CN104196640B - 一种基于重型燃气轮机模型的解耦控制方法和*** - Google Patents

Abstract

本发明涉及一种基于重型燃气轮机模型的解耦控制方法和***，包括：根据初始燃料量和初始压力机进口可转导叶开度，计算当前控制周期的燃机转速和透平排气温度；根据燃机转速基准，计算当前控制周期的转速偏差，通过单神经元比例积分微分控制算法计算下一个控制周期的燃料量；根据透平排气温度基准，计算当前控制周期的温度偏差，通过单神经元比例积分微分控制算法计算下一个控制周期的压气机进口可转导叶开度；计算下一个控制周期的燃机转速和透平排气温度；下一个控制周期的燃机转速和透平排气温度作为当前控制周期的燃机转速和透平排气温度，直至燃机转速和透平排气温度达到对应的基准。本发明响应迅速、自适应能力强，同时提高了联合循环效率。

Description

一种基于重型燃气轮机模型的解耦控制方法和***

技术领域

本发明涉及燃气轮机控制领域，具体涉及一种基于重型燃气轮机模型的解耦控制方法和***。

背景技术

发电用燃气轮机在部分负荷下的控制量主要包括燃料量和压气机进口可转导叶开度，压气机进口可转导叶主要是用于空气流量的调节，调节范围为80％～100％。控制***通过调节燃料量和压气机进口可转导叶开度来获得期望的功率和排气温度，燃料量对于功率和排气温度的调节作用都比较大，压气机进口可转导叶变化也同时影响功率和排气温度，所以简化的燃气轮机模型为燃料量与压气机进口可转导叶开度双输入、转速与透平排气温度双输出的耦合***。上述***中对排气温度进行控制的原因是在联合循环中燃气轮机的排气送入余热锅炉和汽轮机，当透平排气温度接近设计点时燃气轮机联合循环的效率最高。

解决上述耦合***控制问题的常规方案是采用两个比例积分微分控制器，其中一个控制器用燃料量来控制功率，另一个控制器用压气机进口可转导叶来控制排气温度，控制器参数经整定后不会自动改变，这使得模型时变或者干扰因素等的存在都可能降低控制器的品质。此外，由于燃料量对排气温度的影响也很大，压气机进口可转导叶的调节往往是在燃料量对排气温度已经造成影响后才起作用，这种排气温度控制的滞后使得这种控制方案的经济性不是最好。

发明内容

本发明的目的是提高燃气轮机控制的响应速度、自适应能力、抗干扰能力和联合循环效率。

为此目的，本发明提出了一种基于重型燃气轮机模型的解耦控制方法，所述控制方法包括以下步骤：

S1.根据输入重型燃气轮机模型的初始燃料量和初始压力机进口可转导叶开度，计算重型燃气轮机模型在当前控制周期输出的燃机转速和透平排气温度；

S2.根据重型燃气轮机模型的燃机转速基准，计算所述燃机转速在当前控制周期的转速偏差，并根据所述转速偏差通过第一单神经元比例积分微分控制算法，计算在下一个控制周期输入所述重型燃气轮机模型的燃料量；

S3.根据重型燃气轮机模型的透平排气温度基准，计算所述透平排气温度在当前控制周期的温度偏差，并根据所述温度偏差，通过第二单神经元比例积分微分控制算法，计算在下一个控制周期输入所述重型燃气轮机模型的压气机进口可转导叶开度；

S4.根据所述在下一个控制周期输入所述重型燃气轮机模型的燃料量和压气机进口可转导叶开度，计算重型燃气轮机模型在下一个控制周期输出的燃机转速和透平排气温度；

S5.将所述下一个控制周期输出的燃机转速和透平排气温度作为当前控制周期输出的燃机转速和透平排气温度，重复执行步骤S2至S4，直至重型燃气轮机模型输出的燃机转速和透平排气温度分别达到对应的基准。

