火电机组间接建模策略研究

贺 勇，李炳楠，张广涛，唐耀华，王彭军



火电机组间接建模策略研究

贺 勇1，李炳楠2，张广涛2，唐耀华2，王彭军3

（1.国网河南省电力公司电力科学研究院，河南 郑州 452470； 2.润电能源科学技术有限公司，河南 郑州 450000； 3.西安交通大学电子与信息工程学院，陕西 西安 710049）

本文以超临界600 MW火电机组为研究对象，对火电机组间接建模策略进行研究。采用子空间辨识方法分步求解分立的系统模型，首先建立中间点温度模型和机组负荷、主蒸汽压力模型，然后由中间点温度为输入变量建立主蒸汽温度模型，所得模型克服了直接建模时主蒸汽温度模型不准确的缺点，研究了锅炉主要调节量对机组动态特性的影响，最后将分立模型进行组合，得到机组的整体模型。所得模型能较好地反映机组在额定工况条件下的动态特性，模型拟合度较好，对超临界机组控制器的研究具有一定的价值。

超临界；火电机组；子空间辨识；间接建模；动态特性；分立模型；数据预处理

为了满足节能减排和保护环境的需要，超临界直流机组技术通过提高火电机组的蒸汽初始参数（压力和温度）提高了机组效率，降低了煤耗[1-4]。一般而言，水的临界压力和温度分别为22.115 MPa和374.14 ℃，超临界机组的工作压力约为24 MPa，温度约为566 ℃，单台机组发电效率最高可达50%，平均煤耗为320 g/(kW·h)[5-7]。随着国家建设资源节约型、环境友好型社会的规划，大型超临界机组在火力发电中得到广泛应用，并将成为电力工业的中流砥柱[8-9]。

现代电力系统模型十分复杂，机理建模得到的模型往往异常庞大，经常出现积分、微分等复杂的非线性形式。这样的系统模型过于复杂，无法直接应用于现代工业控制中。同时试验建模需要对机组的各项参数进行充分激励，找到各参数的动态特性。火电机组是复杂系统，为了电网安全必须平稳运行，不允许对参数进行大范围调节。因此，试验建模方法对火电机组不可行。

火电机组实际运行过程中，其动态特性一般难以用精确的数学模型来描述，均需要进行适当简化处理[10]。目前，对火电机组的建模主要集中在标称模型方面，而且模型阶次低，对机组特性包含不全面，一般认为是一个两输入两输出的模型。先进的控制算法对模型的精确度有较高的要求，模型的好坏直接影响控制效果，但这种简化的不够精确的模型给先进控制算法应用带来了阻碍，使其达不到实际的控制效果。基于此，本文以某超临界600 MW机组为研究对象，采用间接建模策略建立火电机组模型。

1 火电机组系统建模

火电机组可以看作一个基本的反馈控制系统，首先需要明确系统的控制量、输出量、状态量，然后利用先进的系统辨识方法计算模型参数，得到火电机组的辨识模型。

1.1 参数选择和数据预处理

火电机组的实时监测参数有上百个，这些参数都反映了火电机组的运行状态。但是根据机理分析，很多参数只是中间观测量，并没有对机组产生有效影响。此外，还有部分参数是机组的脱硝、脱硫参量，与负荷调节相关性小，只有少部分参数有效地影响了机组负荷调节。文献[11]对燃煤发电机组的参数选择进行了分析；文献[12]中火电机组被处理为4×4的模型。本文首先选取阀开度、给煤量和给水量3个参数作为输入参数，根据现场调试经验，阀开度能简单快速地调节负荷和蒸汽压力，但不具有持续性，会使负荷和蒸汽压力先升高再下降；给煤量和给水量是调节负荷的决定性参数，但其调节效果滞后，在数十秒后出现响应；另外，总风量对负荷有较大影响，总风量大时煤能充分燃烧，负荷提高，当增大到一定程度，风带走较多热量，负荷会下降，因此，风煤比作为系统可测扰动量，也被认为是变负荷的重要参数。

机组负荷是机组输出的关键指标，因此系统输出参数必然有机组负荷。但是，在机组变负荷过程中，主蒸汽压力和主蒸汽温度也会随之变动，而且主蒸汽压力和主蒸汽温度均是带约束范围的参数。因此，主蒸汽压力和主蒸汽温度作为输出约束条件，也是输出参数。

