一種基于改進的t-s模糊預(yù)測建模的火電機組機爐協(xié)調(diào)控制方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及火電組機爐協(xié)調(diào)控制領(lǐng)域，特別是涉及一種基于改進的τ-s模糊預(yù)測 建模的火電機組機爐協(xié)調(diào)控制方法。
【背景技術(shù)】
[0002] 隨著電網(wǎng)和單元機組容量的不斷擴大，現(xiàn)代電力系統(tǒng)的規(guī)模和復(fù)雜程度正在顯著 增加，電網(wǎng)綜合自動化要求實現(xiàn)自動發(fā)電控制(AGC)的機組越來越多，同時為了滿足用戶對 提高電能質(zhì)量的要求，電廠自動化水平和控制性能品質(zhì)越發(fā)顯的重要。
[0003] 鍋爐-汽機(機爐）是火力發(fā)電機組中的主要設(shè)備，通過對其控制來改善發(fā)電系統(tǒng) 的運行性能具有重要的價值。現(xiàn)有的機爐協(xié)調(diào)控制系統(tǒng)大多采用多回路結(jié)構(gòu)的單輸入單輸 出PID控制器，在預(yù)定的基本工況（負荷）點整定好控制器參數(shù)并固定下來。然而，目前很多 大、中型火電機組需根據(jù)電網(wǎng)要求大范圍調(diào)整負荷，以致機組運行嚴重偏離設(shè)計工況，機爐 對象的動態(tài)特性變化較大?；诮?jīng)典單輸入單輸出策略的常規(guī)PID設(shè)計，在大的工況范圍內(nèi) 不能提供很好的性能。

【發(fā)明內(nèi)容】

[0004] 發(fā)明目的:本發(fā)明的目的是提供一種可以使火電廠機爐協(xié)調(diào)系統(tǒng)在整個工況范圍 內(nèi)保證優(yōu)良的調(diào)節(jié)品質(zhì)和較強的魯棒性的基于改進的τ-s模糊預(yù)測建模的火電機組機爐協(xié) 調(diào)控制方法。
[0005] 技術(shù)方案:為達到此目的，本發(fā)明采用以下技術(shù)方案：
[0006] 本發(fā)明所述的基于改進的Τ-S模糊預(yù)測建模的火電機組機爐協(xié)調(diào)控制方法，包括 以下的步驟：
[0007] S1:采用模糊聚類方法確立最優(yōu)聚類數(shù)；
[0008] S2:基于最小二乘法Τ-S模糊模型后件參數(shù)的辨識；
[0009] S3:設(shè)計多步預(yù)測控制器。
[0010 ] 進一步，所述步驟S1包括以下的步驟：
[0011] SI. 1:給定數(shù)據(jù)集X= {Xi，…，XN}，設(shè)定聚類數(shù)c = 2和權(quán)重參數(shù)m= 2，初始化隸屬度 矩陣U;其中，Χ:，…，XN表示第1個數(shù)據(jù)到第N個數(shù)據(jù)；
[0012] S1.2:當(dāng)?shù)螖?shù)為L時，計算第i個聚類的中心值：
[0014]其中，L為非負整數(shù)，!為第L次迭代時隸屬度矩陣U的第k行第i列，xk為第k個輸 入量，N為采集的歷史數(shù)據(jù)總個數(shù)；
[0015] S1.3:定義第k個輸入量與第i個聚類的距離為I |Xk-Vl| I，用式(2)將U(L) = [ukl(L)] 更新為Ua+1) = [ukla+1)]，其中UaWPUa+1)表示第L次和第L+1次迭代后的隸屬度矩陣；
[0017] S1.4:如果| |Ua+1)-Ua)| |<ε，則轉(zhuǎn)至步驟S1.5;否則，令L = L+1，返回步驟S1.2;其 中，ε為容許誤差；
[0018] S1.5:確立最優(yōu)聚類數(shù)的有效性指標S:
[0020] 其中| | Φ(νι〇-Φ(Μ) | |2表示第k個聚類與第j個聚類的空間距離，| | Φ(νι〇-Φ (Vj) | |2 = K(vk，vk)+K(vj，vj)-2K(vk，vj)，| | Φ (χι〇-Φ (Vi) | |2表示第k個輸入量與第i個聚類 的空間距離，I I Φ (χι〇-Φ (vj) | |2 = K(xk，xk)+K(vj，vj)-2K(xk，vj)，K(x，y)表示高斯核函數(shù)， K(X，y) = exp [ -(x-y) 2/σ2 ]，σ2是樣本與樣本均值的絕對值的和的平均，η表示聚類數(shù)；
[0021] 51.6:根據(jù)有效性指標計算第(：個聚類時的指標3((3)，如果3((3-1)>3((3-2)且5((3-l)>S(c)，則聚類結(jié)束，聚類數(shù)為c = c-l;否則c = c+l，轉(zhuǎn)至步驟S1.2。
