协调控制系统模糊PID参数在线整定的仿真研究

焦圣喜，胡东婷，王中胜

(1. 东北电力大学自动化工程学院，吉林吉林132000； 2. 北京国电智深控制技术有限公司，北京100085)



协调控制系统模糊PID参数在线整定的仿真研究

焦圣喜1，胡东婷1，王中胜2

(1. 东北电力大学自动化工程学院，吉林吉林132000； 2. 北京国电智深控制技术有限公司，北京100085)

为解决超临界直流锅炉协调控制系统被控对象特性复杂、控制难度较大的问题，通过采用模糊控制技术实现控制器参数在线整定将被控参数控制在理想范围之内。仿真研究采用Matlab作为第三方数据处理平台，用于模糊控制器设计，采用EDPF-NT+组态软件搭建了协调控制系统对象模型，并采用Modbus通讯协议实现两侧数据通信，仿真结果实现了协调控制系统中锅炉主控制器积分参数的在线模糊整定，将机组主蒸汽压力控制在理想范围内，验证了模糊控制器设计的合理性和正确性。

模糊控制；协调控制；积分参数；在线整定

0 引言

火电单元机组中根据被控对象的不同，主要分为锅炉子系统和汽机子系统，而这两者有着截然不同的系统特点。锅炉子系统存在热惯性大、具有较大延迟的特点，是典型的大惯性、大迟延系统；汽机子系统具有惯性小、响应速度快的特点。火电机组不仅要承担基本发电任务，更要并入电网发电，所以要承担参与电网一次调频的任务，这就要求火电机组能够迅速响应负荷变化，满足自动发电控制(Automatic Generating Control，AGC)的需求[1]。

火电机组中独立控制的锅炉子系统和汽机子系统已无法满足这样的要求，而单元机组协调控制系统(Coordinated Control System，CCS)正是将锅炉和汽机结合起来进行协调控制，一方面,CCS控制系统是 AGC 的基础。协调控制系统使锅炉和汽机间协调控制，充分利用了汽机侧快速响应负荷的特性，能使机组满足电网负荷调度的需求，为 AGC 提供了保障；另一方面，CCS是机组维持稳定的关键。CCS 控制系统将锅炉和汽机作为一个整体进行设计，不仅解决了负荷相应的问题，而且维持了汽压的稳定，所以，CCS兼顾调压和调功的双重任务，同时，维持了机炉间的物质、能量平衡，使汽压在动态平衡中维持稳定，CCS 成为机组维持稳定的关键所在，同时达到节省供电煤耗、提高效益的目的[2]。

1 控制系统概述

如图1所示，协调控制系统是典型的分散控制系统，分为协调控制级、基础控制级、单元机组控制级三个控制等级。其中协调控制级主要通过负荷指令处理回路运算产生实际负荷指令给机炉主控制器，机炉主控制器另外接收主蒸汽压力给定值、主蒸汽压力、机组实发功率信号，分别运算产生锅炉主控指令BD和汽机主控指令TD。基础控制级分为炉侧和机侧，炉侧根据锅炉指令以及给煤控水的策略运算产生燃料、空气、给水控制信号[3]，机侧根据汽机指令运算产生控制进汽量的信号。单元机组控制级为就地设备控制级，锅炉和汽机根据基础控制级的控制信号产生相应控制动作[4]。

图1 协调控制系统示意图

近年来,火电热工控制也向着智能控制的方向发展[5，6]。协调控制研究主要指实现协调控制级的控制任务，即对于实际负荷指令、锅炉主控指令BD、汽机主控指令TD这三大控制量的运算，同时实现机组对于负荷变动的快速响应，并维持主汽压、主汽温等参数的稳定。而若要在协调控制系统研究中完成上述控制任务，需要研究锅炉主控、汽机主控两侧的控制器，由于汽机是快速响应对象，对智能控制器要求不是很高，其研究重点就在于锅炉主控制器上，而比例调节的突出特点是快速性，在实际应用中，在机组稳态调节过程中，比例系数变化对控制效果影响较大，一般根据经验选取特定数值。在理论上，积分作用是无差调节控制，在实际工程中也广泛使用积分调节控制获得理想控制效果[7]，本文的控制器研究为协调控制系统锅炉主控控制器积分参数的在线整定。

2 模糊控制策略及其实现方案

2.1 模糊控制策略基本原理

模糊控制是利用模糊数学的知识模仿人脑的思维方式，对模糊现象进行识别和判决，给出精确的控制量，对被控对象进行控制。模糊控制的实现过程不需要精确的公式来表示传递函数或状态方程，也不是基于精确的数学计算的，而是通过控制规则描述控制过程，控制规则往往是根据专家经验总结获得，因而模糊控制实际上是利用计算机程序实现人的控制经验的过程。

