一种面向电站智能化的火电机组自适应控制方法及系统与流程

本申请涉及火电机组智能控制领域，尤其涉及一种面向电站智能化的火电机组自适应控制方法及系统。

背景技术：

1、在“碳达峰、碳中和”的双重驱动下，火力发电的数字化、智能化发展不仅是充分发掘其灵活调峰潜力、增加电网的新能源消纳比例的有效手段，也是实现能源结构转型的重要一环。基于此，火电机组的运行控制需同时满足安全稳定、经济高效、节能降耗和低碳环保等多重目标，而上述目标的实现与机组各主辅机的紧密配合与协调控制息息相关，因此，一体化智能电站的建设势在必行。

2、目前，示范电厂智能化和数字化建设的成功尝试使智能化电厂建设迈出了坚实的一步。但是，随着电厂管控一体化程度的提升，整个机组动态特性的复杂性加剧，控制策略设计的难度提升，为火电机组的安全稳定运行带来极大挑战。

技术实现思路

1、本申请提供一种面向电站智能化的火电机组自适应控制方法及系统，以至少解决机组动态特性的复杂性加剧，控制策略设计的难度提升，为火电机组的安全稳定运行带来极大挑战的技术问题。

2、本申请第一方面实施例提出一种面向电站智能化的火电机组自适应控制方法，所述方法包括：

3、建立火电机组类型库，并确定所述类型库中各火电机组对应的各被控对象；

4、利用数据驱动的智能t-s模糊辨识方法进行各被控对象的动态特性建模，得到各被控对象的动态特性模型；

5、基于所述各被控对象的动态特性模型进行多目标及约束下的自适应控制策略的确定；

6、利用模糊整定方法或群智能优化算法进行控制参数的动态整定；

7、基于动态整定后的控制参数进行火电机组的自适应控制。

8、优选的，所述被控对象，包括：机炉协调控制系统、燃烧子系统、锅炉子系统、汽机子系统和燃机子系统。

9、进一步的，所述利用数据驱动的智能t-s模糊辨识方法进行各被控对象的动态特性建模，得到各被控对象的动态特性模型，包括：

10、确定第i个被控对象的运行原理和变量对所述被控对象动态特性影响的重要程度；

11、根据所述被控对象的运行原理和变量对所述被控对象动态特性影响的重要程度确定输入变量及输出变量；

12、基于所述输入变量及输出变量对应的数据类型，获取所述被控对象历史时段内的运行数据，并利用数据清洗算法对所述运行数据进行清洗；

13、将所述清洗后的运行数据划分为训练集和验证集；

14、根据训练集中的运行数据确定所述被控对象的动态特性模型；

15、其中，i∈[1～i]，i为被控对象的总数；

16、所述数据清洗算法，包括：小波分析算法、维纳滤波算法、卡尔曼滤波算法和神经网络算法。

17、进一步的，所述根据训练集中的运行数据确定所述被控对象的动态特性模型，包括：

18、基于松鼠优化算法对训练集中的运行数据进行划分，得到训练集中运行数据的在各工况下的数据划分结果；

19、根据训练集中运行数据在各工况下的数据划分结果确定所述被控对象的初始模型；

20、利用模型参数辨识方法确定初始模型的模型参数，得到所述被控对象的动态特性模型。

21、进一步的，所述基于所述各被控对象的动态特性模型进行多目标及约束下的自适应控制策略的确定，包括：

22、将被控对象的动态特性模型作为预测模型；

23、根据火电机组实际的运行优化需求确定预测控制滚动优化过程的目标函数及约束；

24、基于所述目标函数及约束进行控制律的优化求解，得到最优控制律。

25、进一步的，所述利用模糊整定方法进行控制参数的动态整定，包括：

26、确定模糊规则输入输出变量；

27、根据所述输入输出变量构建面向参数优化的模糊规则；

28、基于构建的面向参数优化的模糊规则对控制参数进行整定。

29、本申请第二方面实施例提出一种面向电站智能化的火电机组自适应控制系统，所述系统包括：

30、第一确定模块，用于建立火电机组类型库，并确定所述类型库中各火电机组对应的各被控对象；

31、建模模块，用于利用数据驱动的智能t-s模糊辨识方法进行各被控对象的动态特性建模，得到各被控对象的动态特性模型；

32、第二确定模块，用于基于所述各被控对象的动态特性模型进行多目标及约束下的自适应控制策略的确定；

33、整定模块，用于利用模糊整定方法或群智能优化算法进行控制参数的动态整定；

34、控制模块，用于基于动态整定后的控制参数进行火电机组的自适应控制。

