本发明属于自动控制技术领域，具体涉及一种单元机组负荷控制器参数优化整定方法。
背景技术
汽包锅炉机组负荷控制的基本任务是，在保证机组运行安全(即主汽压力偏差不超限)的前提下，使机组负荷尽快跟踪设定值。目前，汽包锅炉机组负荷控制普遍采用由pi(比例积分)控制器构成的炉跟机或机跟炉多变量控制系统，公开报道的控制器参数优化整定方法一般采用如下形式的优化性能指标：
另外，机组负荷控制器参数优化普遍采用遗传算法，但如何确定遗传算法的寻优范围，没有很好的解决，目前主要由人的经验确定，为避免可能遗漏最优值，往往寻优范围设置偏大，导致算法的寻优效率低下。
技术实现要素：
发明目的：本发明提供一种能有效地调整机组功率响应速度及主汽压力动态偏差的单元机组负荷控制器参数优化整定方法。
技术方案：本发明提供了一种单元机组负荷控制器参数优化整定方法，具体包括以下步骤：
(1)用两个比例积分控制器pi1和pi2与汽包锅炉机组负荷被控对象构成机跟炉多变量负荷控制系统；
(2)采用机组功率和主汽压力的偏差及其相应的偏差变化率，构建优化性能指标；
(3)根据被控对象的传递函数模型计算确定两个pi控制器参数的优化搜索范围；
(4)采用遗传算法优化两个pi控制器的参数。
步骤(1)所述的机跟炉多变量负荷控制系统中：
pi1为炉侧控制器，其传递函数为d1(s)：
pi2为机侧控制器，其传递函数为d2(s)：
其中，s为复数域内的复变量，kp1和kp2为比例系数，ki1和ki2为积分系数。
步骤(2)所述的性能指标通过以下公式实现：
其中，ene(t)为功率偏差，等于机组功率与其设定值之差，ept(t)为主汽压力偏差，等于主汽压力与其设定值之差，cene(t)、cept(t)分别为功率和主汽压力的偏差变化率，λ1和λ2为权系数。
所述步骤(3)包括以下步骤：
(31)分别以gnb(s)、gpb(s)、gnt(s)和gpt(s)为被控对象，与pi控制器构成四个单回路反馈控制系统，采用临界比例带法分别整定四个单回路反馈控制系统的pi控制器参数，记比例、积分系数整定结果分别为：kp,nb和ki,nb、kp,pb和ki,pb、kp,nt和ki,nt以及kp,pt和ki,pt，
其中，gnb(s)是以燃烧率为输入，机组功率为输出的传递函数；gpb(s)是以燃烧率为输入，主汽压力为输出的传递函数；gnt(s)是以汽机调门开度为输入，机组功率为输出的传递函数；gpt(s)是以汽机调门开度为输入，主汽压力为输出的传递函数；
(32)按如下方法设置pi1和pi2两个控制器参数的优化搜索范围：
kp1∈(0,β·max(kp,nb,kp,pb))、ki1∈(0,β·max(ki,nb,ki,pb))
kp2∈(0,β·max(kp,nt,kp,pt))、ki2∈(0,β·max(ki,nt,ki,pt))
其中max为取大运算，β为常数，取3.0～5.0。
所述步骤(4)包括以下步骤：
(41)采用步骤(2)的性能指标计算遗传算法适应度函数值f：
其中k为仿真中的采样时刻，n为正整数，ene(k)、ept(k)分别为k时刻功率和主汽压力的偏差，cene(k)、cept(k)分别为k时刻功率和主汽压力的偏差变化率；
(42)采用遗传算法进行参数优化：
以kp1、kp2、ki1和ki2四个变量作为个体，通过对步骤(1)所述的控制系统进行仿真计算适应度函数值，采用遗传算法在步骤(3)确定的范围内对kp1、kp2、ki1和ki2四个变量进行迭代寻优计算，优化后种群中适应度函数值最大的个体即为pi1和pi2两个控制器参数kp1、kp2、ki1和ki2的优化整定值。
所述性能指标公式中权系数λ1的取值可调整机组功率响应速度，λ2的取值可调整主汽压力的动态偏差。
有益效果：与现有技术相比本发明的有益效果为：1、通过性能指标中的权系数，方便、有效地调整机组功率的响应速度及主汽压力的动态偏差，有利于工程实际应用；2、采用本发明所提出的控制器参数优化搜索范围确定方法，可有效提高遗传算法参数寻优的效率。
附图说明
图1为本发明的流程图；
图2为机跟炉多变量负荷控制系统图；
图3为λ2＝0时不同λ1取值下机组功率的响应曲线；
