基于模糊控制和预测控制的球磨煤机制粉系统复合优化

基于模糊控制和预测控制的球磨煤机制粉系统复合优化

0参考文献的解耦控制应用中央储液管理系统广泛应用于火力发电系统。它不仅是大型火力厂的重要设备，也是大型能源行业的之一。据统计,制粉系统用电量占厂用电量的15%～25%,是潜在的节能大户之一。因此,研究制粉系统的自动控制和优化运行,具有重要的实际意义。目前,由于系统的大时延、多变量强耦合及模型时变特性,也由于现有控制方式存在的问题,使得设计安装的自动控制系统一直未能投入运行。以往设计的控制系统是基于3套独立的PID控制回路,对于各系统之间的耦合及大迟延特性均显得无能为力。参考文献对制粉系统的耦合情况进行了分析,结论是:在钢球磨制粉系统的3个调节回路中,不管3个回路如何配对,均存在着相当严重的耦合,不解耦的系统是不可能实现良好的控制的,解耦设计是必须的。可见,研究制粉系统的自动控制和优化运行,又具有重要的理论意义。由于预测控制对于克服大时延大惯性有独到之处,但对于多变量系统的解耦设计,只是简单地套用单变量系统的形式。为此,作者在参考文献中提出了动态矩阵控制解耦设计方法,本文将其应用于球磨机系统的控制设计。模糊控制作为一种新型的控制方法,它无需知道被控对象的数学模型,并且比常规控制系统具有更好的稳定性和更强的鲁棒性。它在一定程度上具有人的智能性,能够尽快消除系统的大偏差,只是在接近稳态时具有一定的抖振现象,应用到多变量系统时对于系统间的强耦合情形有待于进一步分析。因此,本文在大偏差时采用带静态解耦的模糊控制策略,尽快消除系统的大偏差,小偏差时则采用参考文献的解耦预测控制。由于制粉系统的特殊性,并不要求将被控量严格调节在某一固定值,只需要维持在一定的范围内即可满足要求,比如,某电厂3号机组制粉系统要求维持被控量范围为差压:2.0～2.6kPa,磨煤机入口负压:400～550Pa,磨煤机出口温度:68～80°C。因此,我们可以在稳态时进行优化计算,求出既能维持被控量在要求的范围内,又使给煤量最大的经济运行工况,修正系统的设定值到新的经济工况点运行。1无低温风钢球磨中储式制粉系统数学模型在钢球磨中储式制粉系统是一个具有纯迟延、强耦合的多变量非线性时变系统。钢球磨本身是一个包含了机械能量转换、热交换和两相流动的复杂过程,任何一个控制变量的改变都会造成所有被控变量发生变化,因此变量之间的相互干扰十分严重。同时,理论研究和现场试验均表明:钢球磨制粉系统是一个非线性较强的系统。我国发电厂所用煤种多变,煤质不一,原煤的粒度、水份、温度、可磨性系数、挥发份等指标经常发生变化,钢球在运行过程中不断磨损。这些原因使钢球磨煤机表现出时变系统的特征。另外,钢球磨中储式制粉系统还常常受到一些不确定性干扰的影响,例如给煤机断煤、堵煤及煤的自流等。在此,我们以一个典型的无低温风钢球磨中储式制粉系统为例,进行控制系统的设计和讨论。在某稳态工作点附近,该系统的数学模型如式(1)。[Τ(s)Ρ(s)ΔΡ(s)]=[0.77(80s+1)3-0.1(60s+1)3-0.13(110s+1)(80s+1)21.68s+10.5411s+10.12(60s+1)30.1820s+10.25630s+10.3(110s+1)3]×[Fh(s)Fr(s)Fc(s)](1)式中T——磨煤机出口温度P——磨煤机入口负压ΔP——磨煤机进出口差压Fh——热风流量Fr——再循环风流量Fc——给煤量2模糊控制和解节点的预测控制策略2.1动态态解耦矩阵的建立由于模糊控制能够快速消除系统的大偏差,且有较强的鲁棒性,但对多变量系统的解耦模糊控制算法有待进一步的研究。因此,本文在大偏差时采用基于静态解耦的带一个修正因子的模糊控制算法。