【技术实现步骤摘要】
本专利技术涉及一种基于非线性智能预测控制技术的超临界机组新型再热汽温优化控制系统,属于热能动力工程和自动控制领域。
技术介绍
超临界机组的再热汽温主要以调节再热烟气挡板来控制,而以事故喷水为辅助调节手段。再热汽温被控对象具有很大的滞后和惯性(15min以上),并且再热汽温受烟气侧和蒸汽侧各种因素的影响,而再热温度与机组效率及机组的安全性密切相关,简单的调整不能保证超临界机组在运行过程中的保持较高品质,常规的PID控制系统很难有效抑制再热汽温的大范围变化,采用基于大滞后控制理论的优化控制策略才能综合采用调整烟气挡板开度和事故喷水等辅助手段,对再热汽温进行有效控制。从控制原理上讲,非线性预测控制方法是解决再热汽温调节过程中相关问题的有效方法,但传统的非线性预测控制算法十分复杂,加上其控制作用(烟气挡板开度)经常受限,使得非线性预测控制算法的求解问题更为复杂,在实际工程中的应用几乎不可实现。为便于非线性预测控制算法的工程实现,本专利技术提出了一种可方便地对非线性被控过程实施优化控制的模糊控制算法,在此基础上,针对再热汽温调节过程具有明显非线性及控制作用受限的特点,提出了基于非线性智能预测控制技术的超临界机组新型再热汽温优化控制系统。
技术实现思路
针对超临界机组的再热汽温,采用简单的PID控制方案很难取得理想的控制品质的现状,本专利技术针对再热汽温调节过程具有明显非线性及控制作用受限的特点提出了一种基于非线性智能预测控制技术的超临界机组再热汽温优化控制系统,能够有效地改善控制品质。为实现上述目的,本专利技术采用的技术方案为:一种基于非线性智能预测控制技术的超临界机 ...
【技术保护点】
一种基于非线性智能预测控制技术的超临界机组再热汽温优化控制系统,其特征在于:该控制系统由烟气挡板控制回路和事故喷水控制回路组成,所述烟气挡板控制回路包括第一反馈回路和第一前馈回路,事故喷水控制回路包括第二反馈回路和第二前馈回路;所述烟气挡板控制回路的第一反馈回路的输入端接超临界机组的A侧再热汽温值设定模块,第一反馈回路的输出端接烟气挡板控制通道;所述第一反馈回路中以第一非线性智能预测控制器作为主控制器;第一前馈回路由第一模糊智能前馈和基于机组负荷指令N0的前馈量组成,第一模糊智能前馈的输入量为偏差量e和偏差变化率de/dt,基于机组负荷指令的前馈量分为两类,分别是小范围负荷变化的第一前馈和大范围负荷变化的第二前馈;所述事故喷水控制回路的第二反馈回路的输入端接超临界机组的A侧再热汽温值设定模块,第二反馈回路的输出端接A侧喷水阀开度控制模块;所述第二反馈回路中以第二非线性智能预测控制器作为主控制器;所述第二前馈回路包括第二模糊智能前馈,第二模糊智能前馈的输入量为偏差量e和偏差变化率de/dt。
【技术特征摘要】
1.一种基于非线性智能预测控制技术的超临界机组再热汽温优化控制系统,其特征在于:该控制系统由烟气挡板控制回路和事故喷水控制回路组成,所述烟气挡板控制回路包括第一反馈回路和第一前馈回路,事故喷水控制回路包括第二反馈回路和第二前馈回路;所述烟气挡板控制回路的第一反馈回路的输入端接超临界机组的A侧再热汽温值设定模块,第一反馈回路的输出端接烟气挡板控制通道;所述第一反馈回路中以第一非线性智能预测控制器作为主控制器;第一前馈回路由第一模糊智能前馈和基于机组负荷指令N0的前馈量组成,第一模糊智能前馈的输入量为偏差量e和偏差变化率de/dt,基于机组负荷指令的前馈量分为两类,分别是小范围负荷变化的第一前馈和大范围负荷变化的第二前馈;所述事故喷水控制回路的第二反馈回路的输入端接超临界机组的A侧再热汽温值设定模块,第二反馈回路的输出端接A侧喷水阀开度控制模块;所述第二反馈回路中以第二非线性智能预测控制器作为主控制器;所述第二前馈回路包括第二模糊智能前馈,第二模糊智能前馈的输入量为偏差量e和偏差变化率de/dt。2.根据权利要求1所述的基于非线性智能预测控制技术的超临界机组再热汽温优化控制系统,其特征在于:所述第一非线性智能预测控制器和第二非线性智能预测控制器为相同的非线性智能预测控制器,非线性智能预测控制器的再热汽温预测模型采用基于模糊性能指标的非线性模型。3.根据权利要求2所述的基于非线性智能预测控制技术的超临界机组再热汽温优化控制系统,其特征在于:所述非线性智能预测控制器包括:控制作用范围设定模块,用于设定控制作用的寻优选择范围和控制分量;过程输出预测模块,用于预测未来各个采样时刻过程输出;性能指标计算模块,用于根据设定的指标公式评估控制作用选择范围各分量对应的性能指标;最优选择模块,用于确定使得性能指标取得最小值的最优控制作用。4.根据权利要求3所述的基于非线性智能预测控制技术的超临界机组再热汽温优化控制系统,其特征在于:所述非线性智能预测控制器的控制作用范围设定模块的寻优选择范围[Uk,LL,Uk,HL]为:Uk,LL=max[u(k-1)-δmax,UL];Uk,HL=min[u(k-1)+δmax,UH],进行L等分后得到控制分量ui=Uk,min+i·(Uk,max-Uk,min)/L,其中UH,UL分别为控制作用的上限和下限,δmax为每个采样周期内控制作用的最大允许改变量,k表示第k个采样时刻,u(k)表示第k个时刻的控制作用烟气挡板开度。5.根据权利要求3所述的基于非线性智能预测控制技术的超临界机组再热汽温优化控制系统,其特征在于:所述非线性智能预测控制器的过程输出预测模块计算未来各个采样时刻过程输出的预测值为: y ( k + 1 ) ^ = N F [ y ( k + 1 - 1 ) ^ , y ( k + 1 - 2 ) ^ , ... , y ( k + 1 - n ) ^ , u ( k + i - 1 ) , ... u ( k + i - ...
【专利技术属性】
技术研发人员:吕剑虹,陈雨亭,秦文炜,崔晓波,于冲,于吉,
申请(专利权)人:东南大学,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。