1036 MW机组协调控制系统实时优化

卢怀钿，冯庭有，陈凡夫

(华能海门电厂，广东省 汕头市，515071)

0 引言

华能海门电厂一期4台1036 MW燃煤汽轮发电机组，锅炉主设备由东方锅炉(集团)股份有限公司、BHK、BHDB制造;汽轮机为超超临界、一次中间再热、单轴四缸四排汽、冲动凝汽式，设计额定功率为1036.5 MW。目前，国内火电机组的自动发电控制(automation generation control，AGC)策略主要采用国外各大分散控制系统(distribution control system，DCS)厂商提供的组态逻辑，采用了负荷指令前馈+比例积分微分(proportional integral derivative，PID)反馈的调节方案，其核心思路在于:尽可能将整个控制系统整定成开环调节的方式，反馈调节仅起小幅度的调节作用［1－6］。这种方案要求前馈控制回路的参数必须整定得非常精确，对于煤种稳定、机组设备稳定、机组运行方式成熟的国外机组，这种方案是比较有效的，因此一直以来都是国外DCS厂商的推荐方案。但是对于煤种多变、机组控制及测量设备不精确、运行参数经常与设计参数存在较大偏差的国内机组，则控制效果会明显变差。针对现代火电机组存在负荷升降速率低、关键参数波动大及系统不能很好适应煤种变化等实际问题，通过有机融合预测控制技术、神经网络学习技术及自适应控制技术而设计研发的先进AGC优化控制系统，采用Infit系统，使机组能在调度要求的AGC变负荷速率下以更优的控制品质稳定运行，全面提高机组自动控制水平。

1 组合预测控制技术

随着对预测控制技术的研究不断深入，研究领域的不断扩大，以及其他一些先进控制策略(例如神经网络、模糊控制、灰色理论、模糊神经网络等)的出现与发展，有关将这些理论同预测控制相结合的研究也越来越多，形成了一些新型的组合式预测控制方法。主要涉及如下几个方面:模糊预测控制、混杂预测控制、灰色预测控制、变结构预测控制、基于神经网络的预测控制和基于小波理论的预测控制。这类组合式预测控制方法充分发挥了各自的优点，有效地拓宽了模型预测控制(model predictive control，MPC)算法的适用范围。基本网络模型见图1，图中LMS为最小均方(least mem square)。

图1 自适应、前馈、LMS学习型神经网络模型Fig.1 The adaptive，feedforward and LMS learning type neural network model

模糊控制和预测控制都是对不确定系统进行控制的有效方法，而模糊预测控制作为两者相结合的产物，更符合人类的控制思想，可进一步提高控制效果。目前的模糊预测控制算法基本上有2种思路:(1)以过程预测信息处理为核心，将模糊辨识与建模方法引入常规的MPC中来;(2)以模糊决策优化为核心，利用MPC的相关原理、方法以及自校正原理对传统模糊控制器的隶属度函数、控制规则等进行优化或直接修正控制策略使得某一性能测量指标趋于最优。

神经网络(neural network，NN)具有表达任意非线性映射的能力，能够对非线性系统进行建模。利用NN的这一特点建立动态模型，作为MPC的预测，可用于过程的预测和优化。另外，NN的高速运算能力进一步解决了MPC高速运算问题，可充分体现MPC方法的优势。近年来，许多学者从不同角度研究了NN和MPC相结合的问题。

2 原协调控制策略

2.1 概述

机组协调控制(coordinated control system，CCS)策略简图见图2，属于典型的锅炉主要调压，汽机主要调功的间接能量平衡原理的协调系统类型。正常协调方式下机、炉均接收负荷指令信号及主汽压力指令信号，共同完成负荷调节和主汽压力调节。其中机主控以功率调节为主，并受压力拉回函数修正和压力优先回路限制;炉主控则以锅炉能量调节为主，并受功率导前微分的超前校正，以防止由于调节压力而使机组负荷响应太慢。炉主控作为锅炉能量指令的统一发令者，同时将能量指令分配至给水、燃料子系统，并将指令变化前馈分送至水、燃料、风、汽温等各子控制系统，在完成对负荷响应的同时维持锅炉燃烧的稳定及其经济性。对于直流炉要实现锅炉燃烧稳定性及经济性，必须保证水煤比及风煤比在正常范围。2号机组水煤比控制在干态时，采用的是基于分离器出口过热度控制，由负荷指令1、一减喷水开度、高过出口温度偏差、手动偏置量4个信号叠加形成分离器出口过热度设定值。风煤比调节采用的是基于烟气氧量的风跟煤方式，同时两者之间交叉限制。机组压力控制采用定滑定方式。设计有负荷闭锁功能及快减负荷功能。