图1显示了静态解耦模糊控制系统的框图结构。在模糊控制器和球磨机系统之间的静态解耦矩阵,是根据对被控对象的先验知识获得的。它是由若干个可能的稳态工作点处的对象静态增益计算得到,也可以通过对对象静态增益的在线辨识而进行修正。本文采用静态解耦,一方面是因为静态增益往往比动态增益更重要而且可用多种简单方法来获得;另一方面是仅在大偏差时与模糊控制算法相结合,从而达到克服一定程度的系统耦合和快速消除大偏差的目的。对于模糊控制器的设计,则采用如下的解析表达式形式U′=U′0+ΔU′(2)ΔU′=<αE+(1-α)EC>(3)式中U′和U′0分别为模糊控制器瞬态输出和稳态输出,ΔU′是由模糊控制算法而得到的在稳态输出基础上的模糊修正量。E和EC分别是系统偏差e(t)和Δe(t)的模糊量,通过对偏差的模糊化过程而得到。α是与控制品质密切相关的模糊规则调整因子,其大小直接反映了对误差和误差变化的加权程度。2.2多变量系统的解耦控制虽然基本模糊控制器能够快速消除大偏差,但不能得到满意的稳态性能,尤其对于大迟延强耦合的多变量系统更是如此。因此,在大偏差时进行模糊控制,当系统进入小偏差范围之后,系统也就相应进入了一个相对稳定的工作点附近,而在这一相对稳定的工作点附近,系统是可局部线性化的或者说是近似线性的。此时,基于成熟的线性系统理论的预测控制则可以发挥其优势。为了将动态矩阵预测控制较好地应用于多变量系统,采用参考文献的动态矩阵预测控制的解耦算法,将其应用于球磨机系统的解耦控制时,计算量将比直接套用单变量系统形式的DMC算法大大减少,而且使得各变量之间的耦合关系得以消除。因为每一个被控变量对输入变量的动态响应有很大的差别,按参考文献的算法,P1,P2,P3可以分别优化选取,M1,M2,M3也可以分别优化选取;而不采用参考文献的算法时,P1,P2,P3应相等,M1,M2,M3也应相等且取为参考文献算法中的最大者,即增加计算量又影响参数调整的灵活性,影响调节效果(P1,P2,P3及M1,M2,M3的定义与一般的预测控制定义相同,即系统中3个变量的预测时域和控制时域,或参见参考文献)。3稳定预算优化策略3.1稳态监控优化策略对于球磨机制粉系统,当环境及对象特性不变或基本不变时,施加前面提出的大偏差模糊控制及小偏差解耦预测控制,基本可以将系统维持在最优工况下运行。但是,各种因素的改变是不可避免的,如环境温度的变化,空气预热器出口温度的变化会影响磨煤机入口热风温度的改变;天气的变化,如晴天或雨天的不同会引起煤的干湿情况的不同,对煤量的调节造成影响;还有煤种的变化也会引起给煤回路的特性改变;以及磨煤机内钢球装载量的变化(由于钢球的磨损)等等都会导致球磨机系统特性改变,包括动态特性和静态特性的偏离。稳态监控优化策略主要是考虑以上所列各种因素引起的球磨系统静态特性的变化。根据静态增益的改变,重新搜索优化调整系统到新的稳态最佳工作点,使得系统既能维持被控量在要求的范围内又使给煤量尽可能的大,从而达到出力最大,经济运行的目的。这一点可由如下的稳态优化策略来解决。以(1)式给出的系统工作点来说,假定系统已被调整在最佳工况下运行,并且假定系统被调量给定值为TSP=75°C,PSP=550Pa,ΔPSP=2.3kPa。此时,系统的静态增益矩阵为G(0)=[0.77-0.1-1.031.60.540.120.180.2560.3](4)如果在某时刻,系统的静态增益矩阵发生了变化,成为如下式(5)的形式G′(0)=[0.81-0.1-0.951.60.540.120.180.2560.3](5)即相当于系统来的煤变得较为干燥而且磨煤机入口热风温度有所提高的情况。