劉保瑞，安惠欣，崔銳，陳立軍

(1.東北電力大學(xué)自動(dòng)化工程學(xué)院吉林，吉林132012;2.中國(guó)航天空氣動(dòng)力研究院，北京100074)

火電單元機(jī)組是具有強(qiáng)耦合、非線性、大慣性、參數(shù)時(shí)變和不確定因素的典型復(fù)雜熱工系統(tǒng)。單元機(jī)組協(xié)調(diào)控制系統(tǒng)把動(dòng)態(tài)特性存在很大差異的鍋爐和汽輪機(jī)作為一個(gè)整體進(jìn)行綜合控制，使其同時(shí)按照電網(wǎng)負(fù)荷需求指令和內(nèi)部主要運(yùn)行參數(shù)的偏差要求協(xié)調(diào)運(yùn)行。目前大多數(shù)電廠采用的是基于PID控制算法結(jié)合前饋補(bǔ)償、串級(jí)控制等策略的CCS常規(guī)控制方案，但是無法保證長(zhǎng)期穩(wěn)定投入運(yùn)行。遇到復(fù)雜的工況時(shí)，需要人工操作和監(jiān)督控制，導(dǎo)致機(jī)組的運(yùn)行參數(shù)嚴(yán)重偏離經(jīng)濟(jì)指標(biāo)，造成大量的能源浪費(fèi)，增加了設(shè)備損耗。隨著控制理論的飛速發(fā)展，人們對(duì)機(jī)組控制對(duì)象和控制策略進(jìn)行了更加深入廣泛的研究，并提出了很多改進(jìn)方法和新的控制策略。

本文對(duì)單元機(jī)組協(xié)調(diào)控制系統(tǒng)的模型和控制策略進(jìn)行了總結(jié)，對(duì)其發(fā)展現(xiàn)狀和前景進(jìn)行了分析，為進(jìn)一步研究單元機(jī)組協(xié)調(diào)控制系統(tǒng)提供參考。

1 單元機(jī)組被控對(duì)象的數(shù)學(xué)模型

單元機(jī)組被控對(duì)象的數(shù)學(xué)模型是單元機(jī)組協(xié)調(diào)控制系統(tǒng)設(shè)計(jì)的基礎(chǔ)，研究單元機(jī)組協(xié)調(diào)控制系統(tǒng)，首先就要找到一種合適的數(shù)學(xué)模型作為研究對(duì)象，它必須是正確的反映出單元機(jī)組中各子系統(tǒng)動(dòng)態(tài)特性和耦合關(guān)系，同時(shí)要求結(jié)構(gòu)相對(duì)簡(jiǎn)單和公認(rèn)可行的。以下是幾種比較典型的協(xié)調(diào)控制系統(tǒng)模型，在理論研究和實(shí)際工作中被廣泛的引用。

1.1 機(jī)理/實(shí)驗(yàn)建立的數(shù)學(xué)模型

Bell和Astrom于20世紀(jì)80年代給出了一個(gè)低階非線性數(shù)學(xué)模型，該模型建立是基于P16/G16汽包式燃油機(jī)組的協(xié)調(diào)控制對(duì)象，并且得到了實(shí)際驗(yàn)證。該建模方法對(duì)現(xiàn)有的大型機(jī)組建模具有一定的參考價(jià)值。到了20世紀(jì)90年代初，De Mello提出了一種為大型單元機(jī)組協(xié)調(diào)控制研究使用的非線性數(shù)學(xué)模型，該模型從物質(zhì)平衡和能量平衡的視角出發(fā)，對(duì)其在鍋爐汽輪機(jī)中流動(dòng)轉(zhuǎn)化的過程做了詳細(xì)的描述。并且可以對(duì)其他相似結(jié)構(gòu)的單元機(jī)組具有指導(dǎo)意義，因此目前國(guó)內(nèi)大多數(shù)單元機(jī)組協(xié)調(diào)控制研究都把該模型當(dāng)成基礎(chǔ)。Cheres模型是一種適合動(dòng)態(tài)特性研究的非線性模型，通過對(duì)不同型號(hào)的機(jī)組上應(yīng)用證明了該模型具有良好的辨識(shí)效果和優(yōu)良的適應(yīng)性。

