超臨界機組協(xié)調(diào)控制方法研究及模型分析

惠雪松，余志永，劉文會

（河北聯(lián)合大學遷安學院，河北唐山064400）

超臨界機組協(xié)調(diào)控制方法研究及模型分析

惠雪松，余志永，劉文會

（河北聯(lián)合大學遷安學院，河北唐山064400）

超臨界機組的蓄熱量小、非線性強、壓力波動劇烈，出現(xiàn)此類工況時，將嚴重影響機組對負荷的控制品質(zhì)。根據(jù)超臨界直流鍋爐的運行特點，對600 MW超臨界機組協(xié)調(diào)控制系統(tǒng)進行了研究。在獲得機組數(shù)學模型的基礎(chǔ)上，采用均衡實現(xiàn)模型的降階算法，對模型傳遞函數(shù)進行降階，通過仿真計算，分析了負荷變化量、燃料變化量和給水變化量對主蒸汽壓力、功率、中間點焓值的階躍擾動曲線。計算所得的結(jié)果，證明了該計算方法的有效性。

超臨界機組；協(xié)調(diào)；控制；負荷；數(shù)學模型；降階算法；變化量；計算

0 概 述

目前，600 MW超臨界機組已成為國內(nèi)新建和擴建機組的主力機型，因其主蒸汽壓力和主蒸汽溫度的提升，大大提高了機組的熱效率和經(jīng)濟性。由于超臨界機組具有容量大、控制參數(shù)多、系統(tǒng)復(fù)雜等特點，因而對機組自動化控制提出了更高的要求。

超臨界機組的負荷適應(yīng)性強、經(jīng)濟性高、結(jié)構(gòu)復(fù)雜、耦合性強，機組控制系統(tǒng)也是具有多種參數(shù)變化的多變量系統(tǒng)。近年來，越來越多的科研人員對超臨界機組的動態(tài)特性進行了研究［1-4］，但其研究對象的數(shù)學模型，基本上由比較復(fù)雜的非線性微分方程組成。為了更好地進行控制系統(tǒng)設(shè)計和仿真研究，在現(xiàn)存學術(shù)成果的基礎(chǔ)上，進一步對600 MW超臨界機組的數(shù)學模型進行了研究。采用合適的計算方法，對機組的運行過程進行了某些假設(shè)和簡化，在額定工況下，推導(dǎo)了超臨界機組的簡化模型。

1 超臨界機組結(jié)構(gòu)分析及模型研究

通過熱解實驗可知，鍋爐是一個分布參數(shù)對象，但出于簡化方面的考慮，目前在鍋爐建模與仿真中，一般都采用集總參數(shù)模型，近似描述此類分布參數(shù)對象。本模型以各段的出口參數(shù)為各段的集總參數(shù)，根據(jù)質(zhì)量守恒定律、能量守恒定律，可以建立對象的數(shù)學模型，模型的連接如圖1［1］。在總體模型的構(gòu)建過程中，本文采用了分段推理、集中求解的方法，對過熱區(qū)模型、汽水分離器模型、蒸發(fā)區(qū)模型、汽輪機測模型、爐膛燃燒模型公式，進行拉普拉斯變換后，再按圖1所示的方式進行連接。這樣，就構(gòu)成了一個以汽輪機調(diào)門開度ΔμT、燃料變化量Δm、給水閥開度變化量Δμd為輸入，并以機前壓力變化量ΔPt、機組輸出功率ΔN和中間點焓值變化量ΔH為輸出的模型，其結(jié)構(gòu)如式（1）所示。

圖1 機組模型連接示意圖

通過對部分分散控制結(jié)構(gòu)的分析，對式（1）中傳遞函數(shù)矩陣的結(jié)構(gòu)，如式（2）所示。

利用Gramian方法進行能控能觀性分析，可以得到其判別陣［8］，如式（3）所示。

其中：?11、?12、?13、?21、?22、?23、?31、 ?32、?33分別表示ΔμT、Δm、Δμd分別對ΔPT、ΔN、ΔH各子系統(tǒng)的能控能觀性控制。由判別陣（3）可知：

∑=?11+?12+?21+?22+?33=0.9931（4）

∑≥0.99，因此，選擇?11、?12、?21、?22、?33的控制結(jié)構(gòu)，從物理意義上來說，這是合理的。此時，可將直流機組三輸入三輸出的系統(tǒng)，定義為式（1），再轉(zhuǎn)換成近似線性化模型系統(tǒng)，該模型的具體形式，如式（5）所示。

2 超臨界機組的模型降階

對于控制系統(tǒng)的模型降階問題，在1966年，首先由Edward J.Davison提出的［2］，經(jīng)過多年的研究，時至今日，便產(chǎn)生了不同種類的降階算法，現(xiàn)簡要介紹幾類有代表性的降階算法，并利用MATLAB語言進行計算，得出降階后超臨界機組模型。