进一步地，所述步骤S2具体包括：

将所述燃机转速基准与所述燃机转速作差，得到所述转速偏差；

根据所述转速偏差，构建第一单神经元比例积分微分控制算法中神经元学习公式的状态变量；

根据所述第一单神经元比例积分微分控制算法中神经元学习公式的状态变量，构建第一加权系数，并将所述第一加权系数规范化；

根据规范化的所述第一加权系数，通过所述第一神经单元比例积分微分算法中的所述神经元学习公式，计算所述燃料量。

进一步地，所述步骤S2还包括：对所述燃料量进行中值限幅。

进一步地，所述步骤S3具体包括：

将所述透平排气温度与所述透平排气温度基准作差，得到温度偏差；

根据所述温度偏差，构建第二单神经元比例积分微分控制算法中神经元学习公式的状态变量；

根据所述第二单神经元比例积分微分控制算法中神经元学习公式的状态变量，构建第二加权系数，并将所述第二加权系数规范化；

根据规范化的所述第二加权系数，通过所述第二神经单元比例积分微分算法中的所述神经元学习公式，计算所述压力机进口可转导叶开度。

进一步地，所述步骤S3还包括：

对所述压力机进口可转导叶开度进行中值限幅。

进一步地，所述方法还包括：

对所述转速偏差进行限幅；

将限幅后的转速偏差加入到温度偏差中对透平排气温度进行补偿。

进一步地，所述将限幅后的所述转速偏差加入到温度偏差中对透平排气温度进行补偿具体包括：

计算温度偏差与所述限幅后的转速偏差的和；

根据所述限幅后的转速偏差与温度偏差的和，构建第二单神经元比例积分微分控制算法中神经元学习公式的状态变量。

本发明还提出了一种基于重型燃气轮机模型的解耦控制***，所述***包括：仿真器，所述仿真器中嵌入有用于计算重型燃气机轮的燃机转速和透平排气温度的重型燃气轮机模型，所述***还包括：第一单神经元比例积分微分控制器、第二单神经元比例积分微分控制器、转速偏差计算器和温度偏差计算器；

所述第一单神经元比例积分微分控制器、所述仿真器和所述转速偏差计算器相互电连接；

所述第二单神经元比例积分微分控制器、所述仿真器和所述温度偏差计算器相互电连接；

所述转速偏差计算器计算所述仿真器输出的燃机转速与燃机转速基准值的差值，作为转速偏差信号，传输至所述第一单神经元比例积分微分控制器进行处理，得到重型燃气轮机的燃料量信号，并传输至所述仿真器中的重型燃气轮机模型进行仿真；

所述温度偏差计算器计算所述仿真器输出的透平排气温度与透平排气温度基准值的差值，作为温度偏差信号，传输至所述第二单神经元比例积分微分控制器进行处理，得到重型燃气轮机的压力机进口可转导叶开度信号，并传输至所述仿真器中的重型燃气轮机模型进行仿真。

进一步地，所述***还包括：第一限幅器和第二限幅器，所述第一限幅器分别与所述第一单神经元比例积分微分控制器和所述仿真器电连接，所述第二限幅器分别与所述第二单神经元比例积分微分控制器和所述仿真器电连接；

所述第一限幅器对所述第一单神经元比例积分微分控制器处理的所述燃料量信号进行中值限幅后，传输至所述仿真器，所述第二限幅器对所述第二单神经元比例积分微分控制器处理的所述压力机进口可转导叶开度信号进行中值限幅后，传输至所述仿真器。

进一步地，所述***还包括：偏差补偿器和第三限幅器，所述偏差补偿器连接在所述转速偏差计算器的输出端和所述第三限幅器输入端之间；所述第三限幅器连接在所述偏差补偿器输出端和第二单神经元比例积分微分控制器的输入端之间；

所述偏差补偿器将所述转速偏差信号进行处理，并通过所述第三限幅器进行限幅后，传输至所述第二单神经元比例积分微分控制器对所述透平排气温度进行补偿。

通过采用本发明所公开的一种基于重型燃气轮机模型的解耦控制方法和***，通过对重型燃气轮机模型的输出分别采用单神经元比例积分微分算法控制器的单神经元比例积分微分算法，以及通过在第二单神经元比例积分微分控制器的第二单神经元比例积分微分算法中增加偏差补偿，具有对控制量自动学***排气温度的降低而提高燃气轮机联合循环效率的效果。

