火电厂DCS控制系统优化研究与应用

徐晓宇

摘要：大型燃煤火电厂是当前能源产生的主流途径。一般来讲，工业常规的控制算法是采用PID线性控制算法来进行回路方面的反馈，但PID控制是简单的一自由度控制器，在要求系统同时具有快速设定值响应能力和对干扰的抑制能力两方面的情况下控制并不理想。本文是基于新一代DCS控制系统研究多变量广义预测控制算法及基于工况数据筛选的模型在线辨识算法，实现高级算法模块与DCS控制系统的融合;进而通过建立机炉协调系统的全工况非线性动态模型，运用智能优化算法实现机炉模型的在线辨识，基于所辨识的机炉模型，采用多变量广义预测控制算法设计机组全程自趋优控制方案，实现火电机组的全程自趋优控制。

关键词：火电厂、锅炉燃烧系统、DCS控制系统、优化研究

前言：

随着新能源电力规模的不断扩大，综合考虑我国的电源结构，在储能技术没有革命性突破的背景下，燃煤机组通过不断提升其运行灵活性，将逐渐成为主要的互补性电源。但是，高灵活性运行方式意味着机组将经常处于快速、深度变负荷运行工况，当前机组DCS控制系统在复杂工况下，其锅炉燃烧、风烟、汽水、环保岛等分系统的运行适应性多数情况下还不能满足要求。关键参数控制品质差已成为当前机组灵活调峰能力的制约环节，机组在经济性显著下降的同时，其控制过程的稳定性、设备寿命和运行安全性也会受到不同程度影响。为有效解决上述问题，亟需研究机组主辅机设备运行的智能协调控制技术、适应不同类型机组及煤质特性的低负荷调峰运行控制、锅炉低负荷运行裕度的定量预测等技术。

因此，利用新一代智能协调控制技术，对传统DCS及其控制进行优化，在机组深度调峰和宽负荷运行背景下有效提升机组协调运行控制品质，保障全负荷区间灵活调节能力，解决大迟延大滞后被控对象的难题具有重要的研究价值。本课题计划在研发新一代DCS控制系统的基础上，封装高级控制算法及模型辨识算法，通过建立机炉非线性动态模型，深入分析机炉协调对象的非线性特性，采用基于模型的先进控制算法实现机炉协调系统的自趋优控制。

一、优化后DCS控制系统的优越性

本课题在新一代DCS控制系统的框架下，研究多变量广义预测控制算法及模型参数在线辨识算法，实现对火电机组的全程自趋优优化控制，其优越性主要有：

1.新一代智能发电运行控制系统（DCS）和人工智能技术与先进控制算法的深度融合，实现机组控制基于数据分析技术的全体系的智能化改进。

2.建立超临界機炉协调系统的全工况非线性动态模型并实现模型参数的在线辨识和校正，克服机组工况差异及外界因素变化对控制系统的影响。

3.设计了基于模型参数在线校正及多变量预测控制的机炉协调系统控制策略，保证机组更好的克服煤质煤种及工况差异对控制性能的影响，使其全负荷工况下具有优越的调节性能

二、DCS控制系统优化的目的

解决大范围变工况时机炉协调对象呈现出较强的非线性特性，通过以智能技术为基础的先进控制系统支撑发电机组参与电网深度调峰，使机组宽负荷范围内投运AGC时满足9MW/MIN的变化速率，同时进一步减小主蒸汽温度、主蒸汽压力及氮氧化合物的波动，在安全、稳定运行条件下参与深度变负荷运行。

三、全程自趋优智能协调控制设计思想

考虑到火电机组燃料量至主蒸汽压力的响应过程具有大惯性、大滞后特性，常规前馈+PID控制方式难以满足新能源电力系统环境下的控制要求，为了从根本上解决这类大惯性、大滞后系统的控制难题，引入带前馈的多变量预测控制算法，该算法融合了传统前馈控制，能够准确的预测被控量未来的变化趋势，而后根据被控量未来的变化量进行控制，有效提前调节过程，可大幅提高控制系统的稳定性和抗干扰能力，且能够利用隐式解耦原理实现耦合系统的解耦控制。在预测控制算法中，广义预测控制采用传统的参数模型，参数数目较少，且易于在线估计，故以广义预测控制为核心设计直流炉机组协调系统优化控制方案。此外，为了减少执行机构的磨损，避免控制量的频繁波动，绕开广义预测控制的矩阵可逆性问题，采用阶梯式控制的思想求解最优控制律。设计的火电机组全程自趋优智能协调控制方案如下：

