热工过程控制系统

2024-07-03

热工过程控制系统（通用7篇）

热工过程控制系统篇1

0 引言

电厂热工自动化技术作为提高运行经济效益、确保设备安全、有效降低劳动强度、改善劳动条件的技术措施, 其重要性不言而喻。随着时代的进步与科技的发展, 电力系统的复杂性越来越高。为了提高电力系统的经济性与安全性, 业界众多学者对电厂热工控制技术进行了研究探讨。本文根据先前的研究成果, 归纳总结出预测控制技术的基本原理, 并探讨该技术在电厂热工过程中的应用效果及其未来的研究方向。

1 预测控制技术基本原理

MPC算法出现于20世纪70年代, 经过多年的发展, 在应用中取得了较好的效果, 并且出现了众多理论, 诸如有约束的MPC算法以及非线性的MPC算法等。虽然MPC算法种类繁多, 但一般包含模型预测、反馈矫正以及滚动优化3个关键要素。预测控制技术在实际应用中能否成功, 也取决于这3个关键要素。预测控制系统典型结构如图1所示。

ω—设定值yr (k) —参考轨迹u (k) —控制规律y (k) —系统输出yp (k) —预测输出e (k) —预测误差ym (k) —模型输出

预测控制技术是一种建立在模型以及优化基础之上的控制技术, 具有其他控制算法所不具有的特点: (1) 对模型的精确度依赖性不高, 因此建模简便; (2) 利用滚动优化的策略; (3) 采用非最小化描述的模型; (4) 算法容易推广, 可以处理的变量较多, 从而实现对多个目标的优化; (5) 具有优良的动态控制效果。

2 预测控制技术在电厂热工过程中的应用

2.1 过热汽温控制

一般来说, 火电厂锅炉蒸汽温度控制以改变减温水量作为手段。因为大惯性、大延迟以及时变性的特点, 再加上该过程的动态特性会因为运行工况的变化作出相应的改变, 因此人们往往在过热汽温控制中运用各种先进控制措施, 如预测控制和神经网络PID控制等。业内众多专家就预测控制在过热过程中的应用进行研究, 提出了建立在变结构基础上的MPC算法, 并综合反馈控制以及最优控制, 研究出新型的最优预测控制技术等。

2.2 单元机组负荷控制

作为参数慢时变、非线性与大惯性并存的多变量系统, 电厂锅炉的汽机发电单元当遭遇大范围的负荷改变时, 就会出现协调控制系统运行缓慢的情况, 因此需要采用模型预测控制技术。基于控制输入受到的约束问题, 很多学者在单元机组的负荷控制研究中引入了多变量约束MPC算法, 为过程的实现提供了可能。该算法具有操作简单、控制能力良好以及在线计算量小的优点。此外, 还有学者综合了模糊控制与预测控制技术, 研发出模糊预测控制器, 这为消除非线性以及大时滞的不良影响提供了有效的方法与途径。

2.3 主蒸汽压力控制

衡量蒸汽品质的其中一个指标就是主蒸汽压力, 如果汽压的波动幅度大, 汽轮机组和锅炉的运行将受到影响。而影响汽压扰动的主要因素包括燃料量的扰动以及汽轮机组的汽量扰动。所以, 为了确保汽轮机组和锅炉在既安全又经济的状况下运行, 就必须控制好蒸汽压力品质。因此, 连续时间广义预测控制技术就被运用到电厂锅炉汽机系统的汽压控制过程中, 这种预测技术相对于普通技术来说具有明显的优越性。此外, 也可以利用阶梯式控制技术对锅炉主蒸汽压力进行广义预测控制。

2.4 锅炉水位控制

通常来说, 锅炉水位系统的变化具有变参数、纯延迟的特点, 还会出现虚假水位的状况。如果采用常规的控制系统, 结果一般并不理想。因此, 可以在汽包水位系统中运用阶梯式广义预测控制技术, 其不但可以提高控制精度, 而且可以减缓调节器的输出波动。有其他学者提出使用汽包水位MPC预测技术。实验证明, 这种技术比常规控制方案更加理想, 控制效果长期有效。

2.5 制粉系统控制

磨煤机制粉系统在实现自动控制时往往会受到大时滞、大惯性以及多变量强耦合和时变性等因素的影响。因此, 为了实现该系统的自动控制, 必须消除上述因素对磨煤机制粉系统的影响。于是有学者提出了建立神经网络预测模型, 并将其运用于制粉系统球磨机。实验证明, 该技术方法抗干扰能力非常强, 且具有较强的鲁棒性。

2.6 锅炉燃烧系统控制

受煤的质量、变量间的耦合性、时滞性与燃烧稳定性等因素影响, 锅炉燃烧系统可以被视为一个不断波动、不稳定的复杂系统。所以当使用常规控制方法进行控制时, 如果因为锅炉的燃烧率不能精确测量计算, 那么这种控制方法效果并不好。虽然业界众多学者提出了许多关于锅炉控制的方法, 但仅仅处于理论阶段, 无法应用到实际中。因此出现了在锅炉燃烧系统中加入预报误差校正的技术, 进而弥补了DMC中存在的缺陷, 经验证效果良好。

3 预测控制技术的未来研究方向

经过多年的发展, MPC算法在理论上的发展已经进入成熟阶段, 种类繁多, 并且在实际工程应用中也取得了一些成果。但是不能否认, MPC算法还有一些瑕疵存在, 一些理论与实际应用并不能完美结合。因此, 在今后的研究开发与应用上还需要注意一些问题, 具体包括以下几方面:

3.1 分析MPC技术的鲁棒性与稳定性

从MPC技术出现至今, 其理论与应用发展相对完善, 但是对于其系统鲁棒性与稳定性的研究并没有取得很大进展, 具体表现为:首先, 缺少通用参数设计的选择标准;其次, 研究分析并没有达到可以定量的地步。所以, 今后的基本研究方向为分析MPC技术的稳定性以及鲁棒性。

3.2 探讨研究新的预测控制技术

虽然MPC算法已经较为成熟, 但是预测控制的应用不能仅停留在对已有算法的改进领域内, 还需要根据不断涌现的理论, 研究出新的MPC算法。众所周知, MPC算法有模型预测、反馈矫正以及滚动优化3个关键要素, 因此要突破旧有的MPC算法框架, 就需要在这3个要素上进行研究、突破。因此可以考虑把其他一些先进成熟的控制技术与MPC现有的理论有机结合, 或者将能解决MPC上难解问题的理论技术与其他控制技术相结合, 比如在MPC算法中加入模糊控制、神经网络、模糊神经网络以及灰色理论等技术理论, 在此基础上不断地探讨研究, 从而推动新的预测控制技术出现。其中, 在电厂热工过程中进行多层智能预测控制是一个热门的发展领域。

3.3 重视理论的实际应用与高性能软件的开发

虽然预测控制理论成熟, 但是有关电厂热工过程中的预测控制技术应用还较少, 基本上多属于理论阶段或试验阶段。此外, 我国目前预测控制的相关软件开发还相对较少, 和发达国家相比显得落后。因此, 重视理论应用与高性能软件的开发意义非凡, 不但能促进我国电厂热工控制技术的不断发展, 还将拥有广阔的产业与市场前景。所以, 加强理论应用和软件开发也是我国预测控制技术未来的重要发展方向。