根据以上的参数选择分析，选取5个输入参数，分别是汽轮机调节阀、总燃料量、总给水量、减温水流量（一级、二级）、风煤比；输出参数选择机组负荷、主蒸汽压力和主蒸汽温度3个参数。

在确定了相关辨识参数后，需要对机组的实时运行数据进行筛选和预处理。选用机组运行1天的数据作为辨识量。数据筛选是为了避免错误的数据，如机组故障数据、传感器失效数据等；数据预处理是为了更好地应用有效数据，如机组各参数的量级相差较大，为了有效体现各参数的影响，需要归一化处理，将所用参数转化到相同量级；在一整段数据中可能存在野值，因此需要去野值；数据中可能包含扰动的影响，使数据不够平滑，需要进行滤波处理；对于大数据而言，微小的变动不够明显，需要去均值来表现变动；另外，去趋势可以消除长周期趋势项。

1.2 火电机组间接建模

子空间辨识可以直接得到系统的状态空间模型，具有数值计算简单、稳定的优点。N4SID（numerical slgorithms for subspace state space system identification）法是一种开环子空间辨识方法，其核心思想是运用斜向投影的性质将系统分解为确定性部分和随机性部分，从而消除噪声项。考虑到火电机组庞大而复杂的特性，且外界干扰复杂多变，因此本文选择N4SID法来建立火电机组的仿真模型。

对于输入输出的阶线性时不变系统状态空间模型可表示为

对系统模型(1)定义构造矩阵如下：

输入/输出Hankel矩阵

广义可观测矩阵

逆广义可控矩阵

状态矩阵

下三角Toeplitz矩阵

则可推出输入、输出和状态矩阵满足[13-15]

可以证明

对其进行奇异值分解

其中

根据上述子空间辨识方法的步骤，间接建模得到机组负荷、主蒸汽压力、中间点温度、主蒸汽温度的分立模型，并求出相应的参数矩阵。在系统辨识过程中，采用某电厂超临界600 MW机组全天的运行数据，辨识数据都经过预处理和归一化，采样时间为5 s，全天采样点数为17 280个。

利用直接建模策略辨识得到的机组负荷和主蒸汽压力模型相较于上述间接建模得到的机组负荷和主蒸汽压力模型仿真效果无太大差别，且模型仿真效果较好。此处间接建模主要是指通过辨识的中间点温度模型得到的主蒸汽温度模型。

中间点温度模型为二阶，系统参数矩阵如下：

图1为系统辨识与系统实际中间点温度对比曲线，输入量分别为阀开度、给煤量、给水量，输出量是中间点温度，即汽水分离器处的饱和水蒸气温度。由图1可见，该模型整体的拟合趋势良好，能够较好地跟随实际系统。

主蒸汽温度模型为二阶，系统参数矩阵如下：

图2为系统辨识与系统实际主蒸汽温度对比曲线，输入量为风煤比、中间点温度、减温水，输出量为主蒸汽温度。根据间接建模策略，将辨识所得中间点温度作为其中一个输入量来辨识主蒸汽温度。通过图2可以看出，该模型整体拟合效果良好，虽然幅值上有一些差距，但是能够较好地跟踪实际系统，相比于其他建模方法，辨识效果较好。

图3为局部放大主蒸汽温度对比曲线。通过 图3可以比较清晰地观察到该模型的拟合效果良好，对实际系统的跟踪非常及时，幅值差距也较小，整体上很接近实际系统。

2 火电机组模型验证与分析

根据反应机理，分析所建数学模型的合理性和有效性，并利用不同时间段的现场数据进行验证和仿真，数据均为全天的运行数据，采样时间为5 s。

图4为机组负荷模型验证结果。由图4可见，系统辨识的机组负荷与实际机组负荷能够达到很高的拟合度，该模型能快速跟踪实际系统，趋势和幅值都很一致，拟合度高达90%以上。