图2 PID参数在线自整定流程图

2.2 实施方案

通过DCS系统与外部数据通信接口实现外部计算机与DCS的双向数据通信是将先进控制策略和技术应用于实际DCS机组的实现方法之一。如图3所示，将Matlab软件作为先进控制逻辑的搭建平台，用于运算模糊控制逻辑，并在EDPF-NT+中搭建CCS系统控制对象模型以及主要控制逻辑，对两侧进行数据通讯连接[10]。

图3 基于虚拟DPU的仿真系统结构示意图

如图4所示，采用Modbus TCP通讯协议实现Matlab侧与EDPF-NT+侧的双向数据传输。首先将DCS侧设置成从站模式，同时配置数据缓冲区，然后在Matlab侧使用m脚本编写通讯程序实现Matlab的TCP协议数据通讯。

图4 通信方案示意图

3 模糊控制器设计

利用MATLAB自带工具箱GUI设计FIS(Fuzzy Inference System,模糊推理系统)逻辑，实现协调控制系统锅炉主控部分控制器积分参数的模糊在线自整定。模糊控制器的设计步骤如下：

(1)确定模糊控制器输入输出论域以及量化因子、比例因子。

在协调控制系统中，模糊控制器输入为主汽压偏差e、主汽压偏差变化率ec，两者的实际变化范围是[-e,e]、[-ec,ec]。设偏差e，偏差变化率ec和控制量u的基本论域分别为[-|emax|, |emax|], [-|ecmax|, |ecmax|]和[-|umax|, |umax|]。设e、ec、u被分割为{负大，负中，负小，零，正小，正中，正大}，且被简写成{NB, NM, NS, ZO, PS, PM, PB}。将量化论域写为[-m,m], [-n,n], [-l, l]，量化因子Ke、Kec，比例因子Ku定义式如(1)所示：

(1)

则锅炉主控模糊变积分控制器输入输出范围如表1所示。

表1 模糊控制器输入输出范围

(2)模糊规则建立。

Mamdani型采用了if-then的模糊规则形式，更贴近于人类的自然语言信息。

根据实际控制情况，当e与ec同号时，输出会趋向给定值；异号时，会偏离给定值，分析实际输出趋势如图5所示。

图5 输出趋势示意图

在①段，e>0,ec>0，当前主汽压力小于设定值，且误差向增大的方向发展，此时应该增大输出，增大量应随误差绝对值的增大而增大；

在②段，e>0,ec<0，当前主汽压力小于设定值，且误差向减小的方向发展，此时应该减小输出，减小量应随误差绝对值的减小而减小；

在③段，e<0,ec>0，当前主汽压力大于设定值，且误差向增大的方向发展，此时应该增大输出，增大量应随误差绝对值的增大而增大；

在④段，e<0,ec<0，当前主汽压力大于设定值，且误差向减小的方向发展，此时应该减小输出，减小量应随误差绝对值的减小而减小。

本次控制器设计，采用Mamdani型模糊规则形式，根据上述控制规则建立模糊规则表，如表2所示。

(3)模糊变量的隶属度函数确定。

根据模糊控制规则，模糊变量的隶属度函数将对控制效果起到关键影响。通常情况下，隶属度函数形状越陡，分辨率越高，其控制灵敏度越高；反之，隶属度函数变化越缓，控制特性就越平缓，相应的控制系统的稳定性就越好，鲁棒性也越强。各个模糊变量的隶属度函数必须相互有重叠，适当的重叠使控制器在参数变化时具有较强的鲁棒性[11]。

表2 模糊规则表

协调控制系统中，锅炉主控控制器的输入、输出模糊变量采用相同的隶属度函数，由于三角形隶属度函数形状简单，线性度好，响应灵敏，所有模糊状态都采用三角形隶属度函数。锅炉主控模糊PID复合控制器的误差e，误差变化率ec，输出u的隶属度函数如图6、7所示。

图6 e/ec隶属度函数

图7 u隶属度函数

(4)反模糊化。

利用软件提供的常见方法进行反模糊化运算，本次模糊控制器设计采用最大隶属度平均法进行反模糊化运算。

4 仿真实现

根据文献[11]提供的某1 000 MW超临界机组负荷在500～1 000MW变动时的机组模型，其状态空间表达式为：

(2)

(3)

(4)

(5)

(6)

(7)

在EDPF-NT+中搭建直流炉三输入三输出非线性模型以及锅炉主控、汽机主控等主要控制逻辑，输入量分别为燃料量、给水量、汽机阀门开度，输出量为实发功率Ne、主汽压力Ps、中间点焓值Hm[12，13]。

