多变量广义预测控制优化的循环流化床锅炉燃烧过程控制方法技术

本发明专利技术一种多变量广义预测控制优化的循环流化床锅炉燃烧过程控制方法，包括步骤：1、初始化循环流化床锅炉燃烧过程控制器设计参数；2、根据采集的循环流化床锅炉燃烧过程的过程变量数据，通过多变量渐消记忆递推最小二乘法辨识建立燃烧过程模型；3、根据多变量广义预测控制特性对PID1、PID2、PID3控制器参数进行优化整定，并将整定结果解耦；4、根据所得到的控制器参数，分别控制给煤量、一次和二次风量，进而控制床温、主蒸汽压力和炉膛出口烟气含氧量；5、进入下一个时刻，重复进行步骤2到步骤5。本发明专利技术控制精度较高，跟踪速度较快，无超调，稳态误差小，抗耦合能力强，控制过程平滑，是一种形式简单、实现方便的循环流化床锅炉燃烧过程多变量控制技术。

【技术实现步骤摘要】
多变量广义预测控制优化的循环流化床锅炉燃烧过程控制方法
本专利技术属于锅炉燃烧过程控制
，涉及一种多变量广义预测控制优化的循环流化床锅炉燃烧过程多变量比例积分微分(PID)控制方法，尤其是一种多变量广义预测控制优化的循环流化床锅炉燃烧过程控制方法。
技术介绍
循环流化床锅炉(CFBB)具有燃料适应性广、低污染燃烧、负荷调节能力强等优点，近年来在发电、供热、炼钢、化工等行业中得到越来越广泛的应用。燃烧过程是循环流化床锅炉的一个主要系统，燃烧过程的控制品质直接影响到循环流化床锅炉运行的安全性与经济性。目前循环流化床锅炉燃烧过程的控制方法基本采用传统多变量比例积分微分(PID)控制，PID控制具有实施方便、模型依赖性低、原理简单等优点，但由于燃烧过程具有强耦合、多变量、慢时变、大滞后等复杂特性，传统多变量PID的控制质量不高，导致锅炉燃烧效率低、磨损严重和厂用电高等问题，很难适应节能减排以及环境保护的需求。广义预测控制(GPC)是一种先进的计算机控制技术，适用于难以建立精确的数学模型且动态过程复杂的工业生产过程。循环流化床锅炉燃烧过程是一个典型的多变量、强耦合、非线性、动态过程复杂的控制系统，同样难以建立精确的数学模型。中国专利“一种循环流化床锅炉燃烧过程多变量控制方法”，申请号CN201110422623.4，公开了一种循环流化床锅炉燃烧过程多变量广义预测控制方法，这种单纯的多变量广义预测控制方法虽然在理论上能够提高燃烧过程控制品质，但由于该控制方法建立在约束优化问题描述和求解的基础上，对计算机的环境和培训维护成本较高，不如多变量PID控制器形式简洁、易于理解和掌握，实施难度大，难于实际应用到循环流化床锅炉燃烧过程控制中。
技术实现思路
本专利技术的目的是针对多变量广义预测控制方法的应用不足之处，提供一种多变量广义预测控制优化的循环流化床锅炉燃烧过程控制方法，该方法将多变量广义预测控制和多变量PID控制技术结合，控制品质高、形式简单、实现方便，尤其适用于具有强耦合、多变量、慢时变、大滞后等复杂特性的循环流化床锅炉燃烧过程的控制。为解决现有技术的上述技术问题，本专利技术采用以下技术方案：一种多变量广义预测控制优化的循环流化床锅炉燃烧过程多变量PID控制方法，步骤1、初始化循环流化床锅炉燃烧过程控制器设计参数：床温、主蒸汽压力和炉膛出口烟气含氧量预测步数P1、P2、P3，床温、主蒸汽压力和炉膛出口烟气含氧量控制加权系数r1、r2、r3，床温、主蒸汽压力和炉膛出口烟气含氧量参考轨迹系数β1、β2、β3，多变量渐消记忆递推最小二乘法辨识初值P(0)，遗忘因子μ；其特征在于该方法还包括以下步骤：步骤2、根据采集的循环流化床锅炉燃烧过程的过程变量数据，通过多变量渐消记忆递推最小二乘法辨识建立燃烧过程的模型；步骤3、根据多变量广义预测控制的特性对PID1、PID2、PID3控制器参数进行优化整定，并将整定结果解耦；步骤4、根据步骤3得到的PID1、PID2、PID3控制器参数，分别构成控制量控制给煤量、一次风量和二次风量，进而控制床温、主蒸汽压力和炉膛出口烟气含氧量；步骤5、进入下一个时刻，返回步骤2，重复进行步骤2到步骤5的过程。上述的步骤3的具体过程为：3-a、根据丢番图方程组计算后移算子q-1的多项式i＝1,2,3；3-b、建立循环流化床锅炉燃烧过程k+j时刻床温预测值y1p(k+j)、k+j时刻主蒸汽压力预测值y2p(k+j)和k+j时刻炉膛出口烟气含氧量预测值y3p(k+j)；3-c、建立床温多步预测值Y1，主蒸汽压力多步预测值Y2，炉膛出口烟气含氧量多步预测值Y3；3-d、建立床温、主蒸汽压力和炉膛出口烟气含氧量的目标函数J1(k)、J2(k)、J3(k)，床温、主蒸汽压力和炉膛出口烟气含氧量的控制步数M1、M2、M3值取1；3-e、将给煤量增量Δu1(k)、一次风量增量Δu2(k)、二次风量增量Δu3(k)形式进行变换，代入目标函数J1(k)、J2(k)、J3(k)中进行优化，并将优化结果进行解耦处理，得到公式：其中，f1＝F11y1(k)+H11Δu1(k-1)+H12Δu2(k-1)+H13Δu3(k-1)f2＝F22y2(k)+H21Δu1(k-1)+H22Δu2(k-1)+H23Δu3(k-1)f3＝F33y3(k)+H31Δu1(k-1)+H32Δu2(k-1)+H33Δu3(k-1)Y1r＝[y1r(k+1),y1r(k+2),…,y1r(k+P1)]Ty1r(k+j)＝β1jy1r(k+j-1)+(1-β1j)y1s(k),j＝1,…,P1Y2r＝[y2r(k+1),y2r(k+2),…,y2r(k+P2)]Ty2r(k+j)＝β2jy2r(k+j-1)+(1-β2j)y2s(k),j＝1,…,P2Y3r＝[y3r(k+1),y3r(k+2),…,y3r(k+P3)]Ty3r(k+j)＝β3jy3r(k+j-1)+(1-β3j)y3s(k),j＝1,…,P3e1(k)、e1(k-1)、e1(k-2)分别是k时刻、k-1时刻、k-2时刻床温参考轨迹值和实际值之间的误差；e2(k)、e2(k-1)、e2(k-2)分别是k时刻、k-1时刻、k-2时刻主蒸汽压力参考轨迹值和实际值之间的误差；e3(k)、e3(k-1)、e3(k-2)分别是k时刻、k-1时刻、k-2时刻炉膛出口烟气含氧量参考轨迹值和实际值之间的误差；r1,r2,r3为控制加权系数；是k时刻床温预测误差，是k时刻主蒸汽压力预测误差，是k时刻炉膛出口烟气含氧量预测误差；h1、h2、h3为床温、主蒸汽压力和炉膛出口烟气含氧量预测误差校正矩阵；f1、f2、f3为床温、主蒸汽压力和炉膛出口烟气含氧量自由运动项；P1、P2、P3为床温预测步数、主蒸汽压力预测步数和炉膛出口烟气含氧量预测步数，P1、P2、P3取值不同；M1、M2、M3为床温、主蒸汽压力和炉膛出口烟气含氧量的控制步数；r1、r2、r3为床温、主蒸汽压力和炉膛出口烟气含氧量的控制加权系数；Y1r、Y2r、Y3r为床温、主蒸汽压力和炉膛出口烟气含氧量不同时刻参考轨迹值组成的矩阵；y1r(k+j)、y2r(k+j)、y3r(k+j)为k+j时刻床温、主蒸汽压力和炉膛出口烟气含氧量参考轨迹的值；β1、β2、β3为床温、主蒸汽压力和炉膛出口烟气含氧量参考轨迹系数；y1s(k)、y2s(k)、y3s(k)分别为k时刻床温、主蒸汽压力、炉膛出口烟气含氧量设定值；y1(k)表示k时刻床温的实际输出，y2(k)表示k时刻主蒸汽压力的实际输出，y3(k)表示k时刻炉膛出口烟气含氧量的实际输出；I1，I2，I3为单位矩阵；Δu1(k-1)、Δu2(k-1)、Δu3(k-1)分别表示k-1时刻的给煤量增量、一次风量增量和二次风量增量。3-f、利用步骤3-e公式计算k时刻PID1、PID2、PID3控制器的参数：其中，V1(k)＝[ν10(k),ν11(k),ν12(k)]T，V2(k)＝[ν20(k),ν21(k),ν22(k)]T，V3(k)＝[ν30(k),ν31(k),ν32(k)]T；kp1(k)、ki1(k)、kd1(k)是k时刻给煤量的PID1控制器的比例、积分、微分系数；kp2(k)、ki本文档来自技高网...

