馬良玉， 陳婷婷， 劉文杰， 李倩倩

(華北電力大學(xué) 控制與計(jì)算機(jī)工程學(xué)院，河北保定 071003)

過熱蒸汽溫度(以下簡(jiǎn)稱過熱汽溫)是電廠鍋爐運(yùn)行中的關(guān)鍵參數(shù)，其過高或過低都會(huì)顯著影響鍋爐機(jī)組的安全性和經(jīng)濟(jì)性。由于鍋爐過熱汽溫的影響因素較多，且具有較大的慣性和遲延，大型鍋爐普遍采用串級(jí)比例積分微分(PID)控制器來(lái)改善過熱汽溫的控制品質(zhì)。但隨著風(fēng)電、太陽(yáng)能等新能源大規(guī)模入網(wǎng)，火電機(jī)組參與電網(wǎng)一次調(diào)頻和自動(dòng)發(fā)電控制(AGC)，經(jīng)常處于深度變負(fù)荷工況下運(yùn)行，現(xiàn)有的串級(jí)汽溫控制策略往往達(dá)不到理想的控制效果。為適應(yīng)機(jī)組負(fù)荷的頻繁變化，往往需要對(duì)各PID控制器參數(shù)進(jìn)行分段優(yōu)化整定，但是需要整定的PID參數(shù)較多，調(diào)試工作量很大，費(fèi)時(shí)費(fèi)力[1]。隨著人工智能技術(shù)的發(fā)展，一些數(shù)據(jù)驅(qū)動(dòng)的先進(jìn)控制策略如神經(jīng)網(wǎng)絡(luò)逆控制、神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)優(yōu)化控制等，已開始嘗試應(yīng)用在火電機(jī)組上[2-7]。但總體來(lái)說(shuō)這些算法尚存在完備性、全工況適應(yīng)性和可靠性等問題，還不能完全替代廣泛使用的PID控制器。

除此之外，另外一種改善汽溫控制效果的新思路是在原PID控制器的頂層對(duì)PID設(shè)定值進(jìn)行實(shí)時(shí)優(yōu)化補(bǔ)償，使原有汽溫控制系統(tǒng)跟蹤調(diào)整后的參考值，將過熱汽溫更好地控制在期望目標(biāo)。柴天佑等[8-11]對(duì)采用設(shè)定值實(shí)時(shí)優(yōu)化方法提升控制品質(zhì)的原理進(jìn)行了分析，并給出了成功應(yīng)用的案例。

筆者針對(duì)某600 MW超臨界機(jī)組過熱器噴水減溫系統(tǒng)，基于機(jī)組的歷史運(yùn)行數(shù)據(jù)，建立過熱汽溫對(duì)象的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，采用模型預(yù)測(cè)前饋補(bǔ)償和反饋補(bǔ)償結(jié)合的方法，對(duì)過熱汽溫設(shè)定值進(jìn)行實(shí)時(shí)優(yōu)化補(bǔ)償，達(dá)到改善汽溫控制效果的目的。

1 過熱汽溫對(duì)象神經(jīng)網(wǎng)絡(luò)建模

1.1 機(jī)組及噴水減溫系統(tǒng)簡(jiǎn)介

研究對(duì)象為某實(shí)際運(yùn)行的600 MW超臨界機(jī)組，型號(hào)為DG-1900/25.4-Ⅱ，為單爐膛、一次再熱、平衡通風(fēng)、固態(tài)排渣和全懸吊結(jié)構(gòu)Π型鍋爐。

該鍋爐過熱汽溫采用兩級(jí)噴水減溫控制，各級(jí)噴水均分為左、右兩側(cè)，可以分別調(diào)節(jié)。第一級(jí)噴水減溫器在低溫過熱器出口集箱與屏式過熱器入口集箱之間，用于控制屏式過熱器出口汽溫。第二級(jí)噴水減溫器在屏式過熱器出口集箱與末級(jí)過熱器入口集箱之間的連接管道上，用于精確控制末級(jí)過熱器出口汽溫，使之穩(wěn)定在額定值。鍋爐噴水減溫系統(tǒng)如圖1所示。實(shí)際機(jī)組汽溫控制系統(tǒng)中，兩級(jí)噴水均采用串級(jí)PID控制方案。