35、优选的，所述建模模块包括：

36、第一确定单元，用于确定第i个被控对象的运行原理和变量对所述被控对象动态特性影响的重要程度；

37、第二确定单元，用于根据所述被控对象的运行原理和变量对所述被控对象动态特性影响的重要程度确定输入变量及输出变量；

38、清洗单元，用于基于所述输入变量及输出变量对应的数据类型，获取所述被控对象历史时段内的运行数据，并利用数据清洗算法对所述运行数据进行清洗；

39、划分单元，用于将所述清洗后的运行数据划分为训练集和验证集；

40、第三确定单元，用于根据训练集中的运行数据确定所述被控对象的动态特性模型；

41、其中，i∈[1～i]，i为被控对象的总数；

42、所述数据清洗算法，包括：小波分析算法、维纳滤波算法、卡尔曼滤波算法和神经网络算法。

43、本申请第三方面实施例提出一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如第一方面实施例所述的方法。

44、本申请第四方面实施例提出一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时，实现如第一方面实施例所述的方法。

45、本申请的实施例提供的技术方案至少带来以下有益效果

46、本申请提出了一种面向电站智能化的火电机组自适应控制方法及系统，其中所述方法包括：建立火电机组类型库，并确定所述类型库中各火电机组对应的各被控对象；利用数据驱动的智能t-s模糊辨识方法进行各被控对象的动态特性建模，得到各被控对象的动态特性模型；基于所述各被控对象的动态特性模型进行多目标及约束下的自适应控制策略的确定；利用模糊整定方法或群智能优化算法进行控制参数的动态整定；基于动态整定后的控制参数进行火电机组的自适应控制。本申请提出的技术方案，兼顾火电机组运行优化中的安全、稳定、经济、节能和环保等多项目标及约束，同时可灵活满足用户多种需求且具有可扩展性。

47、本申请附加的方面以及优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

技术特征：

1.一种面向电站智能化的火电机组自适应控制方法，其特征在于，所述方法包括：

2.如权利要求1所述的方法，其特征在于，所述被控对象，包括：机炉协调控制系统、燃烧子系统、锅炉子系统、汽机子系统和燃机子系统。

3.如权利要求2所述的方法，其特征在于，所述利用数据驱动的智能t-s模糊辨识方法进行各被控对象的动态特性建模，得到各被控对象的动态特性模型，包括：

4.如权利要求3所述的方法，其特征在于，所述根据训练集中的运行数据确定所述被控对象的动态特性模型，包括：

5.如权利要求4所述的方法，其特征在于，所述基于所述各被控对象的动态特性模型进行多目标及约束下的自适应控制策略的确定，包括：

6.如权利要求5所述的方法，其特征在于，所述利用模糊整定方法进行控制参数的动态整定，包括：

7.一种面向电站智能化的火电机组自适应控制系统，其特征在于，所述系统包括：

8.如权利要求7所述的系统，其特征在于，所述建模模块包括：

9.一种电子设备，其特征在于，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如权利要求1-6任一所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6任一所述的方法。

技术总结
本申请提出一种面向电站智能化的火电机组自适应控制方法及系统，所述方法包括：建立火电机组类型库，并确定所述类型库中各火电机组对应的各被控对象；利用数据驱动的智能T‑S模糊辨识方法进行各被控对象的动态特性建模，得到各被控对象的动态特性模型；基于所述各被控对象的动态特性模型进行多目标及约束下的自适应控制策略的确定；利用模糊整定方法或群智能优化算法进行控制参数的动态整定；基于动态整定后的控制参数进行火电机组的自适应控制。本申请提出的技术方案，兼顾火电机组运行优化中的安全、稳定、经济、节能和环保等多项目标及约束，同时可灵活满足用户多种需求且具有可扩展性。

技术研发人员：弓林娟,王林,高林,高耀岿,王文毓,桑智伟,胡昕,周俊波,赵章明,宋杰
受保护的技术使用者：西安热工研究院有限公司
技术研发日：
技术公布日：2024/1/12