模型預測控制在1 030 MW超超臨界發電機組的應用

摘 要 介紹模型預測控制（MPC）在某1 030 MW超超臨界燃煤發電機組中的應用。MPC應用于該機組的協調控制（CCS）和主、再熱蒸汽溫度控制。所用MPC技術是模型辨識和預測控制一體化控制系統。模型辨識使用自主開發的多變量閉環系統辨識技術；預測控制使用自主開發的雙層優化控制算法，且動態控制部分使用新研發的三項MPC算法。MPC系統投運后已運行一年多，投運率接近100%。與原有基于PID的控制系統相比，MPC系統顯著改進負荷跟蹤性能，負荷跟蹤速率從0.8%/min提高到1.5%/min；同時負荷和汽壓的標準差分別降低35%和38%；主汽溫和再熱汽溫標準差降低40%以上，主汽溫和再熱汽溫均值分別提高2 ℃和4 ℃。

關鍵詞 模型預測控制 協調控制 汽溫控制 閉環辨識

中圖分類號 TP273"" 文獻標志碼 A"" 文章編號 1000-3932（2024）05-0778-08

近年來，中國火電工業在現代鍋爐和汽輪機設計，脫硫、脫硝裝置以及現代化DCS上投入巨大，自動化程度相對較高。然而在火電廠的控制算法方面，進展不顯著，主要使用傳統的比例積分微分（PID）控制方法。從系統的角度來看，鍋爐-汽機單元是一個典型的多變量動態系統，基于系統模型的多變量控制策略具有明顯優勢。汽溫控制問題同樣對PID控制技術提出了挑戰。

電廠控制中難度較大的問題是鍋爐-汽機的協調控制和汽溫控制。解決協調控制問題目前有多種方法：GARRIDO J等提出了基于多變量解耦的PID控制思路［1］；FANG F和WEI L研究了非線性自適應控制［2］；CHEN P C和SHAMMA J S研究了

增益調度控制［3］；LIU X J等研究了模型預測控制（MPC）［4，5］。還有其他多變量基于模型的控制方法用于協調控制，例如內模控制［6］、H∞控制［7］和基于模糊模型的模型預測控制［8］。對北美火力發電市場的調研結果顯示，MPC已經成功應用于多個燃煤機組，取得了顯著的控制效果。NeuCo和Invensys（Schneider-Electric）在美國多家燃煤電廠成功應用了MPC技術。中國的發電行業也開始應用MPC解決協調控制和汽溫控制問題，如文獻［9］。

筆者介紹MPC技術在浙江浙能中煤舟山煤電有限責任公司（簡稱浙能六橫）一臺1 030 MW超超臨界燃煤機組中的應用情況。MPC項目包含機組的協調控制（CCS）和主汽溫、再熱汽溫控制。目前MPC項目已經全面投運，并運行一年多。與原PID控制策略相比，機組負荷跟蹤速率顯著提升，主蒸汽壓力波動降低；汽溫波動的減少帶來汽溫設定值的提升。MPC技術的應用為電廠帶來了很大的經濟效益和社會效益。

1 系統辨識和MPC技術簡介

1.1 系統辨識方法

系統辨識使用漸近法［10］進行工業過程的自動在線辨識，該方法使用多變量自動閉環測試，同時實現了模型辨識和模型檢驗的自動化。被控對象的動態模型由如下離散時間模型給出：

根據該誤差上界給出模型檢驗的工程方法：按等級對模型分類，即根據誤差上界和頻率響應在低、中頻的相對值，將模型分為A（優）、B（良）、C（中）、D（差或者不存在模型）4個等級。

在測試與模型辨識進程中，為提高模型的品質，可對辨識測試做如下調整：

a. 加大實驗信號振幅，當其他實驗條件保持不變時，加倍振幅會使整個頻段的誤差減半；

b. 增加實驗時間，當其他實驗條件保持不變時，加倍實驗時間會使整個頻段的誤差減少29%；

c. 調整GBN信號的平均切換時間，加倍平均切換時間使模型的低頻誤差減半，而減半平均切換時間使模型的高頻誤差減半。

當大多數期望模型的品質為A和B時，辨識實驗即可結束。

1.2 MPC算法

MPC算法采用雙層優化結構來實現對復雜系統的有效控制。在每個控制采樣周期內，MPC算法包含3個步驟：預測、穩態優化和動態控制。

預測步驟是使用辨識得到的模型和相關控制變量（MV）、擾動變量（DV）和被控變量（CV）的當前測量值對CV的未來值進行預測，預測值會在穩態優化和動態控制中使用。

在穩態優化中，首先進行可行性分析，然后是經濟優化。可行性分析是檢驗是否存在足夠的自由度來控制全部CV，如果沒有足夠的自由度，可依據優先權和權重因子來選擇被控制的CV，如果有富余的自由度，則進行經濟優化。經濟優化結合使用線性規劃和二次規劃：