圖1 噴水減溫系統(tǒng)布置圖

本文仿真建模與控制優(yōu)化試驗(yàn)在針對(duì)該600 MW機(jī)組開發(fā)的全范圍仿真機(jī)上完成。該仿真系統(tǒng)由保定華仿科技股份有限公司開發(fā)，已通過現(xiàn)場(chǎng)驗(yàn)收，具有較高精度和良好的動(dòng)態(tài)特性，可提供連續(xù)實(shí)時(shí)的仿真環(huán)境，模擬各種不同的升降負(fù)荷工況。

1.2 模型建立

考慮鍋爐噴水減溫系統(tǒng)特性以及過熱汽溫的影響因素，最終選定模型參數(shù)見表1。

表1 過熱汽溫系統(tǒng)神經(jīng)網(wǎng)絡(luò)模型變量選取Tab.1 Selection of input/output variables for neural network models of the superheated steam temperature system

為準(zhǔn)確模擬過熱汽溫系統(tǒng)的動(dòng)態(tài)特性，以BP神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，將表1中各輸入變量的當(dāng)前時(shí)刻值和上一時(shí)刻值以及輸出變量的上一時(shí)刻值作為模型的輸入項(xiàng)，輸出變量的當(dāng)前時(shí)刻值作為模型的輸出項(xiàng)，建立各級(jí)噴水減溫系統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型[6-7]。模型的具體結(jié)構(gòu)見圖2。

圖2 神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)圖

為使所建立的模型能全面準(zhǔn)確地反映被控對(duì)象特性，神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練數(shù)據(jù)應(yīng)包括不同工況下的穩(wěn)態(tài)數(shù)據(jù)和變工況下的動(dòng)態(tài)數(shù)據(jù)。為此，筆者借助600 MW超臨界機(jī)組仿真機(jī)，采集負(fù)荷分別為600 MW、540 MW和480 MW時(shí)的穩(wěn)態(tài)數(shù)據(jù)，以及以12 MW/min變負(fù)荷率、1 MPa/min變壓速率在480～600 MW之間變負(fù)荷的動(dòng)態(tài)數(shù)據(jù),共7 218組數(shù)據(jù)，采樣周期為1 s，樣本數(shù)與采樣時(shí)間相對(duì)應(yīng)。

神經(jīng)網(wǎng)絡(luò)選取具有1個(gè)輸入層、1個(gè)隱含層和1個(gè)輸出層的3層BP神經(jīng)網(wǎng)絡(luò)，隱含層激勵(lì)函數(shù)選用tansig，輸出層激勵(lì)函數(shù)選用purelin。借助Matlab神經(jīng)網(wǎng)絡(luò)工具箱建立包含噴水減溫器的屛式過熱器和末級(jí)過熱器出口汽溫預(yù)測(cè)模型。各參數(shù)初始設(shè)置如下：最大訓(xùn)練周期為1 000，目標(biāo)均方誤差(MSE)為1×10-6，訓(xùn)練方法采用L-M算法。經(jīng)多次訓(xùn)練確定2個(gè)過熱汽溫預(yù)測(cè)模型的隱含層節(jié)點(diǎn)數(shù)分別為19和23。訓(xùn)練結(jié)果見圖3。圖中一級(jí)、二級(jí)過熱汽溫分別對(duì)應(yīng)屛式過熱器出口汽溫(左)和末級(jí)過熱器出口汽溫(右)，誤差是指汽溫預(yù)測(cè)模型預(yù)測(cè)輸出與實(shí)際汽溫的絕對(duì)誤差。

圖3 過熱汽溫預(yù)測(cè)模型訓(xùn)練結(jié)果

從圖3可以看出，一級(jí)、二級(jí)過熱汽溫預(yù)測(cè)模型預(yù)測(cè)誤差較小，神經(jīng)網(wǎng)絡(luò)輸出均能較好地?cái)M合樣本輸出。