1.2 智能方法建立的數(shù)學(xué)模型

隨著人工智能的發(fā)展，越來越多的學(xué)者和工程人員開始把目光轉(zhuǎn)移到智能算法方面，通過對(duì)單元機(jī)組協(xié)調(diào)控制系統(tǒng)各項(xiàng)特性進(jìn)行分析，結(jié)合現(xiàn)場(chǎng)數(shù)據(jù)辨識(shí)出單元機(jī)組協(xié)調(diào)控制系統(tǒng)模型，比如模糊建模和神經(jīng)網(wǎng)絡(luò)建模等智能算法的研究已經(jīng)取得了很大的成效。模糊建模法是通過已知的輸入輸出測(cè)量數(shù)據(jù)構(gòu)建模糊模型的方法及算法。Takagi和Sugeno于1985年提出的Takagi-Sugeno模糊模型在控制領(lǐng)域中被廣泛應(yīng)用，目前基于T-S模糊模型的辨識(shí)算法已有大量的文獻(xiàn)對(duì)其進(jìn)行了研究。人工神經(jīng)網(wǎng)絡(luò)建模法是以其特有的表達(dá)任意非線性映射能力進(jìn)行非線性系統(tǒng)建模和辨識(shí)。許多經(jīng)典的控制方法如神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制等已經(jīng)推廣到神經(jīng)網(wǎng)絡(luò)控制領(lǐng)域，這些控制網(wǎng)絡(luò)的模型可以由神經(jīng)網(wǎng)絡(luò)模型充當(dāng)。

2 單元機(jī)組協(xié)調(diào)控制系統(tǒng)控制策略

上世紀(jì)70年代，國(guó)外的大型單元機(jī)組突破了傳統(tǒng)的爐跟機(jī)或機(jī)跟爐模式，開始采用協(xié)調(diào)控制系統(tǒng)。到80年代末，協(xié)調(diào)控制系統(tǒng)基本上得到了成熟的應(yīng)用。而我國(guó)直到90年代初期才在少量進(jìn)口機(jī)組上應(yīng)用協(xié)調(diào)控制系統(tǒng)。隨著DCS的引進(jìn)應(yīng)用及國(guó)產(chǎn)DCS的研制開發(fā)，90年代末期，在我國(guó)200 MW以上機(jī)組已得到大范圍地應(yīng)用，大大提高了火電機(jī)組的自動(dòng)化水平和生產(chǎn)管理水平。進(jìn)入了21世紀(jì)，協(xié)調(diào)控制系統(tǒng)又得到了進(jìn)一步的發(fā)展，突破了經(jīng)典PID算法，引入了先進(jìn)控制理論和智能控制理論的內(nèi)容。本文按照控制理論在單元機(jī)組協(xié)調(diào)控制系統(tǒng)中的發(fā)展應(yīng)用將其劃分為:基于線性系統(tǒng)理論、基于非線性系統(tǒng)理論和基于智能化方法等三方面的研究。

2.1 基于線性系統(tǒng)理論的研究

三個(gè)方面的研究中，以線性系統(tǒng)理論為基礎(chǔ)的研究相對(duì)更加成熟，應(yīng)用也更加廣泛。比較具有代表性的研究方向是PID控制、多變量解耦、魯棒控制和預(yù)測(cè)控制等。

2.1.1 改進(jìn)的PID控制

目前國(guó)內(nèi)大多數(shù)電廠實(shí)際使用的仍是結(jié)構(gòu)簡(jiǎn)單，方便操作具有較強(qiáng)魯棒性的PID控制。固定參數(shù)型的PID參數(shù)主要依靠試湊和經(jīng)驗(yàn)，很難適應(yīng)具有大慣性，延遲和非線性等特征的控制對(duì)象，各種自整定方法和優(yōu)化設(shè)計(jì)技術(shù)便順應(yīng)而生，將現(xiàn)代控制和智能控制相結(jié)合的混合控制方法對(duì)PID參數(shù)進(jìn)行改進(jìn)，性能得到不同程度的提升。文獻(xiàn)［1］采用分段與變參數(shù)等控制，大大提高了機(jī)組的升、降負(fù)荷速率和機(jī)組對(duì)外界負(fù)荷響應(yīng)能力，有效抑制了主蒸汽壓力的超調(diào);吳國(guó)垣等［2］在對(duì)控制系統(tǒng)分析的基礎(chǔ)上，通過適當(dāng)?shù)念A(yù)補(bǔ)償，提出一種分散PID整定方法，仿真結(jié)果表明對(duì)外部擾動(dòng)有著很好的適應(yīng)性和魯棒性;文獻(xiàn)［3］將遺傳算法運(yùn)用于多變量PID控制其參數(shù)全局優(yōu)化，并對(duì)某300 MW機(jī)組的控制參數(shù)進(jìn)行優(yōu)化，其控制品質(zhì)得到明顯提升;程啟明等［4］將多變量PID型神經(jīng)元網(wǎng)絡(luò)控制策略應(yīng)用于單元機(jī)組負(fù)荷控制系統(tǒng)，并通過仿真證明其有良好的魯棒性與解耦性;王小蘭等［5］則利用模糊控制與免疫系統(tǒng)，提出一種模糊免疫自適應(yīng)PID控制器，仿真結(jié)果表明其具有更小超調(diào)，更快的響應(yīng)速率和更強(qiáng)的抗干擾。

2.1.2 多變量解耦控制

針對(duì)單元機(jī)組耦合性較強(qiáng)的特性，許多學(xué)者嘗試通過一些先進(jìn)控制策略，將多輸入、多輸出系統(tǒng)解耦，使之成為多個(gè)單輸入單輸出系統(tǒng)。多變量解耦是先進(jìn)控制理論中的傳統(tǒng)方法，并在工業(yè)領(lǐng)域得到廣泛的應(yīng)用。鄭亞峰等［6］在機(jī)組原有的協(xié)調(diào)控制系統(tǒng)中增加多變量解耦控制器，進(jìn)而設(shè)計(jì)出多變量協(xié)調(diào)控制系統(tǒng)，結(jié)果證明了多變量智能協(xié)調(diào)控制系統(tǒng)的有效性和實(shí)用性;陳彥橋等［7］首先建立協(xié)調(diào)控制系統(tǒng)的非線性模型，并在3個(gè)工況點(diǎn)下線性化，設(shè)計(jì)了多變量動(dòng)態(tài)解耦控制器，然后用T-S模糊模型合成出模糊多模型全局控制系統(tǒng)，仿真研究結(jié)果證明了這種新型協(xié)調(diào)控制系統(tǒng)的有效性;文獻(xiàn)［8］結(jié)合自整定和自適應(yīng)技術(shù)，提出了智能解耦的控制策略，并將其應(yīng)用于300 MW機(jī)組仿真研究中，取得了很好的仿真效果。

2.1.3魯棒控制

為了保證控制系統(tǒng)在單元機(jī)組模型不確定性較大時(shí)仍能保持較好的控制性能，魯棒控制方法被應(yīng)用到協(xié)調(diào)控制系統(tǒng)的設(shè)計(jì)中，它是一種力求把不同的工況點(diǎn)上協(xié)調(diào)控制系統(tǒng)的穩(wěn)定性盡可能提高的設(shè)計(jì)方法。通過大量實(shí)踐證明通過該方法得到的控制系統(tǒng)表現(xiàn)出了很好的調(diào)節(jié)能力。文獻(xiàn)［9］針對(duì)鍋爐—汽輪機(jī)模型進(jìn)行魯棒控制器設(shè)計(jì)，并最終把設(shè)計(jì)出的多變量H∞控制器推導(dǎo)成可以用PID控制器實(shí)現(xiàn)的形式，增強(qiáng)了魯棒控制系統(tǒng)的實(shí)用性。席東民等［10］把廣義預(yù)測(cè)控制和魯棒控制相結(jié)合，提出一種魯棒廣義預(yù)測(cè)控制器的設(shè)計(jì)方法，將其應(yīng)用于單元機(jī)組的協(xié)調(diào)控制系統(tǒng)，仿真結(jié)果證明了該算法的有效性。