4 结语

综上所述, 因为延迟与惯性过大, 并且具有耦合性、不确定性与时变性的特点, 热工过程对象的动态性无法通过建立精确数学模型的方式进行研究与控制, 所以, 现阶段基本上都是采取MPC和其他组合算法进行控制, 这在实践中已经取得了一定的成功。虽然到目前为止, 该理论在实际应用中还存在一些瑕疵, 有待进一步研究完善, 但是我们不能否认MPC算法具有广阔的应用前景。

摘要：阐述了预测控制技术的基本原理, 并对其在电厂热工过程中的应用情况及未来研究方向进行了分析与总结。

关键词：预测控制技术,MPC算法,电厂热工过程

参考文献

[1]窦春霞.基于混沌神经网络模型的模糊预测控制及应用[J].系统仿真学报, 2011 (10)

[2]赵长祥, 徐治皋.锅炉汽包水位预测监控[J].热力发电, 2003 (11)

[3]薛美盛, 孙德敏, 吴刚.火电厂锅炉主蒸汽压力的阶梯式广义预测控制[J].中国科学技术大学学报, 2002 (6)

[4]王东风.制粉系统球磨机的神经网络预测控制[J].华北电力大学学报, 2001 (3)

热工过程控制系统篇2

关键词：热工过程控制系统,Matlab仿真技术,仿真演示,实践动手能力

0 引言

热工过程控制系统是检测技术及应用、生产过程自动化等专业的一门重要专业课程, 所学内容直接应用于生产过程控制系统设计、调试、维护等工作岗位, 因此, 对于学生来说, 学好这门课程至关重要[1,2,3]。

热工过程控制系统包含控制对象的动态特性、调节器的控制规律、控制系统参数整定等众多复杂抽象内容, 使得这门课程的学习比较困难。如何将这些复杂抽象的内容形象化, 是教好这门课程的关键。Matlab的Simulink不仅能对控制系统的数学模型进行仿真, 还能对控制系统进行时域分析、稳定性分析、稳态误差分析等。在热工过程控制系统课程教学中引进Matlab的Simulink仿真技术[4,5], 将抽象的理论教学形象化, 能极大地促进学生对此课程的理解和掌握。

1 热工过程控制系统课程教学内容分析

一般热工过程控制系统包含以下内容:简单控制系统 (单回路控制系统) 、串级控制系统、前馈控制系统、比值控制系统以及这些控制系统的实际应用等[6,7,8,9]。但全书内容概括起来可分为4个部分:

(1) 控制对象的动态特性

控制对象的动态特性取决于它的内部过程的物理性质、设备的结构参数和运行条件等, 原则上可以用分析方法写出它的动态方程式。但是由于一般热工对象内部的物理性质比较复杂, 加之运行过程中的一些实际条件很难全面予以考虑, 因此, 用分析方法并不容易得到动态特性的精确数学表达式。比较常用的方法是在运行条件下通过实验来获得对象的动态特性。

(2) 调节器的控制规律

调节器的控制规律中最基本的作用是比例、积分和微分作用。由这三种基本的作用分别组合叠加则构成不同的调节器, 同一种调节器参数变化对系统调节也会产生影响。

(3) 控制系统的设计

根据被控对象的动态特性选择合适的控制系统。

(4) 调节器参数的整定

对以选择好的控制系统, 根据实际要求计算控制器参数, 并经现场调试整定。

对上述4个部分内容的讲解都需要实际设备来演示, 但在理论教学中, 不具备现场做实验的条件, 因此, 在授课时老师只能把实验过程和试验结果直接告知学生, 不能形象演示。

2 Matlab仿真技术介绍

Matlab是一种面向工程和科学运算的交互式计算软件, 现已被IEEE (电气与电了工程师协会) 评为国际公认的最优秀科技应用软件[10,11]。其最重要的组件Simulink能提供动态系统建模、仿真和综合分析的集成环境, 并专门为控制系统、电路等学科设计了仿真模块, 如:

通过此仿真软件来模拟现场用到的器件和被控对象, 从而解决热工过程控制系统教学内容需要现场实验的问题。

3 Matlab的教学应用

3.1 被控对象动态特性的分析

假定给定有自平衡的单容对象W1和多容对象分W01别为:

给定阶跃信号输入的情况下, 分析被控对象的输出响应曲线。通常教师在讲解这部分内容时, 若直接给出响应曲线分析响应过程, 则会比较抽象, 学生不容易理解。如果这个过程利用Matlab仿真技术来进行演示, 其教学效果就明显不一样了。首先模拟求取被控对象动态特性的工况, 搭建仿真模块如图1所示。

再进行实验操作, 执行图1中Simulation中的Start命令, 得到响应曲线如图2所示。

从图2明显看出两个对象在阶跃信号输入下的不同响应曲线, 通过曲线对比, 能够直观地看出不同对象的特点。

这个过程可让学生自己做, 并要求学生分析响应结果得出结论。这样既锻炼了学生的动手能力, 又培养了其独立思考能力。

3.2 调节器规律分析

对于比例积分微分调节器 (PID) , 其传涵为:

其中δ大小代表的是比例作用, 其值减小, 会使系统的响应速度加快, 减小系统稳态误差, 但如果过小会使系统产生振荡。Ti代表的是积分作用, 能消除静态偏差, 其值增大, 有利于减少超调和振荡, 但要延长系统消除静态偏差的时间。Td代表的是微分作用, 能获得超前的调节信号, 改善系统的动态特性。

只有比例作用调节器称为比例调节器 (P) , 它的特点是控制作用无迟延、无惯性, 但调节的结构存在静态偏差。既有比例作用又有微分作用的称为比例微分调节器 (PD) , 它的特点是能获得超前的调节信号, 改善系统的动态特性。既有比例作用又有积分作用的称为比例积分调节器 (PI) , 它的特点是既有比例作用的即时快速, 又因为有积分实现系统无静态偏差调节。比例积分微分调节器 (PID) 是在比例积分的作用上加入微分作用改善系统的动态特性。

对设计部分内容进行仿真演示, 其它内容可设计成实验。现选取系统的被控对象[12]为:

做如下实验:

(1) 设计使用PI和PID两种不同调节器构成的控制系统, 比较控制效果。调节器参数如表1所示。

阶跃信号输入下的系统响应曲线如图3所示, 从图中看出PID调节器在超调量、控制过程时间等系统性能指标方面优于PI调节器。

(2) 设计使用PID调节器构成控制系统, 其参数取值如表2所示 (δ的数值不同) :

阶跃信号输入下的系统响应曲线如图4所示。

通过分析图4在相同输入信号作用下的响应曲线, 很直观得看出参数δ对控制系统的作用。

3.3 系统整定

在已知被控对象的动态特性, 选择合适的调节器后, 整定调节器参数。

假定给定被控对象为[5]:

根据响应曲线法的设计方法[6], 设计PI调节器 (δ=0.88, Ti=44.3) , 然后利用Matlab模拟现场调试, 具体就是调整PI调节器参数直到响应曲线达到最佳。

首先构建如图5所示的仿真模块。

然后根据输出曲线 (仿真曲线如图6所示) , 在仿真系统上对PI调节器的参数进行调试, 直到系统的动态偏差减少, 稳定性增强。整定后其调节器参数为δ=0.91, Ti=60。

到此单回路系统响应曲线整定法理论计算和现场调试结束。

3.4 实验环节设置

在上述内容结束后, 设计类似的内容作为实验内容让学生独自完成。例如在第一部分讲解完被控对象动态特性的分析后, 可利用得到的对象响应曲线反过来求解被控对象的数学模型。这样每部分教学内容认真设计, 前后呼应, 既有老师讲解以指导动手部分, 又有学生独立完成实验部分, 可全面促进学生对知识的理解和掌握。

4 结束语

将热工过程控制系统课程中的众多内容进行整理, 对有代表性的重点内容利用Matlab仿真技术进行讲解, 并设计相应的实验环节, 以便加深学生对知识的理解。在实际教学过程中, 充分利用仿真演示方法进行授课, 发现学生对该课程的兴趣明显提高, 对内容的掌握也增强了很多。而且仿真演示使用计算机软件将需要的模块之间进行软连接就可以完成, 操作起来比较方便;演示时在多媒体教室就可以实现, 场地灵活, 不需要增加其它教学设备, 有利于节省教学成本。

参考文献

[1]鲁照权, 方敏, 陈梅, 等.自动化专业教学计划的改革探讨[J].职业时空, 2010, 24 (1) ;82-85.

