基于预测控制下的超超临界机组负荷灵活性调节系统

技术领域

本发明涉及智能电网技术领域，具体为基于预测控制下的超超临界机组负荷灵活性调节系统。

背景技术

我国可再生能源发展取得了显著的成绩，但不少地区弃风弃光等问题日益突出，消纳已经成为制约可再生能源发展的关键因素。火电机组灵活性及深度调峰改造是消纳可再生能源的有效途径。

目前对火电机组的调节控制通常采用AGC控制策略，AGC控制策略的目标是在发电厂和负荷之间实现动态平衡，以保持系统频率稳定。通过实时监测和调整发电机组的输出功率，AGC系统可以快速响应系统负荷变化，确保系统频率在可接受范围内，当前火电机组AGC控制问题主要包括：消除扰动能力差，易出现参数大幅波动及调节振荡情况，负荷升降速率低，煤种变化对控制系统影响大，正常AGC调节中燃料和给水等控制量波动大，机组运行经济性差，因此针对机组热力性能参数指标差，调节性能负荷升降速率、精度均较差，汽温、汽压等关键参数的波动非常大的现状，提出基于预测控制下的超超临界机组负荷灵活性调节系统。

发明内容

针对现有技术的不足，本发明提供了基于预测控制下的超超临界机组负荷灵活性调节系统，解决了当前这种AGC控制策略对于机组热力性能参数指标差，调节性能负荷升降速率、精度均较差，汽温、汽压等关键参数的波动非常大，导致控制效果明显变差的问题。

为实现以上目的，本发明通过以下技术方案予以实现：基于预测控制下的超超临界机组负荷灵活性调节系统，包括CPU模块，所述CPU模块的内部包括有用于调整控制参数的调整模块、用于优化AGC运行模式的AGC优化模块、用于节氨的节氨优化模块、用于补偿汽温控制的广义预测控制模块，所述AGC优化模块的信号输出端上连接有用于预测主汽压力的主汽压力预测模块，所述主汽压力预测模块的信号输出端上连接有用于收集参数的给水流量前馈模块、给煤量前馈模块以及分离器温度预测模块。

优选的，所述节氨优化模块的信号输出端上连接有用于选择状态信号的测量信号评估选择模块以及NOx浓度预测模块，所述NOx浓度预测模块的信号输出端上连接有用于减小汽温广义被控对象滞后和惯性的改进变量控制模块以及用于收集参数的氨气流量前馈模块。

优选的，所述调整模块中采用竞争型的神经网络学习算法，所述神经网络学习算法用于实时校正火电机组运行中与控制系统密切相关的各种特性参数，并根据这些特性参数实时计算AGC控制系统的前馈和反馈回路中的各项控制参数。

优选的，所述AGC优化模块中采用智能预测算法，所述智能预测算法用于预测“调度EMS系统AGC指令”在未来时刻的变化趋势以及锅炉做功能力“锅炉热功率信号”在未来时刻的变化值，并依据这两者间的匹配程度来修正锅炉指令的变化量。

优选的，所述CPU模块中采用多模型预测控制算法，所述多模型预测控制算法用于提前预测被调量(如主汽压力、汽温等参数)的未来变化趋势并根据调量的未来变化量对火电机组进行控制。

优选的，所述分离器温度预测模块中采用非线性神经网络模型，所述非线性神经网络模型用于对煤种热值校正系数的未来值进行递推预估。

优选的，所述CPU模块中还包括采用多模型预测控制算法的防壁温超温优化控制模块，所述防壁温超温优化控制模块用于采集历史运行数据统计各受热面易超温点情况避免超温或减少超温时间。

优选的，所述多模型预测控制算法通过融入自适应SMITH控制技术、状态变量控制技术及相位补偿技术后用于对汽温被控对象的大滞后特性进行动态补偿。

本发明提供了基于预测控制下的超超临界机组负荷灵活性调节系统。与现有技术相比具备以下有益效果：

(1)、该基于预测控制下的超超临界机组负荷灵活性调节系统，通过根据机组AGC指令、实发功率、电网频率等参数实时预测“调度EMS系统AGC指令”在未来时刻的变化趋势，对机组燃料量、风量、给水流量等参数实时预测和调整，减少主要参数波动。

(2)、该基于预测控制下的超超临界机组负荷灵活性调节系统，通过多模型预测控制将自适应SMITH控制技术、状态变量控制技术及相位补偿技术融于一体，对汽温被控对象的大滞后特性进行动态补偿，有效减小补偿后汽温广义被控对象的滞后和惯性。

(3)、该基于预测控制下的超超临界机组负荷灵活性调节系统，在传统煤种BTU校正的基础上，通过存储前期各个采样时刻的煤种热值校正系数，并作为RBF神经网络的训练样本数据，建立煤种热值校正系数的非线性神经网络模型，后用该模型对煤种热值校正系数的未来值进行递推预估来弥补BTU校正过程的滞后，从而提出煤种热值的快速校正。