為驗(yàn)證模型對(duì)不同工況的預(yù)測(cè)效果，將模型連入仿真機(jī)，設(shè)置變負(fù)荷率為15 MW/min，變壓速率為1 MPa/min，負(fù)荷由600 MW、540 MW、480 MW、540 MW和600 MW依次先降后升，進(jìn)行變負(fù)荷驗(yàn)證試驗(yàn)，結(jié)果如圖4所示。從圖4可以看出，采用與訓(xùn)練工況不同的變負(fù)荷率升降負(fù)荷時(shí)，一級(jí)、二級(jí)過熱汽溫預(yù)測(cè)模型有一定的預(yù)測(cè)誤差，但誤差較小。表明該模型預(yù)測(cè)效果較好，滿足工程應(yīng)用要求。

圖4 過熱汽溫預(yù)測(cè)模型驗(yàn)證Fig.4 Verification of superheated steam temperature prediction models

2 過熱汽溫設(shè)定值優(yōu)化補(bǔ)償方案

2.1 設(shè)定值優(yōu)化補(bǔ)償原理

研究[8-11]表明，在復(fù)雜控制對(duì)象的PID控制回路頂層，借助機(jī)組的歷史運(yùn)行數(shù)據(jù)建立數(shù)據(jù)驅(qū)動(dòng)的工況預(yù)測(cè)模型，并根據(jù)當(dāng)前控制誤差反饋，對(duì)其設(shè)定值進(jìn)行實(shí)時(shí)優(yōu)化補(bǔ)償，使原有控制系統(tǒng)跟蹤優(yōu)化后的新參考值，在不改變PID本身閉環(huán)穩(wěn)定性、收斂性的前提下，可將被控變量更好地控制在原工藝設(shè)定目標(biāo)，得到更好的控制效果。

基于上述思路，結(jié)合過熱汽溫對(duì)象特性的神經(jīng)網(wǎng)絡(luò)建模，提出一種模型預(yù)測(cè)前饋補(bǔ)償和反饋補(bǔ)償結(jié)合的過熱汽溫設(shè)定值優(yōu)化方案，其原理見圖5。

圖5 設(shè)定值優(yōu)化補(bǔ)償原理

該優(yōu)化方案由過熱汽溫神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型、設(shè)定值前饋補(bǔ)償模塊、設(shè)定值反饋補(bǔ)償模塊三部分構(gòu)成。

(1) 過熱汽溫神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型：對(duì)過熱汽溫系統(tǒng)的特性進(jìn)行分析，選取合理的模型輸入、輸出變量，建立各級(jí)過熱汽溫神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。

(2) 設(shè)定值前饋補(bǔ)償模塊：根據(jù)過熱汽溫設(shè)定值y*(k)與神經(jīng)網(wǎng)絡(luò)模型汽溫預(yù)測(cè)值y′(k)的偏差，產(chǎn)生前饋補(bǔ)償量yF(k)。

(3) 設(shè)定值反饋補(bǔ)償模塊：根據(jù)過熱汽溫設(shè)定值y*(k)與實(shí)際汽溫y(k)的偏差，產(chǎn)生反饋補(bǔ)償量yB(k)。

(1)

2.2 神經(jīng)網(wǎng)絡(luò)前饋補(bǔ)償器

機(jī)組大幅度、高頻率的變負(fù)荷過程必然會(huì)導(dǎo)致鍋爐過熱汽溫發(fā)生波動(dòng)，甚至難以穩(wěn)定到期望值。前饋補(bǔ)償?shù)哪康氖菍?duì)機(jī)組負(fù)荷及各種擾動(dòng)引起的過熱汽溫變化提前作出反應(yīng)，及時(shí)調(diào)整設(shè)定值，以改善過熱汽溫的控制品質(zhì)。神經(jīng)網(wǎng)絡(luò)前饋補(bǔ)償器借助過熱汽溫神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型得到汽溫預(yù)測(cè)值y′(k)，計(jì)算過熱汽溫設(shè)定值y*(k)與過熱汽溫預(yù)測(cè)值y′(k) 的偏差eF(k)=y*(k)-y′(k)，進(jìn)而求取過熱汽溫設(shè)定值的前饋補(bǔ)償量yF(k)，其計(jì)算式為：

yF(k)=kfpeF(k)+kfd[eF(k)-eF(k-1)]

