面向大规模新能源消纳的火电机组平行控制

弓林娟， 王文毓， 高耀岿， 王 林， 高 林， 侯国莲

(1．西安热工研究院有限公司，西安 710054；2．华北电力大学 控制与计算机工程学院，北京 102206)

目前，能源安全和生态环境问题受到越来越广泛的关注，大力发展清洁可再生能源已成为电力行业推动能源结构转型、应对气候变化的普遍共识和一致发展方向。基于此，在电力系统规模化引入间歇性可再生能源的情况下，火电机组的灵活运行作为维护电网安全稳定的桥梁，发挥着重要的调节作用[1]。然而，面对大规模新能源接入后发电侧的负荷波动问题，依然沿用以比例积分微分(PID)为主的传统控制方式难以满足机组灵活运行的多样化要求[2]。同时，现阶段国内外针对火电机组灵活性运行先进技术的成熟度和电厂智能化水平还不足以保证其在应用实践中的理想性能。因此，在火电机组灵活性运行从真正意义上完成实践验证前，研究性能优良的先进控制策略，辅以被控对象动态特性高精度快速建模方法和效果显著的计算评估方法等，是提升火电机组灵活性的严峻挑战和必由之路。

随着各行业数字化、信息化的逐步发展，数字孪生和平行智能思想的出现为应对上述挑战开辟了新的思路[3]。不同于依托对实际物理系统的离线模拟，分析和优化功能有限的现有仿真技术，数字孪生技术同时具有实时闭环过程的互操作性、可扩展性和精确性[4]。数字孪生技术依靠仿真、测量和数据分析，可感知、诊断和预测实际物理系统状态，进而在优化实际系统的同时演化自身特性[5]。基于人工社会(Artificial societies)、计算实验(Computational experiments)、平行执行(Parallel execution)(简称ACP)的平行智能思想最早由王飞跃提出[6]，首先构造人工系统来逼近实际系统的动态特性，然后对实际系统运行过程中可能出现的情况和状态进行模拟、分析和评估，最后依托上述2个系统间的平行交互作用，使物理系统行为逐渐趋向于人工系统计算所得理想状态[7]。

数字孪生和平行智能理论的相关应用已经覆盖了航空发动机设计[8]、城市交通管理[9]和节能制造[10]等多个领域，此外，其在电力行业也实现了一些应用尝试。考虑到发电机的可靠性对于确保整个火电机组灵活决策、最大化经济效益等方面的重要作用，Deon 等[11]基于火电机组发电机及其子系统的数字孪生模型，开发了决策支持系统，以安全可靠的方式预测机组的运行趋势和偏差，进而通过提前预警以减少纠正性维护停机时间，降低运营和维护成本。为解决电厂难以快速、全面掌握电力管道服役状态信息的问题，王洛笛等[12]结合数字孪生思想设计了基于五维模型的三维电力管道系统，得出其在电厂的实际运维管理中表现出有益效果。为提高火电机组的安全性和高效性，Yu等[13]将数字孪生视为智能电厂的核心技术，并强调热力系统高精度建模对数字孪生技术应用的关键作用，提出了一种结合物理机制和运行数据的混合建模策略，并通过某在役660 MW超超临界二次再热机组验证了该方法的有效性。针对传统机理建模方法难以精确预测火电机组循环流化床锅炉床温的问题，刘文慧等[14]通过平行控制系统有机融合长短期记忆神经网络模型、灰度关联分析法进行特定时序段识别和数据筛选，并基于算例分析结果验证了引入平行控制后锅炉床温预测的准确性。严兴煜等[15]利用数字孪生和智能计算等先进技术对分布式资源进行建模，提出了数字孪生思想下虚拟电厂的总体框架并对其未来发展进行构想。虽然上述应用均表明了数字孪生和平行控制在电力行业的应用潜力，但大多针对发电过程某局部子系统或虚拟电厂设计，且未涉及新能源消纳下的负荷波动为机组运行优化设计带来的影响，理论完善性、方案设计全面性和系统功能丰富性均有待提升。考虑到发电侧控制在电力系统稳定运行中的重要作用，侯国莲等[16]在ACP方法的基础上构建了平行发电控制系统，达到提高发电过程稳定性和高效性的目标。该平行控制框架虽体系较为完善，但没能综合考虑多个典型的机组类型，且未涉及新能源接入下机组的灵活性运行需求，以及“双碳”战略下的节能减排需求等多项目标及约束。

