一种基于多变量预测控制的再热汽温优化控制方法

摘要

本发明公开了一种基于多变量预测控制的再热汽温优化控制方法，它是将热汽温系统整体看做两入一出的多变量对象，采用多变量预测控制方法，同时控制再热减温喷水流量和烟气挡板开度；此外，通过在常规预测控制的优化指标中加入再热减温喷水调门开度的稳态目标值，实现对系统经济性的优化。本发明通过采用多变量预测控制方法，能够更好地实现烟气侧调节和蒸汽侧调节的协调，进一步提高再热汽温的动态调节品质；同时通过在常规预测控制性能指标中加入减温水调门的稳态目标值，实现了对减温喷水量的优化，从而能够有效提高机组的循环效率。

主权项

一种基于多变量预测控制的再热汽温优化控制方法，其特征在于：采用多变量预测控制方法对再热汽温系统进行控制，该多变量预测控制方法包括再热减温喷水流量和烟气挡板开度两个变量的同时，通过引入再热减温喷水调门开度的稳态目标值，实现对系统经济性的优化，所述多变量预测控制方法具体步骤如下：1)获取再热汽温对象的阶跃响应模型，在稳态工况下，分别以烟气挡板开度和减温水调门为输入进行再热汽温开环阶跃响应试验，经滤波平滑后，分别得到两者的阶跃响应模型的系数为和其中，N₁和N₂分别为两个阶跃响应模型的时域长度，N₁和N₂的选择应该确保使再热汽温的响应值已接近稳态值；2)设置控制器相关参数，包括采样时间T_s，预测步数P，烟气侧挡板控制步数M₁，减温水调门控制步数M₂，输出误差权矩阵Q，控制权矩阵R，控制输入误差权矩阵S，T_s可以用经验规则T₉₅/T_s＝5～15来选取，其中，T₉₅为过渡过程上升到95％的调节时间；一般P选为等于再热汽温阶跃响应的上升时间；M₁和M₂选1或2；Q＝diag(q₁,…,q_P),$R=\mathrm{diag}(r_1,...,r_{M_1+M_2}),S=\mathrm{diag}(S_1,...,S_{M_1+M_2});$控制器参数确定后，采用公式(1)所述预测模型对未来再热汽温系统输出进行预测：${\tilde{y}}_{\mathrm{PM}}\left(k\right)={\tilde{y}}_{P0}\left(k\right)+{\mathrm{A\Delta U}}_M\left(k\right)---\left(1\right)$其中，${\tilde{y}}_{\mathrm{PM}}\left(k\right)=\left[\begin{array}{c}\tilde{y}(k+1|k)\\ .\\ .\\ .\\ \tilde{y}(k+P|k)\end{array}\right],{\tilde{y}}_{P0}\left(k\right)=\left[\begin{array}{c}{\tilde{y}}_0(k+1|k)\\ .\\ .\\ .\\ {\tilde{y}}_0(k+P|k)\end{array}\right],\tilde{y}(k+i|k),i=1,...,P$表示在k时刻对未来k+i时刻的再热汽温的预测值，表示在k时刻对未来k+i时刻的再热汽温预测的初值；A＝[A₁ A₂],其中ΔU_M(k)＝[Δu₁(k|k)…Δu₁(k+M₁‑1|k)  Δu₂(k|k)…Δu₂(k+M₂‑1|k)]^T，其中Δu₁(k+i|k),i＝0,…,M₁‑1，Δu₂(k+i|k),i＝0,…,M₂‑1分别表示在k时刻对未来k+i时刻的烟气挡板开度和减温水调门控制量增量的估计值；为表达方便，用y_i来表示即表示利用预测模型对未来P个采样时刻再热汽温的预测值；3)控制器状态初始化，即在某个稳态工况下，检测当前时刻再热汽温测量值y(k)，并令y₀＝y_i＝y(k),i＝1,…,P，其中，y₀为利用预测模型对当前时刻再热汽温的预测值；4)计算再热汽温预测偏差e＝y(k)‑y₀；5)进行反馈校正，y_i+h_ie→y_i,i＝1,…,P，其中，h_i为校正系数，取为1；6)计算烟气挡板控制量增量Δu₁(k)和减温水调门控制量增量Δu₂(k)，取性能指标函数为式：$J\left(k\right)={\left|\right|w_P\left(k\right)-{\tilde{y}}_{\mathrm{PM}}\left(k\right)\left|\right|}_Q^2+{\left|\right|{\mathrm{\Delta U}}_M\left(k\right)\left|\right|}_R^2+{\left|\right|U_M\left(k\right)-U_0\left|\right|}_S^2---\left(2\right)$其中，w_P(k)＝[w(k+1)…w(k+P)]^T为未来再热汽温的参考目标值向量，U₀为控制输入的稳态目标值向量，U_M(k)＝U_M(k‑1)+TΔU_M(k)，T＝diag(T₁,T₂),将预测模型式(2)代入式(1)中，并通过极值必要条件求得：${\mathrm{\Delta U}}_M\left(k\right)={(A^T\mathrm{QA}+R+T^T\mathrm{ST})}^{-1}[A^{T}Q(w_P\left(k\right)-{\tilde{y}}_{P0}\left(k\right))+T^{T}S(U_0-U_M(k-1))]---\left(3\right)$所以，$\mathrm{\Delta U}\left(k\right)={\left[\begin{array}{cc}{\mathrm{\Delta u}}_1\left(k\right)& {\mathrm{\Delta u}}_2\left(k\right)\end{array}\right]}^T=d_1(w_P\left(k\right)-{\tilde{y}}_{P0}\left(k\right))+d_2(U_0-U_M(k-1))---\left(4\right)$其中，d₁＝L(A^TQA+R+T^TST)^‑1A^TQ，L＝diag(θ₁θ₂)，${\theta }_i={\left[\begin{array}{cccc}1& 0& ...& 0\end{array}\right]}_{1\times M_i},i=\mathrm{1,2},$d₂＝L(A^TQA+R+T^TST)^‑1T^TS，7)计算烟气挡板控制量u₁(k)＝u₁(k‑1)+Δu₁(k)，以及减温水调门控制量u₂(k)＝u₂(k‑1)+Δu₂(k)；8)如果u_i(k)>u_max，那么令u_i(k)＝u_max，Δu_i(k)＝u_max‑u_i(k‑1)，i＝1,2；如果u_i(k)<u_min，那么令u_i(k)＝u_min，Δu_i(k)＝u_min‑u_i(k‑1)，i＝1,2；其中，u_max和u_min分别为控制量的上限值和下限值；9)输出u₁(k)和u₂(k)，计算并更新再热汽温输出预测值：y₁→y₀，y_i+a_1iΔu₁(k)+a_2iΔu₂(k)→y_i,i＝1,…,P，而后在每个采样周期内，重复执行第4)步到第9)步。