【技术实现步骤摘要】
基于柔性收敛控制的CHP机组变负荷过程全联立动态优化方法
[0001]本专利技术涉及电
‑
热综合能源系统设备建模
，具体涉及一种基于柔性收敛控制的CHP机组变负荷过程全联立动态优化方法。
技术介绍
[0002]为了充分提升热能、电能的综合利用效率，在热力系统中提升热电联产(Combined Heat and Power,CHP)机组电出力灵活性的技术改造是一种有效的解决方案，改造后的机组动态调节特性复杂，使热力系统分析呈现多变量、多过程耦合、多参数叠加和强非线性等特征，其变负荷响应能力难以精确建模和快速仿真计算。因此，如何高效可靠地求解改造后机组最优控制问题成为综合能源利用迫切需要解决的问题。
[0003]根据CHP机组及其控制对象系统的物理、化学特性建立的微分代数方程组(Differential Algebraic Equations,DAEs)可以完整地描述系统在建模区间的动态特性，将该DAEs称为机理模型。利用机理模型作为CHP系统的被控模型，具有描述工况范围宽、变量物理意义清晰的优点，适用于大范围变负荷的控制要求。研究常用DAEs对CHP机组做精细化建模，使含有CHP机组模型的数学规划问题成为动态优化问题。对于考虑CHP机组快速变负荷能力的综合能源应用优化计算问题，传统算法很难满足CHP机组不同应用场景求解性能要求。
[0004]CHP机组控制过程缺乏连贯的规划性，需要反复调整流量与阀门开度，变负荷需要较大调节空间，难以量化。而采用序列二次规划算法、分段打靶方法、配置法...
【技术保护点】
【技术特征摘要】
1.基于柔性收敛控制的CHP机组变负荷过程全联立动态优化方法，其特征在于包括以下步骤：步骤1、构建CHP机组变负荷控制过程系统模型：构建CHP机组模型，如下式(1)
‑
式(8)所示：1)燃煤制粉系统动态关系：V
m
(t)＝V
B
(t
‑
t
B
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)；其中，V
B
(t)为机组给煤质量流量，V
m
(t)为制粉系统中实际进入磨煤机的给煤质量流量，t
B
为制粉过程迟延时间常数，V
f
(t)为锅炉燃烧率，T
f
为制粉惯性时间常数，t表示控制过程时域值，V
B
(t
‑
t
B
)表示t
‑
t
B
时刻的机组给煤质量流量；2)汽包锅炉系统动态关系：ψ
d
(t)
‑
ψ
t
(t)＝K2(K1V
f
(t))
δ
ꢀꢀꢀꢀꢀꢀꢀ
(4)；其中，V
T
(t)为汽轮机调门开度，ψ
d
(t)为汽包压力，ψ
t
(t)为汽轮机前压力，C
d
为锅炉蓄热系数，δ为常系数，K1为燃料增益静态参数，K2为过热器阻力系数，K3为汽轮机增益静态参数；3)汽轮机系统动态关系：ψ1(t)＝0.01ψ
t
(t)V
T
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)其中，V
H
(t)为抽汽调节蝶阀开度，P
H
(t)为机组发电功率，ψ
z
(t)为中压缸排汽压力，ψ1(t)为汽轮机一级压力，m
r
(t)为循环水质量流量，ε
r
(t)为循环水回水温度，T
t
为汽轮机惯性时间常数，C
z
为热网加热器蓄热系数，K4为高中压缸占汽轮机做功比例，K5为低压缸增益静态参数，K6为热网循环水的有效比热容；4)供热系统动态关系：m
H
(t)＝K7K6m
r
(t)(96ψ
z
(t)
‑
ε
r
(t)+103)
ꢀꢀꢀꢀ
(8)；其中，m
H
(t)为供热抽汽流量；K7为供热抽汽有效热量折合蒸汽流量系数；根据CHP机组变负荷过程需求，建立V
T
(t)、V
B
(t)、V
H
(t)多变量协调控制系统的模型约束：
其中，K
PT
、K
IT
、K
DT
分别为控制V
T
(t)变量的比例系数、积分系数、微分系数；K
PB
、K
IB
、K
DB
分别为控制V
B
(t)变量的比例系数、积分系数、微分系数；K
PH
、K
IH
、K
DH
分别为控制V
H
(t)变量的比例系数、积分系数、微分系数；SP
ψ
、SP
P
、SP
m
分别为主蒸汽、机组发电功率、供热抽汽流量的设定值；ψ
t
(t)为主蒸汽压力控制过程当前值，P
H
(t)为机组发电功率控制过程当前值，m
H
(t)为供热抽汽流量控制过程当前值；K为电
‑
热协调控制的增益参数、T
c
为电
‑
热协调控制的时间参数；E
T
(t)、E
B
(t)、E
H
(t)分别为主蒸汽压力、电功率、抽汽蒸汽流量的过程值与设定值之间的误差；步骤2、构建CHP机组变负荷控制过程动态优化问题：目标函数如下：式(12)中：t0和t
