低加水位控制系统的回路性能评估

刘 阳，王亚刚

(上海理工大学 光电与计算机工程学院，上海 200093)

低加水位控制系统的回路性能评估

刘 阳，王亚刚

(上海理工大学 光电与计算机工程学院，上海 200093)

水位控制系统性能的优劣，对提高电厂功率机组的效率和延长使用寿命具有重要作用，若系统没有得到定期维护会造成重大的经济损失。带遗忘因子的最小方差算法是基于过程数据的性能评估方法，其评估结果具有实时性，为控制系统的维护提供了可靠依据。通过对海丰电厂火电机组低加水位控制回路进行的性能评估，验证了算法的时变有效性。

控制系统性能评估；最小方差；AR模型；水位控制；遗忘因子

控制系统在运行初期都会表现出良好的性能。但如果没有定期维护，系统性能下降将可能导致产品的产量降低、所需成本增加等问题[1]。控制系统性能评估从此诞生，虽然这一领域理论研究刚开始，但该成果已经倍受工业界的关注[2]。1989年，Harris[3]提出了基于最小方差控制为基准的性能指标，随后在2002年Grimble[4]提出了带有惩罚项的广义最小方差。而Harris[5]在2007年将最小方差应用到一类非线性单变量的控制系统中。Sendjaja ，Kariwala[6]and Fu[7]给出了控制器为PID系统的性能评估方法。

目前，火电机组安全、可靠、经济运行是每个电厂关注的首要问题[8-10]。带遗忘因子的最小方差算法是基于过程数据的评估方法,它采用时间序列分析法建立简单的扰动模型。与最小方差算法相比，它的评估结果更具实时性。对海丰电厂低加水位控制系统的评估结果表明，带遗忘因子的最小方差算法评估结果更加准确。

1 回路性能评估算法

1.1 回路评估性能指标

能够对系统运行数据进行分析，并估计出该系统在某准则下的基准值，这种方法被称为时间序列分析(The Series Analysis Techniques)[11]。数据的平稳性是时间序列分析的前提，因此建立模型之前需要对时间序列进行平稳性检验[12]。对于满足正态、平稳、零均值的序列可采用自回归模型(AR)进行拟合。

利用最小方差作为评价基准，控制性能指标被定义为

(1)

1.2 带遗忘因子最小方差算法

考虑单输入单输出反馈控制系统，如图1所示。

图1 反馈控制系统框图

A(q)=1+a1q-1+a2q-2+…+anq-n

B(q)=b0+b1q-1+b2q-2+…+bmq-m

C(q)=1+c1q-1+c2q-2+…+cpq-p

用自回归滑动模型描述系统为

A(q)y(k)=C(q)ε(k)+B(q)u(k-τ)

(2)

由于闭环系统稳定，所以可以用n阶自回归模型估计

(3)

取N个k值，则可以得到一系列的y,用矩阵表示如下

y=Xθ+Er(q)ε(k)

(4)

θ=(θ1,θ2,…θn)T

参数θ由最小二乘估计算得

理论意义上的最小方差

实际的输出方差为

则Harris提出的性能指标为

2 低加水位控制系统性能评估

2.1 数据筛选

以海丰电厂的低加水位控制系统为研究对象，收集了系统的输出和设定值约3 h的数据(10 000个数据，采样时间为1 s),并对其进行分析。其回路数据曲线如图2所示。要计算最小方差性能指标，前期必须对所取数据的稳定性进行判断。Kozub[13]指出过低的采样数据会导致很高的标准误差，太长的数据会导致在同组数据中可能会有不同的响应，推荐的采样数据长度为1 000～2 000，所以采用N=1 000，即将10 000个数据分成10组，每组1 000个数据进行评估。

图2 低加水位控制系统过程数据

2.2 评估参数的选择

运用扩展时域方法[14]分析前1 000个数据点，可以得到时间延迟τ=15 s。模型阶次的选择也会直接影响到性能评估的结果，文献[15]提到模型阶次的范围，为计算准确，则取模型阶次n=30。根据文献[15]提到的遗忘因子范围，本文β取0.995较合适。

