超超临界机组协调控制系统解耦及控制研究

发布时间：2021-08-04 22:56

　　超超临界机组协调控制对象具有强耦合、非线性、变参数等特点。通过对其三输入三输出对象的特性分析,设计了基于一阶模型的解耦环节,并采用改进后的免疫记忆粒子群优化（Immune Memory Particle Swarm Optimization,IMPSO）对开环下的解耦器参数和闭环PID参数进行优化,仿真结果表明上述解耦系统有理想的控制性能。进而在解耦器和控制器参数不变的情况下改变对象模型参数验证系统鲁棒性,测试结果表明系统依然能够保持足够的稳定性,且超调量、调整时间、衰减率等均维持在合理范围内。所设计的解耦补偿器简单易实现,适用于强耦合、非线性、时变的协调控制系统。 

【文章来源】：计算机仿真. 2020,37(09)北大核心

【文章页数】：9 页

【部分图文】：

免疫记忆粒子群算法流程图

采用汽包炉的机组耦合性相对较弱,是由于汽包的存在使得蒸汽管路和水管路相互独立,互不影响。而配备直流炉的超超临界机组的耦合性与汽包炉完全不同,直流炉的汽水过程相互作用,两者联系非常紧密,这就导致锅炉侧的运行参数相互影响,还致使锅炉与汽机两者之间同样互相影响,因此超超临界机组变成了多个输入多个输出的复杂耦合系统。超超临界机组协调控制系统在众多研究中被简化成是具有三个输入与三个输出的多变量调节系统,并且每个变量存在着相互交叉的关联性,给水量W、给煤量B和汽机阀门开度μT是单元机组控制系统的三个输入量,中间点焓值H、主蒸汽压力PT与功率N是此控制系统的三个输出量。简化模型如图2所示。本文选取某火电厂超超临界机组协调控制系统作为研究对象,对此模型进行解耦控制研究。该机组主要是采用了自适应遗传算法辨识的数学模型[10],用于辨识数据来自机组在100%工况附近的运行数据。

在开环状态对Kp21、T21、T211、Kp12、T12、Kp32、T32、T23、T231这九个参数进行寻优赋值,以误差性能指标ITAE作为评价指标:J=∫∞0t|e(t)|dt。对象模型为三输入三输出对象,由于每个输出都有一个评价指标,从而提出将这三个指标函数的加权值作为最终的适应度来评价解耦补偿器的综合性能。其优化设计结构图如图3所示:其优化过程如图4所示。

【参考文献】：
期刊论文
[1]超(超)临界火电机组乘数型协调预测函数优化控制研究及应用[J]. 胡建根,孙耘,李泉,尹峰.  动力工程学报. 2018(07)
[2]基于模糊和解耦的超临界机组协调控制研究[J]. 董子健,毛求福.  电力科学与工程. 2018(04)
[3]基于双模糊解耦控制的小型汽轮机负荷控制[J]. 李明辉,云卫涛,张孝杰.  热力发电. 2018(01)
[4]供热机组热电耦合特性分析与解耦协调控制[J]. 邓拓宇,田亮,刘吉臻.  系统仿真学报. 2017(10)
[5]粒子群算法的改进及其在优化函数中的应用[J]. 马发民,张林,王锦彪.  计算机与数字工程. 2017(07)
[6]线性多变量系统有限时间最优解耦控制[J]. 富月,李婧怡.  控制与决策. 2016(12)
[7]MIMO离散时间非线性系统MFAPC[J]. 许伟强,张方,刘淼,韩璞.  计算机仿真. 2016(08)
[8]直流锅炉单元机组协调控制系统的研究与设计[J]. 秦志明,张栾英,谷俊杰.  动力工程学报. 2016(01)
[9]基于解耦和DOB的DMC在机炉协调控制系统中的应用[J]. 笪凌云,沈炯,李益国,吴啸.  东南大学学报(自然科学版). 2015(05)
[10]基于遗传算法的超临界机组模型的参数辨识[J]. 梁杨,谷俊杰.  电力科学与工程. 2010(07)



本文编号：3322550