基于粒子群算法与自适应PID控制的给水系统优化研究

于 浩

(中国大唐集团公司上海分公司,上海 200042)

0 前言

目前我国整体发电方式中，污染相对较高的燃煤发电依然是我国电力能源供给中的主要来源。相较于亚临界燃煤机组，超(超)临界机组较高地热效率使其更为契合国家当前节能环保的产业政策，已成为我国已建和在建火电机组的主力军[1]。

实际上，我国的超(超)临界燃煤机组在整体工艺、运行方式、控制方法方面仍有较大的优化空间。但火力发电厂的系统纷繁复杂给提升自动调节品质带来了一定的困难。以给水控制为例，控制过程不仅要协调负荷变化，还要保证主汽温度的稳定，进而保证电厂的正常运行[2-3]。因此，文献[4]对给水控制系统进行解耦，利用给水调节器消除燃料扰动对蒸汽温度的影响。文献[5]通过在控制系统中增加前馈、变参数等技术提升控制效果。但给水控制系统需要同时兼顾主汽温度与负荷调节，使其控制优化仍面临诸多难题[6-7]。

本文基于350 MW超临界火电机组给水系统对其控制策略及模型建立进行阐述。利用粒子群算法辨识给水模型控制参数，结合自适应PID控制方法建立给水模型，并通过仿真分析验证了方法的应用价值。

1 粒子群算法的给水模型辨识

1.1 粒子群优化算法

粒子群优化算法(Particle Swarm Optimization，简称PSO算法)作为一智能寻优控制算法，会根据种群中的个体信息共享与搜寻解的最佳极值，来解决各种参数的寻优问题。

vid(t+1)=wvid(t)+c1φ1(pid(t)-xid(t))+c2φ2(pgd(t)-xgd(t))

(1)

xid(t+1)=xid(t)+vid(t+1)

(2)

式中c1和c2——正常数;

φ1和φ2——均匀分布在0至1之间的正常数;

w——惯性权重。

考虑到c1和c2的大小对自身极值(pbest)和全局极值(gbest)的搜索能力有一定影响。因此，为提高早期粒子群的全局搜索能力对c1和c2进行如下改进，以期提高解的寻优收敛率

(3)

式中R1、R2、R3、R4——初始设定值;

T——最大迭代次数;

n——当前迭代次数。

惯性权重w表示原有速度在下次迭代中所占的比例，w值越大则表明当前速度受前一速度的影响越大

(4)

1.2 给水模型辨识

为了进一步改善模型控制精度，利用粒子群算法对上述给水模型参数进行优化。以国内某350 MW超临界机组为依托，分别提取40%、60%、80%负荷下的历史数据，辨识出不同工况下的给水中间点焓值数学模型[9-10]。受现场噪声、传输、检测仪器等多方面对测量结果的影响，使得历史数据存在一定数量的异常值，对异常值进行识别并修补，是模型辨识的重要环节。本文对建模数据进行剔除离群值、去零值、平滑过渡处理，从而得到更精确的数学模型。

对数据进行预处理，给水流量及焓值的变化趋势如图1至图6所示。

图1 40%负荷给水扰动

图2 40%负荷焓值变化

图3 60%负荷给水扰动

图4 60%负荷焓值变化

图5 80%负荷给水扰动

图6 80%负荷焓值变化

粒子群算法参数设置如表1所示：

表1 粒子群算法参数设置

针对本文的研究对象，选取的模型结构为

(5)

采用的误差准则为

(6)

不同负荷下的参数拟合效果如图7、图8、图9所示。

图7 40%负荷给水粒子群辨识效果

图8 60%负荷给水粒子群辨识效果

图9 80%负荷给水粒子群辨识效果

如表2所示，列出了相应的传递函数。

表2 粒子群算法辨识结果

2 给水自适应PID控制

依据粒子群算法辨识结果，对同阶模型中的参数K、T进行平滑处理，选用二次曲线进行拟合，相应的拟合表达式见式(7)、式(8)。其中，f为机组负荷(%)。实际拟合效果如图10所示

T=-0.03f2+2.1f+84.8

(7)

K=0.000 4f2-0.036f-0.66

(8)

图10 模型参数平滑处理

结合自适应PID控制的原理，对350 MW超临界机组给水模型进行升负荷控制。依据经验公式(7)、公式(8)对PID参数不断的进行修正，从而达到实时调整的效果。

3 仿真分析

基于以上原理，开展仿真分析。从1 800 s开始，以1%/min做升负荷实验，负荷从40%升到80%。由于整个实验过程中焓值变化不明显，可将其设为固定值。此外，为了验证PID控制的稳定性，在5 400 s时，对系统加入8%的扰动。在机组负荷上升过程中，相应的负荷响应曲线与负荷控制输出曲线如图11、图12所示。可以看出在调节过程中，虽然存在一定的偏差，但升至满负荷时，系统能够快速进入稳态运行。并且存在外部扰动时，扰动对系统影响很小,有效的增强了系统的稳定性。

图11 升负荷响应曲线

图12 升负荷控制器输出曲线

4 结论

本文针对某350 MW超临界机组进行分析，基于粒子群算法并利用机组三种负荷下的运行数据辨识给水模型控制参数，结合自适应PID控制方法建立给水模型。仿真实验结果证明粒子群算法辨识结果误差基本满足要求，在自适应PID参数调节中会存在偏差，但升至满负荷时，系统可以在极短的时间内达到稳定。当施加外部干扰时，外部干扰对系统的影响小。因此，基于粒子群算法的自适应PID给水模型具有很好的鲁棒性，在实际工程中有良好的应用价值。