帶煤質(zhì)校正的循環(huán)流化床鍋爐新型協(xié)調(diào)控制方法

何 鵬， 陸琳輝， 劉西陲， 李益國

(1．安徽電氣工程職業(yè)技術(shù)學院，合肥 230051；2．國網(wǎng)安徽省電力公司培訓中心，合肥 230022；3．東南大學 能源與環(huán)境學院，南京 210096)

與傳統(tǒng)的煤粉爐相比，循環(huán)流化床鍋爐(CFBB)具有燃燒效率高、燃料適應性廣、燃燒污染低、脫硫效率高和投資成本低等優(yōu)點.但由于其具有多變量、強耦合和大遲延等特性，CFBB的協(xié)調(diào)控制一直以來都是研究的熱點與難點.

目前，CFBB的協(xié)調(diào)控制主要采用常規(guī)PID加前饋解耦的設(shè)計方法[1-3]，但由于其具有大遲延特性，以及動態(tài)解耦很難實現(xiàn)，常規(guī)的控制方法很難取得理想的調(diào)節(jié)效果.近年來也有學者基于神經(jīng)網(wǎng)絡或自抗擾控制等先進控制理論對該問題開展研究工作[4-7]，但這些算法要么過于復雜，要么參數(shù)整定困難，不利于工程應用.CFBB協(xié)調(diào)控制普遍還存在以下問題：(1)仍延用與常規(guī)煤粉爐相同的控制結(jié)構(gòu)，無法充分利用爐膛蓄熱加快負荷響應速率；(2)在設(shè)計先進控制方案時很少同時考慮煤質(zhì)校正問題.而煤質(zhì)變化意味著協(xié)調(diào)控制對象的特性發(fā)生了變化，如果不對控制器進行相應調(diào)整，顯然會嚴重影響控制品質(zhì).

筆者提出一種具有煤質(zhì)校正功能的CFBB新型協(xié)調(diào)控制方法.該方法將一次風量引入?yún)f(xié)調(diào)控制中作為新的控制量，以充分利用床料中的未燃盡碳和爐膛蓄熱量，提高負荷跟蹤能力，相應增加爐膛床溫作為輸出量，保證燃燒安全與脫硫脫硝效率.同時采用基于擴增狀態(tài)空間模型的多變量預測控制算法，應對CFBB的大遲延和強耦合特性，最后基于擾動觀測器設(shè)計了煤質(zhì)在線校正環(huán)節(jié)，提高了控制系統(tǒng)適應煤質(zhì)變化的能力.

1 基于擴增狀態(tài)空間模型預測控制的CFBB新型協(xié)調(diào)控制方法

1.1 新型協(xié)調(diào)控制結(jié)構(gòu)

CFBB協(xié)調(diào)控制一般采用與普通煤粉爐一致的控制結(jié)構(gòu)，即以給煤量指令和汽輪機調(diào)門指令為輸入量，機組功率和主汽壓力為輸出量(見圖1).

圖1 傳統(tǒng)CFBB協(xié)調(diào)控制方法結(jié)構(gòu)圖

然而由于CFBB的遲延特性遠大于傳統(tǒng)的煤粉爐，且一般仍采用PID控制器加前饋解耦的控制策略，該方案的負荷響應速率很難滿足自動發(fā)電控制(AGC)的要求，應用效果不佳.

筆者把一次風量引入CFBB協(xié)調(diào)控制中作為新的控制量，以充分利用床料中的未燃盡碳和爐膛蓄熱，提高變負荷初期的負荷響應速率，同時把床溫引入?yún)f(xié)調(diào)控制中作為新的被控參數(shù).為了提高穩(wěn)定性，減少控制器的頻繁動作，爐膛床溫控制采取區(qū)間控制的方案，即不針對爐膛床溫設(shè)置具體的特定設(shè)定值，只需要滿足爐膛床溫在850～950 ℃內(nèi)變化即可.針對CFBB的大遲延和強耦合特性，采用基于擴增狀態(tài)空間模型的多變量預測控制算法設(shè)計控制器，最終得到CFBB新型協(xié)調(diào)控制結(jié)構(gòu)，如圖2所示.圖中Tb為爐膛床溫，μW為一次風調(diào)門指令，Ne,r和pt,r分別為機組功率、主汽壓力的設(shè)定值.

