于 浩

(中國大唐集團公司上海分公司,上海 200042)

0 前言

目前我國整體發(fā)電方式中，污染相對較高的燃煤發(fā)電依然是我國電力能源供給中的主要來源。相較于亞臨界燃煤機組，超(超)臨界機組較高地?zé)嵝适蛊涓鼮槠鹾蠂耶?dāng)前節(jié)能環(huán)保的產(chǎn)業(yè)政策，已成為我國已建和在建火電機組的主力軍[1]。

實際上，我國的超(超)臨界燃煤機組在整體工藝、運行方式、控制方法方面仍有較大的優(yōu)化空間。但火力發(fā)電廠的系統(tǒng)紛繁復(fù)雜給提升自動調(diào)節(jié)品質(zhì)帶來了一定的困難。以給水控制為例，控制過程不僅要協(xié)調(diào)負荷變化，還要保證主汽溫度的穩(wěn)定，進而保證電廠的正常運行[2-3]。因此，文獻[4]對給水控制系統(tǒng)進行解耦，利用給水調(diào)節(jié)器消除燃料擾動對蒸汽溫度的影響。文獻[5]通過在控制系統(tǒng)中增加前饋、變參數(shù)等技術(shù)提升控制效果。但給水控制系統(tǒng)需要同時兼顧主汽溫度與負荷調(diào)節(jié)，使其控制優(yōu)化仍面臨諸多難題[6-7]。

本文基于350 MW超臨界火電機組給水系統(tǒng)對其控制策略及模型建立進行闡述。利用粒子群算法辨識給水模型控制參數(shù)，結(jié)合自適應(yīng)PID控制方法建立給水模型，并通過仿真分析驗證了方法的應(yīng)用價值。

1 粒子群算法的給水模型辨識

1.1 粒子群優(yōu)化算法

粒子群優(yōu)化算法(Particle Swarm Optimization，簡稱PSO算法)作為一智能尋優(yōu)控制算法，會根據(jù)種群中的個體信息共享與搜尋解的最佳極值，來解決各種參數(shù)的尋優(yōu)問題。

vid(t+1)=wvid(t)+c1φ1(pid(t)-xid(t))+c2φ2(pgd(t)-xgd(t))

(1)

xid(t+1)=xid(t)+vid(t+1)

(2)

式中c1和c2——正常數(shù);

φ1和φ2——均勻分布在0至1之間的正常數(shù);

w——慣性權(quán)重。

考慮到c1和c2的大小對自身極值(pbest)和全局極值(gbest)的搜索能力有一定影響。因此，為提高早期粒子群的全局搜索能力對c1和c2進行如下改進，以期提高解的尋優(yōu)收斂率

(3)

式中R1、R2、R3、R4——初始設(shè)定值;

T——最大迭代次數(shù);

n——當(dāng)前迭代次數(shù)。

慣性權(quán)重w表示原有速度在下次迭代中所占的比例，w值越大則表明當(dāng)前速度受前一速度的影響越大

(4)

1.2 給水模型辨識

為了進一步改善模型控制精度，利用粒子群算法對上述給水模型參數(shù)進行優(yōu)化。以國內(nèi)某350 MW超臨界機組為依托，分別提取40%、60%、80%負荷下的歷史數(shù)據(jù)，辨識出不同工況下的給水中間點焓值數(shù)學(xué)模型[9-10]。受現(xiàn)場噪聲、傳輸、檢測儀器等多方面對測量結(jié)果的影響，使得歷史數(shù)據(jù)存在一定數(shù)量的異常值，對異常值進行識別并修補，是模型辨識的重要環(huán)節(jié)。本文對建模數(shù)據(jù)進行剔除離群值、去零值、平滑過渡處理，從而得到更精確的數(shù)學(xué)模型。

對數(shù)據(jù)進行預(yù)處理，給水流量及焓值的變化趨勢如圖1至圖6所示。

圖1 40%負荷給水?dāng)_動

圖2 40%負荷焓值變化

圖3 60%負荷給水?dāng)_動

圖4 60%負荷焓值變化

圖5 80%負荷給水?dāng)_動

圖6 80%負荷焓值變化

粒子群算法參數(shù)設(shè)置如表1所示：

表1 粒子群算法參數(shù)設(shè)置

針對本文的研究對象，選取的模型結(jié)構(gòu)為

(5)

采用的誤差準則為

(6)

不同負荷下的參數(shù)擬合效果如圖7、圖8、圖9所示。

圖7 40%負荷給水粒子群辨識效果

圖8 60%負荷給水粒子群辨識效果

圖9 80%負荷給水粒子群辨識效果

如表2所示，列出了相應(yīng)的傳遞函數(shù)。

表2 粒子群算法辨識結(jié)果

2 給水自適應(yīng)PID控制

依據(jù)粒子群算法辨識結(jié)果，對同階模型中的參數(shù)K、T進行平滑處理，選用二次曲線進行擬合，相應(yīng)的擬合表達式見式(7)、式(8)。其中，f為機組負荷(%)。實際擬合效果如圖10所示

T=-0.03f2+2.1f+84.8

(7)

K=0.000 4f2-0.036f-0.66

(8)

圖10 模型參數(shù)平滑處理

結(jié)合自適應(yīng)PID控制的原理，對350 MW超臨界機組給水模型進行升負荷控制。依據(jù)經(jīng)驗公式(7)、公式(8)對PID參數(shù)不斷的進行修正，從而達到實時調(diào)整的效果。

3 仿真分析

基于以上原理，開展仿真分析。從1 800 s開始，以1%/min做升負荷實驗，負荷從40%升到80%。由于整個實驗過程中焓值變化不明顯，可將其設(shè)為固定值。此外，為了驗證PID控制的穩(wěn)定性，在5 400 s時，對系統(tǒng)加入8%的擾動。在機組負荷上升過程中，相應(yīng)的負荷響應(yīng)曲線與負荷控制輸出曲線如圖11、圖12所示?？梢钥闯鲈谡{(diào)節(jié)過程中，雖然存在一定的偏差，但升至滿負荷時，系統(tǒng)能夠快速進入穩(wěn)態(tài)運行。并且存在外部擾動時，擾動對系統(tǒng)影響很小,有效的增強了系統(tǒng)的穩(wěn)定性。

圖11 升負荷響應(yīng)曲線

圖12 升負荷控制器輸出曲線

4 結(jié)論

本文針對某350 MW超臨界機組進行分析，基于粒子群算法并利用機組三種負荷下的運行數(shù)據(jù)辨識給水模型控制參數(shù)，結(jié)合自適應(yīng)PID控制方法建立給水模型。仿真實驗結(jié)果證明粒子群算法辨識結(jié)果誤差基本滿足要求，在自適應(yīng)PID參數(shù)調(diào)節(jié)中會存在偏差，但升至滿負荷時，系統(tǒng)可以在極短的時間內(nèi)達到穩(wěn)定。當(dāng)施加外部干擾時，外部干擾對系統(tǒng)的影響小。因此，基于粒子群算法的自適應(yīng)PID給水模型具有很好的魯棒性，在實際工程中有良好的應(yīng)用價值。