（机械电子工程专业论文）复杂热工系统广义非线性预测控制及在线优化研究.pdf

赫j ， 1 学位论文版权使用授权书 本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特 授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索， 并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国 家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名： 蓬吻 导师签名： 乱众 签字日期： & 咖年6 月，8i i 签字日期：加fo 年易月f8 日 1 1 1 1 中图分类号：0 2 3 1 2 ；t p 2 7 3 u d c ：0 0 0 0 0 4 0 8 学校代码：1 0 0 0 4 密级：公开 北京交通大学 硕士学位论文 复杂热工系统广义非线性预测控制及在线优化研究 ( 国家自然科学基金资助项目( n s f c ) ，5 0 7 7 6 0 0 5 ) r e s e a r c ho ng e n e r a l i z e dn o n l i n e a rp r e d i c t i v ec o n t r o la n do n l i n e o p t i m i z a t i o no fc o m p l i c a t e dt h e r m a ls y s t e m 作者姓名：董肠 导师姓名：王爽心 学号：0 8 1 2 1 8 1 6 职称：教授 学位类别：工学学位级别：硕士 学科专业：机械电子工程研究方向：机电系统控制及自动化 北京交通大学 2 0 1 0 年6 月 致谢 两年的研究生阶段的学习生活即将要结束了，这期间有很多老师、同学热心 无私垴帮助过我，使我在学习和工作等各方面都得到了很多的收获。 首先要感谢的是直接关心我论文选题、研究和撰写的导师，在此向导师王爽 心教授表示深深的感谢和崇高的敬意。王爽心教授悉心指导我们完成了实验室的 科研工作，王老师渊博的专业知识、严谨求实的治学态度以及孜孜不倦的科研精 神一直激励着我前进。导师诲人不倦的同时又富有启发性，不论在学业上还是做 人上，她的言传身教都将使我终生受益，在此衷心感谢两年来王老师对我的关心 和指导。 另外要感谢的是壳红元老师和实验室的刘如九老师、杨江天老师、万里冰老 师在学习工作中所提供的指导和帮助。一并要感谢李平康老师、史红梅老师、陈 广华老师等所有教导过我、帮助过我的老师，谢谢你们在我求学过程中给我的关 怀和指点，你们的教诲将成为我人生中的宝贵财富。 再次要感谢的是师姐李涵、王智琴等，在我学习和工作上的指导，感谢刘海 瑞同学、高莺同学在学习和生活方面的帮助，在此也感谢李朝霞和吕丹师妹们。 实验室良好、和谐、融洽、积极向上的学习和工作氛围为我的学习和论文工作的 顺利完成提供了保证。一 最后，我要感谢我的父母。感谢他们对我生活上无微不至的关怀和学业上无 怨无悔的支持，他们的理解和支持使我能够在学校专心完成我的学业，谨以此文 献给他们! l-o| 。一，1 中文摘要 火电厂热工自动化是保障设备安全、提高机组经济性、减轻劳动强度及改善 劳动条件的重要技术措施。火电生产过程本身是一个菲常复杂的控制系统，滞屣 惯性、时变以及多变量特征，使其成为非线性系统建模与有效控制的困难所在。 广义预测控制作为一种对模型精度要求低、鲁棒性强、能够有效克服系统大 滞后并易于实现计算机实时控制的算法，已经成功应用于一些工业过程控制中， 并显示出强大的生命力。对于火电机组复杂非线性热工系统，研究其广义预测控 制及其在线优化算法，对智能电网的建设无疑具有一定的理论意义和应用价值。 因此，本文围绕快速稳定的在线优化算法研究及其在非线性多步预测优化控制中 的应用问题，开展了如下研究： 。 1 在线优化算法研究 研究了几种新型智能优化算法：混沌优化算法、粒子群优化算法以及新型小 世界优化算法。为了解决现有小世界优化算法存在由于编码、解码而造成的算法 繁琐和运行时间长等问题，在二进制和十进制编码小世界优化算法基础上，提出 了一种新的基于实数编码的小世界优化算法。 仿真分析表明，一实数编码小世界优化算法比二进制编码小世界算法、混沌优 化算法和粒子群优化算法具有更高的搜索效率和精度，适宜于广义预测控制的在 线滚动优化计算及求解。 2 广义预测控制在复杂非线性热工系统中的应用 首先，针对单元机组非线性负荷系统多目标优化的控制问题，将b p 神经网络 辨识、实数编码小世界优化算法和多目标优化预测控制思想有机结合，提出一种 新型的非线性预测控制器。仿真结果表明，在a g c 负荷指令变化时，单元机组各 变量得到了满意的实时控制效果。 