f
分别为机组优化控制的起始和终止时间点；u为CHP机组控制变量组成的向量，y为CHP机组代数状态变量组成的向量，u*、y*分别为稳态优化得到的控制变量与输出变量的设定值，Q、R和S是正定权矩阵，能够通过对变量做归一化来确定初始值；J为目标函数，u(t)为t时刻控制变量值、u(t
‑
1)为t
‑
1时刻控制变量值、y(t)为t时刻输出变量值；CHP机组变负荷控制过程系统模型中：式(13)中：x为状态变量，对应ψ
d
为汽包压力，P
H
为机组发电功率，ψ
z
为汽轮机供热抽汽压力，V
f
为锅炉燃烧率；u为控制变量，对应V
T
为汽轮机高压缸进汽调节阀开度，V
B
为机组燃料量，V
H
为供热抽汽调节蝶阀开度；y为输出变量，对应ψ
t
为汽轮机前压力，P
H
为机组发电功率，m
H
为供热抽汽流量，T表示矩阵的转置关系；步骤3、采用柔性收敛深度控制的全联立法，对动态优化问题进行求解。2.根据权利要求1所述基于柔性收敛控制的CHP机组变负荷过程全联立动态优化方法，其特征在于：步骤3包括以下步骤：S3.1：采用全联立正交配置法对动态优化问题进行离散：CHP机组变负荷优化控制问题能够表达为如下的DAEs形式动态优化问题：min J(x(t
f
))
式中：u为CHP机组控制变量组成的向量，y为CHP机组代数状态变量组成的向量，x为CHP机组微分状态变量组成的向量，t0和t
f
分别为机组优化控制的起始和终止时间点；x(t),y(t),u(t)分别表示t时刻CHP机组微分状态变量值、代数状态变量值、控制变量值；x(t
f
),y(t
f
),u(t
f
)分别表示终值时刻t
f
CHP机组微分状态变量终值、代数状态变量终值、控制变量终值；表示t时刻CHP机组微分状态变量的求导值、x(t0)表示初始时刻t0CHP机组微分状态变量初值；F为CHP机组DAEs动态模型，对应式(1)
‑
(8)；g
E
、g
IE
为系统的等式与不等式路径约束，对应式(9)、式(10)、式(16)；h
E
、h
IE
为系统在时间t
f
的终值约束，对应式(11)；u
L
、u
U
分别为控制变量上限、下限组成的向量；x0、x
f
分别为微分状态变量初值、终值组成的向量，由式(14)、(15)计算得到；基于Radau正交配置点的Lagrange插值函数逼近状态变量和控制变量的原函数；将整个时域[t0,t
f
]划分为N段有限元，在每段有限元[t
i
‑1,t
i
](i＝1,2,
…
,N)上，N为时域被划分成的有限元段数，t
i
‑1表示第i个有限元的起始时刻，t
i
表示第i个有限元的终值时刻；采用拉格朗日插值多项式，对状态变量和控制变量进行逼近，状态变量的插值函数如下：下：其中：K为插值阶次，选择K＝3，使离散化求解具有5阶精度；l
j
(τ)为状态变量的插值函数，τ
j
第j个配置点上插值函数自变量，τ
k
第k个配置点上插值函数自变量；x
ij
为第i个有限元第j个配置点上状态变量的值，τ表示插值函数自变量；状态变量的初值和终值条件为：x
1,0
＝x0ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(20)；x
f
＝x
N,K
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(21)；其中：x
1,0
为第1个有限元状态变量的初值，x
N,K
为第N个有限元第K个配置点上状态变量的值；x0、x
f
分别表示状态变量的初值与终值；
由于状态变量可导，所以相邻有限元连接处的节点上状态变量值应该连续，故有连续性条件：其中：x
i+1,0
为第i+1个有限元状态变量的初值，l
j
(1)为第j个配置点上状态变量的插值函数，x
ij
为第i个有限元第j个配置点上状态变量的值；控制变量的插值多项式如下：控制变量的插值多项式如下：其中：K为插值阶次；为控制变量的插值函数，τ
j
为第j个配置点上插值函数自变量，τ
k
第k个配置点上插值函数自变量；u
ij
为第i个有限元第j个配置点上控制变量的值；Lagrange插值多项式的变量在各个配置点上的值恰好等于其系数，即：t
ij
＝t
i
‑1+(t
i
‑
t
i
‑1)τ
j
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(25)；x(t
ij
)＝x
ij
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(26)；u(t