[0022] 進一步，所述步驟S2包括以下的步驟：
[0023] S2.1:對火電廠機爐協(xié)調(diào)系統(tǒng)中采集的歷史數(shù)據(jù)進行整理，構(gòu)造模型輸入數(shù)據(jù)矩 陣.供和模型輸出數(shù)據(jù)向量y;
[0024] S2.2:由式(5)計算出T-S模糊模型的后件參數(shù)：
[0028] 其中，d表示第d個樣本，且d = 1，…N.，初始值Θ (〇)=〇和P(〇)=aI，其中I是單位矩 陣，a = 300，#(V) = …,，…，σ)%，…,σ%]為第d個樣本的輸入一輸出觀測向量，T 表示矩陣轉(zhuǎn)置，其中 < 表示第i個聚類中心與第j個輸入量的隸屬度，P(d)是第d個樣本的 協(xié)方差矩陣，K(d)是第d個樣本的增益向量。
[0029] 進一步，所述步驟S3包括以下的步驟：
[0030] S3.1:在采樣時刻k，利用測得的y(k)和上一時刻的控制信號u(k-l)，將T-S模糊模 型轉(zhuǎn)化為狀態(tài)空間描述，得到模型M(k)，令M(k+i) =M(k)，i = 1，…，N，根據(jù)二次型性能指標 函數(shù)J求出最優(yōu)控制律u(k):
[0032] u(k) = u(k-l) + Λ u(k) (9)
[0033] 式中，NP為預(yù)測時域長度，Nu為控制時域長度，yr(t+k)為t + k時刻的參考值， + q為t+k時刻的預(yù)測值，Δ u(t+k-l)為第t+k-l時刻的控制增量，Δ u(k)為第k時刻的 控制增量，u( k-Ι)為k-Ι時刻的控制量，u( k)為k時刻的控制量；
[0034] S3.2:將u(k)和y (k)代入T-S模糊模型中，計算出預(yù)測輸出ym(k+1);
[0035] S3.3:判斷M(k+N)是否被求出：如果是，則跳至步驟S3.4，否則，則對T-S模糊模型 在工作點（ym(k+l)，u(k))處轉(zhuǎn)化為狀態(tài)空間描述，得到模型M(k+1)，+k = k+l，返回步驟 S3.1；
[0036] 33.4:基于1(1〇，1(1^+1)，"_1(1^^)重新求解最優(yōu)控制律，也即計算出1^時刻作用于 系統(tǒng)的控制信號u(k)。
[0037]有益效果:本發(fā)明方法可以使機爐協(xié)調(diào)系統(tǒng)在火電機組大范圍調(diào)整負荷時，在整 個工況范圍內(nèi)依然保證優(yōu)良的調(diào)節(jié)品質(zhì)和較強的魯棒性，對改善發(fā)電系統(tǒng)的運行性能具有 重要意義。預(yù)測算法本身實現(xiàn)了 τ-s模糊建模和多步預(yù)測控制的有機融合，實現(xiàn)了機爐協(xié)調(diào) 系統(tǒng)的預(yù)測控制，算法先進、預(yù)測精度高。
【附圖說明】
[0038]圖1為本發(fā)明的流程圖。
【具體實施方式】
[0039] 下面結(jié)合【具體實施方式】對本發(fā)明的技術(shù)方案作進一步的介紹。
[0040] 本發(fā)明公開了一種基于改進的Τ-S模糊預(yù)測建模的火電機組機爐協(xié)調(diào)控制方法， 如圖1所示，包括以下的步驟：
[0041 ] S1:采用模糊聚類方法確立最優(yōu)聚類數(shù)；
[0042] S2:基于最小二乘法Τ-S模糊模型后件參數(shù)的辨識；
[0043] S3:設(shè)計多步預(yù)測控制器。
[0044] 進一步，所述步驟S1包括以下的步驟：
[0045] SI. 1:給定數(shù)據(jù)集X= {Xi，…，XN}，設(shè)定聚類數(shù)c = 2和權(quán)重參數(shù)m= 2，初始化隸屬度 矩陣U;其中，Xi，…，Xn表示第1個數(shù)據(jù)到第N個數(shù)據(jù)；
[0046] S1.2:當(dāng)?shù)螖?shù)為L時，計算第i個聚類的中心值：
[0048] 其中，L為非負整數(shù)，為第L次迭代時隸屬度矩陣U的第k行第i列，xk為第k個輸 入量，N為采集的歷史數(shù)據(jù)總個數(shù)；
[0049] S1.3:定義第k個輸入量與第i個聚類的距離為I |Xk-Vl| I，用式(2M#Ua) = [Ukla)] 更新為Ua+1) = [Ukla+1)]，其中1](1)和1](1+1)表示第L次和第L+1次迭代后的隸屬度矩陣；
[0051] S1.4:如果| |Ua+1)-Ua)| |<ε，則轉(zhuǎn)至步驟S1.5;否則，令L = L+1，返回步驟S1.2;其 中，ε為容許誤差；
[0052] S1.5: