超超临界机组模型辨识及预测控制仿真研究

《超超临界机组模型辨识及预测控制仿真研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第31卷第7期计算机仿真2014年7月文章编号：1006—9348(2014)07—0121—06超超临界机组模型辨识及预测控制仿真研究胡勇，阎威武，王国良(上海交通大学自动化系，上海200240)摘要：超超临界机组是一个大而复杂的系统，具有机一炉耦合、动态非线性、大延时等特性。传统控制系统难以满足在节能减排及动态响应上的更高要求。为此采用模型辨识结合模型预测控制的方法对其进行建模和控制。建立了机组的闭环系统运行模型，在分析机组特点及预测控制器预测模型的需求的基础上，在模型辨识过程中，给出了一种子空间法和传统SISO(singleinputs

2、ingleoutput)辨识方法相结合的方法，以取得最终预测控制器所需的单位阶跃预测模型。实时仿真结果表明了所采用策略及方法的有效性。关键词：子空间模型辨识；闭环辨识；模型预测控制；超超临界机组中图分类号：TM743文献标识码：BAStudyofModelIdentificationandModelPredictiveControlforUltra—．SupercriticalUnitHUYong，YANWei-wu，WANGGuo-liang(DepartmentofAutomation，ShanghaiJiaoTongUniversity

3、，Shanghai200240，China)ABSTRACT：TheUltra-supercriticalunitisalargeandcomplicatedsystemwhichcharacterizesBoiler—·turbineCOtl··piing，dynamicnonlinearityandlargetimedelay．Traditionalcontrolsystemishardtosatisfythehighrequirementofenergy-savingandemissionreduction，friendlyenviro

4、nmentandsystemdynamicresponse．ThispaperdiscussesModelIdentificationandModelPredictiveControlforUltra-supereriticalUnit．BasedontheanalysisoffeaturesofU-nitandthepredictionmodel，amodelidentificationmethod，whichiscombinedSMImethodwithclassicalS1SOsys—temidentificationmethod，is

5、proposedtoobtainthefinalpredictivemodelinthemodelidentificationprocess．Final-ly，theresultofrealtimesimulationdemonstratestheeffectivenessofthemethod．KEYWo砌)s：Subspacemodelidentification；Closed—loopidentification；ModelpredictivecontrolMPC；Ultra-super-criticalunit1引言在中国，由于能源结

6、构组成的原因，电能绝大多数由煤的燃烧产生。作为最大的煤炭消费者，电力行业有义务去改善燃煤发电的效率。为了满足节能减排和保护环境的需要，超超临界机组技术被证明可以有效地改善发电效率⋯。在未来10年，如果超超临界机组的装机容量增加20％，中国电力供应中火力发电的单位能耗将降低20s／kWh。这意味着节约3亿6千万吨标准煤及减少2亿吨二氧化碳的排放⋯。然而，超超临界机组由于其机一炉耦合，动态非线性及大延时等特性，常常给控制系统的设计带来挑战。传统上，控制系统中广泛应用PID控制器，但是这样的控制系统难以满足经济性，环境友好和动态响应等更高的要求。最

7、近，由于MPC基金项目：国家自然科学基金(60974119)收稿日期：2013—09—13修回日期：2013一ll—05在其它行业的成功应用，也开始被引入超超临界机组的控制中。在文献[2]中，讨论了DMC(动态矩阵控制)在超超临界机组中的理论和实践情况；在文献[3]中证明在超超临界机组的汽温控制中，DMC比PID的效果更好。因此，针对超超临界机组，可以采用MPC控制，以取得更好的控制效果。在MPC算法中，DMC算法是最广泛应用算法。因其利用系统的单位阶跃响应模型H1，因此选择何种辨识方法，并如何用该方法取得对象可靠的单位阶跃模型成为MPC实施

8、的关键。总体来说，经典的线性系统辨识方法如PEM(预报误差法)和WM(辅助变量法)是基于最优化理论的。系统参数的确定来源于某一特定目标函数的最小化。但是，在这些方法