2.3 评估结果

将数据和相关参数分别带入到含遗忘因子和不含遗忘因子的评估算法中，得到的评估结果变化曲线如图3所示。由图3中的结果可以看出，在对同一回路连续10组数据的评估结果表明：不含遗忘因子算法评估结果波动性比较大，波动范围[0.22，0.87]，得到的性能指标无法表征实际控制回路的好坏；而含遗忘因子算法评估的结果相对稳定，其波动范围为[0.52，0.78]，说明此段时间控制回路性能一般，有潜在的提升空间。

图3 低加水位控制系统评估结果

3 结束语

控制系统性能评估能对控制系统的性能进行客观的描述，时间序列分析是利用模型对测量的随机信号进行分析和处理的一种方法，本文主要利用时间序列分析技术和基于含遗忘因子最小方差基准的反馈控制不变量来对控制系统进行性能评价。对现场数据评估的结果表明，含遗忘因子的评估算法以其出色的时变稳定性而更适合低加水位控制系统的性能评估。

[1] Jelali M.An overview of control performance assessment technology and industrial application[J]．Control Engineering Practice, 2006,14(5): 441-446．

[2] 杨马英.模型预测控制的性能监视与评价—综述[C].北京:第21届中国控制会议论文集,2002.

[3] Desborough D,Harris T J.Performance assessment measures for univariate feedback control[J].The Canadian Journal of Chemical Engineering ,1992(70):1186-1197．

[4] Grimble M J.Controller performance benchmarking and tuning using generalized minimum variance control[J].Automatica,2002,38(12):2111-2119.

[5] Harris T J, Yu W.Controller assessment for a class of non-linear systems[J].Journal of Process Control,2007,17(7):607-619.

[6] Sendjaja A Y,Kariwala V.Achievable PID performance using sums of squares programming[J].Journal of Process Control,2009(19):1061-1065.

[7] Fu R,Xie L,Song Z,et al. PID control performance assessment using iterative convex programming[J].Journal of Process Control,2012(22):1793-1799.

[8] 刘凯杰.火电厂汽包水位控制器性能评估及优化[D].长沙:长沙理工大学,2014.

[9] 侯咏武.基于广义最小方差的火电机组控制回路性能评估[J].江南大学学报:自然科学版,2014,13(6):711-715.

[10] 魏韡.先进控制理论在电力系统中的应用综述及展望[J].电力系统保护与控,2013,41(12): 143-153.

[11] Seppala C T,Harris T J,Bacon D W.The series methods for dynamic analysis of multiple controlled variables[J].Journal of Process Control,2002,12(2):257-276．

[12] 扬叔子,吴雅,轩建平,等.时间序列分析的工程与应用[M].武汉:华中科技大学出版社,2007．

[13] 李华银,钱积新,赵均.控制系统性能评估算法与应用研究[D].杭州:浙江大学,2010.

[14] 侯咏武.控制回路性能评估在蒸馏中的应用[J].信息技术,2015(6):198-201.

[15] 刘学彦,王昕,王振雷.带遗忘因子的线性回归性能评估算法及应用[J].控制工程,2014(6):69-75.

欢迎订阅《电子科技》

邮发代号：52-246

Performance Assessment of Low Water Level Control Systems

LIU Yang，WANG Yagang

(School of Optical-Electrical and Computer Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China)

The performance of water level control system plays an important role in improving the efficiency and prolonging the service life of the power plant. If the system is not maintained regularly, huge economic losses may result. The least variance algorithm with forgetting factor is a performance assessment method based on process data, and the result of the evaluation is real-time, which provides a reliable basis for the maintenance of the control system. The performance assessment of the low water level control loop of thermal power units in Haifeng power plant is carried out, which verifies the time varying effectiveness of the algorithm.

control loop performance assessment; minimum variance; auto regressive model; water level control; forgetting factor

2016- 06- 13

刘阳(1992-)，男，硕士研究生。研究方向：过程控制等。王亚刚(1967-)，男，博士后，教授。研究方向：复杂多变量辨识等。

10.16180/j.cnki.issn1007-7820.2017.05.011

TP273+.5

A

1007-7820(2017)05-040-03