超超临界机组建模与非线性预测控制在协调控制中的应用

摘要

超超临界机组在我国大力发展，该机组具有循环热效率高、污染物排放量低，快速升降负荷等特点，在节能减排、环境保护和稳定电网频率等方面，发挥着重要作用。能精确反映机组运行动态特性的模型是进行全局优化协调控制的关键，但因超超临界机组具备非线性、参数时变性、强耦合性等因素，传统控制方法难以实施整体优化控制。需要对该机组的运行过程进行深入的研究，建立精确的模型，应用在协调控制中以提高机组运行安全性与经济性。本文具体研究内容如下:
　　(1)分析基本遗传、人工免疫和免疫遗传算法的缺陷，将自适应范围变异、最优抗体高频变异和多点交叉等机制融入免疫遗传算法中，得到改进的免疫遗传算法，并分别对测试函数寻优求解，结果表明该算法具有良好的全局和局部寻优能力。
　　(2)建立超超临界机组负荷仿真模型。通过质量、能量守恒和热力学定律，对制粉、锅炉和汽机系统进行详细分析，推导出机理模型结构。通过机组运行数据、非线性回归分析和改进的免疫遗传算法，辨识出多组动、静态参数，得到机理仿真模型。经开、闭环试验验证，结果表明:所建模型具有正确的机理模型结构和良好的动态精度，可用于机组仿真研究。
　　(3)建立超超临界机组负荷控制模型。由于上述仿真模型结构复杂，不利于控制，故本文经进一步的简化假设，建立负荷控制模型。通过质量、能量守恒和热力学定律，推导出简化的机组模型结构，辨识出动，静态参数和未知函数，经两组大范围升降负荷动态数据验证，所建模型具有很高的动态精度，且结构简单，适用于负荷控制系统设计。
　　(4)提出一种基于机理模型和免疫优化的非线性预测控制方法，该方法将所建机理模型作为控制算法的预测模型，在采样周期内，利用二进制编码的免疫优化算法在线滚动优化求解得到最优控制序列，给出当前最优的控制量并作用对象。通过对超超临界机组负荷控制模型的试验仿真，表明该非线性预测控制方法可使机组负荷有效跟踪负荷设定值，同时保证锅炉主蒸汽压力和汽水分离器焓值在安全范围内波动，为1000MW超超临界燃煤机组协调系统设计提供一条新途径。

目录

声明

摘要

1．1 课题研究的背景与意义

1．2 国内外研究动态

1．2．1 超超临界机组建模方法及研究现状

1．2．2 热工对象辨识算法的发展与研究现状

1．2．3 非线性预测控制的发展与研究现状

1．3 本文主要内容

第二章 改进的免疫遗传算法及在热工系统辨识中的应用

2．1 引言

2．2 基本遗传算法的原理与特点

2．2．1 基本遗传算法的原理描述

2．2．2 遗传算法的基本步骤‘

2．2．3 遗传算法步骤描述

2．2．4 基本遗传算法存在的问题

2．2．5 原因分析

2．3 人工免疫系统原理

2．3．1 人工免疫系统简介

2．3．2 人工免疫系统的术语

2．3．3 免疫算法描述

2．3．4 采用免疫系统的特性和原理

2．4 改进的免疫遗传算法

2．4．1 免疫遗传算法简介

2．4．2 免疫算法术语介绍

2．4．3 改进的免疫遗传算法流程描述

2．4．4 算法优化性能试验分析

2．5 三种优化算法在热工系统辨识中的应用

2．5．1 热工系统参数辨识简介

2．5．2 超超临界机组负荷模型结构介绍

2．5．3 超超临界机组协调系统模型参数辨识

2．6 本章小结

第三章 超超临界机组仿真负荷模型的建立

3．1 引言

3．2 超超临界机组系统简介

3．3 制粉系统建模

3．4．1 简化与假设

3．4．2 锅炉部分

3．4．3 汽轮机部分

3．5 超超临界机组非线性动态模型结构

3．6 参数辨识

3．6．1 静态参数辨识

3．6．2 动态参数辨识

3．7 模型验证

3．7．1 稳态模型验证

3．7．2 动态模型验证

3．8 结果与讨论

3．9 本章小结

第四章 超超临界机组控制负荷模型的建立

4．1 引言

4．2 模型建立

4．2．1 制粉系统建模

4．2．2 锅炉建模

4．2．3 汽轮机建模

4．2．4 最简模型结构

4．3 参数辨识

4．3．1 静态参数辨识

4．3．2 动态参数辨识

4．4 模型验证

4．4．1 稳态值验证

4．4．2 模型动态验证

4．5 结果与讨论

4．6 本章小结

第五章 基于免疫优化的超超I临界机组负荷非线性预测控制

5．1 引言

5．2 预测控制的基本原理

5．3 基于免疫优化的非线性预测控制方法

5．3．1 非线性预测控制系统结构

5．3．2 机理预测模型及反馈校正

5．3．3 基于改进免疫遗传算法的滚动优化求解

5．3．4 基于改进的免疫遗传算法的非线性预测控制的具体步骤

5．4 超超临界机组负荷非线性预测控制

5．4．1 负荷阶跃扰动试验仿真

5．4．2 大范围升降负荷扰动试验仿真

5．4．3 分析与讨论

5．5 本章小结

第六章 结论与展望

6．1 论文的主要工作

6．2 研究展望

参考文献

附录

作者简介

致谢