可以證明，該三項MPC算法比傳統的兩項MPC算法控制品質更高且魯棒性更強［11］。

1.3 一體化MPC軟件

實施一個MPC項目包括以下幾個步驟［12］：

a. MPC設計和效益評估；

b. 預測試；

c. 辨識實驗和模型辨識；

d. MPC整定和仿真；

e. MPC實施；

f. MPC維護，主要工作是重新辨識過程模型。

MPC項目的實施通常需要有多年實施經驗的控制工程師，并且每一步都要花費相當的時間和精力。不同步驟要使用不同的軟件包，對使用者來說非常不便。

基于以上原因，ZHU Y C等提出了一體化MPC系統，旨在自動且高效地實現MPC系統的實施與維護工作［13］，即在上述步驟b～f實現自動化。一體化MPC包含3個模塊：即MPC模塊、在線辨識模塊和控制性能監測模塊。圖1展示了MPC的框架結構。

MPC系統集測試、辨識、仿真及控制于同一軟件包，顯著降低了MPC的實施和維護成本。大多數的過程測試是在閉環情況下完成的，對正常生產帶來的干擾更少。幾乎所有的MPC投運與維護是自動完成，在使用過程中不需要專家，普通的工程師經過培訓即可完成，從而節約了工程成本。該MPC系統已成功地應用于若干化工過程多套發電機組和多條水泥窯線。監測模塊使用C++編寫，運行于Windows系統。Windows和DCS之間的通信采用OPC協議。

2 發電機組與MPC系統結構

浙能六橫2#發電機組為1 030 MW超超臨界燃煤機組，該機組配置的鍋爐為北京Bamp;W公司按美國Bamp;W公司SWUP （Spiral Wound UP）鍋爐技術標準，結合本工程燃用設計、校核煤質特性和自然條件，進行性能、結構優化設計的超超臨界參數SWUP鍋爐。鍋爐為超超臨界參數、螺旋爐膛、一次中間再熱、平衡通風、固態排渣、全鋼構架、露天布置的π型鍋爐，鍋爐配有帶循環泵的內置式啟動系統。鍋爐采用中速磨冷一次風機直吹式制粉系統，前后墻對沖燃燒方式，配置Bamp;W公司DRB-4ZTM型低NOx雙調風旋流燃燒器及NOx噴口（OFA）。鍋爐尾部設置分煙道，采用煙氣調溫擋板調節再熱器出口汽溫。鍋爐豎井下設置兩臺三分倉回轉式空氣預熱器。

機組的汽輪機采用了N1030-25/600/600型超超臨界汽輪機。該機組為一次中間再熱、單軸、四缸四排汽、雙背壓、凝汽式、八級回熱抽汽結構。一次再熱與三級高壓加熱器（設有蒸汽冷卻段和疏水冷卻段），一級除氧器和四級低壓加熱器組成八級回熱系統，各級加熱器疏水逐級自流。汽機兩個低壓缸排汽排入凝汽器。第4級抽汽用于除氧器加熱、驅動給水泵汽輪機及廠用輔助蒸汽系統。驅動給水泵汽輪機的啟動/備用汽源采用輔助蒸汽或冷再熱蒸汽。

機組的分散控制系統采用了HIACS-5000M控制系統。

機組的主要擾動有負荷變化、磨煤機啟停、吹灰、煤質變化以及天氣情況。機組運行中的問題有：

a. 自動發電控制（AGC）協調控制品質欠佳，電網兩個細則考核重要指標K值不高；

b. 發電負荷變化時，主汽壓波動較大；

c. 主汽溫波動較大，均值離其上界較遠；

d. 再熱汽溫手動控制，波動較大，均值離其上界較遠。

這里介紹電廠MPC項目的兩個重要部分：協調控制系統和主汽溫、再熱汽溫控制。

協調控制系統。MPC取代PID控制的主要目的為：

a. 改進負荷跟蹤效果并降低其控制誤差；

b. 改進主汽壓跟蹤效果并降低控制誤差；

c. 將過熱度（中間點溫度）波動控制在合理范圍。

協調控制系統的作用是讓機組的時發電量自動跟蹤電網調度指令。該過程的被控變量（即過程輸出，CV）有發電負荷、蒸汽壓力，控制變量（即過程輸入，MV）有鍋爐主控和汽機調門。