图5为主蒸汽压力模型验证结果。由图5可见，主蒸汽压力模型能很好地拟合多组不同数据，拟合度高达90%以上，整体趋势很好，幅值跟踪比较一致。图6为中间点温度模型验证结果。由图6可见，中间点温度模型能够很好地跟踪系统实际的趋势，幅值略有差异，整体的拟合度较高，可达80%。图7为主蒸汽温度模型验证结果。由图7可见，以中间点温度为输入的主蒸汽温度模型在趋势和幅值上都能达到系统实际要求，拟合程度较好。

图5 主蒸汽压力模型验证

图7 主蒸汽温度模型验证

根据图4—图7仿真结果可知，由本文辨识模型所生成的拟合数据与真实系统数据依然有一定差异，这可能是因为系统中影响这些变量的因素不仅是模型所采用的输入变量，还有其他变量的影响，如主蒸汽温度还受到配煤、配风和磨煤机组合方式等因素的影响。一方面，如果这些影响因素在一定可接受的范围内，则可认为这些模型基本准确；另一方面，考虑这些影响因素势必增加模型的复杂度和使用难度。因此，为了弥补模型所带来的差异，可以通过设计合理的控制算法来进一步提高系统的性能，并最终满足控制要求。

此外，根据本文间接建模方法辨识结果，分析了关键变量的阶跃响应，结果如图8—图10所示。由图8—图10可见，关键变量的阶跃响应曲线符合火电机组的反应机理和各变量的意义以及现场调试实践，可以体现系统的实际运行特点。

3 结 语

本文的间接建模方法能够建立符合实际的火电机组动态模型，所建模型能够很好地拟合负荷、主蒸汽压力和主蒸汽温度，反映火电机组的动态特性，并具有较好的通用性，适用于各类超临界火电机组。

相较于传统的建模方法，本文模型的负荷、主蒸汽压力更准确，尤其是先建立中间点温度模型，然后以中间点温度模型联合其他输入量建立主蒸汽温度模型，实现了对主蒸汽温度的有效辨识，模型拟合度高，适用于火电机组的先进控制。

［1］ 陈宝林, 许鑫, 韩璞, 等. 350 MW超临界火电机组燃烧控制系统建模[J]. 计算机仿真, 2017, 34(8): 119-122.

CHEN Baolin, XU Xin, HAN Pu, et al. Modeling of com-bustion control system for 350 MW supercritical thermal power unit[J]. Computer Simulation, 2017, 34(8): 119-122.

［2］ 杨献勇. 热工过程自动控制[M]. 北京: 清华大学出版社, 2000: 3-9.

YANG Xianyong. Automatic control of thermal process[M]. Beijing: Tsinghua University Press, 2000: 3-9.

［3］ 应光伟, 赵玉柱, 孙科, 等. 600 MW超临界火电机组运行现状及性能优化[J]. 发电与空调, 2012, 33(1): 1-8.

YING Guangwei, ZHAO Yuzhu, SUN Ke, et al, Operating status and performance optimization of 600 MW supercritical thermal power generating unit[J]. Power Generation & Air Condition, 2012, 33(1): 1-8.

［4］ 程明一, 阎洪环, 石奇光合, 等. 热力发电厂[M]. 北京: 中国电力出版社, 1998: 33-42.

CHENG Mingyi, YAN Honghuan, SHIQI Guanghe, et al. Thermal power plant[M]. Beijing: China Electric Power Press, 1998: 33-42.

［5］ 王雨丝, 夏家群, 和浩浩, 等. 600 MW超临界火电机组锅炉效率分析[J]. 工业加热, 2016, 45(1): 5-8.

WANG Yusi, XIA Jiaqun, HE Haohao, et al. Efficiency analysis of boiler of 600 MW supercritical thermal power generator set[J]. Industrial Heating, 2016, 45(1): 5-8.

［6］ 李仁辉. 超超临界机组负荷控制的预测控制方法[D]. 郑州: 郑州大学, 2014: 34-37.

LI Renhui. Predictive control method for load control of ultra supercritical unit[D]. Zhengzhou: Zhengzhou University, 2014: 34-37.

［7］ 杨荻. 基于广义预测控制的超临界参数单元机组负荷控制与优化研究[D]. 杭州: 浙江大学, 2012: 45-48.

