一种基于迭代学习预测控制的燃煤锅炉过热汽温控制系统技术方案

本发明专利技术公开了一种基于迭代学习预测控制的燃煤锅炉过热汽温控制系统，副控制器采用比例控制器，主控制器采用基于迭代学习的预测控制器，通过在预测模型中引入前一时刻迭代的误差信息，对当前时刻的预测模型进行修正，并在迭代过程中通过学习不断修正控制律。本发明专利技术的过热汽温控制系统能够较好地适应大范围工况变化，减小动态偏差，实现了减温水的提前动作，提高了过热汽温控制系统的稳定性和安全性。本发明专利技术简单可靠，易于实现，适用于燃煤锅炉过热汽温控制系统。汽温控制系统。汽温控制系统。

【技术实现步骤摘要】
一种基于迭代学习预测控制的燃煤锅炉过热汽温控制系统


[0001]本专利技术属于燃煤发电锅炉过热汽温控制
，具体涉及一种基于迭代学习预测控制的燃煤锅炉过热汽温控制系统。

技术介绍

[0002]目前，火电机组燃煤锅炉过热汽温的自动控制存在汽温波动大、稳定性较差等问题。锅炉过热汽温是通过调节喷水量来控制的，在机组变负荷时，过热汽温的控制偏差大，不少机组的过热汽温波动达(20
‑
25)℃左右，且较长时间不能回调到设定值附近，为防止过热汽温的超温，运行人员只能降低过热汽温的设定值，影响了机组的循环效率，增加了机组的供电煤耗。引起过热汽温控制品质差的主要原因有两个，一是在机组的变负荷过程中，锅炉的给煤量和给水流量在动态过程中存在失配现象，导致超临界机组锅炉分离器入口蒸汽的过热度大幅度波动，从而引起锅炉过热汽温的大幅度变化；二是过热汽温的被控对象即喷水调门开度对过热汽温的影响是一个大惯性、大滞后的过程。只有采用更加先进的控制策略才能对其进行有效控制，但目前采用基于常规PID的控制策略过于简单，控制方案也不合理。