中間點溫度的控制仍然使用原有的PID控制。原因是多個協調控制應用項目的經驗顯示，在MPC中引入中間點溫度對提高控制品質作用不大。

當電網下達負荷變化指令，CCS將沿著斜坡軌跡跟蹤到新的負荷設定值；蒸汽壓力也將跟蹤其對應的設計曲線；中間點溫度由PID回路控制在一個區間。

為了更好地進行負荷跟蹤，MPC軟件有3種CV控制方式：區間控制、設定值控制和設定值軌跡控制。這里，對實發電量和蒸汽壓力均使用設定值軌跡控制方式。

主汽溫、再熱汽溫控制。MPC取代主汽溫原PID控制方式，取代再熱汽溫的手動控制方式，其目的是：

a. 降低主汽溫、再熱汽溫的波動；

b. 防止主汽溫超溫；

c. 提高主汽溫、再熱汽溫的均值。

電廠的主汽溫控制分為一級溫度控制與二級溫度控制，每級的蒸汽溫度又分為左側與右側，以左側二級溫度構成的串級控制為例，其控制框圖如圖2所示，被控變量為左側主蒸汽溫度（外環）和左側二級減溫器出口溫度（內環），操作變量為左側二級減溫器出口溫度設定值（外環）和左側二級減溫水閥門開度（內環）。

左側再熱汽溫控制的被控變量為左側再熱汽溫，控制變量為左側再熱汽溫減溫水閥門開度。

3 項目實施情況及控制品質對比分析

機組的MPC系統于2023年4月投運。這里介紹模型辨識結果和控制效果，并與原有系統進行比較。

3.1 模型辨識結果

為了不干擾正常發電，系統辨識測試是在原有PID閉環控制的場景下進行的，測試時不需要斷開AGC系統。測試信號加在控制變量上，信號的振幅選取既要保證對被控對象有足夠激勵，又不能干擾正常發電。對一個對象的辨識測試時間是1～3天，且多個對象可以同時測試。

下面介紹協調控制系統測試過程和模型辨識結果。閉環辨識測試進行了約40 h，測試期間兩個CV的趨勢如圖3所示。

模型的階躍響應如圖4所示。模型的頻率響應和誤差上界如圖5所示，誤差上界越小表示模型越精確。

圖6中，將模型仿真CV與實測CV進行了比較。

模型的階躍響應（圖4）顯示模型增益方向（正負號）與工藝知識和運行經驗一致。模型的誤差上界（圖5）顯示，模型達到A、B和C級，可以使用。這里需要指出，圖6中的模型仿真驗證只能給出有關模型質量的定性和直觀的印象，無法定量確定某個模型的優劣。

3.2 MPC系統的控制品質與PID控制的比較

機組的MPC系統投運后，已平穩運行一年多。在執行機構和傳感器正常的條件下，MPC系統投運率接近100%。

首先對比協調控制系統的控制品質。電網兩個細則考核指標得到很大提高，機組的負荷跟蹤速率從0.8%/min提高到1.5%/min，在大幅改進機組AGC響應品質的同時，負荷和汽壓的控制誤差均明顯降低，提高了機組運行的穩定性。圖7給出機組協調控制MPC系統的控制品質和PID控制系統控制品質的比較，可以看出MPC系統的控制誤差明顯小于PID系統的控制誤差，因此MPC系統的控制品質更高。

表1給出機組協調控制系統中PID和MPC的比較。

圖8給出了機組A側在PID控制和MPC控制下的汽溫趨勢圖。表2給出機組汽溫標準差及均值比較。

表2中的統計結果顯示，MPC將機組的主汽溫和再熱汽溫的標準差平均降低40%以上，顯著提高了主汽溫和再熱汽溫的穩定性。在MPC提高穩定性的基礎上，機組主汽溫和再熱汽溫均值分別提高約2 ℃和4 ℃。

4 結束語

介紹了新一代MPC技術在某1 030 MW超超臨界發電機組中的應用。該MPC技術包括：高效的多變量自動閉環辨識、新一代三項MPC算法以及設定值曲線跟蹤。MPC投運一年多，在設備及儀表正常條件下投運率接近100%。與原有PID控制系統結果比較顯示，MPC在AGC協調控制中，在提高負荷、汽壓和中間點溫度控制精度的同時還顯著提高了機組負荷跟蹤速率；在汽溫控制中，主汽溫和再熱汽溫的標準差平均降低40%以上，主汽溫和再熱汽溫均值分別提高約2 ℃和4 ℃。MPC在協調控制與汽溫控制方面的成功應用顯示出其在火電廠安全運行、節能、減排方面中的價值與潛力。MPC技術和系統辨識建模技術在電廠的應用還可以拓寬到深度調峰控制、SCR脫硝控制和基于系統辨識的燃燒優化。

參 考 文 獻

［1］"" GARRIDO J，MORILLA F，VAZQUEZ F. Centralized PID control by decoupling of a boiler-turbine unit

［C］//2009 European Control Conference （ECC）.Piscataw-

ay，NJ：IEEE，2009：4007-4012.