图2 2号机组协调控制简图Fig.2 Sketch of CCS in 2nd unit

图2中N代表机组功率，P代表机前主汽压力，D代表主蒸汽流量，u代表汽机调门开度，B代表锅炉的燃烧率，下标sp代表参量的设定值。

利用机组负荷指令前馈信号来强化锅炉指令，使锅炉的输入能量能够快速与外界负荷的要求相一致。能否尽快地响应电网对机组的负荷要求，在内、外扰动作用下，机炉控制系统能否协调工作，并能否使汽压偏差和功率偏差尽可能减少是对协调控制系统的基本要求。2号机组协调控制系统存在一定弊端:负荷设定及主汽压力设定存在纯延时环节，这些导致变负荷过程的设定压力变化较慢，汽机调门的开度波动较大，使机组的中间点温度、主汽温度出现波动。

2.2 锅炉主控输入函数

表1为现2号机组锅炉主控输入函数。由表1可以看出，压力波动死区为±0.1 MPa，锅炉主控不参与调节。当实际压力高于设定值时，即ΔP为负值，锅炉主控输入降低，以改变对应煤、水、风子控制器。压力波动越小，调节幅度(斜率)越大。一般情况下，压力波动均在 ±1.5 MPa以内，而 ±0.1 MPa至±1.5 MPa只是2点直线调节，过于简单，应细化±1.5 MPa以内函数点值。目前，1号机组已经进行了细化:±0.1 MPa至 ±0.7 MPa放快调节，±0.7 MPa至±1.5 MPa稍放慢调节，把 ±0.7 MPa以内的压力波动控制好，当压力大于±0.7 MPa波动时，下面机主控控制回路中引入了压力修正回路f(x2)将发挥作用，进行必要的调门限制，以拉回汽压。

表1 现2号机组锅炉主控输入函数Tab.1 The main control input function of the boiler for 2nd unit

2.3 压力拉回修正函数

该主控控制回路中引入了压力修正回路，见图2。图2中压力偏差修正函数f(x2)一路，此路对炉调压、机调功类型的协调回路起着很重要的作用。机主控的输入值可近似等于∑ =［(Nsp－N)－f(x－ΔP)］。其中，1号机实际f(x－ΔP)的函数关系如表2所示。

表2 机组协调压力偏差修正函数Tab.2 The coordinate pressure errors correcting function in CCS

这个函数应起的作用为:实际压力偏低时，压力偏差修正函数f(x2)输出正方向增大，从而机主控的输入值∑减小，调门关小;实际压力偏高时，压力偏差修正函数f(x2)输出负方向减小，从而机主控的输入值∑增大，调门开大，起到稳定汽压作用，避免机炉能量的过多失衡，使机组的负荷调节变差。然而1000 MW机组在变负荷时响应能力要求很高，这个回路的限制作用有限，所以一旦机组变负荷后主汽压力实际值始终跟不上，并且需要较长时间稳定。

2.4 压力优先控制回路

当压力高于26.3 MPa或一次调频动作时，机主控PID比例系数由0.22变为0.35，积分时间由50 s变为25 s，及时开大调门以稳定汽压或频率。防止机前压力超压，导致机炉能量的过多失衡。

3 Infit系统实时优化控制策略及特点

(1)采用预测控制技术作为机组闭环控制的核心环节。Infit系统在整体控制结构上仍采用前馈+反馈的控制模式，但与常规DCS控制策略不同的是在其反馈控制部分应用了目前国际上最前沿的解决大滞后对象控制问题的预测控制技术，取代了原有的PID控制。采用这种技术能够提前预测被调量(如主汽压力、汽温等参数)的未来变化趋势，而后根据被调量的未来变化量进行控制，有效提前调节过程，从而大幅提高了机组AGC控制系统的闭环稳定性和抗扰动能力。

(2)对机组运行特性参数进行全工况实时校正。常规DCS的控制回路，其控制参数一经整定结束就不会改变，对于日后机组工况的变化无能为力;Infit系统采用竞争型的神经网络学习算法来实时校正机组运行中与控制系统密切相关的各种特性参数(包括燃料热值、汽耗率、机组滑压曲线、中间点温度设定曲线、制粉系统惯性时间等)，并根据这些特性参数实时计算AGC控制系统的前馈和反馈回路中的各项控制参数，使得整个系统始终处于在线学习的状态，控制性能不断向最优目标逼近。

