自抗扰控制在串级过热汽温系统中的应用

针对串级过热汽温控制系统对象的大惯性、大时滞和动态模型随负荷等要素变动而变动的共性,将非线性自抗扰控制(ADRC)应用在串级过热汽温系统中。利用自抗扰控制不依赖精确模型的特性,及时进行扰动估计和补偿。惰性区回路使用自抗扰控制,导前区回路使用比例积分(PI)控制,形成串级过热汽温控制回路。应用S函数编写自抗扰控制算法,并在Matlab仿真平台下对过热汽温系统的被控对象模型进行阶跃响应、模型失配和鲁棒性3种仿真试验。阶跃响应试验以62%负荷下的过热汽温系统动态特性传递函数为被控对象,加入一定比例的喷水扰动和输出扰动进行仿真。模型失配试验以比例增益和时间常数增大或减小一定比例进行仿真。鲁棒性试验以不同负荷下的动态特性模型为被控对象进行仿真。仿真结果表明:与PID-PI相比,ADRC-PI控制对不确定对象的精确模型具有更好的控制动态性能、鲁棒性,以及更强的抗干扰能力。     

BP神经网络PID控制器在汽温控制中的应用

通过将BP神经网络和常规PID控制器结合，提出了一种新的火电厂超临界机组过热汽温控制方案。将这种方法应用干主汽温控制，可以有效克服过热汽温对象的大滞后和大惯性，并能够克服对象在运行中参数变化的影响，获得良好的控制品质。仿真试验表明：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。     

火电厂过热汽温的优化控制算法研究

由于火电厂过热蒸汽温度控制具有大延迟、大惯性、非线性、强时变性的特性,传统PID控制算法难以实现良好的控制效果。为了优化火电厂过热汽温控制,提出了一种基于DMC的改进串级PID控制算法。该算法采用DMC改进主控制器输入参数,预测未来输出值,通过预测值与实际值的差值实现输入参数的校正。仿真结果分析表明,该算法与传统PID控制算法相比降低了过热蒸汽温度的超调量,缩短了汽温控制的过渡过程时间,提高了控制系统的抗扰动能力,使控制系统的动态性能和静态性能有了极大改善。     

过热汽温系统的Smith预估器参数多目标优化控制*

文中详细分析Smith预估模型参数对控制系统性能的影响,提出一种Smith预估模型参数多目标优化整定的控制方案,利用模型失配有效改善控制系统的性能.针对火电厂过热汽温系统高阶、大惯性及非线性特点,设计一种基于串级PID的Smith预估器参数多目标自调整优化控制系统.对某600MW超临界火电机组过热汽温系统进行仿真控制,结果表明,该方案具有良好的鲁棒性,可有效克服系统的非线性,控制效果明显优于常规的串级PID控制和参数匹配的Smith预估控制系统.     

660MW超超临界机组过热汽温控制策略分析

为解决过热汽温的大延迟,针对中电芜湖发电厂五期工程660 MW超超临界机组汽温被控对象的特性,设计了新型的过热汽温控制系统.该系统分别采用控制给水中间点焓值的方法实现过热汽温的粗调,并采用前馈和单回路控制实现过热汽温的细调.在大负荷范围和高负荷变化速率的工况下,通过对控制系统的整定和优化,克服B过热汽温大延迟和大惯性的缺点,调节品质优良.该控制策略为同类超超临界机组过热汽温控制系统设计提供B参考.     

超临界锅炉过热汽温神经网络内模控制

锅炉过热汽温是燃煤机组运行中的重要参数,过高、过低都会对机组的安全经济运行构成威胁.由于锅炉结构复杂,系统庞大,汽温对象具有变时滞、变参数等特性,喷水减温系统采用的串级PID控制,在大范围变工况下效果往往很不理想,且PID参数整定耗时耗力.为此,该文针对600 MW超临界锅炉过热器的喷水减温系统,研究了过热汽温神经网络(ANN)内模控制方案.基于Matlab建立了汽温系统的ANN正模型和逆模型,并设计出ANN内模实时控制器.仿真表明,与原串级PID控制相比,该方案显著改善了过热汽温的控制品质.     

增量式自适应逆控制及在过热汽温中的应用

被控对象的迟延和惯性特性是影响控制系统品质的重要因素之一.从常规PID增量式控制算法入手,在对具有迟延和惯性被控对象的动态特性进行定性分析的基础上,给出了一种改进型增量式控制算法的表达式;分析了被控对象校正逆模型的参数向量与控制器的参数向量之间的联系,进而将控制器的荻取与被控对象校正逆模型的建立相结合,将控制器的自适应过程归结为被控对象校正逆模型的在线辨识问题,通过对校正逆模型的在线辨识直接对改进型增量式控制算法中控制器的参数进行在线修正,形成了一种增量式自适应逆控制系统.将该方法应用于锅炉过热汽温控制系统中,并通过与常规PID串级控制和直接自适应逆控制系统的控制效果对比,验证了所提方法的有效性.     

