1　前言

　　大型单元机组协调控制系统是提高电厂经济效益，实现电网调度自动化的重要环节。由于被控对象——锅炉、汽轮发电机组是非线性、参数慢时变、大惯性的不确定性复杂对象，因此采用常规控制策略设计的控制系统只有在平稳工况下才能投入自动，当机组动态特性发生较大变化时，难以维持正常运行。
　　针对单元机组协调控制系统，目前虽已提出多种设计方法，但大多尚停留在仿真研究阶段，未能得到实际应用。本文基于现场操作经验和理论分析，将解耦控制与模糊推理、自适应自整定等智能控制技术集成运用，提出一种协调控制系统设计新方法，并采用集散控制系统成功地将这种方法应用于某电厂300 MW机组。解决了该机组机炉协调控制系统不能长期投入运行的难题，明显改善了系统适应工况变化的能力，取得了显著的经济效益。

2　协调控制对象特性和常规控制方法分析

　　通过对协调控制对象的机理分析，可得到对象在给定稳态工作点附近的线性化近似数学模型：

　　　　　　　　　　　　(1)

式中　上标“－”表示给定稳态工作点的各稳态参数；N_E、P_T、μ和B分别为机组电功率、机前压力、汽机调汽门开度指令和燃烧率指令；G_Pμ为机前压力对汽机调汽门开度的传递函数；G_PB为机前压力对燃烧率的传递函数；G_T＝N/D_T为电功率对进入汽机的蒸汽流量的传递函数，代表了汽机及再热器的动态特性。
　　由上述对象模型及对某电厂300 MW机组动态特性的研究结果，可以看出单元机组的协调控制必须充分考虑如下问题：
　　(1)机前压力调节回路和功率调节回路之间存在强耦合关系。当锅炉侧经常存在扰动时，由于两回路的耦合，导致控制质量下降，系统稳定性变差，这种情况在高负荷时尤其严重。
　　(2)机组参与调峰、调频需要经常大范围升降负荷，这时控制对象会呈现不可忽略的非线性特性。
　　(3)控制对象由于煤粉磨制过程、蒸汽蒸发过程而存在较大的惯性和滞后，且此惯性和滞后特性随煤质变化、磨煤机的磨损情况和锅炉受热面的污染结焦呈现不确定性。
　　(4)给煤机、磨煤机随着使用时间的增长、效率的下降，会造成给煤机转数与进入炉内的煤粉量之间存在不确定的对应关系，使锅炉燃烧工况不稳定，成为锅炉侧产生扰动的主要因素。
　　在单元机组协调控制的常规方案中，常采用如图1所示的具有功率定值前馈补偿的炉跟机控制策略，方案中PI(D)控制器及PD前馈补偿器的参数通常是在一定工况下经多次试凑由人工整定得到的。显然常规控制方案没有完善考虑上述问题，因此常规协调控制系统难于获得好的控制性能，甚至无法投入运行。

图1　协调控制的常规方案
Fig.1　Conventional coordinated control scheme

3　基于解耦和智能控制技术的协调控制系统

3.1　新的协调控制方案

　　为解决上述问题，本文提出协调控制系统设计的新方法。基于控制对象的特性分析，提出一种便于工程实施的主汽压和机组电功率两个回路间的解耦控制方法，使机组既能加快负荷响应速度，又能稳定机前压力；既保证机组安全稳定运行，又能有效地抑制锅炉侧经常存在的扰动。当机组运行工况发生较大变化而使系统控制质量明显降低时，通过对被控对象特性的辨识，完成协调控制系统控制器参数、补偿器参数的自整定及参数的增益调度适应控制和回路间的自适应解耦；对煤质、受热面的污染及对象建模误差等不确定因素造成的影响，则通过模糊自校正机构对主汽压PID控制器参数的在线调整加以消除。图2是新的协调控制系统设计方案的简化示意图。