图4为λ2＝0时不同λ1取值下主汽压力的响应曲线；
图5为λ1＝0时不同λ2取值下机组功率的响应曲线；
图6为λ1＝0时不同λ2取值下主汽压力的响应曲线。
具体实施方式
下面结合附图对本发明的技术方案进行详细说明，图1为本发明流程图，具体步骤如下：
取某汽包锅炉机组50％额定负荷下的负荷对象作为被控对象，其传递函数为：
其中：
1、用两个比例积分控制器pi1和pi2与汽包锅炉机组负荷被控对象构成机跟炉多变量负荷控制系统，如图2所示，汽包锅炉机组负荷被控对象的输入为燃烧率ub(t)和汽机调门开度ut(t)，输出为功率ne(t)和主汽压力pt(t)，t为时间，以ub(t)为输入、ne(t)和pt(t)为输出的过程传递函数分别为gnb(s)和gpb(s)，以ut(t)为输入、ne(t)和pt(t)为输出的过程传递函数分别为gnt(s)和gpt(s)；pi1控制器的输入为功率设定值ne0与ne(t)之差ene(t)，输出为燃烧率ub(t)，pi2控制器的输入为主汽压力设定值pt0与pt(t)之差ept(t)，输出为汽机调门开度ut(t)；pi1控制器传递函数为：
2、采用机组功率和主汽压力的偏差及其相应的偏差变化率，构建如下的优化性能指标：
其中，ene(t)为功率偏差，等于机组功率与其设定值之差，ept(t)为主汽压力偏差，等于主汽压力与其设定值之差，cene(t)、cept(t)分别为功率和主汽压力的偏差变化率，λ1和λ2为权系数。
3、根据被控对象的传递函数模型计算确定两个pi控制器参数的优化搜索范围
分别以gnb(s)、gpb(s)、gnt(s)和gpt(s)为被控对象，与pi控制器构成四个单回路反馈控制系统，采用临界比例带法分别整定四个单回路反馈控制系统的pi控制器参数，整定结果分别为：kp,nb＝0.068、ki,nb＝0.00016、kp,pb＝1.52、ki,pb＝0.0035、
kp,nt＝0.071、kp,nt＝0.014、kp,pt＝0.75和ki,pt＝0.0003，则
kp1∈(0,β·max(kp,nb,kp,pb))、ki1∈(0,β·max(ki,nb,ki,pb))
kp2∈(0,β·max(kp,nt,kp,pt))、ki2∈(0,β·max(ki,nt,ki,pt))
取β＝3.0，kp1、ki1、kp2和ki2的具体优化搜索范围可设置为：kp1∈(0,4.5)、
ki1∈(0,0.01)、kp2∈(0,2.2)、ki2∈(0,0.04)。
4、根据步骤2的优化性能指标，采用遗传算法优化两个pi控制器的参数
(1)计算遗传算法适应度函数值f
主汽压力设定值pt0保持不变，功率设定值ne0做单位阶跃扰动，采用下式计算适应度函数值：
其中k为仿真中的采样时刻，n为正整数，ene(k)、ept(k)分别为k时刻功率和主汽压力的偏差，cene(k)、cept(k)分别为k时刻功率和主汽压力的变化率，由下式计算：
t为采样周期,n应满足n*t时间能覆盖被控过程绝大部分的动态特性，仿真中功率设定值做10mw的阶跃变化，取t＝1s，n＝3000。
(2)采用遗传算法进行参数优化
以kp1、kp2、ki1和ki2四个变量作为个体，通过对步骤1的控制系统进行仿真计算适应度函数值，采用遗传算法在步骤3确定的范围内对kp1、kp2、ki1和ki2四个变量进行迭代寻优计算，优化后种群中适应度函数值最大的个体即为pi1和pi2两个控制器参数kp1、kp2、ki1和ki2的优化整定值。
为反映性能指标权系数对控制性能的影响，分别进行了如下6组参数的优化：保持λ2＝0，分别令λ1＝0、1、2；保持λ1＝0，分别令λ2＝0、1、2，其控制器参数优化结果如表1和表2所示：
表1为λ2＝0时不同λ1取值对应的优化控制器参数
表2为λ1＝0时不同λ2取值对应的优化控制器参数
相应的控制性能曲线如图3至图6所示。从图3和图6可看出，减小λ1可增大机组功率响应速度，反之亦然；增大λ2可使主汽压力的动态偏差减小，反之亦然。通过改变λ1和λ2的取值可方便、有效地调整优化系统的控制性能。另外，采用本发明方法可有效缩小控制器参数优化搜索范围，避免为防止可能遗漏最优值而人为设置较大寻优范围，导致寻优效率低下的问题。