附图说明

通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：

图1示出了本发明实施例1提出的一种基于重型燃气轮机模型的解耦控制方法流程图；

图2示出了本发明实施例2提出的一种基于重型燃气轮机模型的解耦控制***结构示意图；

图3示出了本发明实施例中提出的燃机转速输出响应曲线示意图；

图4示出了本发明实施例提出的透平排气温度输出响应曲线示意图；

图5示出了本发明实施例提出的有无转速偏差补偿的排气温度输出响应曲线示意图；

图6示出了本发明实施例2提出的解耦控制***信号流向示意图。

具体实施方式

下面将结合附图对本发明的实施例进行详细描述。

实施例1

本发明实施例提出了一种基于重型燃气轮机模型的解耦控制方法，如图1所示，该控制方法包括以下步骤：

S1.根据输入重型燃气轮机模型的初始燃料量和初始压力机进口可转导叶开度，计算重型燃气轮机模型在当前控制周期输出的燃机转速和透平排气温度。

本发明实施例中，重型燃气轮机模型选定为单轴燃气轮机模型。

选定为单轴燃气轮机模型后，需对单轴燃气轮机模型的参数进行设定，其设定内容具体包括：负载M_load设定为0.7。压气机进气温度T_a设定为15℃。透平排气温度设计点值T_R设定为538℃，透平及排气***的时间延迟ε_td取值设定为0.04s。透平排气温度场传递函数设定为热电偶传递函数设定为

S2.根据重型燃气轮机模型的燃机转速基准，计算燃机转速在当前控制周期的转速偏差，并根据转速偏差通过第一单神经元比例积分微分控制算法，计算在下一个控制周期输入重型燃气轮机模型的燃料量。

具体地，步骤S2包括：

将燃机转速基准与燃机转速作差，得到转速偏差。

根据转速偏差，构建第一单神经元比例积分微分控制算法中神经元学习公式的状态变量。

本发明实施例中，第一单神经元比例积分微分控制算法中神经元学习公式的状态变量包括：x₁₁(k)、x₁₂(k)和x₁₃(k)。其中，x₁₁(k)的构建如式(1)所示，x₁₂(k)的构建如式(2)所示，x₁₃(k)的构建如式(3)所示。

x₁₁(k)＝r₁(k)-y₁(k)＝e₁(k) (1)

x₁₂(k)＝e₁(k)-e₁(k-1) (2)

x₁₃(k)＝e₁(k)-2e₁(k-1)+e₁(k-2) (3)

其中，e₁(k)、e₁(k-1)、e₁(k-2)分别为第k、k-1、k-2时刻的转速偏差，r₁(k)为第k时刻的转速基准，y₁(k)为第k时刻的燃机转速

根据第一单神经元比例积分微分控制算法中神经元学习公式的状态变量，构建第一加权系数，并将第一加权系数规范化。

本发明实施例中，第一神经单元比例积分微分算法的第一加权系数包括：w₁₁(k)、w₁₂(k)和w₁₃(k)。其中w₁₁(k)的构建如式(4)所示，w₁₂(k)的构建如式(5)所示，w₁₃(k)的构建如式(6)所示。

w₁₁(k)＝w₁₁(k-1)+η_I1z₁(k)u₁(k)x₁₁(k) (4)

w₁₂(k)＝w₁₂(k-1)+η_P1z₁(k)u₁(k)x₁₂(k) (5)

w₁₃(k)＝w₁₃(k-1)+η_D1z₁(k)u₁(k)x₁₃(k) (6)

其中，性能指标z₁(k)＝e₁(k)，w₁₁(k)、w₁₂(k)和w₁₃(k)为第k时刻的第一加权系数，w₁₁(k-1)、w₁₂(k-1)和w₁₃(k-1)为第k-1时刻的第一加权系数，η_I1、η_P1、η_D1分别为积分、比例、微分的学习速率，u₁(k)为第k时刻的燃料量。

本发明实施例中，规范化的第一加权系数的如式(7)所示；

根据规范化的第一加权系数，通过第一神经单元比例积分微分算法中的神经元学习公式，计算燃料量。

本发明实施例中，第一神经单元比例积分微分算法中的神经元学习公式如式(8)所示。

其中，u₁(k-1)为k-1时刻的燃料量，Κ₁为第一神经单元比例积分微分算法中的神经元的比例系数。

优选地，步骤S2还包括：对燃料量进行中值限幅。

本发明实施例中，对燃料量进行中值限幅具体包括：将(8)中的u₁(k-1)替换成Median{u₁(k-1),U_1lim,L_1lim}，得到中值限幅的第一神经单元比例积分微分算法中的神经元学习公式，如式(9)所示，通过式(9)对燃料量进行限幅，计算出限幅的燃料量。

