基于階梯式廣義預測控制的鋼球磨煤機控制系統

徐毅，王恒，樊培利，王圣軍，萬齊心

(山東石橫發電廠，山東 泰安 271261)

過程控制技術

基于階梯式廣義預測控制的鋼球磨煤機控制系統

徐毅，王恒，樊培利，王圣軍，萬齊心

(山東石橫發電廠，山東 泰安 271261)

鋼球磨煤機制粉系統，存在大滯后、大慣性、強耦合等特點，難以實現自動控制。針對某電廠鋼球磨煤機制粉系統，對現場運行數據進行分析，建立數學模型。通過分析磨煤機的工作特性，提出了基于階梯式廣義預測控制(SGPC)的控制方案，通過3個回路分別實現磨機負荷、出口風溫度、入口負壓的控制，運用前饋補償來減少各個回路之間的耦合，并分別對各個回路設計了階梯式廣義預測控制器。仿真分析表明，采用前饋補償時，各個回路間耦合降低，控制性能較好。該控制方案在電廠鋼球磨煤機制粉系統中的運行結果表明，控制方案具有較高的控制精度和自動投運率。

鋼球磨煤機制粉系統 階梯式廣義預測控制 前饋補償

在火電廠中，制粉系統將原煤磨制成合格的煤粉供鍋爐燃燒，是電廠的重要輔助設備。其中，鋼球磨煤機具有運行可靠、煤種適應性強、檢修費用低、維護簡單等特點，占各類磨煤機總量的60%以上[1]。為了保證鋼球磨煤機制粉系統的穩定運行，需要同時保證磨煤機負荷、出口風溫度、入口負壓在工藝要求范圍之內。在實際運行過程中，鋼球磨煤機具有大滯后、大慣性、強耦合等特點，使得磨煤機難以實現自動控制，為此許多學者作了相應的研究。

通常，磨煤機的自動控制采用3個單回路PID控制[2]，由于未考慮磨煤機的大滯后、大慣性、強耦合等特點，因而無法取得良好的控制性能。為了克服各個回路間的耦合，學者們提出了靜態解耦[3-4]、模糊規則解耦[5]、神經網絡解耦[6]。考慮到磨煤機本質上是一個非線性系統，文獻[7]采用神經網絡構造磨煤機的逆系統，從而采用常規方法進行控制。文獻[8—9]則采用神經網絡的自學習特點，對PID控制器參數進行學習，從而實現性能指標參數最優化。模糊控制不需知道對象的數學模型，并且具有良好的魯棒性，為此文獻[10—11]采用模糊控制對磨煤機進行控制。由于磨煤機的復雜特性，不少學者將以上方法結合起來對磨煤機進行控制[12-14]，但這些方法大多僅限于理論仿真，未能應用于實際系統。

預測控制采取了多步預測、反饋校正、滾動優化的策略，控制效果良好，魯棒性強，適用于不易建立精確數學模型且較復雜的工業過程[15]，在石油、化工、電廠、農業等行業獲得了成功應用[16]。考慮到常規預測控制的控制律涉及逆矩陣計算，文獻[17]提出了階梯式預測控制，通過引入階梯式因子，避免了逆矩陣的計算，從而大幅降低計算量，同時減少了控制量輸出噪聲。近年來，階梯式廣義預測控制SGPC(Stair-like Generalized Predictive Control)亦在諸多行業中取得了良好的應用效果[18-20]。

為此，筆者提出前饋補償[21]和SGPC結合的方式來對磨煤機進行控制，運用前饋補償來降低各個回路之間的耦合，通過SGPC來克服磨煤機的大滯后、大慣性等特點，從而實現其自動控制。仿真分析和實際應用表明該方案具有良好的控制效果。

1 過程描述與模型

1.1過程描述

鋼球磨煤機制粉系統工作原理如圖1所示。制粉系統運行時，原煤通過給煤機送入磨煤機進行研磨，熱風、再循環風、冷風經過混合進入磨煤機，攜帶煤粉沿制粉系統管道流動。經過粗粉分離器時，不合格煤粉被過濾出來經過回粉管重新回到磨煤機進行研磨；合格的煤粉則被帶到細粉分離器進行分離，大部分煤粉被分離出來到達煤粉倉，少量煤粉則和空氣混合。這些煤粉和空氣的混合物，一部分直接進入爐膛進行燃燒，另一部分以再循環風的形式重新在制粉系統中流動。鋼球磨煤機在運行時要保證出口風溫度、入口負壓、磨煤機負荷3個 參數在工藝要求范圍內。某電廠工藝要求： 出口風溫度為65～70℃，入口負壓為-200～-600Pa。 溫度過高易發生爆炸，過低則造成進入爐膛的煤粉溫度降低，影響煤粉燃燒的效率。入口負壓反映著制粉系統的通風量，當入口壓力為正時，會發生噴粉；當入口壓力過小時，系統通風量過大，較多的不合格煤粉被帶出磨煤機，造成研磨效率降低。另外，磨煤機負荷也要進行控制，以防發生滿磨和空磨。煤位過高時，容易造成滿磨；煤位過低，出力較低，電耗較高。在制粉系統運行時，通常采用給煤量來調節磨煤機負荷，熱風門調節出口風溫度，冷風門調節入口負壓。