[2]陈怀忠, 韩承江.高职自动化专业工学结合人才培养模式的研究与实践[J].合肥工业大学学报 (社会科学版) , 2010 (10) :68-69.

[3]潘维加, 王鹏.热工控制原理和系统的实验软件[J].实验室研究与探索, 2006, 25 (7) :791-793.

[4]王业萍, 李剑.基于Matlab仿真技术的单回路系统整定教学[J].江西电力职业技术学院学报, 2010, 23 (2) :77-79.

[5]王业萍, 李剑.Matlab仿真教学的研究与实践[J].江西电力职业技术学院学报, 2010, 23 (3) :77-79.

[6]边立秀, 周俊霞, 赵劲松, 等.热工控制系统[M].北京:中国电力出版社, 2002.

[7]文群英.热工自动控制系统 (第二版) [M].北京:中国电力出版社, 2009.

[8]王建国, 孙灵芳, 张利辉.电厂热工过程自动控制[M].北京:中国电力出版社, 2009.

[9]殷树德.热工过程自动控制系统[M].北京:中国电力出版社, 1998.

[10]瞿亮, 凌民, 傅昱, 等.基于Matlab的控制系统计算机仿真[M].北京:清华大学出版社, 2006.

[11]陈晓平, 李长杰.Matlab及其在电路与控制理论中的应用[M].合肥:中国科学技术大学出版社, 2004.

热工过程控制系统篇3

关键词：主蒸汽温度,LMI,H∞鲁棒控制

1 引言

在火力发电厂中, 主蒸汽温度对象的动态特征具有大迟延、大惯性、时变性和非线性的特点, 采用传统的PID控制方法很难获得令人满意的控制性能。不确定系统的鲁棒控制, 近几十年来一直是国内外广大学者关注的热点, 由于它在设计控制器时充分考虑到系统所受到的干扰和被控对象参数的变化, 因而控制效果好、鲁棒性强, 适用于被控对象模型参数不确定或参数时变的工业生产过程。

本文对一个参数随着工况负载变化而变化的热工过程的鲁棒控制问题进行了研究。根据鲁棒控制的性能指标, 采用LMI方法来设计状态反馈控制器, 提高系统在工况负载变化下的鲁棒性能。

2 热工过程模型

在发电厂的热工过程的主要控制参数是锅炉出口过热蒸汽温度, 过热蒸汽控制系统的控制目标是将过热器出口的温度维持在允许的范围内。工艺上一般对过热蒸汽的温度控制的范围比较严格, 规定过热蒸汽的温度上限不能超过其额定温度5 ℃, 下限不能低于其额定温度10 ℃。它直接影响发电厂的经济效益和生产的安全性[1]。所以, 主蒸汽温度必须严格控制在给定值的附近, 才能保证发电系统安全高效的运行。

热工过程一般具有一定非线性和比较大的参数不确定性, 文献[2]中给出了五个负载点的主蒸汽温度对象的传递函数, 分别为:

当负载为30%时:

$G (s) = \frac{- 12.06}{(24 s + 1)^{2} (46.6 s + 1)^{4}} (1)$

当负载为44%时:

$G (s) = \frac{- 12.06}{(21 s + 1)^{2} (39.5 s + 1)^{4}} (2)$

当负载为62%时:

$G (s) = \frac{- 12.06}{(19 s + 1)^{2} (28.2 s + 1)^{4}} (3)$

当负载为88%时:

$G (s) = \frac{- 12.06}{(16 s + 1)^{2} (22.3 s + 1)^{4}} (4)$

当负载为100%时:

$G (s) = \frac{- 12.06}{(14 s + 1)^{2} (15.8 s + 1)^{4}} (5)$

可见, 随着系统工况负载的变化, 主蒸汽温度对象的参数发生比较大的变化, 采用常规的PID控制方法很难保证系统在各个工况负载下均稳定。

3 基于LMI方法的不确定系统H∞鲁棒控制

一个连续的参数不确定系统, 在时域范围内用如下的状态方程来表示:

式中:x (t) ——系统的状态向量, x (t) ∈Rn;w (t) ——系统的信号输入向量, w (t) ∈Rn;z——系统的可控输出向量, z∈Rd;A, B1, B2, C, D11, D12——相应维数的常数矩阵;ΔA, ΔB1, ΔB2, ΔC, ΔD11, ΔD12——范数有界的不确定实值矩阵。也就是说ΔA, ΔB1, ΔB2, ΔC, ΔD11, ΔD12满足:

$[\begin{matrix} Δ A & Δ B_{1} & Δ B_{2} \\ Δ C & Δ D_{11} & Δ D_{12} \end{matrix}] = [\begin{matrix} Η_{1} \\ Η_{2} \end{matrix}] F (t) [E_{1} ‚ E_{2} ‚ E_{3}] (7)$

式中:H1, H2, E1, E2, E3——具有适当维数的己知常数矩阵, F (t) 是一个具有Lebesgue可测元的未知矩阵, 满足FT (t) F (t) ≤I, I为适当维数的单位矩阵。

状态反馈的H∞鲁棒控制问题的提法是:对于参数不确定系统 (6) , 寻求状态反馈控制律:

u (t) =Kx (t) (8)

使得系统在受到外部扰动信号w (t) 时, 系统的被调输出z (t) 总能保持最小, 这样通常认为系统具有较好的性能。

将式 (8) 的控制器代入式 (6) 所示的控制系统中, 则可以将整个系统转化为:

要保证式 (9) 所示系统是渐进稳定的, 且其闭环系统的传递函数Gzw (s) 满足:

$| G_{z w} (s) |_{\infty} = | C_{c} (s Ι - A_{c})^{- 1} B_{c} + D_{c} |_{\infty} ＜ γ (10)$

式中:Ac=A+ΔA+ (B1+ΔB1) K;Bc=B2+ΔB2;Cc=C+ΔC+ (D11+ΔD11) K;Dc=D12+ΔD12。

根据有界实引理 (BRL) [3]可得:

$[\begin{matrix} A_{c}^{Τ} Ρ + Ρ A_{c} & Ρ^{Τ} B_{c} & C_{c}^{Τ} \\ B_{c}^{Τ} Ρ & - γ Ι & D^{Τ} \\ C & D & - γ Ι \end{matrix}] ＜ 0 (11)$