圖2 CFBB新型協(xié)調(diào)控制結(jié)構(gòu)圖

Fig.2 Structure of the new coordination control method for CFBB

此外，新型協(xié)調(diào)控制結(jié)構(gòu)中引入的一次風除了直接影響爐膛床溫之外，還會對爐膛床壓產(chǎn)生干擾，而爐膛床壓的穩(wěn)定對CBBB的安全運行同樣至關(guān)重要.目前針對CFBB爐膛床壓的控制方案已經(jīng)比較成熟，可通過解耦由傳統(tǒng)單回路PI控制實現(xiàn)，這部分內(nèi)容并不是本文研究的重點，故不再對此環(huán)節(jié)進行深入研究.

1.2 基于擴增狀態(tài)空間模型預測控制的CFBB協(xié)調(diào)控制方法

采用基于擴增狀態(tài)空間模型的多變量預測控制算法設(shè)計控制器，該算法能夠很好地應對CFBB的大遲延和多變量強耦合特性，并具有更好地抑制不可測擾動的能力.

1.2.1 預測控制算法

設(shè)CFBB協(xié)調(diào)控制對象可以用式(1)所示的狀態(tài)空間模型來描述：

(1)

為消除建模誤差和不可測擾動的影響，將內(nèi)擾項d(k)作為擴增狀態(tài)量對原狀態(tài)變量進行擴充，得到擴增狀態(tài)空間模型：

(2)

其中，

(3)

(4)

(5)

(6)

(7)

式中：I為單位矩陣;d1(k)、d2(k)和d3(k)分別為3個主回路的內(nèi)擾.

(1) 輸出預測.

預測模型可表示為

Y(k)=FX(k)+ΦU(k)

(8)

其中，

(9)

(10)

(11)

(12)

式中：P、M分別為預測控制算法的預測時域和控制時域；U(k)為從k時刻起未來M步的控制量；Y(k)為基于k時刻的未來P個時刻的預測輸出量.

(2) 滾動優(yōu)化.

首先基于式(13)計算穩(wěn)態(tài)控制量us(k)和穩(wěn)態(tài)狀態(tài)量Xs(k)：

(13)

式中：Js(k)為性能指標函數(shù)；uref為設(shè)定值w(k)對應的穩(wěn)態(tài)參考控制量；R0為控制權(quán)矩陣.

(14)

(15)

(16)

(17)

式中：r1、r2和r3分別為給煤量指令、汽輪機調(diào)門指令和一次風調(diào)門指令對應的控制權(quán)系數(shù)；μB,s(k)、μT,s(k)和μW,s(k)分別為給煤量指令、汽輪機調(diào)門指令和一次風調(diào)門指令的穩(wěn)態(tài)值；μB,ref(k)、μT,ref(k)和μW,ref(k)分別為給煤量指令、汽輪機調(diào)門指令和一次風調(diào)門指令的穩(wěn)態(tài)參考值.

再基于us(k)構(gòu)造控制量目標值Ur(k)，即

(18)

基于時刻k制定性能指標J(k)來計算最優(yōu)控制量：

(19)

其中，ω(k)為輸出設(shè)定值.

(20)

(21)

矩陣Q和R分別為誤差權(quán)矩陣和控制權(quán)矩陣，且

(22)

(23)

式中：q1和q2分別為機組功率和主汽壓力對應的誤差權(quán)系數(shù).

預測控制算法性能指標的約束條件為

(24)

式中：i=0,1,…,M-1;j=1,…,P；dμB、dμT、dμW為控制量的增量；下標min、max分別表示最小值和最大值.

從式(21)～式(24)可以看出，不同于傳統(tǒng)的多變量預測控制算法，為實現(xiàn)爐膛床溫變量的區(qū)間控制，在構(gòu)造控制算法的性能指標時，不具體考慮爐膛床溫參數(shù)的設(shè)定值，而是將其作為約束加入到約束條件中.而爐膛床溫Tb可以通過預測控制算法的預測模型(式(8))計算獲得，所以關(guān)于爐膛床溫的約束實際上依然是對于控制量μB、μT和μW的約束.

結(jié)合性能指標函數(shù)和約束條件，計算當前時刻最優(yōu)相對控制量Δu(k)，當前時刻的控制量u(k)則可表示為

u(k)=us(k)+Δu(k)

(25)

1.2.2 狀態(tài)估計

由于狀態(tài)量無法直接測量，利用擴增狀態(tài)卡爾曼濾波器對狀態(tài)量進行估計.MIMO對象離散時間線性時不變系統(tǒng)的狀態(tài)空間描述如下：

(26)

式中：V(k)為輸出側(cè)的測量噪聲；W(k)為過程噪聲；Γ為系統(tǒng)噪聲輸入矩陣，一般可取單位陣.

