面向大規模新能源消納的火電機組平行控制

弓林娟， 王文毓， 高耀巋， 王 林， 高 林， 侯國蓮

(1．西安熱工研究院有限公司，西安 710054；2．華北電力大學 控制與計算機工程學院，北京 102206)

目前，能源安全和生態環境問題受到越來越廣泛的關注，大力發展清潔可再生能源已成為電力行業推動能源結構轉型、應對氣候變化的普遍共識和一致發展方向。基于此，在電力系統規模化引入間歇性可再生能源的情況下，火電機組的靈活運行作為維護電網安全穩定的橋梁，發揮著重要的調節作用[1]。然而，面對大規模新能源接入后發電側的負荷波動問題，依然沿用以比例積分微分(PID)為主的傳統控制方式難以滿足機組靈活運行的多樣化要求[2]。同時，現階段國內外針對火電機組靈活性運行先進技術的成熟度和電廠智能化水平還不足以保證其在應用實踐中的理想性能。因此，在火電機組靈活性運行從真正意義上完成實踐驗證前，研究性能優良的先進控制策略，輔以被控對象動態特性高精度快速建模方法和效果顯著的計算評估方法等，是提升火電機組靈活性的嚴峻挑戰和必由之路。

隨著各行業數字化、信息化的逐步發展，數字孿生和平行智能思想的出現為應對上述挑戰開辟了新的思路[3]。不同于依托對實際物理系統的離線模擬，分析和優化功能有限的現有仿真技術，數字孿生技術同時具有實時閉環過程的互操作性、可擴展性和精確性[4]。數字孿生技術依靠仿真、測量和數據分析，可感知、診斷和預測實際物理系統狀態，進而在優化實際系統的同時演化自身特性[5]。基于人工社會(Artificial societies)、計算實驗(Computational experiments)、平行執行(Parallel execution)(簡稱ACP)的平行智能思想最早由王飛躍提出[6]，首先構造人工系統來逼近實際系統的動態特性，然后對實際系統運行過程中可能出現的情況和狀態進行模擬、分析和評估，最后依托上述2個系統間的平行交互作用，使物理系統行為逐漸趨向于人工系統計算所得理想狀態[7]。

數字孿生和平行智能理論的相關應用已經覆蓋了航空發動機設計[8]、城市交通管理[9]和節能制造[10]等多個領域，此外，其在電力行業也實現了一些應用嘗試。考慮到發電機的可靠性對于確保整個火電機組靈活決策、最大化經濟效益等方面的重要作用，Deon 等[11]基于火電機組發電機及其子系統的數字孿生模型，開發了決策支持系統，以安全可靠的方式預測機組的運行趨勢和偏差，進而通過提前預警以減少糾正性維護停機時間，降低運營和維護成本。為解決電廠難以快速、全面掌握電力管道服役狀態信息的問題，王洛笛等[12]結合數字孿生思想設計了基于五維模型的三維電力管道系統，得出其在電廠的實際運維管理中表現出有益效果。為提高火電機組的安全性和高效性，Yu等[13]將數字孿生視為智能電廠的核心技術，并強調熱力系統高精度建模對數字孿生技術應用的關鍵作用，提出了一種結合物理機制和運行數據的混合建模策略，并通過某在役660 MW超超臨界二次再熱機組驗證了該方法的有效性。針對傳統機理建模方法難以精確預測火電機組循環流化床鍋爐床溫的問題，劉文慧等[14]通過平行控制系統有機融合長短期記憶神經網絡模型、灰度關聯分析法進行特定時序段識別和數據篩選，并基于算例分析結果驗證了引入平行控制后鍋爐床溫預測的準確性。嚴興煜等[15]利用數字孿生和智能計算等先進技術對分布式資源進行建模，提出了數字孿生思想下虛擬電廠的總體框架并對其未來發展進行構想。雖然上述應用均表明了數字孿生和平行控制在電力行業的應用潛力，但大多針對發電過程某局部子系統或虛擬電廠設計，且未涉及新能源消納下的負荷波動為機組運行優化設計帶來的影響，理論完善性、方案設計全面性和系統功能豐富性均有待提升。考慮到發電側控制在電力系統穩定運行中的重要作用，侯國蓮等[16]在ACP方法的基礎上構建了平行發電控制系統，達到提高發電過程穩定性和高效性的目標。該平行控制框架雖體系較為完善，但沒能綜合考慮多個典型的機組類型，且未涉及新能源接入下機組的靈活性運行需求，以及“雙碳”戰略下的節能減排需求等多項目標及約束。

