吴文杰随机过程

1、研究主蒸汽超临界机组温度的分层预测控制算法摘要针对可变载荷作用下的超临界机组主蒸汽温度控制问题，提出了一种预测PID控制算法的分层结构。串级PID控制应用于低频电路，并通过配置语言编程实现系统的应用，广义预测优化应用于设置上位电路PID参数而不是控制工程。通过引入遗忘因子来递推最小二乘法，实现滚动窗口模型的参数辨识，建立PID参数整定优化模型的预测指标。仿真结果表明，该算法适应主蒸汽温度被控对象模型的变化过程，具有较强的稳定性和鲁棒性。关键词：层状结构；广义预测；模式识别；参数优化AbstractAiming at the main steam temperature control prob

2、lem of ultra-supercritical units under variable loads conditions, a predictive PID control algorithm with layered structure is proposed. The cascade PID control is applied in the lower circuit which can realize the application in DCS system through configuration language programming. The generalized

3、 predictive optimization is applied in the upper circuit which is used to conduct PID parameter setting instead of control engineers. By introducing least square method with forgetting factor recursive, the model parameter identification in rolling window is realized and the PID parameters tuning op

4、timization model with predictive index is established. The simulation results show that the proposed algorithm can adapt to the model change process of the controlled object of main steam temperature and is qualified with strong stability and robustness.Keywords： layered structure; generalized predi

5、ction;model identification; parameter optimization 一、引言主蒸汽温度是直流锅炉运行监测的重要参数，如果主蒸汽温度过高或过低将影响机组安全经济运行1.主蒸汽温度的控制优化，可减少管道破裂发生的概率，提高机组负荷变化的快速响应能力和机组的安全性能以及经济运行能力，具有十分重要的意义，级联系统和其他一些策略2，施加一个固定的参数或分段PID结构控制器，主蒸汽温度在变负荷模型变化的影响并为考虑入内。复杂载荷条件下需要手动操作和监测控制，这些对经济性能和安全性能有很大的影响。现有的改进型PID算法已成功地应用在一些领域，然而，这些PID算法仍然存在一些

6、问题，例如复杂的结构，许多参数整定规则等等，所以它不能应用于电厂4复杂热工过程控制。由于没有有效的硬件支持和软件过程控制DCS层设计，优化控制算法需要引入大规模的硬件结构转型。此外，熟悉PID的参数并理解先进的控制算法5对操作者是很难的。针对主蒸汽温度在大型超临界机组负载条件的控制问题，本文提出了一种具有层状结构的广义预测PID控制方法，实现了先进控制在DCS系统的智能优化技术的应用。二、主蒸汽的层状结构温度控制系统锅炉主蒸汽温度在超超临界机组可变荷载条件下运行有许多干扰因素，锅炉主蒸汽温度拥有复杂的动态特征，然而先进的控制应用很难的在电厂DCS系统实现。常规的级联PID控制系统应用于传统的主

7、蒸汽温度控制。但串级控制并没有给可变负载运行PID参数的优化策略，级联控制没给在变负荷运行下的PID优化指导，因此，控制工程师必须提前设置PID参数以满足控制要求。主蒸汽温度控制系统，本文提出了图1所示的分层控制结构。上层是指导优化层，并设置PID控制器参数而不是控制人员控制优化。模型识别和控制参量调整方法用于主蒸汽温度自适应控制。根据通用化、模块化的设计思想，先行控制算法可分别采用直接控制层，对象模型辨识和控制器参数整定。串级PID控制应用于直接控制层，也可以通过语言编程实现在DCS系统中的应用。图一：主蒸汽温度控制系统的分层结构3、 分层预测控制A、广义预测控制算法广义预算控制算法（GPC

8、）算法，包括模型三个关键预测控制7,8,9，具体算法如下：1） 预测模型预测模型应具备预测作用，它应能根据上一环节数据和下一环节系统来预测下一环节的输出。GPC采用受控自回归移动平均（CARIMA）模型来描述受到随机扰动对象，对于大多数的控制系统中，被控对象的数学模型为： （1） 在公式（1）中，y(k)是系统输出；u(k)为控制量； 为白噪声；d是时间滞后对象；和是控制对象和扰动对象的加权多项式 。2） 滚动优化在GPC t时刻的性能指标的形式如下： (2)在公式(2)，E.是数学期望;和分别为优化时域的起始与终止时间;是控制时间域,控制变量不会在步后发生变化；是正常数;是期望值的输出，得到