(4)、该基于预测控制下的超超临界机组负荷灵活性调节系统，通过对SCR脱硝系统的运行环境、被控特性数学模拟模型等方面的精准把握，基于预测控制、神经网络学习技术及自适应控制技术，制定有针对性的SCR脱硝控制的先进控制策略。

(5)、该基于预测控制下的超超临界机组负荷灵活性调节系统通过融合预测控制、神经网络控制和自适应控制等技术，解决火电机组实际控制难题，提出了现代火电机组协调控制的先进解决方案，确保了大型火电机组的安全、稳定及高效运行，为应用先进的现代控制技术来解决火电机组疑难控制问题提供了一个有潜力的发展方向。

附图说明

图1为本发明的多模型协调预测控制策略示意图；

图2为本发明的多模型汽温预测控制策略示意图；

图3为本发明基于模糊神经网络的煤种热值快速校正策略示意图；

图4为本发明全负荷工况脱硝预测控制策略示意图；

图5为本发明的系统示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-图5，本发明提供以下技术方案：

实施例一：基于预测控制下的超超临界机组负荷灵活性调节系统，包括CPU模块，所述CPU模块的内部包括有用于调整控制参数的调整模块、用于优化AGC运行模式的AGC优化模块、用于节氨的节氨优化模块、用于补偿汽温控制的广义预测控制模块，所述AGC优化模块的信号输出端上连接有用于预测主汽压力的主汽压力预测模块，所述主汽压力预测模块的信号输出端上连接有用于收集参数的给水流量前馈模块、给煤量前馈模块以及分离器温度预测模块，节氨优化模块的信号输出端上连接有用于选择状态信号的测量信号评估选择模块以及NOx浓度预测模块，所述NOx浓度预测模块的信号输出端上连接有用于减小汽温广义被控对象滞后和惯性的改进变量控制模块以及用于收集参数的氨气流量前馈模块，调整模块中采用竞争型的神经网络学习算法，所述神经网络学习算法用于实时校正火电机组运行中与控制系统密切相关的各种特性参数，并根据这些特性参数实时计算AGC控制系统的前馈和反馈回路中的各项控制参数，AGC优化模块中采用智能预测算法，所述智能预测算法用于预测“调度EMS系统AGC指令”在未来时刻的变化趋势以及锅炉做功能力“锅炉热功率信号”在未来时刻的变化值，并依据这两者间的匹配程度来修正锅炉指令的变化量，CPU模块中采用多模型预测控制算法，所述多模型预测控制算法用于提前预测被调量(如主汽压力、汽温等参数)的未来变化趋势并根据调量的未来变化量对火电机组进行控制，分离器温度预测模块中采用非线性神经网络模型，所述非线性神经网络模型用于对煤种热值校正系数的未来值进行递推预估，CPU模块中还包括采用多模型预测控制算法的防壁温超温优化控制模块，所述防壁温超温优化控制模块用于采集历史运行数据统计各受热面易超温点情况避免超温或减少超温时间，多模型预测控制算法通过融入自适应SMITH控制技术、状态变量控制技术及相位补偿技术后用于对汽温被控对象的大滞后特性进行动态补偿。

实施例二，本实施例区别于实施例一的技术方案包括：

1、制定适合机组全负荷运行的智能多模型预测控制算法；

针对660MW超超临界机组锅炉被控过程惯性和滞后的变化特点，研究提出机组全负荷运行的智能多模型预测控制算法，多模型预测控制系统在整体控制结构上将仍采用前馈+反馈的控制模式，但与常规DCS控制策略不同的是在其在反馈控制部分应用目前国际上最前沿的解决大滞后对象控制问题的预测控制技术，取代了原有的PID控制。采用这种技术能够提前预测被调量(如主汽压力、汽温等参数)的未来变化趋势，而后根据被调量的未来变化量进行控制，有效提前调节过程，从而大幅提高了机组AGC控制系统的闭环稳定性和抗扰动能力。多模型协调预测控制策略如图1所示。

2、制定超超临界机组运行特性参数全工况实时校正智能控制策略；

多模型预测控制系统采用竞争型的神经网络学习算法来实时校正机组运行中与控制系统密切相关的各种特性参数(包括燃料热值、汽耗率、机组滑压曲线、中间点温度设定曲线、制粉系统惯性时间等)，并根据这些特性参数实时修正AGC控制系统的前馈和反馈回路中的各项控制参数，使得整个系统始终处于在线学习的状态，控制性能不断向最优目标逼近。

3、制定超超临界机组AGC模式下智能优化控制策略；

多模型预测控制系统中包含AGC运行模式下的特别优化模块：采用智能预测算法，一方面根据机组当前AGC指令、实发功率、电网频率等参数实时预测“调度EMS系统AGC指令”在未来时刻的变化趋势；另一方面根据机组的燃料量、风量、给水流量等参数实时预测表征锅炉做功能力的“锅炉热功率信号”在未来时刻的变化值，并依据这两者间的匹配程度来修正锅炉指令的变化量。实际应用表明，增加AGC模式特别优化模块后，可在保证AGC负荷响应的基础上使机组燃料量、风量、给水流量、减温水流量的波动幅度减小60％以上，对于延长锅炉管材寿命，减少爆管极为有利。

