表3　α的模糊自校正规则
Tab.3　Fuzzy self-tuning rules of α

　　　　　　　　　　　　(9)

　　式(9)可保证GPE系统与TPE系统一样，同一时刻最多有四条规则被激活。由式(3)给出的模糊自校正规则R_i，对k时刻的清晰输入量e(k)和
Δe(k)按上述的方法进行模糊化，采用代数积求出前提部分的强度μ_i＝μ_Ai(e(k))*μ_Bi(Δe(k))，亦即推理结论的隶属度。于是由式(7)或式(8)可得第i条规则的推理结果为：K^′_pi＝e^－4μi或K^′_pi＝1－e^－4μi和K^′_di＝e^－4μi或K^′_di＝1－e^－4μi，最后k时刻PID参数的修正系数K^′_p、K^′_d及α可由式(10)(11)(12)分别通过隶属度加权计算求得。由求得的K^′_p、K^′_d及α，根据式(4)(5)(6)就可对PID参数进行在线自校正。

　　　　　　　　　　　　　　　(10)

　　　　　　　　　　　　　　　(11)

　　　　　　　　　　　　　　　　(12)

3.4　协调控制系统控制器参数的自整定方法

　　(1)根据协调控制系统控制对象的输入输出数据，采用带遗忘因子的递推最小二乘法在线辨识对象的CARMA模型；
　　(2)根据辨识获得的CARMA模型整定解耦补偿器的参数K，以实现系统两个控制回路间的增益调度自适应解耦；
　　(3)由辨识得到的CARMA模型按图4所示的Z－N多变量辨识方案^［4］求得协调控制对象的期望临界振荡周期T_u和分别对应功率控制回路及主汽压控制回路的期望临界增益K_u1和K_u2；

图4　协调控制系统参数整定的Z-N多变量辨识方案
Fig.4　MV Z-N identification scheme of CCS

　　(4)根据求得的临界参数T_u、K_u2整定主汽压控制回路的PID参数K_p、K_d的上下限K_pmax、K_pmin、K_dmax和K_dmin，由T_u、K_u1同时考虑K₁的取值按文［5］介绍的整定方法确定功率控制回路PI控制器的参数。
　　该自整定算法监视主汽压力的控制情况，当确认控制偏差超过规定的门限时，启动自整定程序对系统的控制器参数进行整定，否则系统仍按已整定的参数运行。