如图8所示，锅炉主控逻辑中主汽压力偏差送往Matlab进行模糊控制逻辑运算，运算后的控制量连接至锅炉主控PID变积分端，从而改变控制器的积分参数。

图8 锅炉主控逻辑图

对控制系统做升降负荷试验，其仿真结果如图9、10所示。

(1)对机组做850～950 MW升负荷试验，升负荷速率20 MW/min，主汽压力变动由27.9 MPa至31.5 MPa。实发功率、主汽压力均快速跟踪目标设定值，动态过程中，主汽压力与目标设定值之差控制在±0.7 MPa之内，达到稳态时负荷偏差控制在±0.7 MW之内，压力偏差控制在±0.2 MPa之内。

图9 升负荷试验功率与主汽压力响应曲线

图10 降负荷试验功率与主汽压力响应曲线

(2)对机组做950～850 MW降负荷试验，将负荷速率20 MW/min，主汽压力变动由30.9 MPa至27.8 MPa。实发功率、主汽压力均快速跟踪目标设定值，动态过程中，主汽压力与目标设定值之差控制在±0.5 MPa之内，达到稳态时负荷偏差控制在±0.5 MW之内，压力偏差控制在±0.2 MPa之内。

5 结论

仿真结果表明将模糊控制策略应用于协调控制系统锅炉主控积分参数的整定，能得到理想的控制效果。在实际应用中，应注意模糊控制器设计环节的合理性，以及控制系统与第三方数据计算平台的通讯实现。仿真结果同时也表明了将Matlab作为仿真支撑软件，能实现先进控制策略与DCS侧PID控制器完成复合控制策略，这为先进控制策略在DCS系统上的实际应用提供经验。

[1]徐奔奔, 周芝峰, 霍文明,等. 基于改进的模糊控制PMSM矢量控制系统研究[J]. 电力科学与工程, 2016，32(3)：1-6.

[2]杨萍, 高龙军, 王晓刚,等. 超临界600 MW机组锅炉负荷控制策略优化[J]. 热力发电, 2015(8):113-115.

[3]陈谨平, 马汝东, 王建国. 基于机组最小煤耗的负荷优化调度[J]. 东北电力大学学报, 2015, 35(6):61-65.

[4]王中胜, 夏明, 赵松烈,等. 北仑1 000 MW超超临界机组协调控制策略分析及优化[J]. 电力建设, 2010, 31(1):87-90.

[5]张建玲, 朱晓星, 寻新,等. 超(超)临界机组智能控制系统设计[J]. 热力发电, 2015(5):59-63.

[6]张庆红, 林永君, 王兴武,等. 串级调速系统的远程监控系统设计与实现[J]. 电力科学与工程, 2015，31(7):46-52.

[7]操高城, 张君颖, 王东风,等. 基于模糊PID控制器的协调控制系统优化[J]. 计算机仿真, 2014, 31(12):401-404.

[8]韩忠旭, 吕秀红. 模糊控制与状态反馈控制的内在联系[J]. 控制工程, 2007, 14(4):383-386.

[9]王惠杰, 范志愿, 李鑫鑫. 基于线性规划法和等微增率法的电厂负荷优化分配[J]. 电力科学与工程, 2016，32(1):1-5.

[10]蔡钧. 电厂分散控制系统HIL仿真研究与应用[D]. 北京：北京交通大学, 2012.

[11]张鹏飞. 基于模糊PID的协调控制系统研究[D]. 保定：华北电力大学, 2013.

[12]闫姝. 超超临界机组非线性控制模型研究[D]. 北京：华北电力大学, 2013.

[13]闫姝, 曾德良, 刘吉臻,等. 直流炉机组简化非线性模型及仿真应用[J]. 中国电机工程学报, 2012, 32(11):126-134.

JIAO Shengxi1, HU Dongting1, WANG Zhongsheng2(1. School of Automatic Engineering, Northeast Dianli University, Jilin 132000, China;2. Beijing Guodian Zhishen Control Technology Co. Ltd., Beijing 100085, China)

Simulation of on-Line Tuning Parameters of Fuzzy PID in Coordinated Control System

In order to solve the problem caused by the complex characteristics of supercritical once-through boiler in coordinated control system, the fuzzy control technology is used to realize the ideal range by the way of parameters on-line tuning. Using MATLAB as a third data processing platform for fuzzy controller design, the configuration software EDPF-NT+is applied to build the object model of the coordinated control system. Besides, the Modbus protocol is applied to realize the data communication. The design realizes the fuzzy on-line tuning of integral parameters of main boiler controller in coordinated control system, and maintains the main steam pressure in a stable range, and verifies the rationality and correctness of the fuzzy controller.

fuzzy control； coordinated control system； integral parameter； on-line tuning

2016-06-16。

焦圣喜(1969-)，男，副教授，研究方向为智能检测与控制、机器人技术，E-mail:jiaosx0228@163.com。

TP27

A DOI:10.3969/j.issn.1672-0792.2016.09.010