将Ac, Bc, Cc, Dc分别代入式 (11) , 可将系统转化为:

式中:Π=[A+ΔA+ (B1+ΔB1) K]TP+P[A+ΔA+ (B1+ΔB1) K];Ξ=C+ΔC+ (D11+ΔD11) K。

这里使用一个定理, 不作相应证明[4]:

设D, E, F和A为适当维数的实值矩阵, 且‖F‖≤I, 对任意标量ε>0, 有:

DEF+ETFTDT≤εDDT+ε-1ETE (13)

将 (13) 代入不等式 (12) , 通过矩阵schur补性质[5]进行变换, 令X=P-1, W=KX可得:

如果存在对称正定矩阵X, 矩阵W使式 (14) 成立, 则系统 (6) 的H∞状态反馈控制器可以取为:

u (t) =WX-1x (t)

如果考虑控制器本身的不确定性, 可以将控制器写成如下形式:

u (t) =[K+ΔK]x (t) (15)

式中:K——控制器的增益矩阵;ΔK——控制器的参数变化矩阵, 同样为范数有界实值矩阵, 可以描述为:

ΔK=H3F2 (t) E4 (16)

将式 (15) 代入式 (14) , 可得:

$[\begin{matrix} (A X + B_{1} W)^{Τ} + (A X + B_{1} W) & * & * & * & * & * & * \\ B_{2}^{Τ} & - γ Ι & * & * & * & * & * \\ C X + D_{11} W & D_{12} & - γ Ι & * & * & * & * \\ λ_{1} Η_{1}^{Τ} & 0 & λ_{1} Η_{2}^{Τ} & - λ_{1} Ι & * & * & * \\ E_{1} X + E_{3} W & E_{2} & 0 & 0 & - λ_{1} Ι & * & * \\ λ_{2} Η_{3}^{Τ} B_{2}^{Τ} & 0 & λ_{2} Η_{3}^{Τ} D_{12}^{Τ} & 0 & λ_{2} Η_{3}^{Τ} E_{3}^{Τ} & - λ_{2} Ι & * \\ E_{4} X & 0 & 0 & 0 & 0 & 0 & - λ_{2} Ι \end{matrix}] ＜ 0 (17)$

因此可以看出, 如果一个给定的正数γ>0, 对系统 (6) 设计一个γ-次优H∞状态反馈控制器, 即:

$| G_{z w} (s) |_{\infty} ＜ γ (18)$

那么, 基于γ-次优H∞的状态反馈控制器可以通过式 (18) 来建立和求解以下所列的优化问题来得到:

$\begin{array}{l} \min γ \\ s . t . [\begin{matrix} (A X + B_{1} W)^{Τ} + (A X + B_{1} W) & * & * & * & * & * & * \\ B_{2}^{Τ} & - γ Ι & * & * & * & * & * \\ C X + D_{11} W & D_{12} & - γ Ι & * & * & * & * \\ λ_{1} Η_{1}^{Τ} & 0 & λ_{1} Η_{2}^{Τ} & - λ_{1} Ι & * & * & * \\ E_{1} X + E_{3} W & E_{2} & 0 & 0 & - λ_{1} Ι & * & * \\ λ_{2} Η_{3}^{Τ} B_{2}^{Τ} & 0 & λ_{2} Η_{3}^{Τ} D_{12}^{Τ} & 0 & λ_{2} Η_{3}^{Τ} E_{3}^{Τ} & - λ_{2} Ι & * \\ E_{4} X & 0 & 0 & 0 & 0 & 0 & - λ_{2} Ι \end{matrix}] ＜ 0 \\ X ＞ 0 \end{array} (19)$

如果式 (19) 的优化问题有解, 利用该优化问题的解可以得到γ-次优H∞状态反馈控制器, 相应的最小扰动抑制度是γ。状态反馈控制器为:

K=WX-1 (20)

4 基于LMI的H∞鲁棒控制在热工过程中的仿真研究

对于式 (1) ～式 (5) 所示的热工过程, 选取系统参数变化范围的两个极限状态来作为设计控制器的依据, 选取系统负载为100%状态方程作为系统的标称模型, 100%～30%之间的参数变化作为被控对象的不确定性来讨论系统状态反馈控制器的设计。

首先将系统在负载分别为100%和30%时的传递函数转化为空间状态方程的形式。根据被控对象的特点, 可以将被控对象看成如图1的状态构成。

利用图1中所示的位置, 选取六个状态变量, 写出被控对象的状态方程。利用这种方法, 可以保证被控对象在各种负载工况下的状态变量的测量点一致。同时也可以保证被控对象在负载为44%、62%和88%时的状态方程的参数包含在负载为30%和100%的参数范围内变化。

根据上述的状态变量的选择, 则对式 (1) ～式 (5) 所示的热工过程的状态空间方程可以表示为:

${\begin{cases} \dot{x} (t) = (a + Δ a) x (t) + (b_{1} + Δ b_{1}) w (t) \\ + (b_{2} + Δ b_{2}) u (t) \\ y (t) = (c + Δ c) x (t) + (d_{11} + Δ d_{11}) w (t) \\ + (d_{12} + Δ d_{12}) u (t) \end{cases} (21)$

式中:a=A0;b1=b2=B0;c=C0;d11=d12=D0;;Δb1=Δb2= $[\begin{matrix} - 0.029 762 & 0 & 0 & 0 & 0 & 0 \end{matrix}]^{Τ}$ ;Δd11=Δd12=0; $Δ c = [\begin{matrix} 0 & 0 & 0 & 0 & 0 & 0 \end{matrix}]$ 。

根据式 (14) , 如果取γ=0.8, 利用Matlab中的鲁棒控制工具箱 (Robust-Control-Toolbox) 中的相关命令 (feasp () , dec2mat () ) [6]可得:K=[-0.593 95 0.047 084 0.018 556 -0.008 519 7-0.014 691 -0.008 845 9], 那么当系统的负载为30%时, 闭环系统的状态零输入响应曲线图如图2所示。

当系统负载为100%时, 闭环系统的状态零输入响应如图3所示。

从上述仿真结果可以看出, 求解式 (14) 可以得到参数不确定系统的状态反馈鲁棒控制器。

当上述控制器受到一个如下扰动时, 系统的状态将发生变化:ΔK=[0.26 0.26 0.26 0.26 0.26 0.26], 则系统在负载为30%时, 闭环系统的状态零输入响应如图4所示。

从以上的仿真结果看出, 采用式 (14) 所确定的控制器在系统负载分别为30%、100%时可以使系统稳定, 具有一定鲁棒性。但是当控制器参数存在摄动时, 该闭环系统的状态零输入响应是发散的, 即控制器参数存在扰动的情况下, 闭环系统是不稳定的。

如果在设计控制器时, 考虑到控制器有如下的扰动:ΔK=[0.3 0.3 0.3 0.3 0.3 0.3]

根据式 (17) , 利用Matlab可以求出系统的控制器:K=[-1.262 5 -0.150 71 -0.072 266-0.044 981 -0.023 036 -0.015 544]。

当控制器存在扰动时, 闭环系统的状态零输入响应如下。系统负载为30%时, 闭环系统的状态零输入响应如图5所示。

系统负载为100%时, 闭环系统的状态零输入响应如图6所示。

5 结论

从仿真结果来看, 采用本文研究的状态反馈控制器的方法, 可以设计出鲁棒性能较强的控制器。从图5和图6可以看出, 采用式 (17) 状态反馈H∞鲁棒控制器的设计方法, 可以有效增强系统对控制器本身参数扰动的鲁棒性能。

参考文献

[1]边立秀, 周俊霞, 赵劲松, 等.热工控制系统[M].北京:中国电力出版社, 2001.