(3)对AGC运行模式进行了特别优化。常规DCS控制方案对于机组运行在CCS方式还是AGC是不加区分的，Infit系统中包含AGC运行模式下的特别优化模块:采用智能预测算法，一方面根据机组当前AGC指令、实发功率、电网频率等参数实时预测“调度EMS系统AGC指令”在未来时刻的变化趋势;另一方面根据机组的燃料量、风量、给水流量等参数实时预测表征锅炉做功能力的“锅炉热功率信号”在未来时刻的变化值，并依据这两者间的匹配程度来修正锅炉指令的变化量。实际应用表明，增加AGC模式特别优化模块后，可在保证AGC负荷响应的基础上使机组燃料量、风量、给水流量、减温水流量的波动幅度减小60%以上，对于延长锅炉管材寿命，减少爆管极为有利。

4 改进前后控制效果

改造前机组协调主要存在几个问题:

(1)消除扰动能力差，易出现参数大幅波动及调节振荡情况。这是目前机组运行中最普遍出现的情况，机组在大幅度变负荷、启停制粉系统、吹灰等扰动工况下，控制系统常会出现控制不稳定或温度、压力大幅偏离设定值的情况，严重影响运行安全性。

(2)煤种变化对控制系统影响大。在燃煤品质变差时，控制系统缺乏自适应手段，控制性能也随之变差。运行人员为保证机组安全，只能采用很低的变负荷率运行。

(3)主汽温、分离器过热度等关键参数调节存在一定滞后。图3是投用原DCS协调控制系统的运行曲线，同时结合未投用Infit系统的机组运行曲线可以看出，原DCS协调控制系统在升降负荷过程中很容易出现1.0 MPa的压力控制偏差、分离器出口过热度波动大于10℃，且引发控制振荡，需要较长的时间才能稳定。

图3 投用原DCS系统12 MW/min AGC的运行曲线Fig.3 The operation curve with 12 MW/min in original DCS after revamping AGC

Infit系统经过细化调试后，正常投用AGC控制。图4是投用Infit系统进行正常AGC变负荷的运行曲线，由图4可以看出机组运行十分平稳，稳态下主汽压力调节几乎完全无差，而在进行800 MW→690 MW→800 MW的双向变负荷时，机组运行同样非常稳定，主汽压力偏差仅为0.34 MPa，同时负荷跟踪情况也很好，曲线中几次由调度实测的AGC速率分别为 13.83，16.86，17，18，14.25，9.7 MW/min。

上述结果表明，投用Infit系统后，可在目前2号机组的运行环境下，使机组AGC速率更高，压力及汽温控制更稳定。

5 结论

Infit系统投入后，机组运行稳定性及经济性都有所提高，主要体现在以下几个方面:

(1)获得更高的AGC响应速率和调节精度。

图4 投用Infit系统12 MW/min AGC的运行曲线Fig.4 The operation curve with 12 MW/min in Infit after revamping AGC

(2)机组运行更加平稳。机组运行中主汽压力、中间点温度的波动幅度可减小至:稳态工况±0.1 MPa、±2.0 ℃，变负荷工况 ±0.4 MPa、±6.0 ℃。

(3)机组更节能。由于变负荷时各参数波动较小，显然机组能耗随之降低。特别是机组煤耗、厂用电率等。

通过智能预测算法使机组在AGC运行中的燃料、给水等控制量的波动幅度明显减少，可对主汽压力、主汽温度、分离器过热度等重要参数控制提前反应，及时有效地进行提前干预调节。通过采用预测控制技术、神经网络学习技术及自适应控制技术而设计研发的先进AGC优化控制系统，对协调优化，使机组具有更加稳定、可靠的运行品质。

［1］金以慧.过程控制［M］.北京:清华大学出版社，1993.

［2］金维强.大型锅炉运行［M］.北京:中国电力出版社，1998.

［3］林文孚.单元机组自动控制技术［M］.2版.北京:中国电力出版社，2008.

［4］沙友平，王利国，管春雨.超临界机组典型系统的控制策略［J］.中国电力，2006，3(3):82-85.

［5］李卫华，王玉山.大型火电机组在AGC运行方式下的控制特性分析［J］.电网技术，2005，29(18):25-28.

［6］张小勇，谷俊杰，李炎.一种基于模型参考自适应内模原理的主汽压力控制.［J］.电力科学与工程，2003，10(3):9-11.