(27)

其中，V1(k)、V2(k)和V3(k)分別為3個輸出量的測量噪聲；W1(k)、W2(k)和W3(k)分別為過程噪聲.認為測量噪聲V(k)和過程噪聲W(k)均為白噪聲，且兩者互不相關(guān).狀態(tài)估計時不涉及爐膛床溫的控制問題，因此這里的計算都是基于完整的3×3模型進行的.

狀態(tài)量可通過下式進行估算：

(28)

式中：L0為濾波器增益向量.

未來時刻的擴增狀態(tài)量可由式(29)計算獲得：

(29)

聯(lián)立式(28)和式(29)可得濾波器狀態(tài)估算表達式：

(30)

L=AL0

(31)

預測增益向量L可由下式計算獲得：

(32)

式中：Rn為測量噪聲V(k)的方差矩陣；P為誤差協(xié)方差矩陣，可由離散Riccati方程計算獲得.

(33)

式中：Qn為過程噪聲W(k)的方差矩陣.

2 基于擾動觀測器的煤質(zhì)校正技術(shù)

CFBB主要燃燒劣質(zhì)煤，煤質(zhì)多變，而煤質(zhì)變化意味著協(xié)調(diào)控制對象的特性，尤其是增益發(fā)生變化，如果不對控制器作相應調(diào)整，必將嚴重影響協(xié)調(diào)控制系統(tǒng)的品質(zhì).為此，筆者進一步提出了基于擾動觀測器的煤質(zhì)在線校正方案.

2.1 擾動觀測器

圖3 常規(guī)擾動觀測器結(jié)構(gòu)框圖

2.2 帶煤質(zhì)校正環(huán)節(jié)的多變量預測控制

所提出的帶煤質(zhì)校正的CFBB協(xié)調(diào)控制結(jié)構(gòu)圖見圖4.圖中，GBN(s)、GUN(s)、GWN(s)、GBP(s)、GUP(s)、GWP(s)、GBT(s)、GUT(s)和GWT(s)分別為協(xié)調(diào)控制系統(tǒng)的9個子控制對象.假設(shè)煤質(zhì)變化僅對給煤通道的傳遞函數(shù)產(chǎn)生影響，即煤質(zhì)發(fā)生變化時，僅GBN(s)、GBP(s)和GBT(s)模型發(fā)生變化，且認為僅對函數(shù)的穩(wěn)態(tài)增益產(chǎn)生影響，不考慮時間常數(shù)T和時滯常數(shù)τ的變化.

圖4 帶煤質(zhì)校正的多變量預測控制結(jié)構(gòu)

Fig.4 Structure of a multivariable predictive controller based on coal-quality correction

給煤量-機組功率、給煤量-主汽壓力和給煤量-爐膛床溫通道的煤質(zhì)校正原理相同，為簡單起見，下面僅以給煤量-機組功率通道為例說明設(shè)計過程.煤質(zhì)擾動主要影響傳遞函數(shù)GBN(s)的穩(wěn)態(tài)增益，因此提出基于擾動觀測器的煤質(zhì)校正方案(見圖5).

圖5 基于擾動觀測器的煤質(zhì)校正環(huán)節(jié)

圖5在原擾動觀測器的基礎(chǔ)上添加了積分環(huán)節(jié)和死區(qū)環(huán)節(jié).由圖5可知，煤質(zhì)發(fā)生變化時，對象的增益相應發(fā)生變化，原始模型GBN(s)與標稱模型G(s)出現(xiàn)偏差而產(chǎn)生偏差值Δ，積分環(huán)節(jié)對該偏差值進行累積來校正標稱模型G(s)的增益，當校正后的標稱模型G(s)′與煤質(zhì)變化后的模型GBN(s)′的增益一致時，偏差就可以被消除，隨后煤質(zhì)校正環(huán)節(jié)也就停止工作，因此積分環(huán)節(jié)可以用于估算煤質(zhì)變化造成的穩(wěn)態(tài)增益變化值.同時，利用該估算值對預測控制算法的預測模型進行修正，從而降低煤質(zhì)變化對控制回路造成的影響，提高系統(tǒng)的抗擾動能力；此外，為防止過小的偏差引起控制器的頻繁動作，提高系統(tǒng)整體的穩(wěn)定性，在煤質(zhì)校正方案中相應增加了死區(qū)環(huán)節(jié).

