【技术实现步骤摘要】
基于迭代学习的抽汽供热发电机组协调系统预测控制器
本专利技术涉及一种基于迭代学习的抽汽供热发电机组协调系统预测控制器，属于热能动力工程和自动控制领域。
技术介绍
上世纪70年代，Astrom和Wittenmark首先提出自校正控制技术，并在造纸厂得到了成功应用。70年代后期，在此基础之上，预测控制逐渐发展了起来。本世纪以来，人们越来越多地将预测控制运用到其他领域，在交通、土木、能源、航天航空及医疗等方面都能发现其身影。预测控制在处理带约束控制优化问题的优势使其在很多行业得到应用。迭代学习的思想最初由日本学者Uchiyama于1978年提出，于1984年由Arimoto等人作出了开创性研究。其不断重复同一个轨迹的控制尝试，并以此修正控制率，得到较好的控制效果。它不依赖于精确的数学模型，对于具有非线性，复杂性，难以建模以及高精度轨迹控制问题有着重要应用意义。就热工控制领域而言，面对当今大型、复杂和具有不确定性的热工对象，早期的PID控制系统显然已经不能适应电力行业快速发展的需要。目前热工控制系统的设计已在各方面都...
【技术保护点】
1.基于迭代学习的抽汽供热发电机组协调系统预测控制器，其特征在于：主要由四部分组成，分别是：/na)预测模块：用于预测未来各个采样时刻的输出；/nb)计算模块：用于根据设定的性能指标计算控制范围内最优的控制增量；/nc)执行模块：用于将计算所得最优控制律应用于系统；/nd)记忆模块：用于存储本次迭代信息，以修改下次迭代时的控制率。/n
【技术特征摘要】
1.基于迭代学习的抽汽供热发电机组协调系统预测控制器，其特征在于：主要由四部分组成，分别是：
a)预测模块：用于预测未来各个采样时刻的输出；
b)计算模块：用于根据设定的性能指标计算控制范围内最优的控制增量；
c)执行模块：用于将计算所得最优控制律应用于系统；
d)记忆模块：用于存储本次迭代信息，以修改下次迭代时的控制率。
2.基于迭代学习算法的抽汽供热发电机组协调系统预测控制器的使用方法，其特征在于：利用历史信息，将迭代学习与预测控制相结合，只有一个优化步骤，通过增量状态空间模型的引入来保证无偏跟踪控制。
3.根据权利要求1所述的基于迭代学习的抽汽供热发电机组协调系统预测控制器的使用方法，其特征在于：该控制器采用带扰动项扩增的增量状态空间模型来描述具有干扰的被控过程，多变量对象的输入输出可用下式表示：
其中
μB、μT、μs分别为锅炉燃烧率指令、主汽调门指令和抽汽调门指令；PT、NE、PE分别为主汽压力、电功率和抽汽压力；GPB(s)、GPT(s)分别为锅炉燃烧率指令、主汽调门指令对应主汽压力的传递函数模型；GNB(s)、GNT(s)、GNS(s)分别为锅炉燃烧率指令、主汽调门指令和抽汽调门指令对应电功率的传递函数模型；GEB(s)、GET(s)、GES(s)分别为锅炉燃烧率指令、主汽调门指令和抽汽调门指令对应抽汽压力的传递函数模型；G(s)为传递函数矩阵；
根据传递函数矩阵可得到状态空间模型，加入扰动项写作：
xk(t+1)＝A0xk(t)+B0uk(t)+dk(t)
yk(t)＝C0xk(t)
其中，xk表示状态量，uk表示输入量，yk表示输出量，dk表示扰动项，t表示时间序列，k表示迭代序列；
将上述状态空间模型进行扩增，改写为增量形式，同时将扰动项d并入状态，得到增广状态空间模型，其中，δ表示时间增量算子：
写成：
在有限时间序列[0,N]上，可以将预测模型写成上升系统的形式：
其中δuk＝[δuk(0)Tδuk(1)T…δuk(N-1)T]Τ，
应用迭代学习算法，相邻两次迭代过程输出量的关系表示为：
其中，Δ为迭代增量算子；
...
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。