因此，笔者以提高数字化、信息化发展进程中发电过程智能化和火电机组运行灵活性为目标，充分考虑新能源接入下机组平抑负荷波动，实现负荷快速调控的主要难点，设计了一种融合数字孪生和平行智能理论，适用于火力发电过程的平行控制框架。目前常见的典型火电机组包括纯凝机组、热电联产机组和联合循环机组。考虑到各类机组在深度调峰中的重要性，以亚临界和超临界纯凝机组为研究对象，首先，协调动态特性建模技术，控制优化策略构建人工控制系统，完成对实际系统特性的高精度模拟和逼近。其次，充分发挥实验测试和计算评估的优势，为人工控制系统选择最优的建模和控制方法，并对实际系统进行控制优化指导。进而通过虚实交互、平行执行和反馈修正等操作，实现实际系统和人工控制系统的统一，使实际系统的性能趋于理想最优。

1 问题描述

火电机组作为大型复杂工业控制系统，一般由锅炉、汽轮机、汽水循环系统和相应辅机组成。火电机组在运行过程中包含大量的能量转换过程，且系统和变量间均存在显著的非线性、不确定性和耦合性能，因此为火电机组设计性能理想的控制策略难度较大。此外，大规模新能源消纳过程带来的随机性和间歇性对火电机组深度、快速负荷调节提出了更高的要求。特别是火电机组在低负荷调峰过程中动态特性复杂，使得现有的控制策略难以达到预期的效果，平抑负荷波动能力有待提升。而随着国际社会对能源节约和环境保护等问题的日益重视，火电机组灵活运行不仅要考虑其负荷调节能力，还应考虑如何在降低燃料消耗的情况下减少污染物排放。因此，大多数以PID为核心的传统控制策略难以同时兼顾控制过程中的多个目标和约束，在这种情况下，如何合理设计相应的控制策略，实现火电机组在宽负荷运行范围内以低排放、高经济性的方式灵活运行，是亟待解决的问题。

目前，很大一部分从控制策略设计角度出发的火电机组灵活性运行技术还处于理论研究阶段，难以预测其在后续实际应用中可能出现的问题。此时，数字孪生和平行智能理论为上述问题的解决提供了启示和思路。

如图1所示，融合数字孪生的火电机组平行控制系统实现了物理空间、社会空间和虚拟空间的结合，进而完成信息、智能、仿真、决策和执行的集成。通过人工控制系统的构建，计算实验和评估过程的设计，以及人工控制系统和实际系统的平行执行，使描述智能、预测智能和指导智能间相辅相成，共同提高系统控制性能，进而实现机组多目标灵活运行，为电网更大规模消纳新能源提供可能。

2 融合数字孪生的火电机组平行控制系统

所构建的火电机组平行控制系统具体框架结构如图2所示。以几种常见类型的火电机组为研究对象，涵盖灵活性运行中多个关键控制目标。与其他领域基于ACP理论的平行系统类似，图2中控制框架包括人工控制系统的建立、计算实验的设计和虚实交互的实现3个核心部分。

图2 所构建平行控制系统的具体框架

在深入了解火电机组实际发电过程的基础上，首先进行人工控制系统的构建。根据实际控制系统的主要组成部分和控制需求，该人工控制系统由4部分组成，即机组类型的选择、控制目标的确定、机组动态特性的估计和相应控制策略的设计。在机组选型过程中，将亚临界纯凝机组和超临界纯凝机组视为2种典型的调峰火电机组，后续可根据实际设计需求灵活添加机组类型。然后，将安全性、经济性、节能性和环境友好性引入控制目标库，为灵活性运行的实际需求生成综合控制目标。此外，建模方法库包含机理建模、灰箱建模和数据驱动模型辨识3类动态特性研究方法。最后，依托所建立的被控对象动态特性模型，从包含模型预测控制、广义预测控制、模糊控制和自抗扰控制等先进方法的算法库中选择相应控制策略，随着系统性能的不断完善和优化，可使用性能更优的控制策略对该算法库进行扩充。