(2)

式中：kfp、kfd為前饋補(bǔ)償器的2個(gè)系數(shù)，其值根據(jù)試驗(yàn)合理確定。

2.3 誤差反饋補(bǔ)償器

基于過熱汽溫預(yù)測(cè)模型的設(shè)定值前饋補(bǔ)償器能夠預(yù)估工況變化對(duì)過熱汽溫的影響，實(shí)現(xiàn)提前補(bǔ)償，但考慮模型預(yù)測(cè)可能存在誤差，為更好地消除各種干擾對(duì)過熱汽溫的影響，設(shè)計(jì)了過熱汽溫設(shè)定值反饋補(bǔ)償模塊。根據(jù)期望過熱汽溫設(shè)定值y*(k)與過熱汽溫實(shí)際值y(k)之間的偏差eB(k)=y*(k)-y(k)，獲得過熱汽溫設(shè)定值的反饋補(bǔ)償量yB(k)，其計(jì)算式為：

yB(k)=kbpeB(k)+kbd[eB(k)-eB(k-1)]

(3)

式中:kbp、kbd為反饋補(bǔ)償器的2個(gè)系數(shù)，其值根據(jù)試驗(yàn)合理確定。

3 汽溫設(shè)定值優(yōu)化補(bǔ)償仿真試驗(yàn)研究

將設(shè)定值優(yōu)化補(bǔ)償方案應(yīng)用于該600 MW超臨界機(jī)組全范圍仿真機(jī)，驗(yàn)證方案的有效性。仿真系統(tǒng)各級(jí)過熱器噴水減溫控制邏輯、過熱汽溫設(shè)定值均與實(shí)際機(jī)組一致。其中，一級(jí)過熱汽溫設(shè)定值隨工況自動(dòng)調(diào)整，二級(jí)過熱汽溫設(shè)定值為固定值571 ℃。

3.1 參數(shù)優(yōu)化確定試驗(yàn)

由于圖1所示二級(jí)過熱器噴水減溫系統(tǒng)設(shè)定值優(yōu)化所需確定的參數(shù)較多，本試驗(yàn)中前饋補(bǔ)償器、反饋補(bǔ)償器的系數(shù)kfd、kbd均設(shè)置為0，則需優(yōu)化確定的參數(shù)有kfp1、kbp1、kfp2和kbp2。

以kbp2的優(yōu)化為例，在機(jī)組以12 MW/min的變負(fù)荷率由600 MW降至540 MW的變負(fù)荷工況下，kbp2分別取4、6、8和10時(shí)進(jìn)行重復(fù)試驗(yàn)，比較不同取值下的末級(jí)過熱汽溫控制效果曲線，以汽溫整體偏差最小且不發(fā)生振蕩為指標(biāo)對(duì)參數(shù)進(jìn)行優(yōu)選，初步確定kbp2為8。

同樣地，對(duì)其他幾個(gè)參數(shù)進(jìn)行多次試驗(yàn)，初步確定4個(gè)補(bǔ)償系數(shù)值?？紤]前饋反饋共同作用可能會(huì)使設(shè)定值校正過強(qiáng)導(dǎo)致振蕩，在各參數(shù)初步確定后，需要進(jìn)行前饋反饋組合校正試驗(yàn)，并根據(jù)試驗(yàn)結(jié)果對(duì)個(gè)別系數(shù)進(jìn)行調(diào)整。最終確定各系數(shù)的最優(yōu)取值為kfp1=0.5，kbp1=2，kfp2=0.6，kbp2=8。

