火电机组先进控制多模型切换方法

    公开(公告)号:CN102854797B

    公开(公告)日:2015-11-18

    申请号:CN201210333178.9

    申请日:2012-09-10

    IPC分类号: G05B13/04

    摘要: 本发明公开了火电机组先进控制多模型切换方法。该方法包括:根据火电机组的锅炉最大连续蒸发量,预设数个工况分界值,建立与各个工况分界值相对应的控制模型;以机组对象的输出量、所述控制模型的输出量作为输入参数,按照预设的加权规则获取输出控制增量,调节所述机组对象的输出量。采用本发明,可以建立一种基于负荷或者燃料量为调度量的模型切换规则,利用预测控制的处理时滞和约束的天然优越性,来达到更好的控制效果。

    一种火力发电系统的控制器的设计方法和装置

    公开(公告)号:CN103744286A

    公开(公告)日:2014-04-23

    申请号:CN201310754646.4

    申请日:2013-12-31

    IPC分类号: G05B11/42

    摘要: 本发明公开了一种火力发电系统的控制器的设计方法和装置。在系统的数学模型已知为一阶惯性微分时滞模型的情况下,该方法通过对辨识对象添加一个阶跃信号,然后对阶跃响应数据进行最小二乘法辨识模型参数,根据已辨识出的模型设计控制器。本发明能在不需要任何时滞和静态增益等先验信息的情况下,根据时域分析得到的精确解析表达式精确计算出三个待辨识参数,进而辨识出系统模型,为设计PID控制器提供基础。本发明可以简单快速地获取火力发电系统对象的模型,从而可以更好的对控制对象实施有效的控制,抗干扰性强,使用简单,实用性强。

    基于多模型预测控制的超临界机组协调控制方法

    公开(公告)号:CN102841540A

    公开(公告)日:2012-12-26

    申请号:CN201210333197.1

    申请日:2012-09-10

    IPC分类号: G05B13/04

    摘要: 本发明公开了基于多模型预测控制的超临界机组协调控制方法。该方法包括:根据超临界机组的非线性工况响应,设置预设数个局部预测模型;通过模型识别方法,选取负荷参数作为控制变量,通过插值公式获取各个局部预测模型的输出增量;在每个控制周期中,通过DMC预测控制算法将所述各个局部预测模型的输出增量进行叠加,获取实际输出增量对前馈通道进行校正。采用本发明,将多模型预测控制方法用于超超临界机组的协调控制,提出了预测控制用控制变量、过程变量和扰动变量的选取方法及多模型预测控制在协调控制系统中实施的具体方案。具有先进性,实用性强,鲁棒性好。而且控制效果快速平稳,能够取得理想的控制效果。

    基于多变量预测控制的超超临界机组汽温控制方法及系统

    公开(公告)号:CN102707743A

    公开(公告)日:2012-10-03

    申请号:CN201210174386.9

    申请日:2012-05-30

    IPC分类号: G05D23/19

    摘要: 本发明提供一种基于多变量预测控制的超超临界机组汽温控制方法及系统,该方法包括以下步骤:进行多变量预测控制器的前期设计,确定控制变量、被控变量以及扰动变量;所述控制变量包括一级减温喷水、二级减温喷水、再热减温喷水以及烟气挡板开度;所述被控变量包括主汽温、再热汽温;对过程对象的模型进行辨析,通过施加阶跃扰动,建立汽温系统的多输入多输出阶跃响应模型;根据建立的阶跃响应模型,进行多变量预测控制器的仿真和参数调整;启动多变量预测控制器,将预测控制器从仿真状态切换到实际在线运行和控制状态,并将所述多变量预测控制器的输出施加到被控对象上,进行实时控制。本发明能够更好地保证锅炉过热汽温在要求的范围内。

    基于半监督回归学习的多模型软测量方法

    公开(公告)号:CN102693452A

    公开(公告)日:2012-09-26

    申请号:CN201210148588.6

    申请日:2012-05-11

    IPC分类号: G06N7/02

    摘要: 本发明提供一种基于半监督回归学习的多模型软测量方法,包括步骤:步骤一:对数据进行聚类;步骤二:根据数据分类结果采用多个子模型预测方案共同进行子模型预测,获得子模型预测结果;步骤三:将多个子模型预测结果进行合并,得到预测结果。本发明可以有效降低因为过程复杂化带来的模型不准确问题。加权式多模型软测量建模方法不要求事先就对输入数据进行分类,所以只要子模型采取在线建模方法,就可以对数据进行实时分类而在线地得到预测结果。切换式多模型软测量建模方法子模型因为仅仅只对一部分相似的输入数据进行预测,所以它的模型预测准确度比较高,可以很好地根据工况情况对数据进行区分预测。