一类非自衡对象的改进动态矩阵控制

针对DMC算法无法直接对非自衡对象进行控制的特点，推导出了一种基于非自衡对象阶跃响应的改进动态矩阵控制算法。该算法对DMC预测模型的误差，采用实际输出的变化趋势校正。仿真结果表明，所提出的算法对于设定值有良好的跟踪特性，具有很强的抗干扰能力和快速调节性能，验证了本文方法对非自衡对象控制的有效性。     

LabVIEW与MATLAB在电厂过热汽温控制系统中的应用

以火电厂过热汽温控制系统为研究对象,在介绍过热汽温控制系统工作过程的基础上,对该系统进行了计算机的仿真研究.采用LabVIEW软件设计了用户图形界面,利用MATLAB在后台提供算法供LabVIEW调用,实现了过热汽温调节系统的动态显示和仿真分析的有机结合,克服了传统上利用MATLAB/Simulink的控制模块搭建仿真控制系统时,整定过程的复杂性和抽象性,进而加深了对抽象复杂的过热汽温控制过程的理解与掌握,为相关课程的实验研究提供了一定的借鉴作用.     

基于神经网络的过热汽温控制

火电厂过热汽温控制系统具有大惯性、大延迟和时变等特性,采用常规串级PID控制方法的过热汽温系统难以获得满意的控制效果。本文设计了基于RBF神经网络辨识的可在线调整PID参数的过热汽温控制系统。在仿真实验的基础上,对基于神经网络的过热汽温控制和最优常规PID控制进行了比较和分析。仿真结果表明,基于神经网络控制策略能够充分利用神经元自学习、自适应的能力使系统的控制品质提高。     

一种在线模糊控制的锅炉过热蒸汽温度调节方法

传统的锅炉过热蒸汽温度控制系统通过检测过热蒸汽温度及其变化趋势来调节减温水量,从而维持过热蒸汽温度在允许的范围之内.由于过热蒸汽温度在减温水量扰动下延迟较大,这种特性使过热蒸汽温度的控制滞后,控制效果不理想.分析现有热电厂锅炉过热蒸汽温度调节系统的控制策略,提出利用锅炉出口蒸汽温度的变化率和炉膛出口烟气温度作为前馈信号,解决过热蒸汽温度调节的滞后性.基于此设计一种锅炉过热蒸汽温度在线模糊PID双模控制方法,并给出详细设计方案.现场运行表明该方法可有效提高原系统的鲁棒性.     

Identification of LPV model for superheated steam temperature system using A-QPSO

Boiler superheated steam temperature control is of great importance for the safety and economy of thermal power unit. This article presents a nonlinear model identification method for the superheated steam temperature system, based on the unit load as a time-varying parameter. The linear parameter varying (LPV) model, which has been established by using the unit historical data, is suitable for control studies, and it can reflect the global dynamic characteristics of the object. To solve the model parameters estimation in high-dimensional problem, the evolutionary acceleration factor is introduced to the quantum particle swarm optimization (A-QPSO) algorithm to optimize the model parameters. The validity of the modified algorithm A-QPSO is verified through optimizing several classical high-dimensional standard test functions. The A-QPSO improved the optimization efficiency, and optimized result is very close to the optimal value. Finally, the proposed method is applied to the identification of a power plant superheated steam temperature process, and the results show that the optimized superheated steam temperature model is of high accuracy and the proposed method is feasible.     

自抗扰控制器参数的免疫遗传优化及应用

针对自抗扰控制器参数较多不易整定的问题,提出了基于免疫遗传算法的参数优化设计方法。与标准遗传算法相比,免疫遗传算法引入了免疫记忆库和浓度控制机制,提高了算法的收敛效率和局部收敛性能。并且综合考虑系统动态性能和实际工程中控制代价的限制因素建立了控制系统性能评价的目标函数,按照分离性原则进行自抗扰控制器设计并用免疫遗传算法对其关键参数进行寻优。将该方法应用于过热汽温度控制系统的变工况运行,仿真实验结果表明经过免疫遗传算法优化后的自抗扰控制器适应性较强,适用于模型参数变化范围较大的受控对象。     

Neuro-fuzzy generalized predictive control of boiler steam temperature

Power plants are nonlinear and uncertain complex systems. Reliable control of superheated steam temperature is necessary to ensure high efficiency and high load-following capability in the operation of modern power plant. A nonlinear generalized predictive controller based on neuro-fuzzy network (NFGPC) is proposed in this paper. The proposed nonlinear controller is applied to control the superheated steam temperature of a 200MW power plant. From the experiments on the plant and the simulation of the plant, much better performance than the traditional controller is obtained.     

具有对负荷变化前馈补偿的过热汽温系统预测函数控制

提出了具有对负荷变化前馈补偿的过热汽温系统预测函数控制策略，控制算法简单，易于工程实现，具有很高的实际应用价值。仿真结果表明，采用该新型控制策略的系统的动态品质明显优于采用PID串级控制策略的系统，而且系统克服负荷扰动的能力比采用PID串联控制策略和未加对负荷变化前馈补偿的PFC－PID串联控制策略的系统有了明显的提高。     

Neuro-fuzzy generalized predictive control of boiler steam temperature

Power plants are nonlinear and uncertain complex systems.Reliable control of superheated steam temper-ature is necessary to ensure high efficiency and high load-following capability in the operation of modern power plant.A nonlinear generalized predictive controller based on neuro-fuzzy network(NFGPC)is proposed in this paper.The proposed nonlinear controller is applied to control the superheated steam temperature of a 200MW power plant.From the experiments on the plant and the simulation of the plant,much better performance than the traditional controller is obtained.