[2]张荫芬.热工过程预测控制研究[M].北京:华北电力大学, 2003.

[3]俞立.不确定离散系统的最优保成本控制[J].控制理论与应用, 1999, 16 (5) :639-642.

[4]BARMISHB R.Necessary and Sufficient Conditions for Quad-ratic Stability of an Uncertain System[J].Journal of Optimiza-tion Theory and Application, 1985, 46:399-408.

[5]DORATO P, ABDULLAHC T, et al.Linear Quadratic Control:An Introduction[M].Englewood Cliffs, NJ:Prentice Hall, 1995.

热工过程控制系统篇4

1 CDIO概述

CDIO工程教学理念是近年来国际工程教学改革的最新成果, 是国际工程教育与人才培养的创新模式, 即构思 (Conceive) -设计 (Design) -实现 (Implement) -运行 (Operate) 工程教育理念和以能力培养为目标的CDIO理念, 强调综合的创新能力, 与社会大环境的协调发展, 同时更关注工程实践, 加强培养学生的实践能力。该理念用于国内外许多高校的人才培养模式的改革与实践中。

2 可行性分析

CDIO理念已经应用于包括麻省理工学院和瑞典皇家工学院在内的几十所世界著名大学的工程类人才培养中, 国内机械类、电气类教育部CDIO工程教育模式研究与实践课题组试点工作组高校成员有38个, 取得了良好效果, 按CDIO模式培养的学生深受社会与企业欢迎。热工自动化专业同样也是为了优秀的工程人才, 因此将CDIO理念应用到热工自动化专业人才培养中, 理论上和技术都是可行的。

当前从学校到学院都加大了教育教学改革的力度, 特别在人才培养方案上做了大量研究和改革。我院热能与动力工程已实行卓越工程师培养计划, 实施经验可以借鉴到热工自动化专业CDIO人才培养模式研究中。同时, 申请人与课题组成员在热工自动化人才培养方面已经做了大量的工作, 在《计算机仿真技术》课程教学研究中应用了CDIO理念, 并取得初步的成果。因此具备开展热工自动化专业CDIO人才培养方式研究的工作基础, 可以保障课题的顺利开展。

3 人才培养模式CDIO改革要点

虽然我们已按我院的情况, 结合有关院校的经验, 2014年修定了我校热工过程自动化专业本科人才培养计划, 但在计划的落实上仍有很多工作要做, 需要采用CDIO理论, 制定切实的步骤、方法、手段保证计划的实施。本项目研究热工自动化专业CDIO人才培养模式, 探索指导CDIO课程体系, 建设符合CDIO要求的师资队伍, 选3~4专业课程进行CDIO教学改革与实践, 以期望提高学生的综合素质与就业质量, 逐步推广CDIO人才培养模式。建立热工自动化CDIO人才培养模式, 形成具备“本科底蕴+职业能力”特色的人才培养方案, 重视学生动手能力的培养, 加强学生个人职业素质的培养, 调整专业建设, 引导教学内容和教学方法改革, 从而提高学生的综合素质与就业质量。改革要点如下: (1) 新形势下具有电力行业特色的本科教育人才培养模式研究; (2) 根据CDIO理念探索热工自动化专业课程体系研究; (3) 建设符合CDIO要求的师资队伍; (4) 研究CDIO教学方法。充分运用现代教学手段, 用先进的教学方法给学生传授与时代同步发展的本学科知识; (5) CDIO实验教学研究。充分利用现有实验设备, 加强对学生动手能力和创新能力的培养; (6) 基于CDIO培养学生实践能力及创新能力的研究。通过课程设计、毕业设计等环节使学生受到工程和基本科研能力的培养。

4 实施方案

根据社会主义市场经济发展的要求与学校教学工作会议精神, 以培养“两好”人才作为目标, 探索适应社会主义新常态, 德、智、体全面发展的热工过程自动化专业人才培养模式。认真研究国内外高校相关专业特点, 制定落实热工过程自动化专业CDIO人才培养模式的具体实施方案, 完善有关典型课程建设内容, 并进行实践, 总结实施效果, 具体实施方案如下:

1) 到电力系统相关高校调研, 调查研究热工自动化专业现状, 分析热工自动化的专业特点和发展趋势;2) 到电力生产企业调研对热工自动化工程师的就业现状, 深入了解人才市场需求, 主要了解热工自动化人才的社会背景、职业背景和行业背景, 企业对热工自动化人才使用的要求与期望以及对毕业生的评价, 为构建CDIO人才培养体系研究提供依据和方向;3) 研究热工自动化CDIO人才培养目标定位以及知识、能力、素质结构框架, 制定CDIO人才培养方案;4) 研究热工自动化CDIO课程体系, 同时探索建设符合CDIO要求的师资队伍;5) 边研究边实践。在实践中总结规律, 促进研究, 用研究成果指导实践。针对试点主干专业课程建立一套系统完整的CDIO教学方法和比较系统完整的教学档案资料, 以加强教学管理工作, 做好教学质量监控, 确保研究成果在热工自动化专业的实施。

5 结束语

通过引入CDIO理念, 分析了热工过程自动化人才培养模式改革的可行性、改革要点以及实施方案。在2016年将应用CDIO理念, 系统修订热工过程自动化人才培养计划, 为学生营造CDIO学习环境, 着重提高学生的工程素质、团队合作能力、人际交往能力等。

摘要：随着中国社会经济发展进入新常态, 热工过程自动化人才培养模式改革迫在眉睫。本文应用CDIO理念, 探索热工过程自动化的人才培养模式。分析了人才培养模式CDIO改革的可行性、改革要点以及实施方案。

关键词：热工过程自动化,CDIO,人才培养模式,教学改革

参考文献

[1]申忠利, 左毅, 谢七月.控制系统计算机仿真课程教学改革的CDIO实践[J].教育教学论坛, 2015, (18) :101-102.

热工系统实用控制性能评价研究篇5

在工业控制领域, 面对着生产过程控制回路不断增加, 生产工艺对生产过程的控制要求日益提高的现状, 对控制系统性能进行有效地评价, 将大大提高工作效率, 降低生产成本, 提高控制的有效性。但具体到热工控制系统, 控制系统性能评价的相关方法和工具应用较少。各种研究和开发成果并未发挥其应有的经济与社会效益。所以研究性能评价方法以及在热工系统中的应用是必要的。

随机性能评价指标首先是Harris在1989年提出的基于反馈不变项的最小方差性能指标 (Harris指标) [1]。之后, 基于历史数据定义的指标, 这是最简单最容易理解的指标。受内模控制思想的启发, Huang.B (1998) [2]给出了IMC指标.为避免时延的预估计, Desborough and Harris (1992) [3]和Thornhill et al. (1998;1999) [4,5]提出了扩展时域 (EHPI) 的性能评价指标.Horch and Isaksson (1999) [6]提出了基于极点配置的最小方差性能指标.考虑到控制行为的限制, 广义最小方差性能指标 (G M V) 在2002年由Grimble提出[7]除此之外, 线性二次型指标 (LQG) 和预测控制指标 (MPC) 分别由Huang和Kadali, R (2002) [8], Gao et al. (2003) [9]给出。