2.1 Pade降階算法

Pade降階算法可利用MATLAB語言編寫，求解函數(shù)pademod（），用以直接求解Pade降階的模型問題，求解函數(shù)的內(nèi)容為：

function M=timmomt（G，k）

G=ss（G）；C=G·c；B=G·b；iA=inv（G· a）；iA 1=iA；M=zeros（1，k）；

for i=1：k，M（i）=-C×iA 1×B；iA 1=iA ×iA1；end

function G_r=pade_app（c，r，k）

w=-c（r+2：r+k+1）'；vv=［c（r+1）：-1：1；zeros（k-1-r，1）］；

W=rot90（hankel（c（r+k：-1：r+1），vv））；V =rot90（hankel（c（r：-1：1）））；

x=［1（Ww）'］；dred=x（k+1：-1：1）/x（k +1）；

y=［c（1）x（2：r+1）×v'+c（2：r+1）］；nred =y（r+1：-1：1）/x（k+1）；

Gr=tf（nred，dred）

function G_r=pademod（G_Sys，r，k）c=tim momt（G_Sys，r+k+1）；

G_r=pade_app（c，r，k）

2.2 Routh降階算法

正是因為Pade降階算法并不能使原系統(tǒng)模型保持穩(wěn)定，所以Hutton從系統(tǒng)穩(wěn)定性出發(fā)，提出了Routh因子近似方法［3］，應(yīng)用該降階方法，在保證模型近似穩(wěn)定的前提下，對原模型實施降階，獲取降階模型。

Routh算法的降階函數(shù)routhmod（）的內(nèi)容如下：

function G_r=routhmod（G_Sys，nr）

num=G_Sys.num｛1｝；den=G_Sys.Den｛1｝；n0=length（den）；n1=length（num）；

a1=den（end：-1：1）；b1=［num（end：-1：1）zeros（1，n0-n1-1）］；

for k=1：n0-1，

k1=k+2；alpha（k）=a1（k）/a1（k+1）；beta（k）=b1（k）/a1（k+1）；for i=k1：2：n0-1，

a1（i）=a1（i）-alpha（k）×a1（i+1）；b1（i）=b1（i）-beta（k）×a1（i+1）；

end，end

nn=［］；dd=［1］；nn1=beta（1）；dd1=［alpha（1），1］；nred=nn1；dred=dd1；

for i=2：nr

nred=［alpha（i）×nn1，beta（i）］；dred=［alpha（i）×dd1，0］；

for i=2：nr，

nred=［alpha（i）×nn1，beta（i）］；dred=［alpha（i）×dd1，0］；

n0=length（dd）；n1=length（dred）；nred=nred+［zeros（1，n1-n0），nn］；

dred=dred+［zeros（1，n1-n0），dd］；nn=nn1；dd=dd1；nn1=nred；dd1= dred；

end

G_r=tf（nred（nr：-1：1）），dred（end：-1；1）

其中G_Sys與G_r分別為原模型與其降階后模型，而nr則為其降階次數(shù)。由此可知，用Routh算法降階后的模型，其分母的階次總是比分子階次多1。

Routh算法雖然使原系統(tǒng)模型的穩(wěn)定性得到保持，但降階后，其頻域和時域的擬合并沒有達到預(yù)期效果。因此，還可以根據(jù)控制需求，采用脈沖能量近似法［4］、主導(dǎo)模態(tài)算法［5］等。

2.3 均衡實現(xiàn)模型的降階算法

均衡實現(xiàn)模型的降階算法可直接應(yīng)用MATLAB控制工具箱中的balreal和modred命令，通過系統(tǒng)處理后，得出可控的Gramain矩陣，忽略次要狀態(tài)變量，保留重要狀態(tài)變量，從而得到所需的降階模型［6］。如式（6）所示。

以式（6）模型為例，均衡實現(xiàn)模型的降階算法過程為：

G=tf（［0.067，0.6，1.5，2.016，1.55，0.6］，［0.067，0.7，3，6.67，7.93，4.63，1］）；［G_b，g］= balreal（ss（G））

得出Gramain向量為g=［0.2433，0.1186，0.0567，0.0044，0.0011，0.0002］T

從上式可知，第3、4、5、6狀態(tài)變量不是很重要，可以忽略，再得出降階模型。

G_r=modred（G_b，［3，4，5，6］）；zpk（G_r）。

簡化后，得到降階后模型，如式（7）所示。

其實，均衡實現(xiàn)模型的降階算法不能獨自選擇其降階模型的分母和分子的降階次數(shù)，所以，在自動選擇模型階次不能滿足要求時，還是應(yīng)該考慮將狀態(tài)方程轉(zhuǎn)換成傳遞函數(shù)模型后，然后再選擇最優(yōu)的降階算法，對模型進行簡化降階。