然后，针对锅炉过热蒸汽温度系统大迟延，大惯性和非线性特性，引入基于 混沌遗传算法的t - s 模糊模型，并对其实施了非线性预测控制，应用上述基于实数 编码的小世界优化算法，仿真结果证明本文提出的广义非线性预测控制在线滚动 优化算法在处理大滞后、非线性系统的优越性。 最后，考虑到实际工业过程系统总是受到各种软硬约束的限制，对上述两个 控制系统分别加入执行机构硬约束条件，仿真结果表明两种非线性系统的广义预 测控制在实际工况下仍然能达到较好的控制效果。 关键词：实数编码；小世界优化算法；在线优化；广义预测控制；复杂热工对象； 有约束预测控制 分类号：0 2 3 1 2 ；t p 2 7 3 j|rrll l 1 1 jj j l - 一 a bs t r a c t t h e 肌a lp o w e ra u t o m a t i o n i sa l li m p o r t a n tt e c h n i q u et oa s s u r e 也es a 士啊o t e q u i p m e 鹏，i n c r e a s et h ee c o n o m yo f u n i t s ，a n dr e d u c el a b o ri n t e n s i t ya n dl m p r 0 v e m e w o 妇gc o n d i t i o n s i ti se x t r e m e l yd i f f i c u l ti nm o d e l l i n ga n dc o n t r o lu p o n n o m m e 骶 t l l e m l a lp o w e rs y s t e m ，w h i c hi sav e r yc o m p l i c a t e dc o n t r o ls y s t e mw i t hd e l a y , i n e r t i a , t i m e - v a r y i n ga n dm u l t i - v a r i a b l ec h a r a c t e r i s t i c s g e n e r a l i z e dp r e d i c r i v ec o n t r o l ，a sar e a l t i m ec o n t r o la l g o r i t h mw i t h t h ef e a t u r e so f l o wn l o d e la c c u r a c yr e q u i r e m e n t s ，r o b u s t ，c a p a b l eo fo v e r c o m i n g t h es y s t e mt i m ed e l a y a n de 嬲yt oi i n p l e m e n t ，h a sb e e ns u c c e s s f u l l yr e a l i z e di ni n d u s t r i a lp r o c e s sc o n t r o l ，锄d s h o w sg r e a tv i t a l i t y r e s e a r c h i n gt h eg e n e r a l i z e dp r e d i c t i v e c o n t r o la n di t s 础m 。 o p t i m i z a t i o na l g o r i t h mf o rt h ec o m p l i c a t e dn o n l i n e a rt h e r m a lp o w e rs y s t e m h a sc e 胁n 舭。础c a ls i 班f i c a n c ea n dv a l u et ob u i l do n t h es m a r t 西da f t e r w a r d t h e r e f o r e ，触 a i l ds t a b l eo n l i n eo p t i m i z a t i o na l g o r i t h ma n di t sa p p l i c a t i o ni nn o n l i n e a rm u l t i 。