因此，筆者以提高數字化、信息化發展進程中發電過程智能化和火電機組運行靈活性為目標，充分考慮新能源接入下機組平抑負荷波動，實現負荷快速調控的主要難點，設計了一種融合數字孿生和平行智能理論，適用于火力發電過程的平行控制框架。目前常見的典型火電機組包括純凝機組、熱電聯產機組和聯合循環機組。考慮到各類機組在深度調峰中的重要性，以亞臨界和超臨界純凝機組為研究對象，首先，協調動態特性建模技術，控制優化策略構建人工控制系統，完成對實際系統特性的高精度模擬和逼近。其次，充分發揮實驗測試和計算評估的優勢，為人工控制系統選擇最優的建模和控制方法，并對實際系統進行控制優化指導。進而通過虛實交互、平行執行和反饋修正等操作，實現實際系統和人工控制系統的統一，使實際系統的性能趨于理想最優。

1 問題描述

火電機組作為大型復雜工業控制系統，一般由鍋爐、汽輪機、汽水循環系統和相應輔機組成。火電機組在運行過程中包含大量的能量轉換過程，且系統和變量間均存在顯著的非線性、不確定性和耦合性能，因此為火電機組設計性能理想的控制策略難度較大。此外，大規模新能源消納過程帶來的隨機性和間歇性對火電機組深度、快速負荷調節提出了更高的要求。特別是火電機組在低負荷調峰過程中動態特性復雜，使得現有的控制策略難以達到預期的效果，平抑負荷波動能力有待提升。而隨著國際社會對能源節約和環境保護等問題的日益重視，火電機組靈活運行不僅要考慮其負荷調節能力，還應考慮如何在降低燃料消耗的情況下減少污染物排放。因此，大多數以PID為核心的傳統控制策略難以同時兼顧控制過程中的多個目標和約束，在這種情況下，如何合理設計相應的控制策略，實現火電機組在寬負荷運行范圍內以低排放、高經濟性的方式靈活運行，是亟待解決的問題。

目前，很大一部分從控制策略設計角度出發的火電機組靈活性運行技術還處于理論研究階段，難以預測其在后續實際應用中可能出現的問題。此時，數字孿生和平行智能理論為上述問題的解決提供了啟示和思路。

如圖1所示，融合數字孿生的火電機組平行控制系統實現了物理空間、社會空間和虛擬空間的結合，進而完成信息、智能、仿真、決策和執行的集成。通過人工控制系統的構建，計算實驗和評估過程的設計，以及人工控制系統和實際系統的平行執行，使描述智能、預測智能和指導智能間相輔相成，共同提高系統控制性能，進而實現機組多目標靈活運行，為電網更大規模消納新能源提供可能。

2 融合數字孿生的火電機組平行控制系統

所構建的火電機組平行控制系統具體框架結構如圖2所示。以幾種常見類型的火電機組為研究對象，涵蓋靈活性運行中多個關鍵控制目標。與其他領域基于ACP理論的平行系統類似，圖2中控制框架包括人工控制系統的建立、計算實驗的設計和虛實交互的實現3個核心部分。

圖2 所構建平行控制系統的具體框架

在深入了解火電機組實際發電過程的基礎上，首先進行人工控制系統的構建。根據實際控制系統的主要組成部分和控制需求，該人工控制系統由4部分組成，即機組類型的選擇、控制目標的確定、機組動態特性的估計和相應控制策略的設計。在機組選型過程中，將亞臨界純凝機組和超臨界純凝機組視為2種典型的調峰火電機組，后續可根據實際設計需求靈活添加機組類型。然后，將安全性、經濟性、節能性和環境友好性引入控制目標庫，為靈活性運行的實際需求生成綜合控制目標。此外，建模方法庫包含機理建模、灰箱建模和數據驅動模型辨識3類動態特性研究方法。最后，依托所建立的被控對象動態特性模型，從包含模型預測控制、廣義預測控制、模糊控制和自抗擾控制等先進方法的算法庫中選擇相應控制策略，隨著系統性能的不斷完善和優化，可使用性能更優的控制策略對該算法庫進行擴充。