3 在控制系統(tǒng)中的應(yīng)用及效果仿真

現(xiàn)采用均衡實現(xiàn)模型的降階算法，對上節(jié)所述模型的傳遞函數(shù)進行降階，函數(shù)降階后為：

對機組模型的動態(tài)特性進行分析，將超臨界機組直流鍋爐與小型汽包爐相比較，不同點主要表現(xiàn)在當燃水比例發(fā)生變化時，就會引起鍋爐工質(zhì)儲量的變化，機組各受熱面積比例就會相應(yīng)發(fā)生改變。通過對運行狀態(tài)的比較，影響爐內(nèi)工質(zhì)儲量變化的因素很多，主要影響因素有負荷變化量、燃料變化量和給水變化量。對于壓力等級不相同的機組，其各段受熱面積的所吸收熱量的比例也不盡相同。蒸發(fā)段的吸熱面積比例隨著壓力的升高而降低，相反，加熱段與過熱段則隨著壓力的升高而升高。所以，對于壓力等級不同的機組，其動態(tài)特性往往也會有很大的不同。對于該600 MW超臨界機組，利用MATLAB語言對模型進行模擬仿真，在三種不同階躍擾動下，其動態(tài)特性響應(yīng)曲線，如圖2所示。

圖2 600 MW超臨界直流爐的動態(tài)特性曲線

圖2（a）所示為汽機閥門擾動μT下，600 MW超臨界直流鍋爐有關(guān)參數(shù)的響應(yīng)曲線。在μT階躍增加的情況下，保持給水流量和燃料流量不發(fā)生變化，使得蒸汽壓力在初始時刻以一定的速度下降，當蒸汽流量逐漸降至與給水流量相對應(yīng)時，主蒸汽壓力也漸漸趨于平穩(wěn)；汽輪機功率的變化量ΔN與蒸汽流量成正比，其增加能量的主要來源是鍋爐本體以及工質(zhì)的儲蓄熱量。當蒸汽流量發(fā)生階躍性增長時，過熱蒸汽焓值H首先按照一定速度降低，當蒸汽流量回歸初始值之后，蒸汽焓值也趨于穩(wěn)定。通過分析，可知該時直流鍋爐的水煤比，并沒有發(fā)生變化。

圖2（b）所示為燃料擾動Δm下，600 MW超臨界直流鍋爐有關(guān)參數(shù)響應(yīng)曲線。在Δm階躍增加時，經(jīng)過短時間延遲后，系統(tǒng)各受熱面的吸熱量迅速升高，從而導(dǎo)致主蒸汽流量發(fā)生變化。而對于過熱段處的受熱面而言，蒸發(fā)量與吸熱量會同時同向變化，故而在初始時刻，過熱蒸汽溫度不會發(fā)生劇烈變化。因為給水量沒有發(fā)生變化，所以蒸發(fā)量的增加使系統(tǒng)內(nèi)的工質(zhì)儲量減少，蒸發(fā)受熱與加熱面積隨之降低，蒸汽流量經(jīng)過最大值之后逐漸回降，最后達到與給水量平衡，保持穩(wěn)定。蒸汽壓力與蒸汽流量成正比，隨著蒸汽流量的變化，蒸汽壓力首先做出反應(yīng)而發(fā)生改變，同時，蒸汽溫度的變化也會造成蒸汽容積流量的改變，系統(tǒng)內(nèi)部沿程壓力的變化造成蒸汽流量發(fā)生較大變化；同樣，機組功率的變化則是由于蒸汽流量和蒸汽溫度同時作用的結(jié)果。

圖2（c）所示為給水擾動Δμd下，600 MW超臨界直流鍋爐有關(guān)參數(shù)響應(yīng)曲線。給水擾動可以瞬時使得各加熱段工質(zhì)的流量發(fā)生變化，而對蒸發(fā)段和過熱段的蒸汽流量的影響則是有遲延的。所以，在給水量發(fā)生階躍變化時，經(jīng)過一段時間遲延后，蒸汽流量也發(fā)生變化，但最終改變的是各受熱面積的比例，過熱氣溫呈現(xiàn)較大的穩(wěn)態(tài)偏差，這也反映了煤水比的變化。蒸汽流量增加使得蒸汽壓力增加，而壓力又隨溫度的降低而降低，最終由于工質(zhì)總吸熱量不變，蒸汽流量的增加造成排氣損失增加，但略低于擾動前的數(shù)值。