s t e p p r e d i c t i v eo p t i m a lc o n t r o la r ef o c u s e do n , a n d t h ef o l l o w i n gr e s e a r c h e sh a v ec 踟e d o u t ： 1 o n l i n eo p t i m i z a t i o na l g o r i t h m s e v e r a ln e wi n t e l l i g e n to p t i m i z a t i o na l g o r i t h m sa r er e s e a r c h e d ：c h a o t i co p t i m i z a t i o i l ， p a r t i c l es w 锄o p t i m i z a t i o n , a n dn o v e ls m a l lw o r l do p t i m i z a t i o na l g o r i t h m a n o v e l s 砌1w o r l do p t i m i z a t i o na l g o r i t h mb a s e do nr e a l c o d i n gi sp r o p o s e do nt h eb a s i s o f b 豳r y c o 弛ga n dd e c i m a l c o d i n gs m a l lw o f f f f a l g o r i t h mw h i c h m a yc a u s et h ep r o b l 锄 o f1 0 n gr u m 血gt i m ea n dc u m b e r s o m eb e c a u s eo ft h ec o m p l i c a t e d e n c o d i n ga n d d e c o d i n gc a l c u l a t i o n s s 删a t i o nr e s u n s 娃i o wt h a ts m a l lw o r l do p t i m i z a t i o na l g o r i t h m b a s e do nr e a l 。c o d i n g h a db e t t e re 伍c i e n c ya n da c c u r a c yt h a nc h a o t i co p t i m i z a t i o na l g o r i t h m a n dp a t t i c l e s w 锄o p t i m i z a t i o n , s oi t i ss u i t a b l ef o ro n l i n er o l l i n go p t i m i z a t i o n a n ds o l u t l o n g e n e r a l i z e dp r e d i c t i v ec o n t r 0 1 2 t h ea p p l i c a t i o no fg e n e r a l i z e dp r e d i c t i v ec o n t r o li nc o m p l i c a t e dn o n l i n e a rt h e r m a l p o w e rs y s t e m f i r s to fa l l ，an o v e lg e n e r a l i z e dn o n l i n e a rp r e d i c t i v ec o n t r o l l e rc o m b i n e dw i t hb p n e u r a ln e 曲旧r ki d e n t i f i c a t i o n ，s m a l lw o r l do p t i m i z a t i o na l g o r i t h mb a s e d o nr e a l 。e o d i n g 锄dn m l t i o b j e e t i v eo p t i m i z a t i o np r e d i c t i v ec o n t r o li sp r o p o s e di no r d e rt os o l v et h e c o n 缸d lp r o b l e mo fm u l t i o b j e c t i v eo p t i m i z a t i o no fn o n l i n e a r u n i tp o w e rp l a n tl o a d s v s t e m s i m u l a t i o nr e s u l t ss h o wt h a tt h ev a r i a b l e so fp o w e ru n i th a v eb e e no b t a i n e d v rf l l 一 j 匕塞交通太堂亟堂僮论塞 一 r e a l - t i m ec o n t r o ls a t i s