下文試驗(yàn)過程均采用上述最優(yōu)取值，而機(jī)組原汽溫控制邏輯和各PID控制器的參數(shù)均保持不變。

3.2 訓(xùn)練工況下變負(fù)荷試驗(yàn)結(jié)果

機(jī)組采用12 MW/min變負(fù)荷率、1 MPa/min變壓速率，負(fù)荷從600 MW滿負(fù)荷以滑壓方式連續(xù)降到540 MW和480 MW，再以同樣方式升到600 MW的變工況條件下進(jìn)行仿真試驗(yàn)(試驗(yàn)工況1)。負(fù)荷變化、優(yōu)化前后汽溫控制效果、過熱汽溫設(shè)定值變化以及各級(jí)噴水閥開度的變化對(duì)比如圖6所示。

圖6 試驗(yàn)工況1控制效果比較

從圖6可以看出，在機(jī)組負(fù)荷變化過程中，采用原控制二級(jí)過熱汽溫在566～576 ℃，偏離設(shè)定值±5 K，基本滿足汽溫控制要求，但過熱汽溫控制品質(zhì)相對(duì)較差。加入設(shè)定值補(bǔ)償后的二級(jí)過熱汽溫在570～572 ℃，偏離設(shè)定值±1 K，且調(diào)節(jié)時(shí)間明顯縮短，大大提升了過熱汽溫控制品質(zhì)。

3.3 不同中間負(fù)荷點(diǎn)連續(xù)升降負(fù)荷試驗(yàn)結(jié)果

為驗(yàn)證優(yōu)化方案在不同穩(wěn)態(tài)負(fù)荷點(diǎn)下的效果，機(jī)組以12 MW/min變負(fù)荷率、1 MPa/min變壓速率，在600 MW、560 MW、520 MW、480 MW之間依次分階段降/升負(fù)荷(試驗(yàn)工況2)，進(jìn)行設(shè)定值優(yōu)化補(bǔ)償試驗(yàn)，并與原控制效果進(jìn)行對(duì)比，結(jié)果見圖7。由圖7可知，當(dāng)機(jī)組選取不同的中間負(fù)荷進(jìn)行升/降負(fù)荷試驗(yàn)時(shí)，設(shè)定值優(yōu)化補(bǔ)償后的控制效果仍優(yōu)于機(jī)組原控制效果。

圖7 試驗(yàn)工況2控制效果對(duì)比

4 結(jié) 論

在深入研究600 MW超臨界機(jī)組過熱汽溫特性的基礎(chǔ)上采用神經(jīng)網(wǎng)絡(luò)方法建立了一級(jí)、二級(jí)過熱汽溫特性的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，并對(duì)模型進(jìn)行了驗(yàn)證。在不改變?cè)^熱汽溫控制邏輯和PID參數(shù)的前提下，在汽溫控制回路頂層設(shè)計(jì)了基于預(yù)測(cè)模型前饋補(bǔ)償和反饋補(bǔ)償相結(jié)合的設(shè)定值優(yōu)化補(bǔ)償方案?；贛atlab編制了過熱汽溫設(shè)定值實(shí)時(shí)優(yōu)化補(bǔ)償算法，并借助超臨界機(jī)組仿真系統(tǒng)進(jìn)行了詳細(xì)的控制仿真試驗(yàn)。結(jié)果表明，與機(jī)組原控制相比，增加設(shè)定值優(yōu)化補(bǔ)償方案后，無(wú)論從超調(diào)量還是調(diào)節(jié)時(shí)間，過熱汽溫的控制品質(zhì)均得到了明顯提升，達(dá)到了預(yù)期效果。

需要指出，本文研究工作均借助火電機(jī)組仿真機(jī)完成，當(dāng)應(yīng)用于實(shí)際機(jī)組時(shí)神經(jīng)網(wǎng)絡(luò)建模數(shù)據(jù)應(yīng)采用機(jī)組真實(shí)歷史數(shù)據(jù)，且負(fù)荷范圍應(yīng)涵蓋AGC深度調(diào)峰的最大變化范圍。此外，由于仿真機(jī)與實(shí)際機(jī)組的特性存在差異，本文優(yōu)化方案也需要在真實(shí)機(jī)組中進(jìn)一步檢驗(yàn)和完善。