一种基于炉内蓄能特性的CFB机组自抗扰控制方法与流程

摘要: 本发明属于火电机组热工自动控制,特别涉及一种基于炉内蓄能特性的cfb机组自抗扰控制方法。背景技术:1、随着新能源大规模并网和煤电机组灵活调峰需求提高,面向超临界...
一种基于炉内蓄能特性的CFB机组自抗扰控制方法与流程

本发明属于火电机组热工自动控制,特别涉及一种基于炉内蓄能特性的cfb机组自抗扰控制方法。

背景技术:

1、随着新能源大规模并网和煤电机组灵活调峰需求提高,面向超临界循环流化床(circulating fluidized bed,cfb)锅炉因燃料适应性广、污染物生成水平较低和宽负荷运行能力较强,被广泛用于调峰运行场景。超临界cfb机组在深度调峰过程中,负荷、给煤量、给水量和总风量频繁变化,主汽压力、分离器出口温度和床温等关键热工变量需要保持稳定。

2、cfb锅炉炉膛内存在大量高温床料,燃料进入炉膛后并非全部瞬时转化为汽水侧吸热,而是通过床料蓄热、循环物料携热和燃料逐步燃尽共同形成具有蓄积和释放特性的炉内蓄能状态。炉内蓄能的动态积累与释放使给煤、配风到有效放热及汽水侧吸热之间存在显著大惯性和长迟滞。同时,总风量既影响炉内氧浓度和燃烧强度,又影响床内流化冷却;给水量则通过质量-焓值平衡影响分离器出口温度。因此,给煤量、给水量、总风量三路操纵变量与主汽压力、分离器出口温度、床温三路被控变量之间具有强耦合和非线性变参数特征。

3、现有工程控制多采用分散pid或在稳态增益矩阵基础上的静态解耦pid。该类方法通常依赖固定或分段整定参数,在变负荷、煤质变化、通道参数漂移和执行器约束场景中,容易出现调节迟滞、耦合峰值大、控制动作频繁和对模型失配敏感等问题。对于闭环dcs历史数据,由于协调控制系统使给风、给煤、给水指令高度联动,直接辨识得到的局部通道增益可能发生退化或符号不稳定,从而导致控制分配矩阵病态,难以直接用于多变量控制。

4、现有自抗扰控制能够通过扩张状态观测器估计并补偿总扰动,但在cfb机组燃烧—汽水协调控制中,仍缺少将炉内蓄能机理约束、闭环数据分工况辨识、物理符号参数正则化、负荷调度输入效能矩阵和矩阵型eso统一起来的工程化多输入多输出(multi-inputmulti-output,mimo)控制技术方案。

5、因此亟需一种基于炉内蓄能特性的cfb机组自抗扰控制方法,提高超临界cfb机组变负荷和煤质扰动工况下的抗扰能力、模型失配鲁棒性和控制动作平稳性。

技术实现思路

1、本发明的目的在于提供一种基于炉内蓄能特性的超临界cfb机组自抗扰控制方法,用以解决现有技术中变负荷工况下风、煤、水多操纵量与压力、分离器温度、床温多被控量之间强耦合、大惯性迟滞、煤质扰动频繁和闭环数据辨识通道退化所导致的协调控制品质不足问题。

2、本发明通过炉内蓄能机理构造具有物理解释的mimo传递函数拓扑,通过局部参数向全局物理符号模型收缩获得稳定的输入效能矩阵,并利用矩阵型扩张状态观测器统一估计煤质扰动、模型失配、纯迟延近似误差和残余耦合,实现给煤、给水和总风量的协调分配与实时补偿。

3、本发明的目的是提供一种基于炉内蓄能特性的cfb机组自抗扰控制方法,包括以下步骤:

4、步骤s1,采集超临界循环流化床机组dcs历史运行数据和实时运行数据,并对停机段、缺失值、越限值和明显异常值进行剔除或插补处理;所述历史运行数据至少包括给煤量、给水流量、总风量、主汽压力、分离器出口温度、床温和机组负荷;

5、步骤s2,依据循环流化床锅炉炉内蓄能动态平衡关系和汽水侧传热动态,确定被控变量向量以及操纵变量向量 ,其中为主汽压力偏差,为分离器出口温度偏差,为床温偏差,为给煤量偏差,为给水流量偏差,为总风量偏差;

6、步骤s3,建立具有物理符号约束和结构性零元素的3×3多输入多输出控制导向传递函数矩阵,并将有效通道统一表示为一阶惯性纯迟延模型;

7、步骤s4,利用闭环变负荷运行数据进行子空间辨识,获得各有效通道的一阶惯性纯迟延参数模型,并根据低负荷、中负荷和高负荷工况形成分工况局部模型;

8、步骤s5,将所述分工况局部模型参数向满足稀疏拓扑、增益符号和参数可行范围的全局物理符号模型进行正则化收缩,获得正则化变参数模型;

9、步骤s6,根据机组实时负荷对低负荷、中负荷和高负荷正则化模型进行非负权重平滑融合,构造负荷调度输入效能矩阵;

10、步骤s7,设计与一阶控制导向对象相匹配的矩阵型扩张状态观测器,将煤质扰动、模型失配、纯迟延近似误差、未建模动态和残余通道耦合统一估计为总扰动;

11、步骤s8,基于分组控制带宽生成虚拟控制量,并采用截断奇异值广义逆完成给煤量、给水流量和总风量的协调分配,同时对操纵量限幅和变化速率限制进行投影处理;

12、步骤s9,将协调分配后的给煤量、给水流量和总风量修正指令发送至机组协调控制系统,或者通过外挂服务器输出控制建议,实现超临界循环流化床机组变负荷过程中的燃烧—汽水协调控制。