［2］"" FANG F，WEI L.Back stepping-based nonlinear adapt-

ive control for coal-fired utility boiler-turbine units［J］.Applied Energy，2011，88（3）：814-824.

［3］"" CHEN P C，SHAMMA J S.Gain-scheduled ？詛1-optimal control for boiler-turbine dynamics with actuator saturation［J］.Journal of Process Control，2004，14（3）：263-277.

［4］"" LIU X J，KONG X B.Nonlinear fuzzy model predictive iterative learning control for drum-type boiler-turbine system［J］.Journal of Process Control，2013，23（8）：1023-1040.

［5］nbsp; SUNORI S K， JUNEJA P K， JAIN A B. Model Predictive Control System Design for Boiler Turbine Process［J］.International Journal of Electrical and Computer Engineering，2015，5（5）：1054-1061.

［6］"" PAN L，SHEN J，WU X，et al.Improved internal-model robust adaptive control with its application to coordinated control of usc boiler-turbine power units in flexible operations［J］.International Journal of Systems Science，2020，51（4）：669-686.

［7］" WU J， NGUANG S K，SHEN J， et al.Robust H∞ tracking control of boiler-turbine systems［J］.ISA Tran-

sactions，2010，49（3）：369-375.

［8］"" WU X，SHEN J， LI Y G， et al.Fuzzy modeling and stable model predictive tracking control of large-scale power plants［J］.Journal of Process Control，2014，24（10）：1609-1626.

［9］"" 蔡利軍，朱豫才，呂霞，等.模型預測控制在超超臨界機組AGC協調控制和主汽溫控制中的應用［J］.中國電力，2018，51（7）：68-77.

［10］"" ZHU Y C. Multivariable process identification for MPC：The asymptotic method and its applications［J］.Journal of Process Control，1998，8（2）：101-115.

［11］"" ZHU Y，ZHANG K K，ZHU Y C，et al.Development of a three-term MPC and its application to a power plant［J］.Control Engineering Practice，2024，143：1-14.

［12］"" ZHU Y C，PATWARDHAN R，WAGNER S B，et al.Towards a low cost and high performance MPC：The role of system identification［J］.Computers amp; Chemical Engineering，2012，51：124-135.

［13］"" ZHU Y C，XU Z H，ZHAO J，et al.Development and application of an integrated MPC technology［C］//Proceedings of 17th IFAC World Congress.Seoul，Korea，2008：6-11.

（收稿日期：2023-10-09，修回日期：2024-08-09）

Applications of Model Predictive Control in 1 030 MW

Ultra-superelectrical Power Plant

DENG Qin1， LIU Cheng-zhu1， LI Yue-zhong1， ZHANG Cong-hui1， LI Zi-he1，

LIU Yao-wang1， ZHU Yu-cai2，3， JIANG Peng-fei3

（1. Zhejiang Zheneng Zhongmei Zhoushan Coal Power Plant Limited； 2. College of Control Science and Engineering，

Zhejiang University；3. Hangzhou Taiji Yucai Software Co.， Ltd. ）

Abstract"" The model predictive control（MPC）in a 1 030 MW ultra-supercritical coal power plant was described， in which， the MPC answers for the coordinated control（CCS） of the power set and main steam and reheat steam temperature control. Of which， the MPC technology boasts of model identification and predictive control and the model identification employs independently-developed multivariate closed-loop system identification technique. The predictive control adopts self-developed bi-level optimization control algorithm， and the dynamic control part uses newly-developed three MPC algorithms. The MPC system has been running for more than half a year after it’s put into operation and the operation rate is close to 100%. Compared with original PID control system， the MPC system can significantly improve the load tracking performance， and the load tracking velocity increased from 0.8%/min to 1.5%/min. Meanwhile， the standard deviation of the load and steam pressure can be reduced by 35% and 38%，respectively and that of main steam and reheat steam temperature can be reduced by more than 40%， and the mean value of main steam and reheat steam temperature increased by 2 ℃ and 4 ℃， respectively.

Key words"" MPC， coordinated control， steam temperature control， closed-loop identification

基金項目：國家自然科學基金（批準號：U1809207）資助的課題。

作者簡介：鄧琴（1988-），工程師，從事電廠熱工自動化檢修管理工作。

通訊作者：朱豫才（1960-），教授，從事系統辨識、模型預測控制和運行優化的研究，zhuyucai@zju.edu.cn。

引用本文：鄧琴，劉成柱，李岳忠，等.模型預測控制在1 030 MW超超臨界發電機組的應用［J］.化工自動化及儀表，2024，51（5）：778-784；886.