f a c t o r ya sa g cl o a dc o m m a n d c h a n g e s a n dt h e n , f o rl a r g ei n e r t i a , d e l a ya n dn o n l i n e a rc h a r a c t e r i s t i c so fb o i l e r o v e r h e a t e d s t e a mt e m p e r a t u r es y s t e m ，n o n l i n e a rp r e d i c t i v ec o n t r o lb a s e do nc h a o s g e n e t i c a l g o r i t h mt - s e u z z ym o d e la n ds m a l lw o r l do p t i m i z a t i o na l g o r i t h mi si m p l e m e n t e d i t i n d i c a t e st h a tt h ep r o p o s e dg e n e r a l i z e dn o n l i n e a rp r e d i c t i v ec o n t r o lw i t hn o v e lo n l i n e r o l l i n go p t i m i z a t i o na l g o r i t h mh a ss u p e r i o r i t yi nd e a l i n gw i t hl a r g ed e l a ya n dn o n l i n e a r s y s t e mt h r o u g hs i m u l a t i o nr e s u l t s f i n a l l y , t w oc o n t r o ls y s t e m sm e n t i o n e da b o v ea r ea d d e d 、丽lt h ec o n s t r a i n to ft h e i m p l e m e n t i n ga g e n c i e s ，t a k i n gi n t oa c c o u n tt h a ta c t u a li n d u s t r i a lp r o c e s ss y s t e m sa r e a l w a y sr e s t r i c t e db ys o f ta n dh a r dc o n s t r a i n t s s i m u l a t i o nr e s u l t ss h o w t h a tt w ok i n d so f g e n e r a l i z e dp r e d i c t i v ec o n t r o lo f n o n l i n e a rs y s t e m sa c h i e v eg o o dc o n t r o le f f e c ti na c t u a l w o r k i n gc o n d i t i o n s k e y w o r d s ：r e a l c o d i n g ；s m a l lw o r l do p t i m i z a t i o na l g o r i t h m ；o n l i n eo p t i m i z a t i o n a l g o r i t h m ；g e n e r a l i z e dp r e d i c t i v ec o n t r o l ；c o m p l i c a t e dt h e r m a lp l a n t ；c o n s t r a i n e dm o d e l p r e d i c t i v ec o n t r o l c l a s s n o ：0 2 31 2 ：t p 2 7 3 目录 中文摘要。i i i a b s t r a c t v 1绪论1 1 1 课题的研究背景和意义1 1 1 1课题来源1 1 1 2 研究意义1 1 2国内外研究现状2 1 2 1 预测控制的发展历史2 1 2 2 非线性预测控制的研究现状3 1 2 3非线性预测控制在电厂热工过程中的研究现状4 1 2 4 优化技术在火力发电中的应用现状和前景5 1 3 本文的主要工作内容6 2 广义预测控制理论研究及性能分析9 2 1 引言9 2 2 广义预测控制基本算法9 2 2 1 预测模型9 2 2 2 滚动优化j 1 l 2 2 3 反馈校正1 2 2 3 广义预测控制性能分析1 2 2 3 1广义预测控制系统的闭环方块图1 2 2 3 2 广义预测控制系统的稳定性一1 3 2 3 3 广义预测控制系统的鲁棒性1 4 2 3 4 广义预测控制算法中主要参数对系统性能的影响1 5 2 4 小结一l6 3 广义预测控制在线优化算法的研究及应用1 7 3 1引言1 7 3 2 在线优化算法一17 3 2 1 混沌优化算法c o a 1 7 3 2 2 粒子群优化算法p s o 。