選定合適的控制策略及相應最佳參數是優化控制系統性能的必要步驟。從安全性和經濟性的角度考慮，幾乎不可能在實際機組上直接測試任一新算法的性能，此時人工控制系統中計算實驗環節的可設計性和可重復性顯示出良好的參考價值和實踐意義。因此，通過計算實驗和性能評估的協調配合，可以快速選出當前控制需求下最合適的控制器并為其整定最優參數。鑒于不同火電機組的動態特性差異，以及同一機組在不同運行工況下模型參數的變化，始終保持不變的控制器參數將難以適應所有場景。因此，需要根據不同的機組類型和運行工況調整控制器參數，并通過大量的計算實驗，分析設定值發生變化或施加外部擾動時系統的動態響應。在電力系統大規模可再生新能源消納需求下，上述過程將為實際火電機組應對和處理靈活運行控制中的類似現象提供參考。

虛實交互和平行執行是使火電機組實際控制系統與已建立的人工對等系統行為趨于一致的關鍵操作。一方面，應提取實際系統中的重要信息，如硬件實現、機組運行狀態、所用控制策略和操作員經驗水平，以便對人工控制系統進行豐富和更新。獲得的信息為人工控制系統被控對象的建模和控制策略設計奠定基礎，使其盡可能地接近實際系統特征。另一方面，在上述系統同步運行過程中，將實際系統的實時運行狀態作為反饋信號，調整或修正所構建人工控制系統的模型或控制器參數，然后通過計算實驗和性能評估，實現人工控制系統與實際系統的高度逼近。

3 算例分析

為了驗證所設計的平行控制策略的可行性和有效性，以我國北方某電廠600 MW超臨界純凝機組為被控對象，即此時人工控制系統機組類型庫選型為超臨界純凝機組。該機組主要由直流鍋爐、汽輪機、回熱系統和相應輔機組成[17]。鑒于超臨界機組的工作原理和特性，可根據變量對系統特性影響的重要程度，將其視為具有3個輸入變量和3個輸出變量的多變量系統[18]。其中，輸入變量分別為主蒸汽閥門開度μT、給煤量uB和給水量Dfw，輸出變量分別為輸出功率N、主蒸汽壓力pst和中間點(汽水分離器出口)溫度T。

然后，對所選機組的動態特性建模和控制策略進行選定。考慮到模糊建模在處理復雜工業系統不同運行條件下的非線性和不確定性，能以理想精度逼近系統實際動態特性等方面的優勢，筆者采用文獻[19]中提出的建模方法，即根據實際建模需求，在人工控制系統建模算法庫中引入T-S模糊辨識方法，然后給出所建模型輸出與機組現場實際運行數據之間的擬合效果，如圖3所示。

圖3中的建模結果涵蓋了所選超臨界純凝機組從30%～100%額定負荷運行工況時，在機組正常運行狀態下，此負荷區間幾乎等同于全工況范圍。此外，圖3中小圖也給出了模型輸出與機組實際運行數據的誤差曲線。結果表明，所建機組模型在大范圍工況下擬合精度較高，平均建模誤差小于0.5%，且負荷調節過程中最大偏差小于額定值的1%，所得到的狀態空間模型為下一步在特定控制需求下進行相應的控制器設計奠定了基礎。

(a) 輸出功率

火電機組靈活性運行是需要兼顧安全性、經濟性、節能性和環境友好性等的多目標過程，因此在人工控制系統的控制算法庫中引入文獻[20]中所提的多目標經濟模型預測控制(MOEMPC)策略，并作為計算實驗和性能評估的依托，該控制策略的基本思路如圖4所示。

圖4 MOEMPC的基本思路

在MOEMPC策略中，首先構建綜合優化目標以涵蓋控制過程的多重目標及約束；然后，引入終端代價函數和穩定性約束以保證算法的可行性和穩定性；進而提出量子同步鯨群算法求解多目標優化問題,從而得到控制序列[20]。

