火电机组协调控制系统的解耦广义预测控制研究

先进的控制策略能够提高单元火电机组的控制品质。但是,由于机组协调控制存在的多变量强耦合问题,使得常规PID调节器难以达到很好的控制效果。对此,采用解耦广义预测控制算法建立了协调控制系统数学模型。仿真结果表明,基于解耦广义预测控制算法的协调控制系统控制效果明显优于普通广义预测控制系统,具有抗负荷扰动性能,鲁棒性强,适用于具有迟延和其它耦合性较强的系统。     

基于遗传算法和模糊推理优化的单元机组负荷控制系统

针对采用常规控制策略控制下的单元机组负荷控制系统负荷适应能力差、机组调频调峰时难以自动运行这一难题,提出了一种基于遗传算法和模糊推理的单元机组负荷控制系统设计新方案.首先利用遗传算法整定出某一负荷下单元机组负荷控制系统中PID控制器参数,再采用模糊推理不断修正变负荷时的PID控制器参数,实现PID参数的实时调整,使控制系统达到最佳控制效果.通过对火电单元机组负荷控制系统的设计和仿真研究,证明了用这种方法设计的单元机组负荷控制系统具有更好的控制效果和更强的适应能力.     

多变量混合预测算法在单元机组协调控制中的应用

提出了一种新颖的具有预测误差校正的多变量广义预测控制 (GPC)与动态矩阵控制 (DMC)混合集中优化控制算法。该算法直接对被控对象的整体模型性能指标进行优化 ,可获得最全面的反映过程未来变化趋势的动态信息量 ,以实现整个系统的最优控制。同时考虑了所有输入输出之间的交互影响 ,合理考虑各控制输入输出量在算法中的地位 ,避免常规多变量控制系统设计中因解耦而造成的不可实现性和解耦网络对系统模型的过分依赖性 ,且易于实施 ,对模型的变化有较强的鲁棒性。通过对 30 0MW单元机组协调控制系统进行仿真 ,结果表明 ,该算法具有控制性能好、鲁棒性强等优点     

330MW火电机组深度调峰下AGC控制优化研究及应用

深度调峰模式下负荷指令变化较频繁,且变化幅度较大,传统PID控制回路已难以快速响应、匹配深度调峰背景下的宽负荷段要求,导致单元机组协调控制系统多变量、强耦合、滞后大的缺点日益显现。针对单元机组协调控制对象存在多变量、强耦合的难题,建立基于多变量模型辨识技术的机组动态特性模型,优化机组主汽温控制策略,结合控制器实时挖掘计算并输出重要控制指令,最终实现机组的快速响应能力。     

多变量PID型神经元网络控制系统及其在协调控制中的仿真研究

介绍了多变量PID型神经元网络控制系统的网络结构和学习算法,说明了系统参数选取方法,并分析了单元机组协调控制的特点.仿真结果表明,该控制系统对多变量强耦合时变的协调控制对象具有良好的解耦性能和自学习控制特性.     

单元机组负荷多变量动态矩阵控制的仿真研究

由于单元机组负荷控制系统滞后和延迟较大，耦合严重，而多变量动态短阵控制对模型精度要求不高，对惯性、延迟和耦合的适应能力较强，且有很强的鲁棒性，因此，招多变量动态短阵控制用于单元机组负荷控制系统。仿真研究结果表明，该系统负荷响应速度较快，主蒸汽压力波动和控制量变化较小，取得了比较满意的控制效果。     

单元机组负荷非线性预测控制及其仿真研究

大型单元机组负荷控制系统存在着强耦合、非线性等特性,常规线性控制策略难取得满意的控制效果。为此,该文提出了一种新的基于模糊模型和免疫优化的非线性预测控制方法,将离线辨识到的全局模糊模型作为预测模型,然后利用实数编码的免疫优化算法在线实现非线性预测控制的滚动优化,给出每个采样时刻的最优控制量。该方法还可通过修正的遗传算子方便地解决控制量受限问题。通过对一个500MW单元机组负荷控制系统的仿真试验,验证了该非线性预测控制方法的有效性。     