其中，U_1lim,L_1lim为燃料量的限幅，Median{…}为求中值，Κ₁为神经元的比例系数。

由于本发明实施例采用单轴燃气轮机模型，第一神经单元比例积分微分算法的第一加权系数w₁₁(k)、w₁₂(k)和w₁₃(k)的初值w₁₁(1)＝0、w₁₂(1)＝0和w₁₃(1)＝0，比例积分微分的积分、比例、微分的学习速率η_I1＝0.01、η_P1＝0.03、η_D1＝0.003，燃料量限幅范围为0.15～1，燃料量限幅的上限U_1lim＝1，燃料量限幅的下限L_1lim＝0.15，神经元的比例系数Κ₁的取值范围为0.4至1，取Κ₁＝0.8。

S3.根据重型燃气轮机模型的透平排气温度基准，计算透平排气温度在当前控制周期的温度偏差，并根据温度偏差，通过第二单神经元比例积分微分控制算法，计算在下一个控制周期输入重型燃气轮机模型的压气机进口可转导叶开度。

具体地，步骤S3包括：

将透平排气温度与透平排气温度基准作差，得到温度偏差。

根据温度偏差，构建第二单神经元比例积分微分控制算法中神经元学习公式的状态变量。

本发明实施例中，第二单神经元比例积分微分控制算法中神经元学习公式的状态变量包括：x₂₁(k)、x₂₂(k)和x₂₃(k)。其中，x₂₁(k)的构建如式(10)所示，x₂₂(k)的构建如式(11)所示，x₂₃(k)的构建如式(12)所示。

x₂₁(k)＝y₂(k)-r₂(k)＝e₂(k) (10)

x₂₂(k)＝e₂(k)-e₂(k-1) (11)

x₂₃(k)＝e₂(k)-2e₂(k-1)+e₂(k-2) (12)

其中，e₂(k)、e₂(k-1)、e₂(k-2)分别为第k、k-1、k-2时刻的温度偏差，r₂(k)为第k时刻的透平排气温度，y₂(k)为第k时刻的透平排气温度基准。

根据第二单神经元比例积分微分控制算法中神经元学习公式的状态变量，构建第二加权系数，并将第二加权系数规范化。

本发明实施例中，第二神经单元比例积分微分算法的第二加权系数包括：w₂₁(k)、w₂₂(k)和w₂₃(k)。其中的构建如式(13)所示，w₂₁(k)的w₂₂(k)构建如式(14)所示，w₂₃(k)的构建如式(15)所示。

w₂₁(k)＝w₂₁(k-1)+η_I2z₂(k)u₂(k)x₂₁(k) (13)

w₂₂(k)＝w₂₂(k-1)+η_P2z₂(k)u₂(k)x₂₂(k) (14)

w₂₃(k)＝w₂₃(k-1)+η_D2z₂(k)u₂(k)x₂₃(k) (15)

其中，性能指标z₂(k)＝e₂(k)，w₂₁(k)、w₂₂(k)和w₂₃(k)为第k时刻的第二加权系数，w₂₁(k-1)、w₂₂(k-1)和w₂₃(k-1)为第k-1时刻的第二加权系数，η_I2、η_P2、η_D2分别为积分、比例、微分的学习速率，u₂(k)为第k时刻的压力机进口可转导叶开度。

本发明实施例中，规范化的第二加权系数如式(16)所示。

根据规范化的第二加权系数，通过第二神经单元比例积分微分算法中的神经元学习公式，计算压力机进口可转导叶开度。

本发明实施例中，第二神经单元比例积分微分算法中的神经元学习公式如式(17)所示。

其中，u₂(k-1)为k-1时刻的压力机进口可转导叶开度，Κ₁为第二神经单元比例积分微分算法中的神经元的比例系数。

优选地，步骤S3还包括：

对压力机进口可转导叶开度进行中值限幅

本发明实施例中，对燃料量进行中值限幅具体包括：，将(17)中的u₂(k-1)替换成Median{u₂(k-1),U_2lim,L_2lim}，得到中值限幅的第二神经单元比例积分微分算法中的神经元学习公式如式(18)所示