2.1.4 預(yù)測(cè)控制

預(yù)測(cè)控制一般包括基于模型、滾動(dòng)優(yōu)化和反饋校正三個(gè)部分。其最大優(yōu)勢(shì)在于能夠采用滾動(dòng)優(yōu)化的策略，根據(jù)運(yùn)行情況進(jìn)行實(shí)時(shí)修正，其中廣義預(yù)測(cè)控制(GPC)常用于多變量系統(tǒng)的設(shè)計(jì)。GPC不要求對(duì)模型結(jié)構(gòu)有先驗(yàn)的知識(shí)，不必通過復(fù)雜的辨識(shí)過程便可設(shè)計(jì)控制系統(tǒng)。通過反饋校正消除控制系統(tǒng)的穩(wěn)態(tài)偏差，從而增強(qiáng)了算法的適用性和魯棒性。王文蘭等對(duì)廣義預(yù)測(cè)控制進(jìn)行了深入的研究，首先采用了廣義預(yù)測(cè)控制算法，將其應(yīng)用于火電廠單元機(jī)組的協(xié)調(diào)控制系統(tǒng)進(jìn)行仿真研究，仿真結(jié)果表明該算法是有效的，對(duì)被控對(duì)象的不確定性具有良好的適應(yīng)性和魯棒性［11］;其后采用多變量解耦廣義預(yù)測(cè)控制策略為其設(shè)計(jì)了控制系統(tǒng)，仿真實(shí)驗(yàn)結(jié)果表明控制效果明顯優(yōu)于普通廣義預(yù)測(cè)［12］;凌呼君等［13］則采用基于遺傳算法和RBF網(wǎng)絡(luò)結(jié)合的算法建模，并結(jié)合廣義預(yù)測(cè)控制策略，經(jīng)過在線滾動(dòng)優(yōu)化和反饋校正，實(shí)現(xiàn)預(yù)測(cè)控制，仿真結(jié)果表明具有很強(qiáng)的魯棒性。

2.2 基于非線性系統(tǒng)理論的研究

單元機(jī)組被控對(duì)象本質(zhì)上是非線性的，因此從理論上講非線性控制的方法能從根本上解決系統(tǒng)大范圍、全工況優(yōu)化運(yùn)行的問題。相關(guān)研究包括:反饋線性化方法、反步設(shè)計(jì)方法、多模型方法等。但該方面還僅限于理論研究，其實(shí)用性有待進(jìn)一步探討，這些研究為協(xié)調(diào)控制系統(tǒng)的進(jìn)一步發(fā)展提供了理論儲(chǔ)備，具有廣闊的發(fā)展前景。

2.2.1 反饋線性化

反饋線性化是非線性理論中的經(jīng)典方法。該方法的優(yōu)點(diǎn)在于:可以把一個(gè)非線性問題當(dāng)成線性問題去研究。文獻(xiàn)［14］利用反饋線性化方法設(shè)計(jì)了鍋爐—汽輪機(jī)系統(tǒng)的極點(diǎn)配置控制，將系統(tǒng)線性化，使其在較大范圍內(nèi)可很好地運(yùn)行，且具有較好的響應(yīng)速度和較強(qiáng)的抗干擾能力。房方等［15］將反饋線性化方法與內(nèi)?？刂平Y(jié)構(gòu)相結(jié)合，利用內(nèi)模結(jié)構(gòu)具有的原理簡(jiǎn)單、抗干擾能力強(qiáng)的特點(diǎn)，提高系統(tǒng)的魯棒性和動(dòng)態(tài)性能，仿真實(shí)驗(yàn)取得了很好地效果。

2.2.2 反步設(shè)計(jì)方法

反步設(shè)計(jì)法的設(shè)計(jì)方式由前往后遞推?？纱蟠鬁p少在線計(jì)算時(shí)間，在設(shè)計(jì)不確定系統(tǒng)的魯棒或自適應(yīng)控制器方面已經(jīng)顯示出優(yōu)越性。文獻(xiàn)［16］嘗試應(yīng)用反步法設(shè)計(jì)出非線性控制律。變參數(shù)采用鍋爐時(shí)間常數(shù)，仿真實(shí)驗(yàn)證明了該控制器的全局適應(yīng)性。

2.2.3 多模型及增益調(diào)度方法

這種方法能提高非線性系統(tǒng)控制品質(zhì)，是線性系統(tǒng)理論和非線性系統(tǒng)理論的折衷。其原理是將非線性系統(tǒng)在各操作點(diǎn)線性化，設(shè)計(jì)適合的線性控制器，并組合在一起，實(shí)現(xiàn)被控對(duì)象的全局優(yōu)化控制。文獻(xiàn)［17］在單元機(jī)組非線性模型的五個(gè)典型工作點(diǎn)辨識(shí)出局部線性化模型，應(yīng)用動(dòng)態(tài)解耦的方法設(shè)計(jì)各工作點(diǎn)的PID控制器，以負(fù)荷和壓力信號(hào)作為調(diào)度變量，以模糊隸屬度函數(shù)生成調(diào)度規(guī)則，綜合構(gòu)成協(xié)調(diào)系統(tǒng)的全局控制器。實(shí)驗(yàn)結(jié)果證明了其全局穩(wěn)定性。