4、制定超超临界机组汽温智能优化控制策略；

多模型预测控制将自适应SMITH控制技术、状态变量控制技术及相位补偿技术融于一体，对汽温被控对象的大滞后特性进行动态补偿，有效减小补偿后汽温广义被控对象的滞后和惯性，而后以广义预测控制器作为反馈调节器、以模糊控制作为控制系统的智能前馈，所构成的新型汽温控制系统如图2所示。通过对多种大滞后控制策略的有效组合，成功地实现了以燃烧器摆角、烟气挡板调节为主、事故喷水调节为辅的汽温自动控制，有效减少了汽温的喷水流量，取得了明显的经济效益。

5、制定全负荷下煤种热值快速校正策略；

在传统煤种BTU校正的基础上，通过存储前期各个采样时刻的煤种热值校正系数，并作为RBF神经网络的训练样本数据，建立煤种热值校正系数的非线性神经网络模型，后用该模型对煤种热值校正系数的未来值进行递推预估，通过预估的提前时间来弥补BTU校正过程的滞后，从而提出煤种热值的快速校正方法。基于模糊神经网络的煤种热值快速校正策略如图3所示。

6、制定全负荷工况下防壁温超温优化控制策略；

在机组快速升降负荷过程中，锅炉经常出现水冷壁或受热面局部超温的情况，多模型预测控制系统内部的防壁温超温优化控制模块采集历史运行数据统计各受热面易超温点情况，当系统预测到可能存在超温情况时，将通过动态调整过热度、各减温喷水调门指令的方式对煤、水以及减温水进行提前调节以避免超温或减少超温时间。具体防止壁温超温参数将在现场调试时进一步确定。

7、制定全负荷工况下脱硝智能预测控制策略；

通过对SCR脱硝控制系统的运行环境、考核要求、被控特性数学模拟模型等方面的精准把握，基于预测控制、神经网络学习技术及自适应控制技术研究针对现代火电机组SCR脱硝控制的先进控制策略，如图4所示。

实验例：基于预测控制下的超超临界机组负荷灵活性调节系统在火电机组应用后，对机组协调控制系统在各个负荷段进行试验，机组控制系统性能得到显著提升，机组主要控制参数控制平稳，达到了计划预想的需要。

1、低负荷段13MW速率变负荷试验性能；

火电机组以13MW/min的速率从460MW下降到360MW，稳定一段时间后从360MW上升到440MW，进行了两次80MW-100MW幅度的变负荷试验。火电机组在低负荷段进行13MW速率变负荷试验控制的整体性能：1、负荷控制方面，机组实际负荷严格按照设定变负荷速率变化，动态过程平稳，无振荡，过调量很小。实际速率、响应延迟时间、动态控制偏差、稳态控制精度均满足要求。主汽压力控制方面，在各种速率的变负荷过程中主汽压力的最大动态偏差仅为0.2-0.4MPa，稳态偏差<±0.1MPa，明显优于热控检修规程的要求。

2、高负荷段13MW速率变负荷试验性能

火电机组以13MW/min的速率从500MW上升到590MW，稳定一段时间后再下降到500MW，进行了两次90MW幅度的单向变负荷试验。火电机组在高负荷段进行13MW速率变负荷试验控制的整体性能的整体性能：负荷控制方面，机组实际负荷严格按照设定变负荷速率变化，动态过程平稳，无振荡，过调量很小。实际速率、响应延迟时间、动态控制偏差、稳态控制精度均满足要求。主汽压力控制方面，在各种速率的变负荷过程中主汽压力的最大动态偏差仅为0.2-0.3MPa，稳态偏差<±0.1MPa，明显优于热控检修规程的要求。

3、机组正常AGC运行试验性能；

基于预测控制下的超超临界机组负荷灵活性调节系统在火电机组应用后，以AGC方式运行约15个小时的过程中负荷、主汽压力、主汽温、NOx的控制曲线，机组主要参数的运行性能明显改变。

(1)、火电机组30％Pe深度调峰AGC试验

江苏方天电力技术有限公司对火电机组进行AGC试验，机组AGC指令从363MW开始下降，本地变负荷速率指令为5MW/min，同时省调自动化处对机组进行了AGC速率测试，实测下降速率0.70％Pe/min，上升速率0.60％Pe/min。火电机组出力最低达到185MW试验负荷要求。在此负荷下维持4小时后在AGC指令的控制下，由185MW上升到330MW。整个AGC试验完成。机组AGC实测速率为0.65％Pe/min。满足深度调峰AGC试验第一档要求。

(2)、火电机组30％Pe深度调峰一次调频试验

江苏方天电力技术有限公司选取调峰最低技术出力加3％额定负荷(218MW)作为一次调频试验负荷点，进行±0.067Hz，±0.1083Hz频差一次调频试验。试验结果表明，机组0至15秒一次调频响应指数、0至30秒一次调频响应指数和0至45秒一次调频响应指数平均值分别为0.98、1.23和1.37，达到了第二档标准1。

同时本说明书中未作详细描述的内容均属于本领域技术人员公知的现有技术。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。