13、所述步骤s2中的炉内蓄能动态平衡关系采用如下公式表示:

14、

15、其中,es(t)为炉内蓄能状态量,κb为给煤量向炉内蓄能输入的等效系数,b(t)为给煤量,re为炉内蓄能释放速率,tbed(t)为床温,o2(t)为炉内氧浓度,v(t)为总风量,t为时间变量;

16、在典型工况点附近线性化后,给煤量到炉内有效放热量的动态响应和总风量到炉内有效放热量的动态响应分别采用式(2)和式(3)表示:

17、

18、

19、其中,为炉内有效放热量变化量,、为通道静态增益,、为对应时间常数,s为拉普拉斯复变量,为给煤量到炉内有效放热量的传递函数,为总风量到炉内有效放热量的传递函数;

20、所述步骤s2中的被控变量向量和操纵变量向量采用式(4)表示,所述步骤s3中的3×3多输入多输出控制导向传递函数矩阵采用式(5)表示:

21、

22、

23、其中,表示给煤量到主汽压力的通道,表示总风量到主汽压力的通道,表示给煤量到分离器出口温度的通道,表示给水流量到分离器出口温度的通道,表示给煤量到床温的通道,表示总风量到床温的通道。

24、所述有效通道的一阶惯性纯迟延参数模型采用如下公式表示:

25、

26、其中,为第i个被控变量与第j个操纵变量之间的静态增益,为惯性时间常数,为纯迟延时间;所述静态增益满足以下物理符号约束:、、、为正,和为负。

27、所述步骤s4中子空间辨识采用n4sid方法,以变负荷过程中给煤量、给水流量和总风量的自然联动激励作为输入,以主汽压力、分离器出口温度和床温作为输出,从闭环dcs运行数据中辨识多输入多输出状态空间模型,并经最小实现降阶转换为传递函数矩阵。

28、所述步骤s5中的正则化收缩采用如下公式表示:

29、

30、其中,为工况r下的局部辨识参数,为全局物理符号模型参数,表示投影到由稀疏拓扑、增益符号和参数可行范围组成的约束集合,λ为收缩系数。

31、所述步骤s6中负荷调度输入效能矩阵由各有效通道正则化后的稳态增益和等效时间常数构造,并保持与所述传递函数矩阵相同的稀疏拓扑;低负荷、中负荷和高负荷模型按照与实时负荷相关的非负权重进行平滑融合,权重约束和输入效能矩阵融合分别采用式(8)和式(9)表示:

32、

33、其中,为工况r下的输入效能矩阵,为负荷调度输入效能矩阵,为工况r在负荷l下的非负权重系数。

34、所述步骤s7中的矩阵型扩张状态观测器为二阶线性扩张状态观测器;平滑变参数一阶mimo对象、总扰动定义、观测状态定义及二阶矩阵型eso分别采用式(10)至式(14)表示:

35、

36、

37、

38、

39、

40、其中,z1为输出状态估计,z2为总扰动估计,β1和β2为观测器增益矩阵。

41、所述步骤s8中基于分组控制带宽生成虚拟控制量,并采用截断奇异值广义逆完成给煤量、给水流量和总风量的协调分配;分组带宽、设定值预滤波、虚拟控制量、控制分配、奇异值分解、截断广义逆及约束投影分别采用式(15)至式(22)表示,相对奇异值阈值ε优选为0.01~0.05:

42、

43、

44、

45、

46、

47、

48、

49、

50、其中, 为主汽压力通道的控制带宽,为分离器出口温度通道的控制带宽,为床温通道的控制带宽,为设定值预滤波时间常数,为设定值向量,为截断奇异值对角矩阵的广义逆,为第i个奇异值对应的截断倒数,为输入效能矩阵的第i个奇异值,为最大奇异值,i为奇异值序号索引,为第k个控制周期的操纵变量向量,为操纵变量下限向量,为操纵变量上限向量,为操纵变量变化速率上限向量,为控制周期。

51、所述步骤s9中超临界循环流化床机组变负荷过程中的燃烧—汽水协调控制的计算周期为1~10 s,优选为5 s;所述超临界循环流化床机组变负荷过程中的燃烧—汽水协调控制不改变原有dcs或协调控制系统的保护逻辑和手自动切换逻辑,控制输出经式(22)所示限幅、速率限制和安全联锁校验后作用于给煤量、给水流量和总风量回路

52、本发明的有益效果在于:

53、本发明将炉内蓄能动态平衡与汽水侧传热机理引入mimo拓扑构造,使控制模型不仅来自数据辨识,而且满足炉内蓄能、燃烧和传热过程的物理符号约束,可避免纯数据模型在闭环共线性条件下出现控制方向错误。

54、通过局部参数向全局物理符号模型收缩,构造负荷调度输入效能矩阵,能够降低弱可辨识通道导致的矩阵病态问题,提高多变量控制分配稳定性。

55、所述矩阵型eso将煤质变化、模型失配、纯迟延近似误差和残余耦合统一估计为总扰动,并通过截断广义逆完成风、煤、水多操纵量协调分配,可在变负荷和扰动工况下改善压力、分离器温度和床温的综合控制品质。

56、依据仿真结果,在煤质变化等效过程扰动、通道参数失配和综合工程约束场景中,本发明方法的综合iae相较调度解耦pid分别降低48.5%、13.9%和14.9%;综合工程约束场景中控制量总变差降低86.4%,成对参数摄动性能退化率由19.6%降至6.3%,说明该方法在未知扰动抑制、模型失配鲁棒性和控制动作平稳性方面具有明显优势。