YANG Di. Research on load control and optimization of supercritical unit based on generalized predictive control [D]. Hangzhou: Zhejiang University, 2012: 45-48.

［8］ 印永华, 郭剑波, 赵建军, 等. 美加“8·14”大停电事故初步分析以及应吸取的教训[J]. 电网技术, 2003, 27(10): 8-11.

YIN Yonghua, GUO Jianbo, ZHAO Jianjun, et al. Preliminary analysis of “8. 14” blackouts in US and Canada and lessons to be drawn[J]. Power System Technology, 2003, 27(10): 8-11.

［9］ 李海翔. 电力工业可持续发展的思考[J]. 中国人口·资源与环境, 2008, 18(增刊1): 671-673.

LI Haixiang. Thinking on the sustainable development of power industry[J]. Chinese Journal of Population Re- sources and Environment, 2008, 18(Suppl.1): 671-673.

［10］ 李涛. 超临界机组工质特征以及启停控制策略[J]. 电子测量技术, 2016, 39(12): 109-112.

LI Tao. Dynamic working characteristics and APS control system of the supercritical thermal power units[J]. Electronic Measurement Technology, 2016, 39(12): 109-112.

［11］ 李续军, 苗迺金, 高景辉. 关于600 MW级超临界机组蒸汽参数的选择分析[J]. 热力透平, 2003(1): 58-62.

LI Xujun, MIAO Naijin, GAO Jinghui. Parameter choice analysis on 600 MW supercritical units[J]. Thermal Turbine, 2003(1): 58-62.

［12］ MOON U C, KIM W. Temperature control of ultra-supercritical once-through boiler-turbine system using multi-input multi-output dynamic matrix control[J]. Journal of Electrical Engineering & Tech- nology, 2011, 6(3): 423-430.

［13］ OVERSCHEE P V, MOOR B D. N4SID: Two subspace algorithms for the identification of combined deter-ministic-stochastic systems[J]. Automatica, 1994, 30(1): 75-93.

［14］ MOONEN M , DE MOOR B , VANDENBERGHE L , et al. On- and off-line identification of linear state-space models[J]. International Journal of Control, 1989, 49(1): 219-232.

［15］ PETER V O, BART D M. Subspace identification for linear systems[M]. Netherlands: Kluwer Academic Publi-shers, 1996: 67-86.

Indirect modeling strategy for thermal power units

HE Yong1, LI Bingnan2, ZHANG Guangtao2, TANG Yaohua2, WANG Pengjun3

(1. State Grid Electric Power Research Institute of Henan Electric Power Company, Zhengzhou 452470, China; 2. Rundian Energy Science and Technology Co., Ltd., Zhengzhou 450000, China; 3. The School of Electronic and Information Engineering, Xi’an Jiaotong University, Xi’an 710049, China)

A supercritical 600 MW thermal power unit was taken as an object to study the indirect modeling strategy for thermal power units. The sub-space identification method was adopted to solve the discrete system model step by step. Firstly, the intermediate point temperature model, the main steam pressure model and the load model was built up. Then, the main steam temperature model was established by using the intermediate point temperature as the input variable. The obtained model overcomes the disadvantage of inaccuracy of the main steam temperature model in direct modeling. The effect of main adjustment of the boiler on dynamic characteristics of the unit was studied. Finally, the separate models were integrated into the overall unit model. The obtained overall model can better reflect the dynamic characteristics of the unit under rated working conditions and has good fitting degree. The result has practical value for researches on controllers in supercritical units.

supercritical, thermal power unit, subspace identification, indirect modeling, dynamic characteristics, separate model, data preprocessing

Science and Technology Project of State Grid Corporation (521702150006)

TM621.22

A

10.19666/j.rlfd.201804092

贺勇, 李炳楠, 张广涛, 等. 火电机组间接建模策略研究[J]. 热力发电, 2019, 48(2): 83-89. HE Yong, LI Bingnan, ZHANG Guangtao, et al. Indirect modeling strategy for thermal power units[J]. Thermal Power Generation, 2019, 48(2): 83-89.

2018-04-22

国家电网公司总部科技项目(521702150006)

贺勇(1989—)，男，硕士，助理工程师，主要研究方向为网源协调技术，hey1989@126.com。

（责任编辑 杜亚勤）