时参数与除氧器水位调节阀门开度 μc（%）输入预测模型的同时，采用定步长增减方法调节除氧器水位调节阀门开度 μc（%）的值，取其中模型输出的负荷预测值与负荷设定值Nset偏差最小的除氧器水位调门控制指令为优化后的结果，然后将优化结果与原除氧器开度指令的差值作为实时补偿信号叠加至原除氧器水位调节器输出上对调门施加控...

【专利技术属性】
技术研发人员：马良玉，成蕾，刘婷，李强，宁福军，刘卫亮，刘长良，陈文颖，
申请(专利权)人：华北电力大学保定，
类型：发明
国别省市：河北;13