3 仿真研究

3.1 仿真對象

基于某電廠330 MW CFBB某負荷工作點的動態(tài)實驗數(shù)據(jù)，通過Matlab軟件辨識以及數(shù)據(jù)驗證，得到基于新型協(xié)調(diào)控制結(jié)構(gòu)的3×3 CFBB控制對象傳遞函數(shù)模型GCFB(s)：

(34)

本文的仿真研究主要側(cè)重于預測對控制算法與煤質(zhì)校正環(huán)節(jié)的驗證，而CFBB模型本身的非線性特性研究不在本文討論范圍內(nèi)，因此可將CFBB模型簡化為線性模型，由式(34)所示的傳遞函數(shù)模型表示.基于上述假設(shè)，認為該模型在特定工況點的仿真結(jié)果可直接推廣到其他工況點，故在下文的仿真驗證中，僅以某一穩(wěn)定工作點為例予以說明.

3.2 基于擴增狀態(tài)空間模型的新型協(xié)調(diào)控制方法的仿真分析

分別對擴增狀態(tài)量的預測控制算法和常規(guī)PID控制算法的控制效果進行比較分析.

(1) 預測控制參數(shù).

采樣時間Ts=20 s，預測時域P=100，控制時域M=20，誤差權(quán)系數(shù)q1、q2均取2，控制權(quán)系數(shù)r1、r2和r3分別取80、30和20.

(2) PID參數(shù).

采用實際微分環(huán)節(jié)來代替原始定義中的微分環(huán)節(jié)，故該模塊共有4個參數(shù)：P、I、D和N.

利用PID模塊的自整定功能對上述被控對象的控制器參數(shù)進行多次整定，可得：

PID1P=0.2,I=0.000 8,D=0.001,N=100

PID2P=-0.2,I=-0.003,D=4,N=100

PID3P=-0.01,I=-0.000 5,D=3,N=100

其中，PID1、PID2和PID3分別為μB→Ne，μT→pt和μW→Tb主回路的控制器.

在某穩(wěn)態(tài)工作點Ne=300 MW，pt=16 MPa，Tb=850 ℃開始進行仿真試驗.目前火電機組實際負荷響應速率一般要求大于1.5%Pe/min(Pe表示額定負荷)[1]，為說明預測控制算法的實際效果，此處假定機組功率的設(shè)定值以5.0%Pe/min的升負荷速率(即16.5 MW/min)，由300 MW斜坡升至320 MW，主汽壓力pt設(shè)定值維持不變，爐膛床溫Tb維持在850～950 ℃.仿真結(jié)果見圖6.

(a) 控制量示意圖

(b) 控制效果示意圖

圖6 預測控制算法效果對比

Fig.6 Comparison of control effectiveness between two algorithms

由圖6可知，整體上預測控制算法憑借滾動優(yōu)化和反饋校正等環(huán)節(jié)積累的優(yōu)勢，負荷跟蹤較快，過渡時間較短，控制效果優(yōu)于常規(guī)PID控制，控制量也未發(fā)生劇烈波動，爐膛床溫可以保證在合理的變化范圍內(nèi)；而常規(guī)PID控制效果不甚理想，不僅負荷跟蹤滯后明顯，主汽壓力的控制效果在設(shè)定值穩(wěn)定后仍然不理想.同時，當爐膛床溫控制設(shè)置為區(qū)間控制時，由于PID3模塊基于μW→Tb主回路的誤差，當爐膛床溫在850～950 ℃時，PID3模塊不能發(fā)揮作用，即控制量保持不變，此時對象的控制效果完全依賴于μB、μT；而在預測控制中，即使爐膛床溫值處于合理范圍內(nèi)，預測控制算法依然可以通過μW來提高Ne和pt的跟蹤能力，優(yōu)化整體控制效果，預測控制的優(yōu)化效果更顯著.

以上仿真結(jié)果驗證了預測控制算法在處理多變量、強耦合、大延遲對象時的突出優(yōu)勢，同時也說明了新型協(xié)調(diào)控制結(jié)構(gòu)的合理性.

