張 永, 王 佑, 薛亞麗,3, 李 政,3
(1.國能蚌埠發電有限公司,安徽蚌埠 233411; 2.清華大學 能源與動力工程系,電力系統及發電設備控制和仿真國家重點實驗室,北京 100084; 3.清華大學 山西清潔能源研究院,太原 030006)
以火電機組為代表的熱力過程普遍存在高階大慣性系統動態的特點,常規的比例-積分-微分(PID)控制的效果有待提升。隨著智能技術的發展,許多學者針對熱力過程控制提出了較先進的控制方法。Uddin等[1]基于智能算法設計了神經網絡非線性控制結構,并將其應用于鍋爐主汽壓力控制;陸穎等[2]基于強化學習方法對過熱汽溫串級控制器進行在線參數整定和優化;Zhang等[3]基于Ⅱ階Renyi熵準則和神經網絡對串級過熱汽溫系統的外環PID進行訓練。但是上述控制系統設計較為復雜,在線計算量較大,較難被應用于分散控制系統中。
由于線性自抗擾控制(ADRC)具有結構簡單、整定方便、魯棒性好及易于現場實現等優點,近年來得到了深入的研究和廣泛的應用[4-5]。但對于大慣性大時滯過程,ADRC的快速性不盡人意。為此,有學者提出了不同的改進方法,如文獻[6]~文獻[8]分別提出了帶時滯補償的自抗擾控制和采用史密斯預估器進行補償的自抗擾控制,改善了ADRC對高階時滯對象的控制效果,但仍存在控制量波動較大等問題,一定程度上限制了其在工程上的實際應用。
對于存在高階慣性或時滯的系統,由于系統輸出與輸入間的滯后關系,無法將常規反饋控制閉環動態響應設計得過快,否則易產生超調;……