ij
)＝u
ij
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(27)；其中：t
ij
为第i个有限元第j个配置点上时域点，t
i
、t
i
‑1分别为第i、i
‑
1个有限元的时域点，τ
j
为第j个配置点上插值函数自变量，x
ij
为第i个有限元第j个配置点上状态变量的值，u
ij
为第i个有限元第j个配置点上控制变量的值；将式(19)、式(23)和式(25)
‑
式(27)代入式(17)的微分方程组，得到配置方程：i＝1,2,
…
,N,j＝1,2,
…
,K.t＝t
i
‑1+h
i
τ,h
i
＝t
i
‑
t
i
‑1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(29)；其中：N为有限元个数，K为配置点个数，t
ij
为第i个有限元第j个配置点上时域点，h
i
为第i、i
‑
1个有限元的时域点之间的增量，τ
j
为第j个配置点上插值函数自变量，x
ik
为第i个有限元第k个配置点上状态变量的值，u
ij
为第i个有限元第j个配置点上控制变量的值；R
i
(τ
j
)为i个有限元第j个配置点的配置方程函数、为第k个配置点上状态变量的插值函数的导函数、F(x
ij
,u
ij
)为i个有限元第j个配置点的状态变量、控制变量求解的CHP机组DAEs函数值；至此，得到式(17)离散化后的NLP命题形式，即：min J(x(t
f
))
式中：t0和t
f
分别为机组优化控制的起始和终止时间点；F为CHP机组DAEs动态模型；x
ik
为第i个有限元第k个配置点上状态变量的值，h
i
为第i、i
‑
1个有限元的时域点之间的增量，x
ij
、y
ij
、u
ij
分别为第i个有限元第j个配置点上状态变量、控制变量、输出变量的值；g
E
、g
IE
为系统的路径约束；h
E
、h
IE
为系统在时间t
f
的终值约束；u
L
、u
U
分别为控制变量上限、下限，x0、x
f
分别为状态变量初值、终值，x
i+1,0
为第i+1个有限元状态变量的初值，l
j
(1)为第j个配置点上状态变量的插值函数；S3.2：动态优化问题的柔性收敛深度控制优化求解：对于离散化后产生的大规模NLP问题式(30)，采用基于柔性收敛深度控制改进的内点法求解；引入收敛深度和进展程度来定量描述当前迭代点的收敛状态，并利用Sigmoid函数来柔化传统的刚性收敛准则；定义当前迭代点x
t
可行性误差目标函数预测改进量可行性变化量以及目标函数变化量如式(31)
‑
(34)所示：(34)所示：(34)所示：(34)所示：其中：c(x
t
)为系统的约束条件，x
t
为当前迭代点，为向量的第i个分量，d(x
t
)为当前迭代点搜索方向，g
T
(x
t
)为当前迭代点梯度向量，f(x
t
)、f(x
t
‑1)分别为x
t
、x
t
‑1迭代点目标函数值，x
t
‑1为前一个迭代点；上述公式能够将收敛深度和进展程度定义为：定义为：其中，ε0为给定的容差，S为变形的Sigmoid函数，为可行性误差，为目标函数预测改进量，为可行性变化量，为目标函数变化量，μ
t
为变化量调节系数；
用于柔化传统的刚性收敛准则，其定义为：其中，函数S(δ
t
,ε0)将区间[ε0，1/ε0]光滑地连接，δ
t
为指标变化量，ε0为给定的容差，ξ用来衡量函数S在该区间内的平缓程度；柔性收敛深度控制准则是通过判断收敛深度和进展程度的值来确定是否结束迭代：a：若当前迭代点的达到阈值θ0时，则终止优化过程得到收敛结果，否则对进行判断并进入下一次迭代；b：若达到阈值θ1的次数超过η次，则认为目标函数和约束违反已经“没有进展”，输出欠收敛结果并终止优化。3.根据权利要求1所述基于柔性收敛控制的CHP机组变负荷过程全联立动态优化方法，其特征在于：步骤1中，CHP机组变负荷动态控制过程输出变量约束包括：其特征在于：步骤1中，CHP机组变负荷动态控制过程输出变量约束包括：其中，Δ
ψ
、Δ
P
、Δ
m
分别为主蒸汽压力、电功率、抽汽蒸汽流量的波动范围；δ
ψ
、δ
P
、δ
m
分别为主蒸汽压力、电功率、抽汽蒸汽流量的误差范围；优化控制周期内，ψ
t
...
【专利技术属性】
技术研发人员：陈庆，黄悦华，张磊，叶婧，卢天林，刘兴韬，张子豪，
申请(专利权)人：三峡大学，
类型：发明
国别省市：
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。