通过式(18)对压力机进口可转导叶开度进行限幅，计算限幅的压力机进口可转导叶开度。

其中，U_2lim,L_2lim为压气机进口可转导叶开度的限幅，Median{…}为求中值，Κ₂为神经元的比例系数。

由于本发明实施例采用单轴燃气轮机模型，第二神经单元比例积分微分算法的第二加权系数w₂₁(k)、w₂₂(k)和w₂₃(k)的初值w₂₁(1)＝0、w₂₂(1)＝0和w₂₃(1)＝0，比例积分微分的积分、比例、微分的学习速率η_I2＝30、η_P2＝100、η_D2＝0.003，压气机进口可转导叶限幅范围为57～86，压气机进口可转导叶开度限幅的上限U_2lim＝86，压气机进口可转导叶开度限幅的下限L_2lim＝57，神经元的比例系数Κ₂的取值范围为0.0001至0.01，取Κ₂＝0.001。

S4.根据在下一个控制周期输入重型燃气轮机模型的燃料量和压气机进口可转导叶开度，计算重型燃气轮机模型在下一个控制周期输出的燃机转速和透平排气温度。

本发明实施例中，通过选定的单轴燃气轮机模型，计算单轴燃气轮机模型输出的燃机转速和透平排气温度具体如下：

对单轴燃气轮机模型的参数进行设定后，利用单轴燃气轮机模型，通过下述式(19)、式(20)、式(21)、式(22)和式(23)，分别根据单轴燃气轮机模型的输入量：燃料量和压气机进口可转导叶开度，计算单轴燃气轮机模型的输出量：燃机转速和透平排气温度。在利用单轴燃气轮机模型进行计算的过程中，将燃料量控制信号作为燃料量，将压气机进口可转导叶开度值的控制信号作为压气机进口可转导叶开度。

其中，根据单轴燃气轮机模型的输入量计算输出量的具体步骤如下：由根据式(19)和式(20)可推导出u_f与n的直接关系，即通过燃料量控制信号u_f，计算出燃机转速n，可以理解为：根据燃料量，通过式(19)和式(20)计算出燃机转速。

由根据式(21)、式(22)和式(23)可推导出u_IGV与T_T的直接关系，即通过压气机进口可转导叶开度值的控制信号u_IGV，计算出透平排气温度T_T。其中，如式(23)所示，燃机转速影响到了透平排气流量，因此燃料量控制信号和压气机进口可转导叶开度值的控制信号同时影响透平排气温度。可以理解为：根据压力机进口转导叶开度和燃料量，通过式(19)、式(20)式(21)、式(22)和式(23)计算出透平排气温度，燃料量与压气机进口可转导叶同时影响透平排气温度。

步骤S1中，预设定的初始燃料量和初始压力机进口可转导叶开度作为单轴燃气轮机模型的输入量，利用式(19)、式(20)式(21)、式(22)和式(23)，计算单轴燃气轮机模型在当前控制周期输出的燃机转速和透平排气温度。

步骤S4中，根据单神经元比例积分微分算法计算出的在下一个控制周期输入单轴燃气轮机模型的燃料量和压气机进口可转导叶开度，通过式(19)、式(20)式(21)、式(22)和式(23)，计算单轴燃气轮机模型在下一个控制周期输出的燃机转速和透平排气温度。

燃料流量信号计算如式(1)所示：

其中，u_f为燃料量控制信号，n为燃机转速，s为拉普拉斯算子，w_f为燃料流量信号。

燃机转速计算如式(2)所示：

其中，M_load为负载，n为燃机转速。

压气机进口可转导叶的行程计算如式(3)所示：

其中，u_IGV为压气机进口可转导叶开度值的控制信号，L_IGV为压气机进口可转导叶的行程。

透平排气流量为：

其中，T_a为压气机进气温度，F_T为透平排气流量，n为燃机转速，n的取值范围为0～1，n为1时即为额定转速。

透平排气温度的计算如式(5)所示：

其中，T_R为透平排气温度设计点值，ε_td为透平及排气***的时间延迟，n为燃机转速，T_T为透平排气温度，ε_td为透平及排气***的时间延迟，t表示采样时刻，w_f为燃料流量信号。