圖1 鋼球磨煤機制粉系統工作原理

1.2過程模型

模型辨識采用一階純滯后模型y(k)=-a1y(k-1)+b0u(k-1-d)，其中，a1,b0為辨識模型參數；d為純滯后部署。辨識采用漸消記憶遞推最小二乘法[22]，純滯后辨識采用遍歷的方法，即估計純滯后區間，然后對區間內整數遍歷，擬合方差最小的整數認為是該系統純滯后參數，采樣時間Ts為2s。

設磨煤機負荷、出口風溫度、入口負壓分別為Y1,Y2,Y3，給煤量、熱風、冷風分別為U1,U2,U3，忽略通風量變化對磨煤機負荷、給煤變化對入口負壓和溫度的影響，取負荷在30%時，磨煤機制粉系統的模型為

2 控制方案

2.1磨煤機負荷控制回路

磨煤機負荷采用的控制方案如圖2所示。

圖2 磨煤機負荷控制方案

在穩態時，風量的變化對負荷影響不大，視為擾動，通過給煤調節來克服。

2.2出口風溫度控制回路

出口風溫度采用的控制方案如圖3所示。

圖3 出口風溫度控制方案

冷風和給煤量的變化都會造成出口風溫度的波動。經過分析得知，給煤量變化對溫度影響較大,因而將給煤量的變化量作為前饋引入出口風溫度控制回路。

2.3入口負壓控制回路

入口負壓采用的控制方案如圖4所示。

圖4 入口負壓控制方案

給煤量變化幾乎不影響入口負壓，而熱風對負壓的影響較大，因而將熱風門開度變化作為前饋引入到入口負壓控制回路。

3 仿真分析

3.1不采用前饋補償

當不采用前饋補償時，對各回路分別設計階梯式廣義預測控制器進行控制。當系統各個回路輸入為階躍信號時，系統輸出和控制輸入分別如圖5和圖6所示。

圖5 系統輸出(無前饋時)

其中，y1，y2，y3分別代表歸一化之后的磨煤機負荷、出口風溫度、入口負壓；u1，u2，u3分別代表歸一化之后的給煤量、熱風開度、冷風開度。記P為預測前景，Pu為控制前景，α為柔化因子，β為階梯因子，λ為控制權重，Tc為控制周期。其中，磨煤機負荷回路控制器參數為P=30，Pu=10，α=0.98，β=1，λ=0.2，Tc= 4s；出口風溫度回路控制器參數為P=30，Pu=20，α=0.98，β=1，λ=0.2，Tc=6s；入口負壓回路控制器參數為P=30，Pu=20，α=0.98，β=1.1，λ=0.3，Tc=4s；出口風溫度回路中給煤量的前饋系數k21=0；入口負壓回路中熱風門的前饋系數k32=0。

圖6 控制輸入(無前饋時)

3.2采用前饋補償

當采用前饋補償來降低各個回路之間耦合，對各回路設計階梯式廣義預測控制器。當系統各個回路輸入為階躍信號時，系統輸出和控制輸入分別如圖7和圖8所示。

圖7 系統輸出(有前饋時)

此時各回路預測控制參數與沒有加入前饋補償時的參數相同。出口風溫度回路中給煤量的前饋系數k21=2.5×10-4，入口負壓回路中熱風門的前饋系數k32=-5×10-3。

經過比較可以發現，經過前饋補償后的制粉系統，出口風溫度、入口負壓的上升時間減少，超調也減小，控制品質獲得了較大的提升。

圖8 控制輸入(有前饋時)

4 工程實現

筆者設計的控制方案在某電廠制粉系統中成功投運。某天制粉系統自動投運時的運行曲線如圖9所示，入口負壓接近于0的區間代表停磨。在自動投運期間，磨煤機負荷、出口風溫度、入口負壓都可以取得良好的控制效果。自2011年11月投運以來，運行數據表明，入口負壓控制偏差為±100Pa， 出口風溫度偏差為±0.5℃，磨煤機負荷控制偏差為±2%，自動投運率在90%以上。

圖9 制粉系統自動控制效果曲線

5 結束語

鋼球磨煤機制粉系統，由于大滯后、大慣性、強耦合等特點，造成了難以實現自動控制。通過對某電廠磨煤機的運行數據進行分析，建立其數學模型，并分別對各個回路設計了前饋補償階梯式廣義預測控制器。仿真表明，該控制器使磨煤機系統各回路間的耦合獲得了明顯改善，具有良好的控制性能。長期運行結果表明，該方案具有良好的控制效果及較高的自動投運率。

[1] LU J H， CHEN L J， SHEN J, et al. A Study of Control Strategy for the Bin System with Tube Mill in the Coal Fired Power Station[J]. ISA Transactions， 2002，41(02)： 215-224.