1 9 3 2 3小世界优化算法及二进制编码算法b s w a 描述2 2 3 3 基于实数编码的小世界优化算法r s w 2 5 - 【- r j 匕哀交道太堂亟堂僮途塞 _ _ 3 3 1 基于实数编码的小世界优化算法的提出一2 5 3 3 2 长连接和短连接搜索算子的构造2 7 3 3 3 实数编码小世界优化算法的算法步骤2 7 3 4 四种优化算法寻优性能比较2 8 3 5 仿真研究分析2 9 3 5 1 跟踪给定值特性3 0 3 5 2 模型时滞变化时的跟踪给定值特性一3 1 3 5 3 模型阶次变化时的跟踪给定值特性3 2 3 6小结3 3 4 基于b p 神经网络的多目标优化非线性负荷广义预测控制3 5 4 1 引言3 5 4 2 单元机组负荷控制系统。3 6 4 2 1 单元机组动态数学模型3 6 4 2 2 锅炉核心模型描述。3 6 4 2 3 磨煤机、水冷壁及汽轮机动态模型一3 7 4 3 基于b p 神经网络的多步预测模型3 7 4 3 1b p 模型与辨识算法3 7 4 3 2 多步预测输出。3 9 4 4 多目标优化非线性预测控制策略4 0 4 4 1 热工过程多目标优化问题的引入一4 0 4 4 2 基于实数编码小世界优化算法的多目标优化一4 1 4 4 3 广义非线性预测控制算法步骤一4 1 4 5 仿真实例4 2 4 5 1 非线性n a r m a x 模型离散系统的辨识及控制效果分析。4 3 4 5 2 单元机组负荷控制多目标优化广义非线性预测控制一4 4 4 6 小结4 7 5 基于t - s 模糊模型的锅炉过热汽温广义非线性预测控制策略4 9 5 1 引言4 9 5 2 锅炉过热汽温的动态特性描述5 0 5 3 锅炉过热汽温的t - s 模糊模型建立。5 0 5 3 1 混沌遗传优化算法。5 1 5 3 2 基于混沌遗传优化算法的模糊辨识步骤。5 3 5 3 3 实际锅炉过热汽温辨识5 4 5 4 锅炉过热汽温的广义非线性预测控制策略5 5 1 | 5 4 1 基于t - s 模糊模型的广义非线性预测控制算法步骤5 5 5 4 2 实际锅炉过热汽温系统仿真与分析一5 6 5 5 小结。5 7 6 有约束广义非线性预测控制策略。5 9 6 1 引言一5 9 6 2 有约束广义预测控制策略5 9 6 2 1 广义预测控制状态空间模型6 0 6 2 2 优化目标准则6 1 6 2 3 有约束的优化策略6 1 6 3 有约束广义预测控制在线优化算法对比。一6 2 6 3 1 有约束线性离散系统6 2 6 3 2 二次规划优化算法q p 6 2 6 3 3 粒子群优化算法p s o 6 3 6 3 4 实数编码的小世界优化算法r s w 6 3 6 4 实例仿真研究分析6 4 6 4 1 单元机组负荷控制6 5 6 4 2 锅炉过热汽温。6 5 6 5小结6 6 7 结论一6 7 参考文献6 9 作者简历一7 5 独创性声明7 7 学位论文数据集一7 9 1 1 课题的研究背景和意义 1 1 1 课题来源 1 绪论 本课题是以如下两个科研项目为背景来进行研究的：基于混沌优化的复杂热 工系统建模与控制研究( 国家自然科学基金课题，基金号：5 0 7 7 6 0 0 5 ) ，混沌优化 理论在机电控制系统设计中的研究( 北京交通大学十一五规划基金课题，基金号： 2 0 0 6 x m 0 2 9 ) 。 1 1 2 研究意义 优化运行、节省能源、降低成本是关系到电力企业生存与发展的重要任务和 紧迫问题。在电力生产特别是火力发电过程中，热工自动控制系统的稳定优化运 行十分关键。火力发电机组控制的中心问题是：一方面要求机组迅速地跟踪电网 负荷的变化，另一方面在负荷变化时要保证机组的稳定运行，特别是保持主要参 数( 主汽压力、主汽温度、汽包水位等) 的波动不超出运行规程规定的限制【l 】。随 着社会的发展和进步，对电力的需求越来越大，电力系统的规模也在不断扩大。 如果大型电力系统运行的稳定性遭到破坏，就可能造成一个或数个大区域停电， 使它们一时陷于瘫痪和混乱，对人民生活和国民经济造成灾难性损失。因此，必 须把保证电力系统的安全稳定运行放在首位【2 】。 