S5.将下一个控制周期输出的燃机转速和透平排气温度作为当前控制周期输出的燃机转速和透平排气温度，重复执行步骤S2至S4，直至重型燃气轮机模型输出的燃机转速和透平排气温度分别达到对应的基准。

其中，满足下述两条件时，重型燃气轮机***从开始运行后达到了稳定，条件一：燃机转速达到燃机转速的基准，条件二：透平排气温度达到透平排气温度的基准。本发明采用重型燃气轮机模型代替实体重型燃气轮机进行了仿真，在实际应用中具有相同的效果。

优选地，为了使压气进口可转导叶能够根据转速偏差进行超前调节，在实际应用时实现在降低负荷过程中通过减少透平排气温度而提高燃气轮机联合循环效率，基于重型燃气轮机模型的解耦控制方法还包括：

对转速偏差进行限幅；

将限幅后的转速偏差加入到温度偏差中对透平排气温度进行补偿。

其中，将限幅后的转速偏差加入到温度偏差中对透平排气温度进行补偿，可称为转速偏差补偿。

具体地，通将限幅后的转速偏差加入到温度偏差中对透平排气温度进行补偿包括：

计算温度偏差与限幅后的转速偏差的和；

根据限幅后的转速偏差与温度偏差的和，构建第二单神经元比例积分微分控制算法中神经元学习公式的状态变量。

本发明实施例中，在第二单神经元比例积分微分控制算法中神经元学***排气温度进行调节时，重新构建第二单神经元比例积分微分控制算法中神经元学习公式的状态变量的x₂₁(k)中的e₂(k)、e₂(k-1)和e₂(k-2)，分别如式(24)、式(25)和式(26)所示.

e₂(k)＝y₂(k)-r₂(k)+K×e₁(k) (24)

e₂(k-1)＝y₂(k-1)-r₂(k-1)+K×e₁(k-1) (25)

e₂(k-2)＝y₂(k-2)-r₂(k-2)+K×e₁(k-2) (26)

其中，y₂(k)、y₂(k-1)、y₂(k-2)分别为第k、k-1、k-2时刻排气温度的平均值，r₂(k)、r₂(k-1)、r₂(k-2)分别为第k、k-1、k-2时刻的排气温度基准，K为转速偏差补偿系数。

由于本发明实施例采用单轴燃气轮机模型，转速偏差补偿系数K取值范围为70至150，燃机转速的转速偏差补偿的限幅范围为-20至0。

本发明实施例中，将单轴燃气轮机模型通过式(19)和式(20)计算出燃机转速，通过第一单神经元比例积分微分算法，计算得出的燃料量，经过0.15～1限幅后乘以增益0.77，加上补偿0.23，作为单轴燃气轮机模型的输入，将单轴燃气轮机模型通过式(19)、式(20)式(21)、式(22)和式(23)计算的透平排气温度平均值，通过第二单神经元比例积分微分算法，计算得出压力机进口可转导叶开度，经57～86限幅后，作为单轴燃气轮机模型的输入。

本发明实施例中，将原先模型替换成单轴燃气轮机模型后，通过上述步骤S1-S5使重型燃气轮机模型输出的燃机转速和透平排气温度分别达到对应的基准，即通过单神经元比例积分微分算法，自动学***排气温度分别达到稳定。其中，单轴燃气轮机模型输出的燃机转速的基准在第3100个采样时刻给出阶跃信号1到0.98，单轴燃气轮机模的燃机转速输出响应曲线如图3所示。单轴燃气轮机模型输出透平排气温度的基准在第3100个采样时刻给出阶跃信号540℃到520℃，单轴燃气轮机模的透平排气温度输出响应曲线如图4所示。

其中，有转速偏差补偿和无转速偏差补偿的透平排气温度输出响应曲线如图5所示，可见有转速偏差补偿的响应曲线中的透平排气温度在下降过程中超调更小，并且通过转速偏差对透平排气温度进行的补偿，仅在转速基准小于转速时起作用。