选定合适的控制策略及相应最佳参数是优化控制系统性能的必要步骤。从安全性和经济性的角度考虑，几乎不可能在实际机组上直接测试任一新算法的性能，此时人工控制系统中计算实验环节的可设计性和可重复性显示出良好的参考价值和实践意义。因此，通过计算实验和性能评估的协调配合，可以快速选出当前控制需求下最合适的控制器并为其整定最优参数。鉴于不同火电机组的动态特性差异，以及同一机组在不同运行工况下模型参数的变化，始终保持不变的控制器参数将难以适应所有场景。因此，需要根据不同的机组类型和运行工况调整控制器参数，并通过大量的计算实验，分析设定值发生变化或施加外部扰动时系统的动态响应。在电力系统大规模可再生新能源消纳需求下，上述过程将为实际火电机组应对和处理灵活运行控制中的类似现象提供参考。

虚实交互和平行执行是使火电机组实际控制系统与已建立的人工对等系统行为趋于一致的关键操作。一方面，应提取实际系统中的重要信息，如硬件实现、机组运行状态、所用控制策略和操作员经验水平，以便对人工控制系统进行丰富和更新。获得的信息为人工控制系统被控对象的建模和控制策略设计奠定基础，使其尽可能地接近实际系统特征。另一方面，在上述系统同步运行过程中，将实际系统的实时运行状态作为反馈信号，调整或修正所构建人工控制系统的模型或控制器参数，然后通过计算实验和性能评估，实现人工控制系统与实际系统的高度逼近。

3 算例分析

为了验证所设计的平行控制策略的可行性和有效性，以我国北方某电厂600 MW超临界纯凝机组为被控对象，即此时人工控制系统机组类型库选型为超临界纯凝机组。该机组主要由直流锅炉、汽轮机、回热系统和相应辅机组成[17]。鉴于超临界机组的工作原理和特性，可根据变量对系统特性影响的重要程度，将其视为具有3个输入变量和3个输出变量的多变量系统[18]。其中，输入变量分别为主蒸汽阀门开度μT、给煤量uB和给水量Dfw，输出变量分别为输出功率N、主蒸汽压力pst和中间点(汽水分离器出口)温度T。

然后，对所选机组的动态特性建模和控制策略进行选定。考虑到模糊建模在处理复杂工业系统不同运行条件下的非线性和不确定性，能以理想精度逼近系统实际动态特性等方面的优势，笔者采用文献[19]中提出的建模方法，即根据实际建模需求，在人工控制系统建模算法库中引入T-S模糊辨识方法，然后给出所建模型输出与机组现场实际运行数据之间的拟合效果，如图3所示。

图3中的建模结果涵盖了所选超临界纯凝机组从30%～100%额定负荷运行工况时，在机组正常运行状态下，此负荷区间几乎等同于全工况范围。此外，图3中小图也给出了模型输出与机组实际运行数据的误差曲线。结果表明，所建机组模型在大范围工况下拟合精度较高，平均建模误差小于0.5%，且负荷调节过程中最大偏差小于额定值的1%，所得到的状态空间模型为下一步在特定控制需求下进行相应的控制器设计奠定了基础。

(a) 输出功率

火电机组灵活性运行是需要兼顾安全性、经济性、节能性和环境友好性等的多目标过程，因此在人工控制系统的控制算法库中引入文献[20]中所提的多目标经济模型预测控制(MOEMPC)策略，并作为计算实验和性能评估的依托，该控制策略的基本思路如图4所示。

图4 MOEMPC的基本思路

在MOEMPC策略中，首先构建综合优化目标以涵盖控制过程的多重目标及约束；然后，引入终端代价函数和稳定性约束以保证算法的可行性和稳定性；进而提出量子同步鲸群算法求解多目标优化问题,从而得到控制序列[20]。