4　工业应用实例

　　采用上述设计方法的协调控制系统在某电厂300 MW单元机组上得到应用。该机组锅炉是低倍率复合循环褐煤塔式锅炉，额定蒸发量为921 T/H，过热器出口汽压为18.5 MPa，过热器和再热器出口蒸汽温度皆为545℃。制粉系统是风扇磨直吹式，汽轮机为三缸亚临界中间再热凝汽式汽轮机。低循环倍率锅炉运行特性介于汽包炉和直流炉之间的特点，决定了其主要被控变量控制回路之间存在着比汽包炉更强的耦合关系，而机组的原控制系统为了简化设计，却仍采用了汽包炉的控制方案；同时由于本文第2节提到的原因和该机组的设备老化，使得机组的协调控制系统自80年代中期以来一直难以投入自动运行，长期依靠手动操作，主要被控参数达不到规定指标。于1997年6月对该系统进行了技术改造。新设计的控制系统硬件选用美国Foxboro公司的I/A Series 集散控制系统，本文提出的方法利用I/A提供的软件开发环境得到实现。
　　为确保设计的系统高质量地投入运行，机组改造前对机组被控对象进行了动态实验^［2］，调试过程中又对机组典型运行工况的对象模型利用第3.4节的方法作了系统辨识，根据得到的各个工况的模型整定出多组控制器参数用于增益调度适应控制；根据求得的临界参数T_u、K_u2按仿真和调试得到的经验公式：K_pmax＝0.56K_u2，K_pmin＝0.32K_u2，K_dmax＝0.12K_u2T_u，K_dmin＝0.04 K_u2T_u，整定主汽压控制回路的PID参数K_p、K_d的上下限K_pmax、K_pmin、K_dmax和K_dmin；主汽压和机组电功率两个控制回路解耦补偿器的参数K由模型稳态参数进行整定。
　　在实验室大量仿真研究的基础上，初步确定了主汽压偏差和偏差变化率参考模糊集隶属函数中心值分别为［－0.24，－0.16，－0.08，0，0.08，0.16，0.24］、［－0.03，－0.02，－0.01，0，0.01，0.02，0.03］，采样周期为5秒，即认为主汽压偏差超过0.5MPa时就属于“大”，主汽压偏差变化率超过0.78MPa/min时就属于“大”，用这些参数进行实际调试时发现升负荷速度较快，但超调较大，这说明对象的实际控制滞后时间要比辨识得到的要长，同时现场采用的控制器的控制量变化幅度受限也是一个重要的原因。通过适当增大主汽压偏差模糊集隶属函数的中心值和减小偏差变化率模糊集隶属函数的中心值，缩短启动加速阶段而较早地进入强迫制动阶段，调试表明这样抑制了超调，也降低了升降负荷的速度。为了进一步提高系统的控制性能，从增强系统的预测能力入手，将原模糊自校正规则表中的个别规则进行了修改，使控制效果获得了明显的改进。
　　协调控制系统于1997年10月投入正式运行，至今已有2年多了，运行效果良好。图5是相同条件下该系统自动与手动控制效果的现场记录曲线，从曲线可以看出当时锅炉侧存在较大的扰动，在高负荷运行手动控制时，由于控制不及时造成汽压超过安全界限，导致高压旁路打开；而自动控制时由于调整及时，保证了机组的安全运行。图6是该系统控制下大幅度变动负荷时的运行曲线，显示了较好的跟踪控制效果，机组主要被控参数都严格控制在设定值附近，提高了机组运行的经济性。该系统1998年4月通过了辽宁省科委组织的专家鉴定，并获得1998年度冶金工业部科技进步一等奖。

图5　协调控制系统自动与手动控制效果比较
Fig.5　Comparison between CCS under automatic
control and manual operation

图6　机组负荷大范围变化时协调控制运行曲线
Fig.6　The result under coordinated control when
unit load change over a wide range

5　结论

　　本文针对我国火电单元机组实际运行中普遍存在的控制对象特性复杂(非线性、强耦合、大惯性)，煤质煤种变化较大，工况变化频繁，设备老化及强扰动，因而造成常规协调控制系统难于实现自动控制的问题，将模糊推理、解耦控制、参数自适应自整定等先进控制方法与传统控制技术有机结合起来，提出的协调控制系统设计方法，经现场实际应用取得了令人满意的控制效果，表明了这种设计方法的有效性。本文所设计的控制策略是在集散控制系统上实施的，很容易将其移植到其它集散控制系统上去，因此本控制方案可推广应用。

基金项目：国家863/CIMS高技术计划基金、教育部博士点基金资助。
　

参考文献：

［1］　柏建国，吕炳朝.多模态PID控制器［J］.仪器仪表学报，1993，14(1)：26～31.
［2］　刘向杰.模糊控制器的算法结构分析及其在电厂锅炉控制中的应用研究［D］.沈阳：东北大学自动化研究中心，1997.
［3］　Sudkamp T,Hammel R J Ⅱ.Interpolation completion and learning fuzzy rules［J］.IEEE Trans,SMC,1994,24(2)：332～342.
［4］　Zgorzelski,Unbehauen P H,Niederlinski A.A new simple decentralized adaptive multivariable regulators and its application to multivariable plants［C］.Proc,IFAC 11th World Congress,Tallinn,1990,4:226～231.

上一页  [1] [2] [3] 下一页