【技术保护点】
一种多变量广义预测控制优化的循环流化床锅炉燃烧过程控制方法，其特征在于：该方法包括以下步骤：步骤1、初始化循环流化床锅炉燃烧过程控制器设计参数：床温、主蒸汽压力和炉膛出口烟气含氧量预测步数P1,P2,P3，床温、主蒸汽压力和炉膛出口烟气含氧量控制加权系数r1,r2,r3，床温、主蒸汽压力和炉膛出口烟气含氧量参考轨迹系数β1,β2,β3，多变量渐消记忆递推最小二乘法辨识初值P(0)，遗忘因子μ；步骤2、根据采集的循环流化床锅炉燃烧过程的过程变量数据，通过多变量渐消记忆递推最小二乘法辨识建立燃烧过程的模型；步骤3、根据多变量广义预测控制的特性对PID1、PID2、PID3控制器参数进行优化整定，并将整定结果解耦；步骤4、根据步骤3得到的PID1、PID2、PID3控制器参数，分别构成控制量控制给煤量、一次风量和二次风量，进而控制床温、主蒸汽压力和炉膛出口烟气含氧量；步骤5、进入下一个时刻，返回步骤2，重复进行步骤2到步骤5的过程。

【技术特征摘要】
1.一种多变量广义预测控制优化的循环流化床锅炉燃烧过程控制方法，步骤1、初始化循环流化床锅炉燃烧过程控制器设计参数：床温、主蒸汽压力和炉膛出口烟气含氧量预测步数P1,P2,P3，床温、主蒸汽压力和炉膛出口烟气含氧量控制加权系数r1,r2,r3，床温、主蒸汽压力和炉膛出口烟气含氧量参考轨迹系数β1,β2,β3，多变量渐消记忆递推最小二乘法辨识初值P(0)，遗忘因子μ；其特征在于：该方法还包括以下步骤：步骤2、根据采集的循环流化床锅炉燃烧过程的过程变量数据，通过多变量渐消记忆递推最小二乘法辨识建立燃烧过程的模型；步骤3、根据多变量广义预测控制的特性对PID1、PID2、PID3控制器参数进行优化整定，并将整定结果解耦：其具体过程是：3-a、根据丢番图方程组计算后移算子q-1的多项式3-b、建立循环流化床锅炉燃烧过程k+j时刻床温预测值y1p(k+j)、k+j时刻主蒸汽压力预测值y2p(k+j)和k+j时刻炉膛出口烟气含氧量预测值y3p(k+j)；3-c、建立床温多步预测值Y1，主蒸汽压力多步预测值Y2，炉膛出口烟气含氧量多步预测值Y3；3-d、建立床温、主蒸汽压力和炉膛出口烟气含氧量的目标函数J1(k)、J2(k)、J3(k)，床温、主蒸汽压力和炉膛出口烟气含氧量的控制步数M1、M2、M3值取1；3-e、将给煤量增量Δu1(k)、一次风量增量Δu2(k)、二次风量增量Δu3(k)形式进行变换，代入目标函数J1(k)、J2(k)、J3(k)中进行优化，并将优化结果进行解耦处理，得到公式：其中，f1＝F11y1(k)+H11Δu1(k-1)+H12Δu2(k-1)+H13Δu3(k-1)f2＝F22y2(k)+H21Δu1(k-1)+H22Δu2(k-1)+H23Δu3(k-1)f3＝F33y3(k)+H31Δu1(k-1)+H32Δu2(k-1)+H33Δu3(k-1)Y1r＝[y1r(k+1),y1r(k+2),…,y1r(k+P1)]TY2r＝[y2r(k+1),y2r(k+2),…,y2r(k+P2)]TY3r＝[y3r(k+1),y3r(k+2),…,y3r(k+P3)]Te1(k)、e1(k-1)、e1(k-2)分别是k时刻、k-1时刻、k-2时刻床温参考轨迹值和实际值之间的误差；e2(k)、e2(k-1)、e2(k-2)分别是k时刻、k-1时刻、k...

【专利技术属性】
技术研发人员：陆振宇，陈琛，郭伟，周丽，夏友亮，王汉杰，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏;32