由于控制器参数随着机组动态特性模型或运行工况的变化表现出明显的不确定性，故在表1中列出了几组参数设置结果，表中结果分别是基于所选超临界纯凝机组在不同工况下的动态特性模型，进行控制器参数整定得到。

根据表1中的控制器参数设置情况，使机组设定值在不同的运行工况之间切换，从而通过设定值跟踪性能，即跟踪快速性和精确性验证控制过程的平行执行能力。首先将机组的初始运行工况设定为y=[N，pst，T]=[219.78 MW，14.47 MPa，349.50 ℃]，然后在第20 s将输出功率降低30 MW，使其接近30%额定负荷工况。此外，在第200 s时，在输出功率中施加一个振幅为100 MW的正向阶跃信号，使运行工况接近60%额定负荷。在所提出的平行控制系统框架下，随着设定值跟踪测试过程中机组输出功率改变导致的运行工况变化，机组的动态特性模型和相应的控制器参数也会发生改变，结果如图5所示。

表1 MOEMPC策略的参数选定结果

从图5可以看出，输出功率从30%额定负荷增加到60%额定负荷，工况跨度较大，在平行控制系统中虚实交互和平行执行的作用下，实际系统和人工控制系统的行为逐渐趋于一致，各变量的响应反映出良好的无扰切换能力。输出功率N、主蒸汽压力pst和分离器出口温度T的最大超调量分别小于额定值的1%、6%和3%，且最终稳态误差几乎可以忽略不计。

(a) 输出功率

为进一步验证所设计平行控制策略在系统不确定性的影响下是否依然能保持良好的性能，即对模型失配问题的应对处理能力，对所建模型参数施加0.1%的扰动，通过机组输出变量即被控变量的响应情况来反映控制策略的鲁棒性。

将机组当前的运行工况设置为y=[323.64 MW，15.32 MPa，354.04 ℃]，在第10 s时加入模型参数扰动，并将原有MOEMPC策略和基于平行控制的MOEMPC策略进行对比，各变量的变化曲线如图6和图7所示。

由图6可知，与MOEMPC策略相比，在所设计的平行控制框架下，控制算法的性能得到更好的发挥，被控变量能以更小的超调量快速恢复稳态。如图6(a)所示，若仅用单一MOEMPC策略，被控变量有很大概率难以恢复至原来状态。由图7可知，在平行执行和反馈校正的作用下，基于平行智能思想的MOEMPC策略可使控制变量的变化更为平稳，并且其控制性能还可通过实时动态参数修正不断优化。

(a) 输出功率

(a) 主蒸汽阀门开度

因此，在所设计的平行控制框架中，所选用控制策略的性能往往不受模型失配等问题的影响，机组在低负荷调峰工况在内的大范围运行工况下负荷调节能力显著，控制策略表现出良好的有效性和适用性。

4 结 论

为保证大规模新能源消纳下火电机组灵活运行的安全性、稳定性和经济性，并进一步提高电厂的智能化水平，在数字孪生思想的启发下提出了一种基于融合数字孪生和平行智能理论的平行控制系统。以亚临界纯凝机组和超临界纯凝机组为典型调峰机组类型，通过融合动态特性建模和控制器选择、控制参数整定等过程，构建人工控制系统。进而，在计算实验和平行执行的共同作用下，以虚实交互和反馈校正等方式，达到统一人工控制系统和实际系统行为的目标。最后，基于某600 MW超临界纯凝机组的仿真试验结果，验证了所提平行控制方案在宽负荷运行工况范围内设定值精确跟踪和模型失配处理等方面的有效性，在火电机组的多目标灵活性运行调控中表现出显著的可行性和有效性。

在所构建的火电机组平行控制框架中，人工控制系统的机组类型库、动态特性建模算法库、控制算法库和经验知识库均可根据实际运行优化需求进行自适应选择和扩充，可扩展性良好。通过各种数据驱动和先进智能算法的有机结合，为进一步提高电站智能化奠定了基础。