以往的性能评价指标有如下的共性:1、一直强调越接近于0或者1, 系统的性能越好或者越坏, 但是没法给出定性的判断, 怎样是好, 怎样是坏;2、以上指标是独立于噪声的, 就是噪声水平的大小对性能指标的计算没有影响, 从另一个方面来说, 噪声对系统的影响应该怎样来衡量;3、指标计算出来了该做什么没有说明。针对以上问题, 本文定义了基于方差上下界的性能指标评价指标。通过该指标在不同范围内可知此时控制系统的状态。对不同的范围内的控制系统给出针对性的优化或者选择建议。

控制系统的性能评价在实际应用时最好是无侵入性的, 即对控制系统的正常运行不产生影响。那么无侵入性的最好方式就是使用闭环操作数来计算其性能。但是闭环操作数不能直接用来进行性能计算。原因是闭环操作数存在着两个基本问题:1、随机性能计算需要稳态数据, 而闭环操作数并不一定是稳态数据;2、控制系统的采样速率与闭环操作数的采集速度不一定一致。

针对第一问题有很多解决办法, 主要有统计组合检验法 (CST) [10], MTE (Mathtmdical Theory of Evidence) 法[11], 这两者主要的问题假设测量值只含有随机误差, 并且服从正态分布, 一旦出现较大的干扰就会导致算法是较大的外扰就会导致算法的误判。除此之外还有些采用模糊集, 小波分析等方法来进行稳态判别, 这些都有算法复杂的特点。熵作为从平均意义上来表征总体信息的测度, 反映了随机变量的不确定程度, 其值越小, 随机性越小、不确定程度越小。为此, 本文采用离散信息熵来判断数据是否处于稳态, 并给出了简便的稳态数据选择算法。

通常, 过快的采样不现实, 在实际工业中很少。那么第二个问题主要是性能指标计算用数据的采样速率通常小于控制器的采样速度。这样会引起输出方差不必要的增大, 性能计算变得不可靠。S?derstor?m给出了确定性重采样的方法[12], Alexander Horch等人在给出精确地再采样A R M A模型的计算方法[13], 但是这两者计算复杂, 需要解李雅普诺夫方程, 后者还要求解黎卡提方程, 这就给该算法的应用带来了困难。为避免解李雅普诺夫方程和黎卡提方程, 本文提出了基于分段线性插值的数据再采样算法。通过对闭环操作数进行再采样估计出采样速率和控制系统速率相同步的数据用于性能评估。

2 新的性能指标

新的随机性能指标定义如下:

其中η为性能指标, δe2为控制误差的方差, δ2minδ2max分别为控制误差方差的上下界

假定δ2max>δ2min, 对于该指标, 其值在不同的范围内, 表征控制系统处于不同状态, 其具体划分如表1所示。

3 方差界限的计算

3.1 最小方差的计算

如图1所示, 控制系统通常可以作如下描述:

其中:q-1为延迟因子, Yt为过程变量, Ut为操作变量, d为过程的延迟, B (q-1) , A (q-1) 为对象的离散传递函数的分子分母, Dt为过程扰动。过程扰动Dt表示如下:

其中∇=1-q1-即后项差分因子, αt为零均值白噪声, b为差分次数。

过程采用线性反馈控制器的形式:

εt=Ysp-Yt, 假定Ysp=0, 易得:εt=-Yt, 此时对控制误差的研究可以通过研究系统输出来得到。由以上各式可得闭环表达式如下:

最小方差计算如下:

计算最小方差主要有以下几种思路:

过程完全辨识后, 按照上述理论进行计算。

ARMA建模, 计算最小方差[1]。

FCOR (Filtering and Correlation analysis) 算法[14]。

递归最小二乘算法[15]。

3.2 最大允许方差的给定

在实际的控制系统, 不管控制系统处于何种噪声环境, 不管控制系统采用何种控制策略, 何种控制结构, 控制系统的输出的方差应该有个上限δ2user, max。超过这个上限就说明此时控制系统没有满足控制的要求。规定这一上界在实际的工业过程中是必要的, 也是有实际意义的。

取:δ2max=δ2user, max

Remark1:δ2mv>δ2max是可能出现的, 此时的控制系统无论怎样调节都无法满足用户的要求。此时就需要考虑改变控制结构, 加入必要的前馈, 或者是进行控制回路再设计。

Remark2:由于执行机构的限制, 控制量的方差不能太大。在此限制下能通过广义最小方差的方法算出可达的广义最小方差δ2ac, 使其代替 (1) 式中的δ2min计算性能指标即可。

Remark3:由 (6) 式可知最小方差的值与控制系统所受的随机性扰动直接相关.而最小方差性能指标如下:

有上式可知最小方差性能指标是独立于噪声环境的, 是独立于随机性扰动, 其值只与控制系统有关。由于系统的输出可以表示为:。很可能的情况是在最小方差性能指标ηmv很接近于1 (最小方差性能意义下的性能很好) 时, 此时的δy2却很大, 不满足实际的要求。在3.2中给出的最大允许方差是与随机性扰动无直接关系。正是这种无关性才对进入控制系统的随机性扰动做出了限制。避免了噪声很大使得输出方差很大而性能指标值却显示很好状况的出现。

4 用日常操作数计算性能指标

4.1 实际计算中的问题

为计算系统的随机性能, 要求已知系统的延迟和闭环操作数。采用闭环操作数进行性能评价, 无需实验, 对控制系统本身无影响。但是, 不是所有的闭环操作数都可以直接被用来计算系统的性能。

在3.1中计算最小方差的各种方法中, 所用的数据是稳态数据。这就对计算用的闭环操作数提出了要求。对于控制系统进行性能评价需要稳态数据。通俗的讲, 如果数据是非稳态的, 计算系统的随机控制性能是不准的, 这就是为什么在采用通常算法计算系统的随机性能是会出现计算不稳定的现象的主要原因之一。除此之外, 计算用数据的采样速率通常小于控制器的采样速度的问题, 大多数情况下是这样的, 这就需要对闭环操作数进行再采样, 以得到符合要求的数据进行性能评价。

4.2 基于shannon熵的稳态数据选择

4.2.1 信息熵定义与计算

熵原本是热力学中的基本概念, 是度量系统内部微观粒子的无序程度的量。Shannon在上世纪40年代提出了信息熵的概念, 从平均意义上来表征总体信息的测度, 反映了随机变量的不确定程度, 其值越小, 随机性越小、不确定程度越小。

对于某离散型的随机变量Y, 其概率分布图表2所示。

则其信息熵定义如下:

4.2.2 误差信息熵的计算

对长度为N的控制误差e的数据列, 首先选其最大值en与最小值e0;然后将其等分为n个子区间[emin, e1], (e1, e2], L, (en-1, emax], 故子区间长度如下:

则:第i个等分点计算如下:

数据落在第i个区间 (ei-1, ei) 内的个数记为Ni, 则数据在该区间上的概率为:

在整个计算样本按照信息熵的定义计算误差的信息熵。

4.2.3 样本的选择算法

通过信息熵对数据的平稳性进行度量, 进而选择合适的样本计算控制系统的性能。样本的选择算法如下:

1.对于给定数据长度为M的样本y (1:M) , M应大于样本计算所需的最小数据量N, i表示预选样本首值的位置, 令i=0;