9、转换后的未来输出预测对象为：(3)在公式(3),最佳输出预测值k+j步为: (4)得到的最优输出预测值的向量形式: (5)在公式(5)中最优的控制比例，是根据性能指标函数: 3）反馈矫正当被控对象具有非线性、变动时间、模型失配等，反馈校正能及时正确的预测数值，因此，优化可以有一个更准确的预测的基础。GPC保持了基本自适应控制原理。它不断地估计控制过程中被控对象的模型线，在获得和参数后重新计算控制率，然后再找出最优控制量。B、分层结构预测控制在串级PID控制系统的基础上，可变载荷条件下的主蒸汽温度是通过引入GPC算法形成的方法为分层的预测PID控制，它包括较慢的串级PID控制和预测优化上。较低的

10、直接控制电路级联系统结构，以及DCS系统PID控制器仍然用于喷水减温扰动下的超超临界机组主蒸汽温度控制。GPC的CARIMA模型引入方程（1），增量式PID控制器方程得到的替代方程 (7)在方程(7)中，和；，是系统输出与设定值之间在t时刻的偏差，、和为比列系数，控制器分别为积分和微分。为了预估J步后的速度前瞻输出，GPC算法应用于推导过程，预测输出值的步骤如下： (8)上层优化电路包括模式识别模块,预测优化模块和PID参数计算模块，分层预测控制的控制功能需要确定模型参数，然后根据最小化性能指标计算控制量和控制器参数，分层预测控制保留了GPC的性能优化指数，以及得到的最优控制序列改造后: (9

11、)在公式(9)中，(10) (11)只有在控制变量的电流矩被系统采用的时候，通过PID最优控制器的参数计算得： (12)四、上位电路的最优控制A、FFRLS识别滚动窗口主蒸汽温度被控对象的模型参数应用与最小二乘法遗忘因子(FFRLS)10来完成识别过程，以及识别过程中的涡卷时间11。从滚动窗口获得的采样实时数据，假设采样空间是，为整数比且，轧制数据窗口以图2的系统描述为基础。图2：滚动窗口的数据识别对主蒸汽温度被控对象的模型参数辨识过程FFRLS在滚动窗口可以被描述如下：设置采样区间和采样时间，为了确保为整数，。确定初始值和,设置遗忘因子，以及初始值的获得；获得当前的输入和输出进行采样，并把它

12、保存到滚动窗口的数据矢量中。通过FFRLS获得;，返回步骤(2),以及在滚动窗口进行循环计算通过实时滚动窗口FFRLS来预估主蒸汽温度控制对象的模型参数，识别结果可以通过预测优化模块 12 来进行下一步的计算。基于控制器参数优化的遗传算法，主蒸汽温度较低层的分层预测控制系统包括主电路和辅助电路，他们需要分别进行参数优化。遗传算法的参数 10 优化数学模型的的建立，它主要包括两个部分：目标函数和约束条件。根据PID参数优化问题的方程的推导，数学模型PID参数的初级电路调整如下：在公式(13)中，下标1代表主电路参数；是初级电路广义预测的优化指标；是主回路PID参数向量；是主回路的PID参数自定义

13、区。PD参数的二次调谐电路的数学模型如下：在公式(14)中，下标2代表二次回路参数；为二次电路的广义预测控制的优化指标；是二次回路PD参数向量；是二次电路的PD参数的自定义区。5、 关于分层预测PID控制仿真主蒸汽温度的分析A、主蒸汽温度多模型的建立根据负载条件下分解的多模型建模思想，超临界机组过热器动态模型的辨识方法在本文得到应用，是为了获得的主蒸汽温度控制仿真实验所需的线性模型。大唐潮州电厂历史运行数据中的应用模型参数辨识，建立喷水式蒸汽冷却器模型以及对应的逐时负荷值的过热器，经过反复的鉴定试验，得到了超超临界锅炉主蒸汽温度的多模型集，他们如表一所示。B、仿真模型及参数设置Simulink