单元机组负荷控制系统的在线自整定

本文研究具有ＰＩＤ结构反馈控制器的多变量控制系统的参数自整定，提出了具有校正因于的多变量ＰＩＤ控制算法。并用专家控制的概念实现了校正因子的自动调整。文中对控制器参数与系统闭环稳定性的相互关第进行了深入分析。该方法用于炎电单元机组负荷控制系统的仿真研究，结果表明系统具有好的鲁棒性和完整性。     

单元机组负荷多变量模型预测控制

提出了一种具有输入约束的多变量模型预测控制算法，并将其应用于单元机组负荷控制进行仿真研究，结果表明，该多变量约束预测控制算法是有效的，并具有算法简单，在线计算量小的优点。     

直流锅炉超超临界机组协调系统多变量预测控制方法

在分析直流锅炉超超临界机组协调控制系统被控对象特点的基础上,得到被控对象传递函数数学结构形式,建立3输入-3输出模型,并将其简化为2输入-2输出模型。采用约束条件下的多变量预测控制算法,提高协调控制系统的控制品质;采用Block模块对约束条件进行简化,提高预测控制算法的计算速度;采用基于滚动窗口的最小二乘法对协调控制系统被控对象实现在线辨识,提高预测控制模型的精度。依据模糊规则建立机组协调控制系统,并以其为非线性研究对象进行了滑压模式下定负荷和变负荷仿真试验。结果表明:采用多变量预测控制算法的控制品质优于传统PID控制,且计算速度是传统预测控制算法的5~6倍。     

基于多变量广义预测控制算法的脱硝优化研究及应用

大型火力发电机组脱硝系统被控对象具有大迟延、大惯性、受干扰因素多以及不同负荷下的被控对象模型变化大等特性，传统的PID控制不能满足控制要求。为解决这一问题，利用递推最小二乘法（recursive least square，RLS）建立了脱硝系统多变量模型，并基于多变量广义预测控制构建了脱硝系统优化控制策略，同时将该策略应用于某电厂330 MW亚临界机组。实践结果表明：无论是稳态工况还是复杂的变负荷工况，脱硝优化控制策略都能够很好地控制脱硝系统出口NO_x浓度，大大降低了NO_x浓度的波动，减少了尿素使用量，实现了脱硝系统稳定经济运行。     

基于前馈补偿解耦的多变量汽温系统预测函数控制

针对过程通道可用一阶加纯滞后模型等价描述的多输入多输出系统，提出了基于前馈补偿解耦设计思想的多变量预测函数控制，首先将系统分解为多个多输入单输出系统，在各系统中分别将其它输入量暂视为一种可测干扰，并用预测函数控制原理设计控制器，通过求解多元一次方程组，实现了多变量系统的预测函数控制设计，采用该方法对国产200MW火电机组带汽一汽换热器的多变量强耦合再热汽温系统进行了控制系统设计和仿真研究，计算机仿真证实了其有效性，达到了动态近似解耦，静态完全解耦和无静差跟踪，各种对象和模型失配情况下的仿真结果显示了该算法较强的鲁棒性和抗干扰能力，因为该方法是基于简化的模型，所推导出的控制算法简单，运算量小，易于工程实现，具有很高的实际应用价值。     

灰色误差校正多变量动态矩阵控制

针对多变量系统耦合严重和特性时变的特点,提出了一种灰色误差校正多变量动态矩阵控制方法。该方法将原系统分解为多个多输入单输出子系统,根据动态矩阵控制设计了多个子系统的控制器,对多个控制器方程联立求解得到预测控制增量序列。以灰色多步误差预测校正替代原有算法的当前一步误差校正,用来克服对象时变所造成的模型失配的影响,并给出了灰色多步误差预测方法的稳定性分析。对300MW机组负荷系统的仿真表明,该方法减小了负荷和主汽压间的耦合;当对象特性变化时,能够实现超前调节,缩短调节时间。     

600MW锅炉汽温多变量模型预测控制

为克服大型电站锅炉汽温的大延迟,大滞后特性,提高汽温自动控制品质,在汽温控制中应用多变量模型预测技术替代常规的PID(比例、积分、微分)控制。根据工程实际应用情况,分析多变量模型预测控制技术在几种典型600MW电站锅炉汽温控制系统中的实施效果,相比较常规的PID控制技术,应用多变量模型预测控制技术能够明显提高汽温控制品质。     