2.3 基于智能化方法的研究

把智能化方法應(yīng)用到單元機(jī)組協(xié)調(diào)控制系統(tǒng)中對(duì)其進(jìn)行智能控制是目前研究的熱點(diǎn)問題。智能控制能夠模仿人的智能行為，多學(xué)科相結(jié)合并利用計(jì)算機(jī)技術(shù)實(shí)現(xiàn)的一門技術(shù)科學(xué)。智能化方法的應(yīng)用通?；趦煞矫娴目紤]:一方面借助智能化方法，將運(yùn)行經(jīng)驗(yàn)或者一定的分析決策能力融入到常規(guī)控制系統(tǒng)中，用以優(yōu)化系統(tǒng)的整體性能;另一方面，發(fā)揮智能化方法對(duì)于模型誤差或未知干擾具有較強(qiáng)魯棒性的優(yōu)勢(shì)，提高協(xié)調(diào)控制系統(tǒng)的適應(yīng)性。

2.3.1 模糊控制

由于機(jī)組具有很強(qiáng)的耦合性和復(fù)雜的工況，難以建立精確的數(shù)學(xué)模型，而模糊控制無須建立精確的模型，對(duì)被控對(duì)象的時(shí)變性和非線性具有一定的適應(yīng)能力，目前廣泛應(yīng)用在單元機(jī)組協(xié)調(diào)控制系統(tǒng)研究中。陳彥橋等［18］采用了一種PID型模糊控制器，為了使控制器具有自學(xué)習(xí)功能，提出了包含一個(gè)自回歸神經(jīng)元的5層模糊神經(jīng)網(wǎng)絡(luò)，給出了它各層權(quán)值的梯度下降修正算法，仿真研究證明了這種模糊神經(jīng)網(wǎng)絡(luò)控制器可以克服對(duì)象的時(shí)變性和隨機(jī)性。文獻(xiàn)［19］設(shè)計(jì)了一種傳統(tǒng)多變量解耦方法與模糊自適應(yīng)PID結(jié)合的協(xié)調(diào)控制器，在解耦后利用模糊自適應(yīng)PID整定參數(shù)，得到模糊自適應(yīng)PID協(xié)調(diào)控制器，仿真結(jié)果證明了其很好的控制效果;王景學(xué)［20］建立協(xié)調(diào)控制系統(tǒng)的T-S模型，并采用模糊C均值聚類算法辨識(shí)T-S模型的前提結(jié)構(gòu)和參數(shù)，用遞推最小二乘算法辨識(shí)結(jié)論參數(shù)，采用改進(jìn)的在線辨識(shí)遞推算法來修正離線辨識(shí)實(shí)時(shí)性差的缺點(diǎn)，研究辨識(shí)算法的跟蹤性能，仿真驗(yàn)證了該算法具有較強(qiáng)的魯棒性。

2.3.2 神經(jīng)網(wǎng)絡(luò)控制

神經(jīng)網(wǎng)絡(luò)是由大量的簡(jiǎn)單基本元件—神經(jīng)元相互聯(lián)接而成的，非線性映射、自適應(yīng)與自組織能力使其具有較強(qiáng)的魯棒性和容錯(cuò)性。文獻(xiàn)［21］是將遺傳算法與徑向基函數(shù)相結(jié)合形成GA-RBF算法，作為預(yù)測(cè)模型，仿真結(jié)果表明了該方法的有效性;張建華等［22］利用BP神經(jīng)網(wǎng)絡(luò)對(duì)被控對(duì)象進(jìn)行辨識(shí)，從而建立其動(dòng)態(tài)模型，在這一模型的基礎(chǔ)上對(duì)協(xié)調(diào)控制系統(tǒng)中的控制器參數(shù)優(yōu)化進(jìn)行研究，提出基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制的協(xié)調(diào)控制策略，很好地解決了協(xié)調(diào)控制系統(tǒng)中強(qiáng)藕合、非線性等問題;楊麗［23］提出一種在BP神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上的基于模型參考的神經(jīng)網(wǎng)絡(luò)PID控制器，仿真結(jié)果表明，該控制算法具有良好的控制品質(zhì);文獻(xiàn)［24］利用神經(jīng)網(wǎng)絡(luò)來解決模糊規(guī)則的知識(shí)獲取問題，其中神經(jīng)網(wǎng)絡(luò)通過五個(gè)局部線性控制器進(jìn)行訓(xùn)練，仿真獲得了良好的控制效果。