图2　本文提出的协调控制方案
Fig.2　The proposed coordinated control scheme

3.2　解耦补偿器的设计

　　根据式(1)给出的协调控制对象的数学模型，考虑到汽机侧(包括再热器)对象特性G_T的惯性比锅炉侧对象特性G_PB的惯性小得多，因此可近似认为：其中K是的稳态放大系数，于是可利用协调控制对象的上述特点，实现两个控制回路的单向近似解耦。
　　图3是具有解耦补偿器的炉跟机为基础的协调控制系统的方框图，图中K_C(S) =diag［k₁(S)，k₂(S)］为控制器矩阵，R 、L分别是前置和后置补偿器矩阵。选取可将被控对象矩阵G(S)近似补偿为三角阵，K通过对被控对象特性的辨识得到，可实现自适应静态解耦。

图3　具有解耦补偿器的协调控制系统
Fig.3　CCS with decoupling compensators

3.3　主汽压回路PID参数的模糊自校正

　　在单元机组的协调控制中，主汽压力的调节起着关键作用。为克服固定参数PID控制器的缺陷，进一步提高控制系统的鲁棒性，必须使PID控制器具备根据对象运行状态变化在线调整其参数的能力。为此引入模糊自校正机制，以能充分利用模糊推理决策方法的优势，与传统方法相结合来解决常规控制策略难以解决的问题。模糊自校正PID控制器由常规PID控制器和模糊自校正机构组成。PID控制器的控制算法为

　　　　　　　　　　　　(2)

式中　K_i＝K_p/T_i，K_d＝K_p^.T_d，滤波时间常数T_f≥0.1T_d。
　　本文提出的模糊自校正机构的设计由三部分构成：模糊自校正规则、模糊化策略和模糊判决方法。
3.3.1　模糊自校正规则
　　基于主汽压这类大惯性且具有明显纯滞后的时变复杂对象对设定值及扰动的阶跃响应的分析、专家控制的经验和仿真研究，提出了以下一组模糊推理规则，用于根据对象的运行状态(主汽压的偏差
e(k)和偏差变化率Δe(k))变化在线调整PID控制器参数K_p、K_i和K_d，以改善固定参数PID的鲁棒性和控制性能。
若e(k)和Δe(k)分别为A_i和B_i，则K^′_P、K^′_d和α分别为C_i、D_i和α_i,(i＝1，2，…，n)　　(3)

式中　A_i、B_i、C_i、D_i和α_i分别是偏差e(k)、偏差变化率Δe(k)、比例修正系数K^′_p、微分修正系数K^′_d和积分修正系数α的模糊集。

K^′_p＝(K_p－K_pmin)/(K_pmax－K_pmin)　　　　　　　　　　　　(4)

K^′_d＝(K_d－K_dmin)/(K_dmax－K_dmin)　　　　　　　　　　　　(5)

α＝T_i/T_d,K_i＝K²_p/(α*K_d)　　　　　　　　　　　　　　(6)

式中　K_pmin和K_pmax分别为比例系数K_p调整范围的上下限；K_dmin和K_dmax分别为微分系数K_d调整范围的上下限；α通过式(6)间接对积分系数K_i进行调整，由Z－N整定公式可知，一般情况下取α＝4，因此若使α>4，则会减弱积分作用，若使α<4，则会增强积分作用。
　　在推理规则中，修正系数K^′_p、K^′_d都定义两个参考模糊集：大(B)和小(S)，模糊集的隶属函数采用自然对数函数形式

　　　　　　　　　　　　(7)

　　　　　　　　　　　　(8)

　　为计算方便，积分修正系数α选用单点模糊集：小(S)、中小(MS)、中(M)和大(B)，根据控制对象特征选取：α_S＝2.8，α_MS＝3.4，α_M＝4，α_B＝5。在制订模糊自校正规则时，参考和借鉴了如下的专家控制经验。对于多容大惯性复杂控制对象，由于具有明显的“储能效应”，要使控制系统获得超调小的快速响应，同时兼有较强的鲁棒性，设计的控制器必须能使得“加速启动控制”、“强迫制动控制” 及“位置学习控制”三种基本控制作用^［1］，既能互不干扰地充分发挥各自的功能，又能根据系统响应的实际状态和不同阶段互相协调平稳地进行切换。表1～表3分别是K^′_p、K^′_d和α的模糊自校正规则。

表1　K^′_P的模糊自校正规则
Tab.1　Fuzzy self-tuning rules of K^′_P

表2　K^′_d的模糊自校正规则
Tab.2　Fuzzy self-tuning rules of K^′_d