2.i=i+1;

3.j表示预选样本末值位置, 则易得预选样本的长度为j-i+1, 预选样本为y (i:j) , 令j=i+N-1;

4.j=j+1;

5.对数据y (i:j) 计算其信息熵E (i, j) , 若j

6.如果i

7.找出信息熵矩阵E中的最小值所对应的行row和列col, 则易知y (row:col) 最平稳, 选择为终选样本, 终选样本的长度为col-row+1。

4.3 数据再采样

假定控制器的采样率大于数据收集的速度。假设控制器的采样周期为T1, 输出数据的收集间隔是T2。对于通常的性能评价, 采用日常操作数进行A R M A建模, 得到不可测噪声到系统输出的传递函数模型如下:

而日常操作数的收集间隔T2>T1, 假设系统的实际模型如下:

日常操作数n个采样如下:

在时间段[0, n T2], 直接使用建模, 得到系统模型是

A2 (q-1) yt=B2 (q-1) q-dut+C2 (q-1) αt, 对系统进行评价所需模型是:

需要的数据是:

对于采样数据Y2的一阶差分如下:

定义如下的质量因子:

对于采样数据Y2求二阶差分如下:

其压缩比定义如下:

其中n0为采样数据中的二阶差分为零的点的个数。Thornhill et al. (2004) 指出当CF>3并且QF>0.4时数据用来计算系统的性能是不合适的[16]。当数据可以用来计算系统的性能指标时, 对采样数据进行重采样。假设对象有个连续模型存在, 那么由日常操作数的n个采样Y2, 采用分段线性插值进行重采样。

当m T2≤k T1≤ (m+1) T2时, 可得;

k= (1, 2, L N)

5 仿真

对于如下的过程:

ε (k) 零均值方差时变的白噪声.其方差如下:

控制采用PI控制器 (PI1) 其比例系数和积分系数kc=0.27, Ti=7.14。如图2所示, 采用原采样数据计算的最小方差和重采样后计算的最小方差性能指标做了对比, 从中可以发现, 重采样的计算较原采样的计算更为准确。

此时的控制并不是很好, 需要对控制器进行进一步的优化, 为此分别进一步优化了PI控制器的参数, 得到PI2的参数为kc=0.31和Ti=182.在最小方差意义此时的PI控制还不够好, 为此设计了近似最小方差控制器 (MVC) 为:

在最小方差意义下, 三者性能由好到差排序:PI1, PI2, MVC。但是, 应用本文的性能指标计算的性能图3所示。据此可得PI2的性能最好。尤其在初始段, MVC的指标值大于0低于0.25表明其控制过于激烈, 如果对输出或者执行器稍加限制则该控制器就不可使用。

6 实际应用

本文数据取自某1000M W燃煤机组, 3月8日4:00:00~12:19:57, 每3秒一个采样点的, 共计10 000个采样数据。采样数据如图4所示, 从中可以看出在动态变化过程中, 主汽压控制系统的跟踪性能是不错的。由于是动态过程无法直接评价其随机性能, 故进行分段评价, 因为可以认为是是稳定的。图5给出了主汽压跟踪误差曲线, 从图中可以看出在不同的阶段误差随机差异比较大。性能计算采用分段计算, 前一千个采样记为时段1, 一千到两千记为时段2, 以此类推分为10个时段, 但是时隔时段中数据特性也各有不同。性能指标的计算值如图7所示。其中直观的给出控制系统性能的情况。但是对比发现, 采用熵选计算的结果和直接计算的结果在第4时段计算结果上有本质的区别, 对比误差图可以直观看出直接计算的结果是不对的。从中可以看出, 在第4, 5, 7, 10时间段, 系统的性能较差, 其中5的性能值是正大值, 其它的是负值, 结合图6可知最小方差均小于最大允许方差。依据表1, 可知在这四个时间段内, 系统的随机性能较差, 需要进一步调整控制器参数。这个结果和对图5的直观观察是一致的。这采用最小方差指标做不到。从中可以看出其实不是一定是控制器出问题了, 也有可能是系统中出现了新的扰动, 尤其是在第4段的后面和第10段。

7 结束语

根据热工控制性能评价的特点, 本文主要工作如下:

1、定义了基于方差上下界的性能的评价指标, 并给出不同指标值所处范围代表的意义并给出了性能优化提升建议;

2、针对实际应用中的稳态数据选择问题, 给出了基于最小熵的稳态数据选择算法;

3、针对控制系统采样速率与闭环操作数的采集速度不一定一致的问题, 给出分段线性插值的数据重采样算法;

4、在主汽压控制系统中进行了应用。

热工控制DCS系统设计与运用篇6

关键词：热工控制,DCS,设计,运用

随着科学技术在各行各业中的广泛应用, 热工控制DCS系统也被广泛应用。作为一个优化系统, 热工控制DCS系统对电厂机组的正常运行有重要的作用, 对电厂和能源的发展有积极的意义, 极大地提高了工作效率, 提升了工作质量和安全, 降低了成本, 真正实现了热工控制系统的自动化和智能化, 为经济发展作出了重要贡献。

1 热工控制DCS系统的设计与构成

热工控制DCS系统可以被叫作集散控制系统, 它区别于传统的集中型控制, 是新型的控制系统。它是在传统计算机控制系统的基础上, 结合微型计算机局域网技术, 将局域网作为纽带, 针对传统控制在使用中的缺陷和优势所孕育出来的, 也被称为4C技术。与传统型系统相比, 其更加安全、高效。该系统主要由计算机、通讯器、显示器和控制器构成, 有过程控制级和过程监控级。按照功能设计, 热工控制DCS系统主要包括数据采集系统 (DAS) 、模拟量控制系统 (MCS) 、顺序控制系统 (SCS) 、数字电液调节系统 (DEH) 和锅炉炉膛安全监控系统 (FSSS) 。在我国, 热工控制都是自动化控制。DCS系统是我国自主编制的, 相较于国外成熟的系统来说, 这样自主开发的系统在热工控制方面有时还存在一些不足。发达国家对DCS的研制要早于我国, 所以, 其比较完善, 我国部分机组目前还是依赖于进口。虽然如此, DCS系统在我国已经得到了比较广泛的使用。

DAS即数据采集系统, 又被称为计算机监控系统。它的基本功能是在线检测整个机组的生产过程并产生参数, 把这一过程经过相关的运算处理, 然后用CRT的画面形式把结果和过程提供给工作人员。在这个过程中, 系统可以实现自动报警并将制表打印出来, 对相关的性能指标进行计算, 这些功能对提高操作的准确性有所帮助。

MCS即模拟量控制系统。它可以把锅炉和汽机合成一个整体, 进行整体性控制, 其主要任务是控制生产过程中的水、风等系统的主要变量, 并调节汽轮发电机组的负荷状况。这个控制系统可以分为炉侧模拟量控制系统和机侧模拟量控制系统。在炉侧MCS系统中, 机炉协调控制系统、蒸汽温度控制系统、温度调节系统、引风调节系统、储水箱水位控制系统、启动分离器是重要的调节系统。在机侧MCS系统中, 锅炉给水系统全程调节和除氧器水位调节系统是串级调节系统, 除了这两者之外, 所有的调节系统都是单回路调节系统, 其中包括了水位调节系统、除氧器压力、闭式水箱水位调节系统和凝汽器水位调节系统。