2.3.3 遺傳算法

遺傳算法是一種基于自然選擇和遺傳變異等生物進(jìn)化機(jī)制的自適應(yīng)全局優(yōu)化概率搜索算法，主要用途是對(duì)控制參數(shù)的尋優(yōu)和整定。謝謝等［25］提出了一種基于自適應(yīng)遺傳算法的多變量魯棒PID控制器參數(shù)尋優(yōu)方法，采用具有自適應(yīng)交叉概率和變異概率的遺傳算法尋優(yōu)PID控制器參數(shù)，仿真結(jié)果表明，與傳統(tǒng)遺傳算法尋優(yōu)所得PID控制器相比，具有良好的負(fù)荷跟隨性和更優(yōu)的魯棒性;文獻(xiàn)［26］利用實(shí)數(shù)編碼自適應(yīng)混合遺傳算法對(duì)協(xié)調(diào)控制系統(tǒng)的PID控制器參數(shù)進(jìn)行優(yōu)化，得到目標(biāo)函數(shù)的全局最優(yōu)解，仿真結(jié)果表明該方法可使控制性能得到很大提高;梁楊［27］采用實(shí)數(shù)編碼自適應(yīng)遺傳算法辨識(shí)出模型的相關(guān)參數(shù)，在典型工況下，采用遺傳算法辨識(shí)出協(xié)調(diào)控制對(duì)象的靜態(tài)解耦網(wǎng)絡(luò)，再分別設(shè)計(jì)壓力回路、功率回路和焓回路的控制器進(jìn)行仿真研究，仿真結(jié)果表明效果良好，調(diào)節(jié)控制品質(zhì)令人滿意。

2.3.4 粒子群算法

粒子群算法是基于群智能的并行全局搜索策略，采用簡(jiǎn)單的速度－位置搜索模型實(shí)現(xiàn)對(duì)整個(gè)空間的尋優(yōu)操作。趙巍?。?8］引入了具有量子行為的粒子群算法，并借鑒遺傳算法中的變異機(jī)制，以自適應(yīng)變異概率對(duì)個(gè)體進(jìn)行變異，來增加種群的多樣性，由此產(chǎn)生一種改進(jìn)的PSO算法，然后將改進(jìn)的PSO算法應(yīng)用到PID控制器的參數(shù)優(yōu)化整定過程中，仿真結(jié)果驗(yàn)證了該算法的有效性;文獻(xiàn)［29］提出PSO-BP混合算法來對(duì)神經(jīng)網(wǎng)絡(luò)PID的權(quán)值進(jìn)行優(yōu)化，從而實(shí)現(xiàn)了對(duì)主汽溫系統(tǒng)的動(dòng)態(tài)PID控制。仿真結(jié)果表明，被控系統(tǒng)具有很好的抗干擾性能和較強(qiáng)的魯棒性。

目前，幾乎每一種先進(jìn)的控制策略都被用于改善協(xié)調(diào)控制系統(tǒng)控制品質(zhì)的研究。但是對(duì)于協(xié)調(diào)控制系統(tǒng)理論的研究遠(yuǎn)遠(yuǎn)超前于實(shí)際應(yīng)用，在不斷發(fā)展和完善理論研究的同時(shí)，如何把它們應(yīng)用于實(shí)際工業(yè)過程已經(jīng)成為學(xué)者們亟待解決的課題與難題，相信通過學(xué)者和工程技術(shù)人員的不懈努力，單元機(jī)組協(xié)調(diào)控制系統(tǒng)的研究必將取得更大的進(jìn)步。

3 單元機(jī)組協(xié)調(diào)控制系統(tǒng)發(fā)展前景

單元機(jī)組協(xié)調(diào)控制系統(tǒng)發(fā)展過程中主要存在以下問題:

(1)高階控制器及復(fù)雜控制算法的工程實(shí)現(xiàn)問題;

(2)過多的可調(diào)參數(shù)及參數(shù)物理意義不明晰問題;

(3)現(xiàn)場(chǎng)干擾及執(zhí)行機(jī)構(gòu)制約問題;

