模糊PID控制器在超临界机组协调控制系统中的应用

郑伟商光刚石杨根

（1.国网能源和丰煤电有限公司;2.山东电力工程咨询院有限公司;3.西安交通大学能源与动力工程学院）

摘要:以辨识得到的某电厂超临界机组协调控制对象模型为基础，经过类前馈解耦，对主蒸汽压力通道、中间点温度通道进行模糊自适应PID控制系统设计。仿真结果表明，相比传统PID控制，模糊自适应PID控制系统超调量减小，调整时间缩短，当控制量发生扰动时，系统表现出更好的鲁棒性。

关键词：协调控制；模糊控制；前馈解耦

ApplicationoffuzzyPIDControllerincoordinatedcontrolobjectofsupercriticalunit

WeiZheng1GuanggangShang2YanggenShi3

(1.StsteGridEnergyHefengcoalandelectricityCo.Ltd.2.ShandongElectricPowerEngineeringConsultingInstituteCorr,Ltd.3.Collegeofenergyandpowerengineering,Xi’anJiaotongUniversity)

ABSTRACT：Basedonthefeedforwardcompensationdecoupledmodelofcoordinatedcontrolobject,fuzzyadaptivePIDcontrollerisdesignedforthemainsteampressurechannelandthemiddlepointtemperaturechannelofthecoordinatedcontrolobject.Thesimulationresultsshowthat,usingthefuzzyPIDcontroller,theovershootofcontrolledvariabledecreasesandtheadjustmenttimereducesinresponsetoastepchangecomparedwithtraditionalPIDcontroller.AndthecontrolsystemoffuzzyadaptivePIDcontrollershowsbetteradaptiveperformancewhencontrollingvariablechanges.

Keywords:Coordinatedcontrol;Fuzzycontrol;FeedforwardDecouple

超临界机组目前应用最广泛的仍为PID控制器，同时为保证控制的及时有效性，各电厂普遍采用前馈控制技术[1]。然而对于非线性较强或有较大迟延的被控对象，常规PID控制器不能取得满意的控制效果[2]。而以模糊控制为代表的智能控制方法不需要知道被控对象的精确数学模型，对被控对象的非线性、时滞性具有一定的适应能力。为了进一步提高超临界机组的控制性能，同时满足电厂运行对于安全性和可靠性的要求，采用模糊控制与常规PID控制相结合的控制策略，对于提高机组的控制性能有现实意义[3]。

1.超临界机组协调控制对象解耦模型

超临界机组各个控制通道之间存在着强烈的耦合作用，当汽轮机调节阀开度μT、给煤量B及给水流量W中任何一个值发生变化时，机组功率N、主蒸汽压力P及中间点温度T均会发生相应的变化，超临界机组协调控制对象输入输出变量间的耦合关系增加了控制的难度。

为了提高协调控制的效果，本文先对协调控制对象进行解耦，然后设计模糊自适应PID控制系统进行性能研究。前馈补偿解耦方法的原理简单，且具有较好的解耦效果[4]。本文设计的超临界机组协调控制对象前馈解耦结构如图1，其中，，分别为汽机阀门开度、给煤量和给水流量的实际作用量。为控制对象传递函数，为解耦矩阵元素。

图1超临界机组协调控制对象解耦结构

利用量子行为粒子群优化算法(QPSO，Quantum-behavedParticleSwarmOptimization)，基于某600MW电厂的历史运行数据辨识获得控制对象传递函数如下：

式中，分别为汽机阀门开度对机组功率、给煤量对主蒸汽压力和给水流量对中间点温度的传递函数。

2.模糊自适应PID控制系统设计

采用常规PID控制器与模糊PID控制器相结合的控制策略，设计超临界机组协调控制系统。控制系统结构如图2所示，其中对于主蒸汽压力通道、中间点温度通道采用模糊PID控制器。

图2超临界机组协调控制系统结构图

模糊PID控制器的结构如图3所示。

图3模糊PID控制器结构图

3.常规PID和模糊自适应PID控制系统仿真比较

利用QPSO算法整定主蒸汽压力通道和中间点温度通道常规PID控制器参数如表1，在Matalab中建立传统PID控制系统仿真模型。在常规PID控制器基础上，采用QPSO算法整定模糊自适应PID控制器中模糊推理部分的量化因子Ke，Kec和比例因子Kup，Kui，Kud如表2，构造第2节中的模糊PID控制器，搭建模糊自适应PID控制系统。控制对象为第1节中介绍的带有解耦网络的超临界机组协调控制对象。

对主蒸汽压力和中间点温度给定值在0时刻分别设置幅值为1Mpa和10℃的阶跃变化，其响应曲线如图4和图5所示。相比传统PID控制，采用模糊自适应PID控制系统，主蒸汽压力响应的超调量由20%减小至4%，调整时间由1400s缩短至600s；中间点温度响应的超调量和调整时间也明显减小，有效提高了系统的快速性和准确性。

为了检验控制系统的抗干扰能力，在零时刻施加主蒸汽压力给定值、中间点温度给定值幅值分别为1Mpa和10℃阶跃变化的情况下，在1000s时施加幅值为80t/h的给水流量扰动，其响应曲线如图6和图7所示。相比于传统PID控制器，采用模糊PID控制器，主蒸汽压力响应的超调量由22%减小至9%，调整时间从大于1000s减小为600s；中间点温度的控制效果也大为改善。采用模糊自适应PID控制系统可以快速有效地消除给水流量扰动带来的影响，使被控参数稳定在设定值。

图7中间点温度响应曲线

4.结论

通过对超临界机组协调控制对象进行类前馈解耦，分别对主蒸汽压力和中间点温度通道进行模糊自适应PID控制系统设计。通过仿真对比发现，相比常规PID控制器，采用模糊PID控制器，控制系统的调整速度明显提升，超调量大幅降低，模糊自适应PID控制系统同时表现出较强的鲁棒性。

参考文献

[1]张雨飞.超超临界火电机组热工控制技术[M].北京：中国电力出版社,2013．

[2]王杰,姜国强.基于混合学习算法的RBF神经网络主蒸汽温度控制[J].热力发电,2009,38(2):28-31．

[3]SunJ,LiuX.TheapplicationprospectsofintelligentPIDcontrollerinpowerplantprocesscontrol[J].2012ProceedingsofInternationalConferenceonModelling,IdentificationandControl,2012:399-403.

[4]李国勇,何小刚,阎高伟等.过程控制系统[M].北京:电子工业出版社,2013．

[5]张金焕.PID控制系统和模糊自适应PID控制系统的研究及比较[J].武汉理工大学学报,2005,27(5),286-290.