由图可见，所设计的超超临界机组协调系统优化控制方案保留了传统前馈—反馈的控制架构，但与传统控制策略不同的是反馈控制采用了阶梯式多变量广义预测控制算法，取代了常规PID控制方式。此外，来自机组负荷设定的静态前馈主要由负荷—煤量基线构成，用于机组升降负荷过程中煤量的基准定位，以降低控制器调节压力;来自机组负荷设定的动态前馈主要由预给煤构成，用于机组升降负荷起始阶段快速增减煤量，以克服机组在升降负荷起始阶段，控制器反馈调节速率缓慢的问题。

3.1火电机组全程自趋优智能协调控制

针对火电机组协调系统大迟延、大惯性、多变量、非线性、强耦合的复杂特性，为了从根本上解决这类复杂系统的控制问题，以带前馈的阶梯式多变量广义预测控制算法为核心来设计火电机组全程自趋优智能协调控制策略，具体研究工作包括：阶梯式多变量广义预测控制算法的程序化与模块化、智能化控制策略的构建、控制器参数自趋优的更新策略等。旨在从工程应用触发，以现场工程应用需求为指导，理论联系实际，建立适应于工程应用的一整套全程自趋优智能协调控制策略，且具有一定的推广价值。

3.2主蒸汽/再热蒸汽系统及脱硝系统优化控制

由于主/再热汽温、脱硝系统均属于大迟延大惯性被控对象，因此以多变量广义预测控制算法为核心控制器，进一步研究主/再热汽温、脱硝系统的优化控制方法和策略，提升机组主蒸汽参数的控制品质，减小参数波动，提升其经济运行能力。

3.3给水全程自动控制

研究实现从给水系统管道注水、锅炉上水、点火启动、升温升压、并网带初负荷以及由低负荷逐渐升至满负荷或由高负荷降至低负荷运行的全过程给水全程自动控制。主要包括三大部分：给水调节回路、锅炉启动系统控制回路和给水系统顺控回路的设计。给水调节回路完成给水流量的调节，在低负荷时，维持水冷壁具有流速稳定的最小水流量，保持锅炉启动流量和启动压力;在高负荷时维持一定的水煤比，控制中间点温度。锅炉启动系统控制回路完成锅炉启动过程中的开式冲洗、循环冲洗、热态冲洗、分离器水位控制、炉水循环泵流量控制等，给水顺控主要完成各个泵组的启动/停止、汽泵电泵并/退泵控制、给水主路/旁路阀切换、干/湿态转换等控制。

结语：

综上所述，通过火电厂DCS控制的实际现场绘制趋势对比可以看出，基于新一代DCS控制系统研究多变量广义预测控制算法及基于工况数据筛选的模型在线辨识算法，实现高级算法模块与DCS控制系统的融合;进而通过建立机炉协调系统的全工况非线性动态模型，运用智能优化算法实现机炉模型的在线辨识，基于所辨识的机炉模型，采用多变量广义预测控制算法设计机组全程自趋优控制方案，实现火电机组的全程自趋优控制。有效的提高了系统抗干扰能力，保证锅炉对能源的利用率、锅炉的效率和运行安全，在实际生产中具有深远的意义。

参考文献：

[1]巨康怡. 火电厂DCS控制系统优化研究与应用[D].西安电子科技大学，2015.

[2]阮大伟.火电厂热工控制系统优化整定及其应用[J].西北电力技术，1997（01）：1-6.

[3]郝玉春.基于预测控制的部分分散控制器设计及其应用[D].北京：华北电力大学，2013.