(4)協(xié)調(diào)控制系統(tǒng)具有的多變量強(qiáng)耦合，多變量相互關(guān)聯(lián)和機(jī)組的非線性等復(fù)雜特性問題。針對(duì)以上問題，有兩個(gè)研究方向。

3.1 復(fù)合(混合)型智能控制系統(tǒng)的應(yīng)用

單一的控制策略已經(jīng)不能滿足大型機(jī)組的控制要求，學(xué)者和工程人員開始嘗試研究新的控制方法以滿足生產(chǎn)需要，把常規(guī)與智能，線性與非線性的優(yōu)點(diǎn)充分發(fā)揮并結(jié)合起來，形成的這種復(fù)合(混合)型智能控制方法并逐步得到應(yīng)用。

該方法一般分為2類:

(1)典型智能控制方法之間相互融合形成的復(fù)合控制方法;

(2)典型智能控制方法與常規(guī)或先進(jìn)控制方法之間交叉綜合形成的復(fù)合控制方法，實(shí)驗(yàn)證明具有廣闊的應(yīng)用前景。

3.2 非線性技術(shù)的應(yīng)用

實(shí)際上單元機(jī)組協(xié)調(diào)控制系統(tǒng)是非線性的，長(zhǎng)期以來把非線性系統(tǒng)的過程模型線性化，利用線性控制理論進(jìn)行設(shè)計(jì)的方法不太適合高度非線性系統(tǒng)。近年來，越來越多的人開始研究非線性模型，如Bilinear模型、廣義Hammerstein、Volterra模型等，如何把這些模型應(yīng)用到單元機(jī)組協(xié)調(diào)控制系統(tǒng)中將是今后一個(gè)很好的研究方向。

4 結(jié)論

目前，單元機(jī)組協(xié)調(diào)控制系統(tǒng)仍以PID為主，智能控制策略應(yīng)用于單元機(jī)組中的實(shí)例還很少見，大多處在仿真階段。因此CCS的研究還需要深入研究和探討，以期提高單元機(jī)組綜合自動(dòng)控制水平，向用戶提供更高水平的電能質(zhì)量，適應(yīng)電網(wǎng)向大規(guī)模、經(jīng)濟(jì)性和穩(wěn)定性的方向發(fā)展。

［1］施海平，金建新.提高協(xié)調(diào)控制系統(tǒng)調(diào)節(jié)品質(zhì)的研究［J］.中國(guó)電力，1998，31(11):58－61.

［2］吳國(guó)垣，李東海，薛亞麗，等.機(jī)爐協(xié)調(diào)控的分散PID整定［J］.清華大學(xué)學(xué)報(bào)，2004，44(2):262－265.

［3］薛亞麗，李東海，呂崇德.基于遺傳算法的機(jī)爐協(xié)調(diào)控制系統(tǒng)PID控制器優(yōu)化［J］.熱能動(dòng)力工程，2006，21(1):80－87.

［4］程啟明，鄭勇.多變量PID型神經(jīng)元網(wǎng)絡(luò)控制系統(tǒng)及其在協(xié)調(diào)控制中的仿真研究［J］.華東電力，2007，35(11):55－58.

［5］王曉蘭，徐小方，馬呈霞，等.單元機(jī)組模糊免疫自適應(yīng)PID控制器的設(shè)計(jì)［J］.工業(yè)儀表與自動(dòng)化裝置，2009(1):53－56.

［6］鄭亞峰，陳西杰.多變量智能協(xié)調(diào)控制系統(tǒng)設(shè)計(jì)應(yīng)用［J］.電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)，2011(1):145－148.

［7］陳彥橋，鄭亞鋒，劉吉臻，等.基于動(dòng)態(tài)解耦的模糊多模型協(xié)調(diào)控制系統(tǒng)應(yīng)用研究［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2006(12):166－170.

［8］Liu H B，Li S Y.Intelligent decoupling control of power plant main steam pressure and power output［J］.Electrical Power and Energy System，2003，25(10):809－819.

［9］Tan W，Marquez H J，Chen T W.Multivariable Robust Controller Design for a Boiler System［J］.IEEE Transactions on Control Systems Technology，2002，10(5):735－742.

［10］席東民，凌呼君，王繼昆.魯棒廣義預(yù)測(cè)控制在單元機(jī)組的協(xié)調(diào)控制［J］.控制工程，2005，7(12):327－330.