    基于多模型预测控制的亚临界协调控制方法

    公开(公告)号:CN102841539B

    公开(公告)日:2016-05-11

    申请号:CN201210333196.7

    申请日:2012-09-10

    IPC分类号: G05B13/04

    摘要: 本发明公开了基于多模型预测控制的亚临界协调控制方法,包括:根据亚临界机组的非线性工况范围以及主蒸汽压力、功率的动态响应,确定预设数个局部预测模型;针对各个局部预测模型设计控制器,选择控制变量,通过插值公式获取各个局部预测模型的输出增量;每个控制周期中,根据各个控制器的输出增量通过加权形式获得实际控制输出增量,对前馈通道进行校正。采用本发明,可以平滑过渡时期的控制输出,有效提高机组的负荷和压力响应特性,适应大范围的工况变化。

    基于多变量预测控制的超超临界机组汽温控制方法及系统

    公开(公告)号:CN102707743B

    公开(公告)日:2014-07-23

    申请号:CN201210174386.9

    申请日:2012-05-30

    IPC分类号: G05D23/19

    摘要: 本发明提供一种基于多变量预测控制的超超临界机组汽温控制方法及系统,该方法包括以下步骤:进行多变量预测控制器的前期设计,确定控制变量、被控变量以及扰动变量;所述控制变量包括一级减温喷水、二级减温喷水、再热减温喷水以及烟气挡板开度;所述被控变量包括主汽温、再热汽温;对过程对象的模型进行辨析,通过施加阶跃扰动,建立汽温系统的多输入多输出阶跃响应模型;根据建立的阶跃响应模型,进行多变量预测控制器的仿真和参数调整;启动多变量预测控制器,将预测控制器从仿真状态切换到实际在线运行和控制状态,并将所述多变量预测控制器的输出施加到被控对象上,进行实时控制。本发明能够更好地保证锅炉过热汽温在要求的范围内。

    火电机组先进控制多模型切换方法

    公开(公告)号:CN102854797A

    公开(公告)日:2013-01-02

    申请号:CN201210333178.9

    申请日:2012-09-10

    IPC分类号: G05B13/04

    摘要: 本发明公开了火电机组先进控制多模型切换方法。该方法包括:根据火电机组的锅炉最大连续蒸发量,预设数个工况分界值,建立与各个工况分界值相对应的控制模型;以机组对象的输出量、所述控制模型的输出量作为输入参数,按照预设的加权规则获取输出控制增量,调节所述机组对象的输出量。采用本发明,可以建立一种基于负荷或者燃料量为调度量的模型切换规则,利用预测控制的处理时滞和约束的天然优越性,来达到更好的控制效果。

    PID参数整定方法及PID参数整定系统

    公开(公告)号:CN102621883A

    公开(公告)日:2012-08-01

    申请号:CN201210096343.3

    申请日:2012-04-01

    IPC分类号: G05B11/42

    摘要: 本发明提供了一种PID参数整定方法及系统,在工况系统识别出当前被控对象的数学模型后,得到数学模型的参数,监控人员根据实际的工况对控制对象的数学模型的误差做出大致判断,然后设定相应的模型误差值,并根据所述模型误差值判断是采用微调还是采用粗调,若判定为采用粗调,则输入模型参数和模型误差值,若判定为采用微调,则输入模型参数和调节的单位微调量的个数;然后相应的计算单元对应的计算最佳控制器参数,最后根据被控对象的数学模型的参数和最佳控制器参数,计算理想PID控制器参数。本发明能在不重新设计控制器的情况下,自动处理实际控制对象的不确定性,在性能和鲁棒性之间进行最佳折中,达到更好的控制效果。

    PID参数整定方法及PID参数整定系统

    公开(公告)号:CN102621883B

    公开(公告)日:2013-12-11

    申请号:CN201210096343.3

    申请日:2012-04-01

    IPC分类号: G05B11/42

    摘要: 本发明提供了一种PID参数整定方法及系统,在工况系统识别出当前被控对象的数学模型后,得到数学模型的参数,监控人员根据实际的工况对控制对象的数学模型的误差做出大致判断,然后设定相应的模型误差值,并根据所述模型误差值判断是采用微调还是采用粗调,若判定为采用粗调,则输入模型参数和模型误差值,若判定为采用微调,则输入模型参数和调节的单位微调量的个数;然后相应的计算单元对应的计算最佳控制器参数,最后根据被控对象的数学模型的参数和最佳控制器参数,计算理想PID控制器参数。本发明能在不重新设计控制器的情况下,自动处理实际控制对象的不确定性,在性能和鲁棒性之间进行最佳折中,达到更好的控制效果。