14、建立控制系统的仿真平台，本文为了验证了提出的分层主蒸汽温度的预测控制算，系统模型分为两层结构，这两层结构与主蒸汽温度控制系统设计理念一致。较低的控制电路包含一级和二级主蒸汽温度的电路和多模型PID控制器，上优化电路包含FFRLS算法，遗传算法等。仿真结构图主蒸汽温度的分层预测控制系统如图3所示。下控制回路的串级PID控制，其初级和次级电路包含对象模型，PID控制器，白噪声，测量传感器等。两套FFRLS模型识别模块和广义预测控制性能指标基于遗传算法的优化模块应用上优化电路，及负荷指令输入介绍。图3、Simulink的主蒸汽温度的分层预测控制系统结构图本文中主蒸汽温度控制系统的动态过程模型是基于模

15、型精度和控制参数，因此，在设置模拟试验前需要设置控制系统的参数，主蒸汽温度的参数以及分层预测控制系统参数在下表2中。C、可变负载条件下的控制仿真与分析1）单调递增负荷下的主蒸汽温度控制的控制仿真的变化趋势如图4所示，主蒸汽温度的多模型建立并没有制定转变负荷模型的建立，控制仿真无干扰，以及通过自动识别和参数分层预测控制优化的干扰，系统响应曲线分别在图5图6中展示。图4、单调递增负荷变化趋势图图5、无扰动单调递增的系统阶跃响应图6、单调递增负荷条件下推理系统阶跃响应输出从图5可以看出，分层预测控制方法使主蒸汽温度控制系统具有较好的控制效果。从图6可以看出，当内部电路有良好的抗干扰能力，引入的干扰的

16、波动不会给主蒸汽温度带来大的波动。负载先增加后下降的控制仿真负载先增加后下降的主蒸汽温度控制的变化趋势如图7所示，转变负载的切换方式中点（95%）用于转变之前的模型，没有控制仿真的干扰以及自动识别和分层预测控制的参数最优化所导致的干扰，和分段PID控制方法相比，系统响应曲线分别如图8和图9。图7、负载先增加后下降的变化趋势图图8、无扰动负载先增加后下降的系统的阶跃响应输出曲线图9、负载先增加后下降的系统阶跃响应输出曲线图8说明超调量在这两种发放中变换很小，但是分层预测控制拥有更快的调节时间以及更小的超调量，图9说明在主蒸汽温度引入干扰时并没有大的波动。6、 结论针对超超临界机组变负荷条件的主蒸

17、汽温度控制问题，提出了层状结构的预测PID控制算法，包括低频直接控制电路和上导优化电路。通过广义预测控制推导公式，能够得到这两层电路的工作过程，以及滚动窗口FFRLS的参数识别。针对初级和次级电路控制器的特点，基于预测指标建立PID参数整定优化模型。仿真结果表明，分层的预测PID控制算法具有较强的稳定性和鲁棒性。参考文献1 Q. Zhu, J. Zhang, J. Wang，“Design of fuzzy and CMAC parallel controller based on GA for main steam pressure in supercharged boiler,” Cont

18、rol and Decision Conference, CCDC, pp. 49344938, 2008.2 D. Ronan, O. Mark，“A new approach to quantify reserve demand in systems with significant installed wind capacity.”IEEE Trans on Power Systems, vol. 20, no. 2, 2002.3 A. Chaibakhsh, A. Ghaffari, S. Moosavian, “A simulated model for a once-throug

19、h boiler by parameter adjustment based on genetic algorithms, ” Simulation Modeling Practice and Theory, vol. 15, pp. 10291051, 2007.4 G. C. Goodwin, J. C. Agüero, J. S. Welsh, “Robust identification of process models from plant data,” Journal of Process Control, vol. 18, no. 9, pp. 810820, 2002.5 Y. Gao, E. Meng, “Online Adaptive Fuzzy Neural Identification and Control of a Class of MIMO Nonlinear Systems,” IEEE Transactions on Fuzzy Systems, 2003, vol.11, no. 4, pp. 462-477.6 S. Min, “On-line generalized predictive control combined with recursive least squares system identification,”