［11］凌呼君，王文蘭，馮永祥.廣義預(yù)測(cè)控制在火電廠單元機(jī)組協(xié)調(diào)控制中的研究［J］.浙江電力，2003(5):1－4.

［12］王文蘭，馬然，白雄懷.解耦廣義預(yù)測(cè)控制(DGPC)在單元機(jī)組協(xié)調(diào)控制系統(tǒng)中的應(yīng)用［J］.控制理論及應(yīng)用，2009，31(3):17－19.

［13］凌呼君，李寧.GA-RBF神經(jīng)網(wǎng)絡(luò)GPC控制策略用于復(fù)雜系統(tǒng)魯棒控制的研究［J］.內(nèi)蒙古工業(yè)大學(xué)學(xué)報(bào)，2011，30(3):364－369.

［14］葛友，李春文.反饋先線性方法在鍋爐—汽輪機(jī)系統(tǒng)控制中的應(yīng)用［J］.清華大學(xué)學(xué)報(bào)，2001，41(7):125－128.

［15］房方，劉吉臻，譚文.單元機(jī)組協(xié)調(diào)系統(tǒng)的非線性內(nèi)?？刂疲跩］.中國(guó)電機(jī)工程學(xué)報(bào)，2004，24(4):195－199.

［16］Bolek W，sasidaek J，WisniewskiT.Adaptive backstepping control of a power plant station model［C］.IFAC 15th Triennial World Congress，2002:1650－1655.

［17］陳彥橋，劉吉臻，譚文.模糊多模型控制及其對(duì)500MW單元機(jī)組協(xié)調(diào)控制系統(tǒng)的仿真研究［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2003，23(10):199－203.

［18］陳彥橋，王印松，劉吉臻，等.基于PID型模糊神經(jīng)網(wǎng)絡(luò)的火電站單元機(jī)組協(xié)調(diào)控制［J］.動(dòng)力工程.2003，23(1):2219－2223.

［19］孫靈芳，任棟，陳瑤.模糊自適應(yīng)PID在機(jī)組協(xié)調(diào)控制中的應(yīng)用［J］.微計(jì)算機(jī)信息，2009，25(7－1):30－32.

［20］王景學(xué).基于T-S模型的模糊預(yù)測(cè)控制在火電單元機(jī)組協(xié)調(diào)控制系統(tǒng)中的應(yīng)用研究［D］.呼和浩特:內(nèi)蒙古工業(yè)大學(xué)，2009.

［21］凌呼君，李寧.GA-RBF神經(jīng)網(wǎng)絡(luò)GPC控制策略用于復(fù)雜系統(tǒng)魯棒控制的研究［J］.內(nèi)蒙古工業(yè)大學(xué)學(xué)報(bào)，2011，30(3):364－369.

［22］張建華，董菲，侯國(guó)蓮，等.基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制的單元機(jī)組協(xié)調(diào)控制策略［J］.動(dòng)力工程，2006，26(3):392－395.

［23］楊麗.神經(jīng)網(wǎng)絡(luò)PID在協(xié)調(diào)控制系統(tǒng)中的應(yīng)用［D］.保定:華北電力大學(xué)(河北)，2006.

［24］Alturki F A，Abdennour A B.Neuro-fuzzy Control of a steam boiler-turbine unit［C］.Proceedings of International Conference on Control Applications，Hawaii，USA，1999:1050－1055.

［25］謝謝，劉吉臻，曾德亮，等.基于自適應(yīng)遺傳算法的協(xié)調(diào)控制系統(tǒng)優(yōu)化［J］.熱能動(dòng)力工程，2011，26(4):432－434.

［26］朱小娟，高慶忠，宋福圣.基于自適應(yīng)混合遺傳算法的協(xié)調(diào)控制系統(tǒng)［J］.自動(dòng)化與儀器儀表，2009(3):3－6.

［27］梁楊.基于遺傳算法辨識(shí)的超超臨界機(jī)組協(xié)調(diào)控制系統(tǒng)［D］.保定:華北電力大學(xué)，2011.

［28］趙巍巍.改進(jìn)粒子群算法在火電廠主汽溫控制系統(tǒng)中的應(yīng)用［D］.保定:華北電力大學(xué)，2011.

［29］孫明.基于改進(jìn)PSO的神經(jīng)網(wǎng)絡(luò)優(yōu)化方法及其在熱工系統(tǒng)中的應(yīng)用［D］.保定:華北電力大學(xué)，2007.