现代电站中主要的热工过程控制系统仍采用p i d 控制规律的反馈控制回路， 其理论基础是经典控制理论，然而从控制的角度看，大型火电机组级的协调控制 系统( c o o r d i n a t e dc o n t r o ls y s t e m ，简称c c s ) 、厂级的分散控制系统( d i s t r i b u t e d c o n t r o ls y s t e m ，简称d c s ) 以及电网的自动发电控制系统( a u t o m a t i cg e n e r a t i o n c o n t r o l ，简称a g c ) 都是具有强耦合、非线性、大惯性、参数时变和不确定因素 的典型复杂热工控制系统，对于具有这些特征的复杂热工对象，常规p i d 控制策 略往往难以得到满意的控制效果。如何对其进行有效控制及优化研究一直是热工 自动控制领域的研究热点 3 , 4 1 。 由于传统控制方式在这方面存在先天的不足，因此这就迫切需要有一种更为 适合的先进控制技术应用到热工过程控制系统中，以弥补现有的控制策略的不足， j 匕哀交通太堂亟堂焦i 金塞 提高控制品质。预测控制作为一种对模型精度要求低、鲁棒性强、能够有效地克 服系统大滞后并适应于计算机实现的控制算法，已经应用王些工业过程当中， 并显示出了强大的生命力。因此，将预测控制应用到热工过程控制系统中，发挥 其对模型要求低、有效克服大滞后、控制性能良好和易于实现的特点，从而满足 热工过程控制的要求，这在理论和工程实践中都具有重要的意义。 i 2 国内外研究现状 1 2 1 预测控制的发展历史 l ： 预测控制是一种基于模型的计算机控制算法，它的产生有深刻的实际工业生 产背景。一是6 0 年代发展起来的现代控制理论，在空间技术等领域的应用获得了 极大的成功，然而应用于工业生产过程却遇到了许多困难。这主要是由于工业过 程机理比较复杂，难以建立很准确的模型，尤其是许多工业过程往往是非线性的、 时变的、严重不确定、大滞后和多变量的。因此，现代控制理论和传统的控制理 论很难适合复杂工业过程提出的这些要求。二是计算机性能的迅速提高，存储空 间的不断增大和成本的不断降低，使工业过程计算机控制不断普及与发展，这样 就产生了以比较容易建立的非参数模型为基础的适合于计算机控制的预测控制【5 】。 预测控制最早是r i c h a l e t 等人于1 9 7 8 年提出，是建立在以脉冲响应模型为基 础上的模型预测启发式控制( m o d e lp r e d i c t i v eh e u r i s t i cc o n t r o l ，简称m p h c ) ，是 较早应用于工业的预测控制算法。1 9 7 9 年s h e l l 公司的工程师c r c u l t e r 和 b l r e m a r k e r 提出了基于系统阶跃响应模型的动态矩阵控制( d y n a m i cm a t r i x c o n t r o l ，简称d m c ) 1 6 】，它是目前最主要的线性模型预测控制算法。1 9 8 2 年 r r o u h a n i 提出了模型算法控制( m o d e la l g o r i t h m i cc o n t r o l ，简称m a c ) 1 7 弗j 。这 些算法统称为基于非参数模型的预测控制，它们以对象的有限脉冲响应或有限阶 跃响应为模型，在每一个控制周期内采用滚动的方式在线对过程进行有限时域内 的优化控制，即滚动优化，它们对过程的模型要求低，算法简单，容易实现，同 时在优化过程中不断利用测量信息进行反馈校正，在一定程度上克服了不确定性 的影响，在复杂的工业过程控制中显现出良好的控制性能。d m c 和m a c 在锅炉 和分馏塔以及石油化工生产装置上的成功应用和取得的显著经济效益也大大促进 了预测控制的发展。 基于非参数模型的预测控制尽管有许多优点，但有两个缺点：一是脉冲响应 和阶跃响应模型不能描述不稳定系统；二是非参数模型在线辨识比较难。因此， 在8 0 年代初，在研究自适应控制的基础上，出现了另一个分支即基于参数模型的 2 另外还有一类基于结构化的预测控制算法。主要有g a r i e a 等1 9 8 2 年提出的内 模控制( i n t e r n a lm o d e lc o n t r o l ，简称i m c ) 【l o 】，内模控制结构的提出，使得可以 从结构的角度分析预测控制系统，理解预测控制的运行机制，有利于进一步分析 控制系统的稳定性、鲁棒性等。2 0 世纪8 0 年代中后期，k u n t z e 等提出了把控制输 入结构视为关键的预测函数控制( p r e d i c t i v ef u n c t i o n a lc o n t r o l ，简称p f c ) 【1 1 1 ， p f c 可以克服其他预测控制可能出现规律不明的控制输入问题。 