[发明专利]基于神经网络模型状态观测器的火电机组协调优化方法

说明书

基于神经网络模型状态观测器的火电机组协调优化方法，属于火电机组自动控制技术领域，本发明为解决现有机组协调控制优化方法存在难以满足所有工况、设计复杂的问题。它建立机组协调系统的神经网络模型和状态观测器；根据神经网络模型获得神经网络模型的控制量；实时采集机组输出和神经网络模型输出，计算机组输出和神经网络模型输出的差值；实时采集神经网络模型输出和状态观测器输出，计算神经网络模型输出和状态观测器输出的差值；分别判断两个差值是否在阈值范围内，如果不在阈值范围内则以实时数据更新神经网络模型；神经网络模型更新完成后，完成机组协调优化。本发明用于对火电机组的协调系统进行优化。

技术领域

本发明涉及一种火电机组协调优化方法，属于火电机组自动控制技术领域。

背景技术

火力发电机组是以煤炭、油类或可燃气体等为燃料，加热锅炉内的水，使之增温，再用有一定压力的蒸气推动气轮方式发电的机组。

AGC(自动增益控制)是使放大电路的增益自动地随信号强度而调整的自动控制方法。自动增益控制电路的作用是：当输入信号的电压变化很大时，保持接收机输出电压恒定或基本不变。具体地说，当输入信号很弱时，接收机的增益大，自动增益控制电路不起作用；当输入信号很强时，自动增益控制电路进行控制，使接收机的增益减小。这样，当接收信号强度变化时，接收机的输出端的电压或功率基本不变或保持恒定。

随着电网考核标准的不断提高，传统火电机组的AGC控制已经不能很好满足要求，并且由于新能源占比增加，放大了火电机组非线性与滞后性带来的问题。因此，需要提高火电机组的适应能力，创新控制方法。

现有的协调控制优化方法是基于固定单一模型进行局部线性优化，其所得控制参数难以适应所有工况，更难以满足火电机组参与调峰时大范围变工况运行控制。尽管出现了以自适应为基础的变参数控制策略，但往往无法从根本上解决机组大滞后的问题，加上其复杂的设计，给应用实施带来极大难度。

发明内容

本发明目的是为了解决现有机组协调控制优化方法存在难以满足所有工况、设计复杂的问题，提供了一种基于神经网络模型状态观测器的火电机组协调优化方法。

本发明所述基于神经网络模型状态观测器的火电机组协调优化方法，该优化方法包括：

S1、实时采集机组协调系统的运行数据；

S2、建立机组协调系统在t时刻的神经网络模型；

S3、根据S2获取的t时刻神经网络模型建立状态观测器，建立预测控制器；

S4、根据S2获取的t时刻神经网络模型获取神经网络模型的控制量；

S5、实时采集机组输出和神经网络模型输出，计算机组输出和神经网络模型输出的差值e₁；

S6、判断差值e₁是否在[-M,M]内，否则以实时数据更新神经网络模型；

其中，M＝[M₁:M₂]，M₁表示负荷限制值，M₂表示压力偏差最小值；

S7、实时采集神经网络模型输出和状态观测器输出，计算神经网络模型输出和状态观测器输出的差值e₂；

S8、判断差值e₂是否在[-M,M]内，否则以实时数据更新神经网络模型；

S9、神经网络模型更新完成后，完成机组协调优化。

优选的，S1所述实时采集的机组协调系统运行数据包括：

机组调门指令、电网实时AGC给定负荷指令、机组实时负荷值、机组实时主蒸汽压力值和实时给煤量。