于是,根据变化了的静态增益,运用优化求解算法,得出的结果是:适当降低温度给定值和差压给定值,增加磨煤机入口负压给定值,相应的稳态工作点与系统参数变化前的稳态工作点相比,热风流量和给煤量增加,再循环风流量减少。因为,球磨机的磨煤电耗与产粉量的多少基本无关,给煤量的增加即意味着系统出力的增加,有利于经济运行。3.2稳态约束条件如果系统的静态增益矩阵发生了变化而成为G′(0),此时则需要启用稳态优化求解算法。优化求解的目标函数应是给煤量,即J=FC。同时,还应满足一些约束条件,如设定值在要求的范围内,即RT∈[68,80],RP∈[400,550],RΔP∈[2.3,2.7],以及控制量在可调范围内,同时考虑到系统的干燥出力和实际运行经验应设置有关控制量的下限,即Fh∈[20,95],Fr∈[0,95],FC∈[10,100],还有系统满足稳态约束条件[RTRPRΔP]T=G′(0)[FhFrFC]T,可用约束优化求解方式描述如下:max:J=FC(6)等式约束:[RΤRΡRΔΡ]=G′(0)[FhFrFC]=[0.81-0.1-0.951.60.540.120.180.2560.3][FhFrFC](7)不等式约束:68≤RT≤80(8.1)400≤RP≤550(8.2)2.3确定等式约束条件20≤Fh≤95(8.4)0≤Fr≤95(8.5)10≤FC≤100(8.6)为了避免复杂最优化问题求解的复杂性和便于编程计算,我们采用简化的优化控制算法,步骤如下:(1)根据稳态辨识得到的新工况下的静态增益矩阵G′(0),得到新的等式约束条件(7);(2)将RT,RP和RΔP的可行域(值域范围)按一定步长分成L,M和N个小区间,即RlΤ,RmΡ和RnΔΡ,且有(RlΤ,RmΡ,RnΔΡ)∈RLΤ×RΜΡ×RΝΔΡ,其中RLΤ,RΜΡ,RΝΔΡ是根据式(8.1)、(8.2)、(8.3)划分的值域空间,0≤l≤L,0≤m≤M,0≤n≤N;(3)将每一组(RlΤ,RmΡ,RnΔΡ)代入(7)式,计算相应的(Fh,Fr,FC)S[FhFrFC]S=G′(0)-1[RΤRΡRΔΡ],S=1,2,⋯‚L×Μ×Ν(9)将满足不等式约束条件(8.4)、(8.5)、(8.6)的(Fh,Fr,FC)S进行比较,选取其中FC|S最大者所对应的一组(RΤl,Rpm,RΔΡn)和(Fh,Fr,FC)S作为新的稳态工况点,对系统的设定值和控制量进行调整。4动态特性建模方法(1)系统参数初始化,置有关参数初值,如果是再次启动,则调用上次保留的参数,转(2)。(2)偏差检测,若是大偏差,转(3);若偏差较小,则转(4)。(3)静态解耦模糊控制算法:①计算偏差e(t)及偏差变化Δe(t);②偏差e(t)及偏差变化Δe(t)模糊量化,得到量化后的E,EC;③根据式(3)和式(2)计算模糊控制器的输出U′;④模糊输出U′反模糊化,即精确化得到u′(t);⑤由静态解耦矩阵从u′(t)得到u(t);⑥将即时控制作用u(t)施加到对象;⑦转(5)。(4)解耦预测控制算法:①根据参考文献的算法,求取解耦预测控制的控制作用;②将即时控制作用施加到对象;③转(5)。(5)对象参数辨识与稳态监控优化:①静态增益辨识;②如果静态增益变化超过一定的阈值,调用优化求解算法确定新的最佳工作点;③如果系统的性能变坏,则进行对象动态参数辨识;④转(2)。5动态矩阵解耦预测控制器设计本文以(1)式的对象为稳态工作点之一进行仿真研究。采样周期TS=3s,模糊控制器的参数为α=0.4,静态解耦矩阵与(4)式之逆矩阵有一定差距,这样更符合实际情况,取为D=G-(0)+[0.050.010.130.10.0300.020.040]=[0.77-0.1-1.031.60.540.120.180.2560.3](9)根据3个被控量对输入响应的不同