基于预测函数控制的制粒机控制应用研究

制粒机是饲料机械中的关键设备之一,其调质器属于多变量耦合对象,常规控制难以获得满意的控制效果。为此建立了制粒机调质器的双输入双输出数学模型,并采用对角矩阵解耦设计方法实现解耦,最后利用预测函数控制（PFC）实现了对制粒机的有效控制。为了增强PFC的鲁棒性,采用了特征模型来构造PFC的预测模型。加入了负荷设定值自整定环节,以确保制粒机的运行效率的提高。实际运行表明,这种控制方法能在正常制粒的同时,做到满负荷运行。     

采用自适应在线模型辨识的微电网二次调频策略

各种模型未知的商业变流器的接入、供电及负荷设备的频繁投切以及网络结构的变化导致微电网系统模型具有不确定性和时变性的特点.针对基于传统比例-积分控制和采用参数化预测模型的模型预测控制等微电网二次调频策略存在的系统机理建模复杂、在线更新困难、定阶非机理建模难以适应全工况建模需求以及参数化预测模型求解复杂等问题,提出了基于自适应在线模型辨识的动态矩阵控制(DMC)二次调频策略.该策略由两部分构成:第1部分为自适应模型辨识,该部分将赤池信息准则模型阶次寻优方法和遗忘因子递推最小二乘法结合起来,实现对微电网等值最优模型的辨识;在第2部分DMC二次频率调节策略中,利用已获取的微电网等值最优模型来实时更新DMC二次调频算法的预测模型,通过滚动优化控制快速恢复系统频率.最后,在MATLAB/Simulink仿真平台搭建微电网仿真算例,验证了所提辨识方法和频率控制策略的正确性和有效性.     

DMC—PID算法在大时延系统中的应用

针对温室环境测控系统中的非线性、慢时变、大时延和多变量耦合等特性,设计了DMC-PID串级控制系统。该系统将串级控制结构与预测控制算法相结合,内回路采用常规比例调节器,外回路采用动态矩阵控制器(DMC)。既保持了预测控制的强鲁棒性和跟踪性能,又具有足够的抗干扰性。仿真结果表明,所设计的系统在控制品质、鲁棒性方面明显优于常规PID控制系统。     

基于折息递推最小二乘自适应动态矩阵的过热汽温控制器设计

针对超临界直流锅炉过热汽温对外界扰动响应快，易发生超温或低温现象，提出一种将动态矩阵预测控制与修正的递推最小二乘算法相结合的折息递推最小二乘(DRPLS)自适应动态矩阵控制策略。通过在动态矩阵预测控制中加入DRPLS算法，降低老数据的影响，增强新数据的作用，提高预测性能。通过调节折息因子，可使模型具有更高的灵活性和适应性。将该方法应用于600MW超临界直流锅炉高温过热系统进行仿真研究，结果表明，该控制策略能较好地适应对象的动态特性变化，且控制系统的性能明显优于常规PID控制器。     

DMC-PID串级控制在火电厂过热汽温控制中的应用研究

根据火电厂过热汽温的动态特性，将先进的预测控制算法和PID控制算法相结合，构成DMC-PID串级控制系统。利用DMC预测控制算法的鲁棒性强及PID控制算法抗干扰性能好的优点，在Matlab平台上进行了仿真，结果表明该控制策略具有明显优于常规PID串级控制的性能。     

基于神经网络模型及预测控制DMC的火电机组脱硝控制策略

燃煤火电机组的NO_x排放值是受国家环保部门实时监督考核的重要环保安全指标。由于NO_x被控对象的纯时延大时滞特性,常规的PID控制很难将烟气NO_x排放指标控制到理想范围内。介绍了一种基于BP神经网络模型和预测控制的动态矩阵控制（DMC）算法相结合的新型火电机组脱硝控制策略,其中BP神经网络可逼近DMC算法中脱硝对象的零输入响应,利用神经网络的泛化能力,逼近实际工业过程在不同负荷下模型参数时变的特性,使预测控制中的模型预测部分可以更精确地逼近实际过程对象,提高整个预测控制算法的控制精度。现场应用表明,这种新型脱硝控制策略可有效提高火电机组NO_x的控制品质。