本发明实施例提出的一种基于重型燃气轮机模型的解耦控制方法，通过对重型燃气轮机模型的输出分别采用单神经元比例积分微分算法，以及通过在第二单神经元比例积分微分算法中增加偏差补偿，具有对控制量自动学***排气温度的降低而提高燃气轮机联合循环效率的效果。

实施例2

本发明实施例还提供了一种基于重型燃气轮机模型的解耦控制***，如图2所示，该***包括：仿真器107，仿真器107中嵌入有用于计算重型燃气机轮的燃机转速和透平排气温度的重型燃气轮机模型，该***还包括：第一单神经元比例积分微分控制器102、第二单神经元比例积分微分控制器105、转速偏差计算器101和温度偏差计算器104；

第一单神经元比例积分微分控制器102、仿真器107和转速偏差计算器101相互电连接；

第二单神经元比例积分微分控制器105、仿真器107和温度偏差计算器101相互电连接；

转速偏差计算器101计算仿真器107输出的燃机转速与燃机转速基准值的差值，作为转速偏差信号，传输至第一单神经元比例积分微分控制器102进行处理，得到重型燃气轮机的燃料量信号，并传输至仿真器107中的重型燃气轮机模型进行仿真；

温度偏差计算器计算仿真器107输出的透平排气温度与透平排气温度基准值的差值，作为温度偏差信号，传输至第二单神经元比例积分微分控制器105进行处理，得到重型燃气轮机的压力机进口可转导叶开度信号，并传输至仿真器107中的重型燃气轮机模型进行仿真。

优选地，为了防止在输入到重型燃机轮机模型的信号超范围而数据溢出，基于重型燃气轮机模型的解耦控制***还包括：第一限幅器103和第二限幅器106，第一限幅器103分别与第一单神经元比例积分微分控制器102和仿真器107电连接，第二限幅器106分别与第二单神经元比例积分微分控制器105和仿真器107电连接；

第一限幅器103对第一单神经元比例积分微分控制器102处理的燃料量信号进行中值限幅后，传输至仿真器107，第二限幅器106对第二单神经元比例积分微分控制器102处理的压力机进口可转导叶开度信号进行中值限幅后，传输至仿真器107。

优选地，为了使重型燃气轮机模型输出的压气进口可转导叶能够根据转速偏差进行超前调节，基于重型燃气轮机模型的解耦控制***还包括：偏差补偿器108和第三限幅器109，偏差补偿器108连接在转速偏差计算器101的输出端和第三限幅器109输入端之间；第三限幅器109连接在偏差补偿器108输出端和第二单神经元比例积分微分控制器105的输入端之间；

偏差补偿器108将转速偏差信号进行处理，并通过第三限幅器109进行限幅后，传输至第二单神经元比例积分微分控制器105对透平排气温度进行补偿。

本发明实施例中，由相互连接的仿真器107、转速偏差计算器101、第一单神经元比例积分微分控制器102和第一限幅器103，以及由相互连接的仿真器107、温度偏差计算器104、第二单神经元比例积分微分控制器105和第二限幅器106，构成了解耦控制***。解耦控制***的信号流向如图6所示，仿真器107分别根据第一单神经元比例积分微分控制器102和第二单神经元比例积分微分控制器105传输的燃料量信号和压气机进口可转导叶开度信号，输出燃机转速信号至转速偏差计算器101，输出透平排气温度信号至温度偏差计算器104。转速偏差计算器101根据仿真器107中重型燃机轮机模型的燃机转速基准和输入的燃机转速信号，计算转速偏差信号，并将转速偏差信号传输至第一单神经元比例积分微分控制器102进行处理，自动学***排气温度基准和输入的透平排气温度信号，计算温度偏差信号，并将温度偏差信号传输至第二单神经元比例积分微分控制器105进行处理，自动学习控制器的比例积分微分调节参数，得出调整后的压气机进口可转导叶开度信号。

其中，为了防止在输入到重型燃机轮机模型的燃烧量信号和压气机进口可转导叶开度信号，超范围而数据溢出，在第一单神经元比例积分微分控制器102处理得到的燃烧量信号，在输入到仿真器107前，进入第一限幅器103进行限幅；在第二单神经元比例积分微分控制器105处理得到的压气机进口可转导叶开度信号，在输入到仿真器107前，进入第二限幅器106进行限幅。