3.3 帶煤質(zhì)校正環(huán)節(jié)的預測控制算法仿真

對該330 MW CFBB采用擴增狀態(tài)空間模型多變量預測控制算法進行分析.在6 000 s時，分別對GBN(s)、GBP(s)和GBT(s)的穩(wěn)態(tài)增益乘以常數(shù)1.5、1.6和1.7，用來模擬此時由于煤質(zhì)變化造成的模型變化，其擾動抑制效果如圖7所示.從圖7可以看出，對于擴增狀態(tài)空間模型多變量預測控制算法與常規(guī)動態(tài)矩陣控制(DMC)算法而言，兩者在煤質(zhì)未發(fā)生變化時的控制效果相仿；對于帶煤質(zhì)校正環(huán)節(jié)和不帶煤質(zhì)校正環(huán)節(jié)的擴增狀態(tài)空間模型多變量預測控制算法而言，若煤質(zhì)不發(fā)生明顯變化，煤質(zhì)校正環(huán)節(jié)不工作，兩者的控制曲線完全一致；當煤質(zhì)發(fā)生明顯變化時，煤質(zhì)校正環(huán)節(jié)可以較好地消除該擾動的影響，輸出量波動明顯減小，且可以較快跟蹤上設(shè)定值，提高快速性和穩(wěn)定性，相應控制量波動有所減小，可以較快穩(wěn)定下來.不帶煤質(zhì)校正環(huán)節(jié)的預測控制算法由于預測模型失配，控制量和輸出量均呈現(xiàn)明顯波動，由于擴增狀態(tài)空間模型多變量預測控制算法本身的抗擾動能力也有所改善，故輸出量和控制量仍可較快穩(wěn)定下來，但帶煤質(zhì)校正環(huán)節(jié)的控制結(jié)構(gòu)整體擾動抑制效果要更為理想.相比而言，常規(guī)DMC算法在預測模型發(fā)生失配時，控制量和被控量均出現(xiàn)明顯的波動，且被控量超調(diào)量較大，穩(wěn)定性變差，控制品質(zhì)趨于惡劣.

(a) 控制量示意圖

(b) 控制效果示意圖

圖7 煤質(zhì)校正效果對比

Fig.7 Comparison of coal-quality correction effectiveness

圖8給出了煤質(zhì)校正環(huán)節(jié)對于煤質(zhì)變化系數(shù)的估算值.從圖8可以看出，煤質(zhì)校正環(huán)節(jié)能夠很好地估算出煤質(zhì)變化系數(shù)，其準確性和快速性都較為理想.

圖8 煤質(zhì)變化系數(shù)估算值

4 結(jié) 語

由于CFBB具有大延遲、大慣性、強耦合等顯著特點，同時其煤質(zhì)變化也較為頻繁，故提出了一種新型協(xié)調(diào)控制結(jié)構(gòu)，在原2×2協(xié)調(diào)控制結(jié)構(gòu)的基礎(chǔ)上引入一次風量作為控制量并相應增加爐膛床溫參數(shù)作為輸出量，從而構(gòu)成3×3控制結(jié)構(gòu)，此外針對煤質(zhì)變化提出了基于擾動觀測器的煤質(zhì)校正方案.仿真結(jié)果表明，該新型控制方法的負荷跟蹤速率快，過渡時間短，控制效果明顯優(yōu)于常規(guī)PID控制，同時煤質(zhì)校正環(huán)節(jié)可以較好地消除煤種變化帶來的影響，被控參數(shù)的波動明顯減小.

[1] 楊佳梁. 300 MW循環(huán)流化床協(xié)調(diào)控制系統(tǒng)的研究與應用[D]. 北京: 華北電力大學, 2013.

[2] 趙永剛, 朱永紅. 協(xié)調(diào)控制在135 MW循環(huán)流化床鍋爐的應用[J].自動化技術(shù)與應用, 2013, 32(7): 111-116, 119.

ZHAO Yonggang, ZHU Yonghong. Coordinated control in 135 MW CFB boiler[J].TechniquesofAutomationandApplications, 2013, 32(7): 111-116, 119.

[3] 吳玉平, 王永龍. 機跟爐協(xié)調(diào)控制在300 MW CFB鍋爐煤質(zhì)大幅波動時的應用[J].中國電力, 2008, 41(12): 42-45.

WU Yulong, WANG Yonglong. Application of turbine following boiler coordinated control in 300 MW CFB boiler against the great change in coal quality[J].ElectricPower, 2008, 41(12): 42-45.

[4] 鄭佳亮. 基于自抗擾控制的300 MW循環(huán)流化床機組負荷協(xié)調(diào)控制系統(tǒng)的研究[D].太原：山西大學,2013.

[5] 曾祥平. 循環(huán)流化床鍋爐負荷協(xié)調(diào)控制系統(tǒng)研究[D].廈門：廈門大學,2007.

[6] 趙東梅. 300 MW循環(huán)流化床鍋爐協(xié)調(diào)控制系統(tǒng)[D]. 北京：華北電力大學,2008.

[7] 黎倩.模糊魯棒控制在循環(huán)流化床鍋爐控制中的應用研究[D].石家莊：河北科技大學，2010.

[8] CHEN X S，YANG J，LI S H，et al．Disturbance observer based multivarible control of ball mill grinding circuits [J]．JournalofProcessControl，2009，19: 1205-1213．