[发明专利]一种燃煤锅炉系统混合控制方法

摘要

本发明涉及一种燃煤锅炉系统混合控制方法。本发明方法首先利用实时数据驱动的方法建立过程模型，具体是将采集的实时过程运行数据作为数据驱动的样本集合，以该集合为基础建立基于最小二乘法的离散差分方程形式的局部受控自回归滑动平均模型；然后采用典型的响应曲线法设计过程模型的比例积分微分控制器；利用设计的过程模型的比例积分微分控制器设计预测比例积分微分控制器。本发明的控制方法弥补了传统控制的不足，并有效地方便了控制器的设计，保证控制性能的提升，同时满足给定的生产性能指标。本发明可以有效减少理想工艺参数与实际工艺参数之间的误差，保证控制装置操作在最佳状态，使工艺参数达到严格控制。

主权项

1、一种燃煤锅炉系统混合控制方法，其特征在于该方法包括以下步骤：(1)利用实时数据驱动的方法建立过程模型，具体方法是：首先，建立燃煤锅炉实时运行数据库，通过数据采集装置采集实时过程运行数据，将采集的实时过程运行数据作为数据驱动的样本集合，表示为{Xi，y(i)}i＝1 N，其中Xi表示第i组工艺参数的输入数据，y(i)表示第i组工艺参数的输出值；其次，以该实时过程运行数据集合为基础建立基于最小二乘法的离散差分方程形式的局部受控自回归滑动平均模型：yL(k)＝ΦTX，Φ＝[a′1，a′2，…，a′n，b′0，b′1，…，b′m-1]T X＝[y(k-1)，…，y(k-n)，u(k-d-1)，…，u(k-d-m)]T 其中，yL(k)表示当前时刻过程模型的工艺参数的输出值，X表示过程模型的工艺参数的过去时刻的输入和输出数据的集合，u(k)表示过程模型工艺参数对应的控制变量，Φ表示通过辨识得到的模型参数的集合，n，m，d+1分别为对应实际过程的输出变量阶次、输入变量阶次、时滞；采用的辨识手段为：${\Phi }_k={\Phi }_{k-1}+\bar{K}\left(k\right)[y\left(k\right)-{\Phi }_k^T{X}_k]$ \bar{K}\left(k\right)=P(k-1)X_k{[X_k^{T}P(k-1)X_k+\gamma ]}^{-1}其中，\gamma 为遗忘因子，为单位阵；(2)采用典型的响应曲线法设计过程模型的比例积分微分控制器，具体方法是：a.将过程模型的比例积分微分控制器停留在手动操作状态，操作拨盘使其输出有阶跃变化，由记录仪表记录过程模型的输出值，将过程模型输出值yL(k)的响应曲线转换成无量纲形式yL\; *(k)，具体是：$ y_L^{*}\left(k\right)=y_L\left(k\right)/y_L(\infty )其中，yL(\infty )是过程模型的比例积分微分控制器的输出有阶跃变化时的过程模型输出yL(k)的稳态值；b.选取满足$ y_L^{*}\left(k_1\right)=0.39,$ y_L^{*}\left(k_2\right)=0.63的两个计算点k1和k2，，依据下式计算比例积分微分控制器所需要的参数K、T和\tau ：K＝yL(\infty )/qT＝2(k1-k2)\tau ＝2k1-k2\; 其中，q为过程模型的比例积分微分控制器输出的阶跃变化幅度；c.计算过程模型的比例积分微分控制器的参数，具体是：Kc＝1.2T/K\tau Ti＝2\tau Td＝0.5\tau 其中Kc，Ti，Td分别为比例积分微分控制器的比例参数，积分参数，微分参数；(3)设计预测比例积分微分控制器，具体步骤是：d.将过程模型的比例积分微分控制器停留在自动操作状态，操作拨盘使其输入有阶跃变化，，由记录仪表记录实时过程的输出，将过程输出值y(k)的响应曲线转换成无量纲形式y*(k)，具体是：y*(k)＝y(k)/y(\infty )其中，y(\infty )是过程模型的比例积分微分控制器的输入有阶跃变化时的过程模型输出y(k)的稳态值；e.选取满足y(k3)＝0.39，y(k4)＝0.63的两个计算点，依据下式计算预测比例积分微分控制器所需要的参数K1，T1和\tau 1：K1＝y(\infty )/q1\; T1＝2(k3-k4)\tau 1＝2k3-k4\; 其中，q1为过程模型的比例积分微分控制器输入的阶跃变化幅度；f.将步骤e得到的参数转化为离散差分方程形式的局部受控自回归滑动平均模型：y(k)＝\Phi TX，\Phi ＝[a1，a2，\dots ，an，b0，b1，\dots ，bm-1]T\; X＝[y(k-1)，\dots ，y(k-n)，u(k-d-1)，\dots ，u(k-d-m)]T\; 其中，y(k)表示当前时刻过程模型的输出值，X表示过去时刻的输入和输出数据的集合，u(k)表示过程模型对应的控制变量，\Phi 表示通过转换得到的模型参数的集合，n，m，d+1分别为对应实际过程的输出变量阶次、输入变量阶次、时滞；g.依据步骤f计算出的模型参数整定预测控制器的参数，具体方法是：①建立多步最优预测输出$ \hat{Y}=Y_{\mathrm{past}}+\mathrm{GU}+E其中，$ \hat{Y}={(\hat{y}(k+d+1/k),\hat{y}(k+d+2/k),...,\hat{y}(k+d+p/k))}^{T}Ypast＝(ypast(k+d+1)，ypast(k+d+2)，\dots ，ypast(k+d+p))T\; U＝(\Delta u(k)，\Delta u(k+1)，\dots ，\Delta u(k+p-1))T$ E={(y\left(k\right)-\hat{y}\left(k\right),y\left(k\right)-\hat{y}\left(k\right),...,y\left(k\right)-\hat{y}\left(k\right))}^T$ G=\left[\begin{array}{cccc}{B}_{\mathrm{1,0}}& & & \\ B_{\mathrm{2,0}}& B_{\mathrm{1,0}}& 0& \\ ...& ...& & \\ B_{p,0}& B_{p-\mathrm{1,0}}& ...& B_{1,0}\end{array}\right]Ypast是依据过程过去时刻过程模型的输入输出数据计算得到的自由响应输出，G是预测模型的参数矩阵，u是过程控制增量的集合，E是预测模型的校正项；②建立预测控制器的参考轨迹Yr和目标函数J；Yr＝(yr(k+d+1)，yr(k+d+2)，\dots ，yr(k+d+p))T$ J=\min \{{(Y_r-\hat{Y})}^T(Y_r-\hat{Y})+{\lambda }^2{U}^{T}U\}③依据步骤②的目标函数得到当前的控制参数值u(k)u(k)＝u(k-1)+qT(Yr-Ypast-E)其中qT是预测控制器参数矩阵的第一行向量。$$$$$$$$$$