由于控制器參數隨著機組動態特性模型或運行工況的變化表現出明顯的不確定性，故在表1中列出了幾組參數設置結果，表中結果分別是基于所選超臨界純凝機組在不同工況下的動態特性模型，進行控制器參數整定得到。

根據表1中的控制器參數設置情況，使機組設定值在不同的運行工況之間切換，從而通過設定值跟蹤性能，即跟蹤快速性和精確性驗證控制過程的平行執行能力。首先將機組的初始運行工況設定為y=[N，pst，T]=[219.78 MW，14.47 MPa，349.50 ℃]，然后在第20 s將輸出功率降低30 MW，使其接近30%額定負荷工況。此外，在第200 s時，在輸出功率中施加一個振幅為100 MW的正向階躍信號，使運行工況接近60%額定負荷。在所提出的平行控制系統框架下，隨著設定值跟蹤測試過程中機組輸出功率改變導致的運行工況變化，機組的動態特性模型和相應的控制器參數也會發生改變，結果如圖5所示。

表1 MOEMPC策略的參數選定結果

從圖5可以看出，輸出功率從30%額定負荷增加到60%額定負荷，工況跨度較大，在平行控制系統中虛實交互和平行執行的作用下，實際系統和人工控制系統的行為逐漸趨于一致，各變量的響應反映出良好的無擾切換能力。輸出功率N、主蒸汽壓力pst和分離器出口溫度T的最大超調量分別小于額定值的1%、6%和3%，且最終穩態誤差幾乎可以忽略不計。

(a) 輸出功率

為進一步驗證所設計平行控制策略在系統不確定性的影響下是否依然能保持良好的性能，即對模型失配問題的應對處理能力，對所建模型參數施加0.1%的擾動，通過機組輸出變量即被控變量的響應情況來反映控制策略的魯棒性。

將機組當前的運行工況設置為y=[323.64 MW，15.32 MPa，354.04 ℃]，在第10 s時加入模型參數擾動，并將原有MOEMPC策略和基于平行控制的MOEMPC策略進行對比，各變量的變化曲線如圖6和圖7所示。

由圖6可知，與MOEMPC策略相比，在所設計的平行控制框架下，控制算法的性能得到更好的發揮，被控變量能以更小的超調量快速恢復穩態。如圖6(a)所示，若僅用單一MOEMPC策略，被控變量有很大概率難以恢復至原來狀態。由圖7可知，在平行執行和反饋校正的作用下，基于平行智能思想的MOEMPC策略可使控制變量的變化更為平穩，并且其控制性能還可通過實時動態參數修正不斷優化。

(a) 輸出功率

(a) 主蒸汽閥門開度

因此，在所設計的平行控制框架中，所選用控制策略的性能往往不受模型失配等問題的影響，機組在低負荷調峰工況在內的大范圍運行工況下負荷調節能力顯著，控制策略表現出良好的有效性和適用性。

4 結 論

為保證大規模新能源消納下火電機組靈活運行的安全性、穩定性和經濟性，并進一步提高電廠的智能化水平，在數字孿生思想的啟發下提出了一種基于融合數字孿生和平行智能理論的平行控制系統。以亞臨界純凝機組和超臨界純凝機組為典型調峰機組類型，通過融合動態特性建模和控制器選擇、控制參數整定等過程，構建人工控制系統。進而，在計算實驗和平行執行的共同作用下，以虛實交互和反饋校正等方式，達到統一人工控制系統和實際系統行為的目標。最后，基于某600 MW超臨界純凝機組的仿真試驗結果，驗證了所提平行控制方案在寬負荷運行工況范圍內設定值精確跟蹤和模型失配處理等方面的有效性，在火電機組的多目標靈活性運行調控中表現出顯著的可行性和有效性。

在所構建的火電機組平行控制框架中，人工控制系統的機組類型庫、動態特性建模算法庫、控制算法庫和經驗知識庫均可根據實際運行優化需求進行自適應選擇和擴充，可擴展性良好。通過各種數據驅動和先進智能算法的有機結合，為進一步提高電站智能化奠定了基礎。