4 結(jié) 語

控制系統(tǒng)的模擬仿真是建立在對象模型基礎(chǔ)上的，本文采用了分段推理，采用集中求解的研究方法，對控制模型進行了機理分析， 在保證控制精度的前提下，對研究對象進行了簡化，得到了600 MW超臨界機組的線性化模型。由于所得模型的階次較高，給以后的仿真模擬帶來了困難，所以簡要介紹了幾種模型降階的方法，經(jīng)過對所述方法的多次嘗試，最后應(yīng)用均衡實現(xiàn)模型的降階算法，獲得了控制對象新的傳遞函數(shù)，并對對象的動態(tài)特性進行了仿真模擬和結(jié)果分析，得到了良好的響應(yīng)曲線。

基于數(shù)學模型而進行的模擬仿真試驗是一種經(jīng)濟安全可靠的方法，對于本文建立的超臨界機組數(shù)學模型，由于在仿真計算過程中，忽略了一些特性因素的影響，其仿真結(jié)果僅反映了特定工況下主要參數(shù)的變化趨勢，可能與實際的機組特性存在某些偏差，有待于進一步的研究和改善。

［1］陳彥橋，鄭亞峰，劉吉臻.基于動態(tài)解耦的模糊多模型協(xié)調(diào)控制系統(tǒng)應(yīng)用研究［J］.中國電機工程學報，2006，26（12）：166-170.

［2］朱紅霞，沈炯，丁軻軻.單元機組負荷非線性預(yù)測控制及其仿真研究［J］.中國電機工程學報，2006，26（23）：72-77.

［3］房方，魏樂，譚文.基于動態(tài)擴展算法的大型燃煤機組非線性協(xié)調(diào)控制系統(tǒng)設(shè)計［J］.中國電機工程學報，2007，27（26）：102-107.

［4］谷俊杰，冀乃良.核電站蒸汽發(fā)生器水位的自抗擾多模型控制方法研究［J］.動力工程學報，2012，32（5）：273-277.

［5］王恭良，沈炯，李益國.適用于控制的600 MW超臨界機組的簡化模型［J］.江蘇電機工程，2008，4：1-7.

［6］Davison E J.A method for simplifying linear dynamic systems［J］.IEEE Transaction on Automatic Control，1966，AC-11：93-101.

［7］Hutton M F.Routh approximation for high-order linear systems［R］.Proceedings of 9th Allerton Conference，1971，160-169.

［8］Lucas T N.Some further observations on the differential method of model reduction［J］.IEEE Transaction on Automatic Control，1992，AC-37：1389-1391.

［9］Shamash Y.Linear system reduction using Pade approximation to allow retetion of dominant modes［J］.International Journal of Control，1975（21）：257-272.

［10］薛定宇.控制系統(tǒng)計算機輔助設(shè)計-MATLAB語言與應(yīng)用（第二版）［M］.北京：清華大學出版社，2011.

簡訊

福島核電站屋頂積聚的高放射性雨水或已入海

據(jù)日本媒體報道，在福島第一核電站2號機組反應(yīng)堆廠房屋頂，積聚了含有高活度放射性物質(zhì)的雨水。這些雨水很可能已經(jīng)通過排水管道，直接流入了港灣外的海洋。

據(jù)報道，東電方面自2014年5月發(fā)現(xiàn)從2號機組西側(cè)至港灣外的排水管道的放射性物質(zhì)活度高于其他排水管道。東電雖然進行了原因調(diào)查，但并未采取防止核污水流入海洋的措施。出現(xiàn)問題的排水管道位于4號機組南側(cè)，通向港灣外的海洋。東電方面表示"港灣外監(jiān)測顯示海水的放射性物質(zhì)活度沒有顯著變化"。

據(jù)悉，東電今后將在屋頂雨水排水溝附近和廠房西側(cè)的排水管道上，放置吸附銫的沸石沙包等，以努力防止污染進一步擴大。

摘自上海電氣電站設(shè)備有限公司電站輔機廠技術(shù)部《信息簡訊》第196期

Research and Model Analysis on the Coordinated Control Method of Supercritical Pressure Power Unit

HUI Xue-song，YU Zhi-yong，LIU Wen-hui
（Heibei United University Qian'an College，Tangshan 064400，Hebei，China）

Aiming at the phenomenon that the load control quality was affected seriously by the small heat-storage，strong nonlinearity and violent pressure fluctuation，the coordinated control system of 600MW supercritical units is studied according to the characteristics of supercritical once-through boiler.It can be simplified using the method of balanced implementation model order reduction algorithms for reduced order model transfer function based on the unit mathematical model.Load variation，fuel variation and change in feed water variation have been analyzed respectively through simulation on step disturbance curves of main steam pressure，power and intermediate point enthalpy，and the results proved the effectiveness of the algorithm.

supercritical pressure power unit；coordination；control；load；mathematical model；order reduction algorithm；variation；algorithm

TK223.7+1

：A

1672-0210（2015）01-0013-04

2014-11-25

惠雪松（1986-），男，碩士，助教，主要從事電廠及鋼鐵廠節(jié)能降耗方面的研究