[2] 程啟明，王勇浩.火電廠中間儲倉式球磨機制粉系統綜述[J].上海電力學院學報，2006，22(01)： 48-54.

[3] 程啟明，鄭勇.球磨機多模型P I D型神經元網絡控制系統[J].中國電機工程學報，2008，28(02)： 103-109.

[4] 王介生，王偉.球磨機制粉系統參數自整定PID解耦控制器[J].控制工程，2007，14(02)： 135-139.

[5] 蘇軼峰，焦高鳴，張倩.球磨機模糊解耦控制系統的一種實現方法[J].華北電力大學學報，2008，35(01)： 22-25.

[6] CHAI T Y，ZHAI L F，HENG Y. Multiple Models and Neural Networks Based Decoupling Control of Ball Mill Coal-pulverizing Systems[J]. Journal of Process Control，2011， 21(03)： 351-366.

[7] 王東風，于希寧，宋之平.制粉系統球磨機的動態數學模型及分布式神經網絡逆系統控制[J].中國電機工程學報，2002，22(01)： 97-101.

[8] 劉蓉，呂震中.基于DRNN神經網絡的球磨機智能控制的研究[J].工業儀表與自動化裝置，2005(02)： 22-25.

[9] 蔡金亮，梁偉平.基于BP神經網絡的球磨機自動控制系統[J].冶金自動化，2009，33(增刊2)： 817-819.

[10] 王恒，賈民平，陳左亮，等.基于運行模式識別的球磨機自適應解耦模糊控制與仿真[J].熱能動力工程，2009，24(04)： 481-485.

[11] 曹暉，司剛全，張彥斌，等.基于聚類分析的模糊控制算法在制粉系統中的應用[J].儀器儀表學報，2007，28(08)： 291-295.

[12] 程啟明，程尹曼，汪明媚，等.球磨機混合優化前向神經網絡PID 解耦控制系統[J].電力系統及其自動化學報，2010，22(02)： 54-59.

[13] 劉利民.基于規則更新的球磨機制粉系統自校正控制[J]．熱力發電，2009，38(02)： 66-70.

[14] 劉長良，梁偉平，董澤.鋼球磨煤機制粉系統的遞推模糊控制[J]．動力工程，2002，22(10)： 1969-1973.

[15] 舒迪前.預測控制系統及其應用[M].北京： 機械工業出版社，1998.

[16] RAMASAMY M, NARAYANAN S S, RAO C D. Control of Ball Mill Grinding Circuit Using Model Predictive Control Scheme[J]. Journal of Process Control，2005，15(03)： 273-283.

[17] 吳剛.預測控制研究及在工業鍋爐自動控制中的應用[D].合肥： 中國科學技術大學，1989.

[18] 薛美盛，孫德敏，吳剛.火電廠鍋爐主蒸汽壓力的階梯式廣義預測控制[J].中國科學技術大學學報，2002，32(06)： 685-689.

[19] 楊兵.電站鍋爐預測控制與燃燒優化研究[D].合肥： 中國科學技術大學，2006.

[20] 李俊，孫德敏，魏衡華，等.PID 自動整定和階梯式 GPC控制在大興電站鍋爐中的應用[J].電力系統自動化，2000，24(18)： 45-48.

[21] 金以慧.過程控制[M].北京： 清華大學出版社，2007.

[22] 馮培悌.系統辨識[M].杭州： 浙江大學出版社，2004.

[23] 牛緒鐘，湯偉，胡連華，等.基于神經網絡的IMC-PID控制方法的應用[J].化工自動化及儀表，2012，39(01): 6-9.

ControlSystemofBallMillBasedonStair-likeGeneralizedPredictiveControl

Xu Yi， Wang Heng， Fan Peili， Wang Shengjun， Wan Qixin

(Shiheng Power Plant， Taian， 271261， China)

It is difficult to realize automatic control in ball mill pulverizing system due to characteristics of long time-delay, big inertia, and strong interaction and so on. In view of the ball mill pulverizing system in one power plant, the mathematical model is constructed after on-site operation data analysis. A control scheme based on stair-like generalized predictive control (SGPC) is proposed after studying the operation features of the ball mill system. Three control loops are designed to realize the control for mill load, output temperature and input pressure respectively. Feed-forward compensators are introduced to reduce strong coupling between these three loops, and stair-like generalized predictive controller is designed for each loop. Simulation result shows that controllers with feed-forward compensators have a better control performance and less interaction. The operation result with application of the scheme in ball mill pulverizing system in the power plant has demonstrated that this scheme has less control deviation and high ratio of automatic control.

ball mill pulverizing system； SGPC； feed-forward compensator

稿件收到日期： 2012-12-18,修改稿收到日期2013-02-28。

徐毅(1965—)，男，畢業于哈爾濱工業大學熱能與動力工程專業，從事電廠程控保護及自動控制裝置檢修維護、熱控系統技術改造等工作，任山東石橫發電廠儀控檢修隊主任，工程師，高級技師。

TP273

A

1007-7324(2013)03-0030-04