SCS即顺序控制系统, 也可以将其称作程序控制。它能够将机组部分按照热力系统区分为几个局部性质的子系统。根据规定好的顺序、原则, 对各设备的运行状态进行逻辑性判断, 然后发出操作命令, 让机组各个部分按照一定的顺序启动, 最终完成顺序控制的要求。SCS系统主要负责的是厂房内的主机和辅机, 自动进行主机或辅机的开机或停止, 并对这些操作的参数进行监视和联锁保护。因为在SCS系统中有分层设计指令的优先级顺序, 所以, 在炉侧方面, 控制顺序的范围包括送风机和引风机、炉膛吹灰系统等;在机侧中, 顺序控制系统包括汽机润滑油系统、内冷水系统和胶球清洗系统等。相对来说, SCS系统的内容比较庞杂, 但是控制逻辑相对简单。然而, 当联锁保护逻辑成为其重要内容时, 就需要与现场设备的实际情况相结合才能完成设计任务, 系统设计的合理性既能够影响辅机的安全, 在很大程度上也关系着主设备的安全性和可靠性。

DEH即数字电液调节系统, 它是汽轮发电机组中重要的组成部分, 能够控制汽轮机的转速、功率, 并且能够控制汽轮机的压力, 在机组启停过程中和发生故障时, 能够进行有效的控制和保护。

FSSS即锅炉炉膛安全监控系统, 是燃烧器管理系统。它能够在锅炉工作中和各种运行方式下, 不间断地监视燃烧系统所产生参数和状态, 并不断地进行判断和运算, 在必要的时候发出动作指令。它能够结合各种顺序控制, 配合联锁装置的设计情况, 按照特定顺序操作燃烧系统的设备, 预测可能发生的事故, 把事故扼制在摇篮中, 从而更好地保护锅炉的安全。

2 热工控制DCS系统的运用要点

热工控制DCS系统的兼容性很好。当前电厂热工控制的机组比较庞大、数量比较多、比较复杂时, 热工控制需要有很好的技术水平才能完成这一工作。由于DCS系统的兼容性很好, 能够比较好地控制多个对象, 提高自动化运行的效率。同时, DCS系统能够很好地保障机组的运行安全, 系统中的显示功能将通过大屏幕把机组运行的状况呈现给操作人员, 优化人机操作, 使操作变得简单、方便。相对简单的操作和可视的运行状况减少了事故发生的概率, 降低了生产成本。热工控制DCS系统的主要功能是采集信息并处理、模拟量控制、顺序控制和锅炉炉膛安全检测。DCS系统具有的能动作用加快了机组安装、调试的进程。在运行时, DCS系统的主要作用就是让机组安全、经济的运行。

热工控制DCS系统有远程控制输入和输出装置, 能够进行远程输入或输出操作, 这一点也渐渐地被工程人员所重视。这种自动系统主要分为三部分: (1) 智能前端。也可以将智能前端看作是现场总线部分, 它能够将A/D互相转换进行PID控制, 并且支持热电阻的转变等。 (2) 现场通讯总线。通讯总线的表现方式是数字串行, 它能够支持多种多样的运行方式。 (3) 通讯适配器。通讯适配器主要负责的是对整个信息区域进行控制和协调, 并使主控系统的信息可以互相交换。热工控制DCS系统具有的远程控制输出、输入功能, 能够有效提高企业操作控制的安全系数。

DCS系统能够对电厂热工控制系统进行日常维护和控制管理, 涉及的主要部分有设备、设施的维护、控制, 内部软件的检测和监控。对于输出、输入部分, DCS系统可以通过系统检测进行检验、维护。如果发生故障的话, 一般情况下会更换模块, 由操作人员人工对系统内部构造进行检测, 测查是由什么原因导致的故障。如果工程人员的专业技能达不到一定水平, 就难以查出原因。为了减少由人为不当操作造成的机组故障, 企业需要对技术人员进行专业操作培训, 以减少故障发生的概率。工作人员要定期备份和保存内部应用软件的信息, 详细记录信息的变化。工作人员也要及时保存数据库内的信息和信息的变化, 防止数据丢失带来的损失。要分门别类地对软件进行检验, 详细、认真地检查软件的级别、权限、功能, 同时, 要做好软件的更新、控制和完善管理等工作。在此过程中, 要保证系统软件的运行安全, 一旦发生故障, 工作人员要马上进行维护, 排查故障, 确保其可以继续安全工作, 必要时还可以立刻采取有效措施, 例如机组停止运行, 排查并解除系统故障。

3 结束语

随着科技的发展, DCS控制系统在各行各业中得到了广泛的运用, 为各领域提供了更高水平的信息控制系统。热工控制DCS系统的兼容性很强, 在保证机组安全运行的同时, 还可以对外部设施和内部系统进行了很好的维护和管理。由此可见, DCS控制系统在我国电厂热工控制中的应用越来越广泛。

参考文献

[1]孙星.分布式控制系统DCS研究[J].科技创新导报, 2011 (12) .

[2]艾磊.电厂热工控制DCS系统的设计与研究[J].科技传播, 2012 (6) .

电厂热工保护系统改造方案篇7

关键词：PLC,热工保护系统,改造

1 基于PLC的热工保护系统的优势

(1) 系统结构简单。PLC应用到热工保护系统中以后, 系统运行可靠性得到提升, 系统结构简单, 维修组件的插接及安装过程简便, 并可以进行I/O模件的卡件式设计。

(2) 梯形图为监视、修改以及组态工作的进行提供了便利。

(3) 保护系统可以采用双电源供电, 为系统提供了更加稳定、连续的运行环境。

(4) 使用上位机进行监控, 有效减少工作人员的工作量。

2 改造热工保护系统的必要性

(1) 在机组正常运行的情况下, 保护装置并不工作, 只有当机组出现异常情况时才会启动, 保护系统装置不因运行障碍受到影响。由于系统运行过程中热工保护系统长期处于不动作状态, 由继电器组成的保护系统控制回路很容易发生拒动或者误动。

(2) 在常规的机械检查中, 需要对继电器进行相应的测试, 此项工作的任务量非常大, 并且随着系统运行时间的延长, 继电器的故障发生率会随之升高, 对机组的正常工作造成较大影响。

(3) 由于运行操作人员无法在ORS上观测到继电器的工况, 因此无法及时发现并消除潜在隐患, 可能会导致拒动。

3 改造思路

由于现有热工保护系统的控制逻辑基本上是正确并且完善的, 因此在热工保护系统的改造设计中, 不对系统的电缆、机柜、电磁阀等相关设备进行变动, 同时也不改变现场测点原则。在此基础上, 只需要通过计算机装置即继电器控制装置完成以下任务:逻辑系统中任何部件出现故障都不影响锅炉以及汽轮机的强制性跳闸;可以通过增加系统的DCS通信接口的方式实现对系统的在线监测;实现系统的自检功能与在线实验功能。

4 改造方案

改造后的热工保护系统构成如图1所示。

(2) 功能画面, 如图5所示。

5 结语

将PLC应用到电厂热工系统中以后, 系统通过上位机与PLC采用串行通信方式进行工作沟通, 系统反应更加及时。

参考文献

【热工过程控制系统】推荐阅读：

热工控制05-15

电厂热工控制05-18

热工控制系统课程06-04

热工控制系统及答案11-02

电厂热工智能控制07-02