近年来，国内外对预测控制的研究日趋广泛，美国控制年会a c c ，i e e e 控制 与决策会议c d c 和国际自动控制联合会i f a c 世界大会和各种专门的学术会议几 乎都有关于预测控制的专题讨论，国内许多学者也展开了预测控制的研究，取得 了许多研究成果，发表了不少文献和专著，并在多种复杂的工业过程控制中获得 了成功的应用，预测控制己经成为当前过程控制的发展方向之一。 由于预测控制是直接从工业过程控制中产生的一类基于模型的新型控制算 法，它最大限度地结合工业实际的要求，综合控制质量高，因此很快引起了工业 控制界以及理论界的广泛兴趣和重视。目前在理论和实践方面都取得了显著的进 展【1 2 - 1 6 1 。 1 2 2 非线性预测控制的研究现状 由于实际工业过程严格来说都是非线性的，若对象只存在较弱的非线性，可 视为一种模型失配，通过系统的鲁棒性设计或在线辨识模型参数来克服弱非线性 造成的影响。当对象表现为强非线性时，基于线性对象模型的预测控制就很难得 到满意的控制结果，从而产生了非线性预测控制算法。近年来，人们对非线性系 统的预测控制仍然作了大量研究。目前，对于非线性预测控制，主要是针对一些 特殊模型进行的，还没有通用的非线性预测控制方法。并且预测控制的滚动优化 过程对于线性系统可解析求解，在线计算相当简便，而对于非线性系统则需要在 线数值迭代求解，其繁重的计算量无法满足实时控制的要求【l7 1 。因而，关于非线 性预测控制理论与应用是目前和今后的研究重点【1 8 , 1 9 。 近年来，已有不少学者致力于非线性预测控制的研究，并取得了可喜的成果。 由于非线性系统非常复杂，不同的系统非线性可用特定形式的非线性模型来描述。 3 因此，非线性预测控制的研究，实际上是针对不同的非线性模型进行的。目前针 对非线性预测控制算法的研究主要包括以下几个方面： ( 1 ) 线性化方法 g a r c i ace 【2 0 】在1 9 8 4 年首先在实际工业过程中应用线性化方法的非线性预测 控制得到了成功的应用。l e ejh 等【2 1 】在此基础上添加了个扩展的k a l m a n 滤波器 改善扰动估计，并能处理不稳定的过程动态特性。c o s t a sk 田】提出全局反馈线性化 的思想。r a n iky 等【2 3 】和k u r t zmj 等1 2 4 设计了反馈线性化非线性预测控制器，取 得了一定的成果。张新民1 2 5 】提出了基于全局反馈线性化的预测函数控制器，针对 间歇反应釜温度跟踪控制进行了计算机仿真研究。 ( 2 ) 分层控制方法 通过递推算法把非线性优化转化为线性优化与协调两级计算，或通过非线性 反馈实现输入输出线性化后再用线性预测控制算法，以获得良好的跟踪性能和鲁 棒性。 ( 3 ) 基于特殊非线性模型的控制方法 n o r q u a ysj 2 6 1 提出了一种基于w i e n e r 模型的非线性m p c 方法，并应用于p h 中 和过程控制。a n i alc 1 2 7 】提出了一种基于w i e n e r - p w l 模型的非线性预测控制方法， 克服了非线性优化求解带来的困难。g e n c e l ih 2 8 】给出了二阶v o l t e r r a 模型描述的非 线性系统带终端条件、输入输出约束和输入增量约束的非线性d m c 方法，并讨论 了鲁棒稳定性的性能。黄道平【2 9 】等提出一种多变量h a m m e r s t e i n 模型非线性预测控 制算法。张泉灵1 3 0 等提出了基于h a m m e r s t e i n 模型的自适应预测函数控制，并且给 出了预测函数控制律的解析解。李嗣福【3 l 】等提出了基于l a g u e r r e 模型的自适应预测 控制，并与传统的广义预测控制( g e n e r a l i z e dp r e d i e t i v ec o n t r o l ，简称g p c ) 方法 进行了对比研究。 ( 4 ) 先进辨识技术与预测控制原理相结合的控制方法 如模糊预测控制、神经网络预测控制、支持向量机预测控制等。在此就不赘 述，本文引入b p 神经网络和t - s 模糊模型与预测控制原理结合，以实现非线性预测 控制。 1 2 3 非线性预测控制在电厂热工过程中的研究现状 到目前为止，学者对非线性预测控制在电厂热工过程中的应用已经做了不少 的工作，现从以下几个部分来介绍： ( 1 ) 机组负荷控制 机组自动控制的首要任务是机组负荷的自动控制，在克服机组内部各种干扰 4 因素的条件下，使机组以最佳的效率满足电网对机组负荷的需求。火电单元机组 负荷控制系统是一个典型的非线性、时变、多变量复杂系统。由于机炉控制回路 间的耦合以及调峰运行负荷波动较大时，机炉对象表现出来的非线性特性等原因， 使得目前的常规线性控制系统较难取得满意的效果。