超超临界单元机组协调系统的建模与控制优化研究

发布时间：2017-08-15 07:32

  本文关键词：超超临界单元机组协调系统的建模与控制优化研究

  更多相关文章： 协调控制 遗传算法 广义预测控制 神经网络 模糊PID

【摘要】：随着电力需求的不断增长和能源环境问题的日益突出,超超临界机组以其较高的发电效率已经成为我国火电机组的建设主流。火电机组作为作为一类具有典型非线性特性的多变量被控对象,具有大迟延、大惯性、强耦合和参数时变性等特点。伴随电力工业可持续发展战略的实施,电网综合自动化对单元机组协调系统的控制性能提出了更高的要求。同时随着新能源发电对电网带来的波峰冲击,设计出一套安全、高效并具有自适应能力的控制方案,对维护电网的稳定与电能质量、减少工作人员的调控难度和提高电厂的经济效益有很大的现实意义。本文主要从建模和协调控制的角度对超超临界单元机组作了研究,主要内容包括以下两个方面。一,单元机组建模方面。提出了一种二阶惯性加纯滞后环节对大惯性热工对象进行简化,采用遗传算法对传递函数参数进行辨识,针对基本遗传算法的“早熟”问题,从交叉和变异概率的自适应角度,提出了改进的遗传算法,并用于模型参数辨识；针对单元机组模型参数随负荷的时变性,引入了基于递推贝叶斯概率加权方法的多模型动态建模策略；针对系统的全局非线性特性,提出了一种基于神经网络非线性补偿的算法,进一步提高了单元机组的建模精度和自适应能力。二,协调控制方面。分析了传统线性广义预测控制(GPC)算法的基本原理和不足之处,针对单元机组的全局非线性问题提出了基于RBF神经网络非线性补偿的GPC算法,通过仿真实验证明了非线性GPC对非线性系统设定信号的良好跟踪能力；针对传统GPC实际参考轨迹无法预测的问题,提出了一种基于期望响应的参考轨迹优化算法,使实际参考轨迹尽可能地沿着期望的参考轨迹滑行,在保证响应速度和精度的同时,较好地抑制了超调。介绍了模糊PID控制的基本原理,并分析了经典模糊规则在数量方面的局限性,在充分总结前人研究成果的基础上,提出了一种简单而高效的基于误差分级的变论域模糊PID控制策略。将改进的GPC控制器用于燃料量-负荷通道,改进的模糊PID用于汽机阀门-机前压力通道,并合理反馈“双向”协调信号,最终实现单元机组的协调控制。
【关键词】：协调控制 遗传算法 广义预测控制 神经网络 模糊PID
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM621
【目录】：

• 摘要4-5
• Abstract5-8
• 第一章 绪论8-13
• 1.1 课题研究背景及意义8-9
• 1.2 火电机组的建模研究现状9-10
• 1.2.1 机理/实验建模方法及相关模型9-10
• 1.2.2 智能建模方法及相关模型10
• 1.3 单元机组协调控制系统的控制方案10-12
• 1.3.1 基于线性系统理论的研究10-11
• 1.3.2 基于非线性系统理论的研究11
• 1.3.3 基于智能化方法的研究11-12
• 1.4 本文主要内容12-13
• 第二章 超超临界单元机组混合建模方法研究13-28
• 2.1 超超临界单元机组模型分析13-14
• 2.1.1 直流锅炉对象特性的描述13
• 2.1.2 单元机组模型的简化13-14
• 2.2 基于改进自适应遗传算法的传递函数模型系统辨识14-20
• 2.2.1 超超临界单元机组的传递函数描述及等效简化14-15
• 2.2.2 传统GA算法简介15-17
• 2.2.3 改进自适应GA算法17-18
• 2.2.4 模型辨识性能测试18-20
• 2.3 单元机组的加权多模型建模策略20-24
• 2.3.1 多模型建模的研究现状20-21
• 2.3.2 基于递推贝叶斯概率加权方法的多模型建模21-22
• 2.3.3 加权多模型建模性能测试22-24
• 2.4 基于RBF神经网络的模型非线性补偿24-27
• 2.4.1 用于非线性补偿的RBF神经网络24-25
• 2.4.2 基于非线性补偿的模型辨识性能测试25-27
• 2.5 本章总结27-28
• 第三章 广义预测控制算法及其改进28-37
• 3.1 基于非线性的广义预测控制28-32
• 3.1.1 传统广义预测控制28-30
• 3.1.2 基于神经网络前馈补偿的广义预测控制算法30-32
• 3.2 基于期望响应的GPC参考轨迹在线自校正方法32-34
• 3.2.1 参考轨迹32
• 3.2.2 基于期望响应的参考轨迹在线优化算法32-34
• 3.3 锅炉-负荷通道基于参考轨迹优化的非线性GPC控制仿真34-36
• 3.4 本章小结36-37
• 第四章 模糊自适应整定PID控制算法及其改进37-50
• 4.1 模糊控制器组成37-40
• 4.1.1 模糊化37-38
• 4.1.2 知识库38-39
• 4.1.3 模糊推理39
• 4.1.4 反模糊化39-40
• 4.2 模糊PID控制40-43
• 4.2.1 模糊PID控制器的结构40
• 4.2.2 模糊PID控制器的设计40-42
• 4.2.3 基于模糊自适应整定的PID控制仿真42-43
• 4.3 基于变论域的改进模糊PID控制算法43-49
• 4.3.1 模糊PID控制算法的论域伸缩44-45
• 4.3.2 几种常见的伸缩因子选择计算方法45-47
• 4.3.3 基于误差分级的伸缩因子选择方法47-48
• 4.3.4 基于误差分级的变论域模糊PID控制仿真48-49
• 4.4 本章小结49-50
• 第五章 广义预测控制和模糊PID控制在协调控制系统中的应用50-57
• 5.1 协调机组典型负荷控制结构分析50-53
• 5.1.1 锅炉跟随的负荷控制方式50-51
• 5.1.2 汽机跟随的负荷控制方式51-52
• 5.1.3 机炉协调的负荷控制方式52-53
• 5.2 机炉协调控制的几种方式和分析53-54
• 5.2.1 以锅炉跟随为基础的协调控制方式53
• 5.2.2 以汽机跟随为基础的协调控制方式53-54
• 5.2.3 综合型协调控制系统54
• 5.3 控制仿真结果54-57
• 第六章 总结和展望57-59
• 6.1 论文总结57-58
• 6.2 论文展望58-59
• 参考文献59-62
• 致谢62-63
• 攻读硕士期间发表的论文63

【参考文献】

中国期刊全文数据库 前1条

1 达飞鹏,宋文忠;基于模糊神经网络滑模控制器的一类非线性系统自适应控制[J];中国电机工程学报;2002年05期

，

本文编号：676997