技术实现思路

[0003]本专利技术所要解决的技术问题是针对上述现有技术的不足，提供一种基于迭代学习预测控制的燃煤锅炉过热汽温控制系统，提高过热汽温控制系统适应大范围变工况的能力，减小动态偏差，优化过热汽温系统控制品质。
[0004]技术方案：为实现上述专利技术目的，本专利技术采用如下技术方案：
[0005]一种基于迭代学习预测控制的燃煤锅炉过热汽温控制系统，其特征在于：采用串级双回路控制系统，其中，主回路中采用基于迭代学习的预测控制器作为主控制器，副回路中采用比例控制器作为副控制器。
[0006]进一步地，所述基于迭代学习的预测控制器是通过在预测模型中引入前一时刻迭代的误差信息，对当前时刻的预测模型进行修正，并在迭代过程中通过学习不断修正控制律。
[0007]进一步地，所述预测模型是基于状态空间的误差模型，具体表示为：
[0008]e
k
＝e
k
‑1‑
GΔδu
k
‑
HΔx
k
(0)
[0009]其中，e表示被调量误差，u表示控制量，x表示状态量，k表示迭代次数，G和H表示系统矩阵，δ表示时间增量算子，Δ表示迭代增量算子。
[0010]更进一步地，基于预测模型得到第k次迭代时，t时刻的输出预测误差方程，具体表示为：
[0011]e
k
(t+1|t)＝e
k
‑1(t+1)
‑
GΔδu
k
(t)
‑
HΔx
k
(t)
[0012]式中，
[0013]其中，A、B和C代表系统矩阵，p代表预测步长，m代表控制步长。
[0014]进一步地，所述控制律是采用滚动优化的方式，以性能指标最小为优化目标，计算得到最优控制量，性能指标具体表示为：
[0015][0016]其中，J表示性能指标，t表示当前时刻，T表示矩阵转置符号，Q表示误差加权系数矩阵，R表示控制增量变化量加权系数矩阵，S表示控制增量加权系数矩阵。
[0017]更进一步地，最优控制量的计算式为：
[0018][0019]式中，L＝(G
T
QG+R+S)
‑1G
T
Q。
[0020]优选地，最优控制增量为：
[0021][0022]更进一步地，通过控制增量计算式得到控制律并不全部执行，而是只取当前时刻的控制增量作用于被控对象。在下一时刻，重复以上步骤，以实现滚动优化。
[0023]有益效果：与现有技术相比，本专利技术公开的一种基于迭代学习预测控制的燃煤锅炉过热汽温控制系统，在过热汽温串级控制系统中副回路选用比例控制器，通过前馈提前响应，快速消除扰动，主回路采用迭代学习预测控制器，保证负荷大范围变动下仍能较好地跟踪设定值，改善系统动态特性。本专利技术的一种基于迭代学习预测控制的燃煤锅炉过热汽温控制系统，提高过热汽温控制系统适应大范围变工况的能力，减小动态偏差，优化过热汽温系统控制品质。
附图说明
[0024]图1为过热汽温串级控制系统示意图。
具体实施方式
[0025]为了使本专利技术要解决的技术问题、技术方案和有益效果更加清楚，下面结合附图及具体实施例进行详尽的描述。
[0026]实施例1
[0027]本专利技术公开了一种基于迭代学习预测控制的燃煤锅炉过热汽温控制系统，其特征在于：过热汽温控制系统采用串级双回路控制系统，主回路中采用基于迭代学习的预测控制器作为主控制器，主控制器的输入变量为过热汽温(θ2)，主控制器的输出为中间变量；副回路中采用比例控制器作为副控制器，副控制器的输入量为主控制器的输出(中间变量)和前馈温度(θ1)，副控制器的输出为减温水阀门开度。
[0028]进一步地，基于迭代学习的预测控制器是通过在预测模型中引入前一时刻迭代的误差信息，对当前时刻的预测模型进行修正，并在迭代过程中通过学习不断修正控制律。
[0029]进一步地，预测模型是基于状态空间的误差模型，具体表示为：
[0030]e
k
＝e
k
‑1‑
GΔδu
k
‑
HΔx
k
(0)
[0031]其中，e表示被调量误差，u表示控制量，x表示状态量，k表示迭代次数，G和H表示系统矩阵，δ表示时间增量算子，Δ表示迭代增量算子。
[0032]更进一步地，基于预测模型得到第k次迭代时，t时刻的输出预测误差方程，具体表示为：
[0033]e
k
(t+1|t)＝e
k
‑1(t+1)
‑
GΔδu
k
(t)
‑
HΔx
k
(t)
[0034]式中，
[0035]其中，A、B和C代表系统矩阵，p代表预测步长，m代表控制步长。
[0036]进一步地，控制律是采用滚动优化的方式，以性能指标最小为优化目标，计算得到最优控制量，性能指标具体表示为：
[0037][0038]其中，J表示性能指标，t表示当前时刻，T表示矩阵转置符号，Q表示误差加权系数矩阵，R表示控制增量变化量加权系数矩阵，S表示控制增量加权系数矩阵。
[0039]更进一步地，最优控制量的计算式为：
[0040][0041]式中，L＝(G
T
QG+R+S)
‑1G
T
Q。
[0042]优选地，最优控制增量为：
[0043][0044]更进一步地，通过控制增量计算式得到控制律并不全部执行，而是只取当前时刻的控制增量作用于被控对象。在下一时刻，重复以上步骤，以实现滚动优化。
[0045]实施例2
[0046]本专利技术公开了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于迭代学习预测控制的燃煤锅炉过热汽温控制系统，其特征在于：采用串级双回路控制系统，其中，主回路中采用基于迭代学习的预测控制器作为主控制器，副回路中采用比例控制器作为副控制器。2.根据权利要求1所述的一种基于迭代学习预测控制的燃煤锅炉过热汽温控制系统，其特征在于：所述基于迭代学习的预测控制器是通过在预测模型中引入前一时刻迭代的误差信息，对当前时刻的预测模型进行修正，并在迭代过程中通过学习不断修正控制律。3.根据权利要求2所述的一种基于迭代学习预测控制的燃煤锅炉过热汽温控制系统，其特征在于：所述预测模型是基于状态空间的误差模型，具体表示为：e
k
＝e
k
‑1‑
GΔδu
k
‑
HΔx
k
(0)其中，e表示被调量误差，u表示控制量，x表示状态量，k表示迭代次数，G和H表示系统矩阵，δ表示时间增量算子，Δ表示迭代增量算子。4.根据权利要求3所述的一种基于迭代学习预测控制的燃煤锅炉过热汽温控制系统，其特征在于：基于预测模型得到第k次迭代时，t时刻的输出预测误差方程，具体表示为：e
k
(t+1|t)＝e
k
‑1(t+1)
‑
GΔδu
k
(t)

【专利技术属性】
技术研发人员：张宝川，李志华，张冠群，徐新江，舒伟，陈冠兵，刘玉超，
申请(专利权)人：国能神华九江发电有限责任公司，
类型：发明
国别省市：