文献【3 2 】将模型预测控制应用 于单元机组负荷多变量控制中。文献【3 3 】将离线模型辨识与在线预测控制有机结 合，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。 ( 2 ) 主蒸汽压力控制 锅炉主蒸汽压力是衡量蒸汽品质的重要指标之一，汽压波动过大会直接影响 锅炉和汽轮机组的运行。压力扰动来源主要有燃料量扰动和汽轮机耗汽量扰动。 文献【3 4 】采用阶梯式控制策略，实现了锅炉主蒸汽压力的广义预测控制，但在整定 g p c 控制器的有关参数，如预测步长、控制步长、柔化因子、阶梯式因子和控制 量权重因子等遇到困难。文献 3 5 】将灰色预测及单神经元控制思想用于循环流化床 锅炉主蒸汽压力控制系统。利用神经网络对系统的滞后时间进行辨识，并在此基 础上采用自回归拟合残差变步长灰色预测方法对蒸汽压力的系统行为进行预测。 控制算法简单快捷，易于实现，具有良好的应用前景。仿真结果表明，控制系统 运行平稳：受不确定因素的影响较小，对于循环流化床锅炉主蒸汽压力系统具有 良好的控制效果。 ( 3 ) 过热蒸汽温度控制 火电厂锅炉蒸汽温度控制一般以调节减温水量作为控制手段。电站锅炉的过 热器是在高温、高压条件下工作的，锅炉出口的过热蒸汽温度是整个汽水行程中 工况的最高温度，对于整个电厂的安全经济运行有重大影响。控制过程具有非线 性、大迟延、大惯性和时变不确定性，且动态特性随运行工况的变化而改变。文 献 3 6 】将改进粒子群优化算法融合到神经网络预测控制中。文献 3 7 】提出了基于灰 色预测的自适应内模控制方法。针对电厂过热汽温时变、大惯性、大延迟特性， 采用增益和时滞的自适应内模控制方法，利用a d a l i n e 网络在线辨识对象增益和时 滞，对内部模型和控制器进行相应修正。在误差反馈通道上加人灰色预测模块， 对模型失配或外扰等进行超前预测，超前预测的长度由a d a l i n e 网络辨识出的对象 的纯迟延决定，达到克服时滞和超前调节的目的。对电厂过热汽温的仿真表明， 这种新方法能够取得较常规内模控制更好的鲁棒性和快速性。 1 2 4 优化技术在火力发电中的应用现状和前景 从火电厂的筹建、机组的选型到机组投入商业运营的整个过程，优化技术均 发挥着重要的作用。火电厂从整个企业的决策管理到具体生产过程中的燃料管理、 机组的运行、检修以及备品备件存量等各个环节均融入了优化技术。一般来说， 火电厂的优化可以分割成两个层次的优化，即电网经营管理优化和面向火电生产 过程的优化，本文的研究范围仅限于后者。 自从2 0 0 6 年，以美国为首的西方发达国家就提出了建设智能电网创新运营 管理的电网运行新思路，在奥巴马政府成立后，美国更是提出发展智能电网产 业，最大限度发挥美国国家电网的价值和效率，逐步实现美国太阳能、风能、地 热能的统一入网管理。针对我国电力需求持续高速增长，发展我国的智能电网也 迫在眉睫。从宏观上看，智能电网是一个完整的企业级信息框架和基础设旋体系， 它可以实现对电力客户、资产及运营的持续监视，提高管理水平、工作效率、电 网可靠性和服务水平。所以优化技术的引入具有重要的意义【3 8 】。 火电生产过程本身是一个复杂的大系统。该系统难以建模而且所包含的决策 变量和状态变量数目众多，求解时易产生维数灾难，一般将这个大系统分成多个 子系统分别进行优化，从而达到对整个系统的优化运行。通常，火电生产过程优 化主要包括：机组启停及负荷分配优化f 3 9 1 、热力系统运行优化【4 0 】、锅炉燃烧优化 【4 1 j 以及控制系统优化【4 2 】等。 其中，热工控制系统作为火电生产过程的协调和指挥中心，在火电厂中起着 举足轻重的作用。控制系统的控制品质的优劣直接影响到设备运行的安全和机组 运行的经济性。电网用电结构的变化和机组参数的提高给控制系统提出了更高的 要求，优化热工控制系统迫在眉睫。热工控制系统优化并非简单地对控制器参数 进行优化整定，其本质内容是采用新型的控制结构和先进控制算法来提高热工对 象的控制品质。 上述研究表明预测控制特别适合热工控制系统。这类控制算法对于大滞后、 鲁棒性和非线性具有很好的最优控制效果。由于在线滚动优化的重要性，研究快 速稳定的优化算法，是实施预测控制的关键所在。由此可以看出，快速优化算法 与先进控制方法结合，是一个十分有意义的研究方向。 1 3 本文的主要工作内容 火电机组复杂非线性热工系统的动态特性具有大迟延、大惯性、时变性、耦 合性和不确定性等特点，使其成为非线性系统建模与有效控制的困难所在。从目 前的发展趋势看，采用模型预测控制与其他先进策略的组合算法进行复杂热工过 程控制己成为一种重要的发展方向，应用前景广阔。其中快速稳定的在线优化算 法、系统辩识与模