其中，转速偏差计算器101与第二单神经元比例积分微分控制器105之间，加入了相互连接的偏差补偿器108和第三限幅器109。偏差补偿器108采集转速偏差计算器101输出的转速偏差信号，并在转速偏差信号中加入补偿系数K后，通过所述第三限幅器进行限幅，限幅后，与温度偏差计算器104输出的温度偏差信号合并，作为第二单神经元比例积分微分控制器105的输入信号。

本发明实施例中，仿真器107中的重型燃气轮机模型采用单轴燃气轮机模型，在发生干扰后，通过若干控制周期，第一单神经元比例积分微分控制器102调节的燃料量信号，通过单轴燃气轮机模型计算，得出的燃机转速输出响应曲线如图3所示，第二单神经元比例积分微分控制器105调节的压气机进口可转导叶开度信号，通过单轴燃气轮机模型计算，得出透平排气平均温输出响应曲线如图4所示，图5给出了在采用单轴燃气轮机模型时，有偏差补偿器108和无偏差补偿器108的透平排气温度输出响应曲线，有偏差补偿器的响应曲线透平排气温度在下降过程中超调更小。

本发明实施例提出的一种基于重型燃气轮机模型的解耦控制***，通过对重型燃气轮机模型的输出分别采用第一和第二单神经元比例积分微分控制器，以及通过将转速偏差信号传输至第二单神经元比例积分微分控制器增加偏差补偿，具有对控制量自动学***排气温度的降低而提高燃气轮机联合循环效率的效果。

虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (7)

1.一种基于重型燃气轮机模型的解耦控制方法，其特征在于，所述方法包括以下步骤：

S1.根据输入重型燃气轮机模型的初始燃料量和初始压力机进口可转导叶开度，计算重型燃气轮机模型在当前控制周期输出的燃机转速和透平排气温度；

S2.根据重型燃气轮机模型的燃机转速基准，计算所述燃机转速在当前控制周期的转速偏差，并根据所述转速偏差通过第一单神经元比例积分微分控制算法，计算在下一个控制周期输入所述重型燃气轮机模型的燃料量；

S3.根据重型燃气轮机模型的透平排气温度基准，计算所述透平排气温度在当前控制周期的温度偏差，并根据所述温度偏差，通过第二单神经元比例积分微分控制算法，计算在下一个控制周期输入所述重型燃气轮机模型的压气机进口可转导叶开度；

S4.根据所述在下一个控制周期输入所述重型燃气轮机模型的燃料量和压气机进口可转导叶开度，计算重型燃气轮机模型在下一个控制周期输出的燃机转速和透平排气温度；

S5.将所述下一个控制周期输出的燃机转速和透平排气温度作为当前控制周期输出的燃机转速和透平排气温度，重复执行步骤S2至S4，直至重型燃气轮机模型输出的燃机转速和透平排气温度分别达到对应的基准；

所述方法还包括：

对所述转速偏差进行限幅；

通过计算温度偏差与所述限幅后的转速偏差的和，并根据其构建第二单神经元比例积分微分控制算法中神经元学***排气温度进行补偿。

2.根据权利要求1所述的方法，其特征在于，所述步骤S2具体包括：

将所述燃机转速基准与所述燃机转速作差，得到所述转速偏差；

根据所述转速偏差，构建第一单神经元比例积分微分控制算法中神经元学习公式的状态变量；

根据所述第一单神经元比例积分微分控制算法中神经元学习公式的状态变量，构建第一加权系数，并将所述第一加权系数规范化；

根据规范化的所述第一加权系数，通过所述第一单神经元比例积分微分算法中的所述神经元学习公式，计算所述燃料量。

3.根据权利要求1所述的方法，其特征在于，所述步骤S2还包括：对所述燃料量进行中值限幅。

4.根据权利要求1所述的方法，其特征在于，所述步骤S3具体包括：

将所述透平排气温度与所述透平排气温度基准作差，得到温度偏差；

根据所述温度偏差，构建第二单神经元比例积分微分控制算法中神经元学习公式的状态变量；

根据所述第二单神经元比例积分微分控制算法中神经元学习公式的状态变量，构建第二加权系数，并将所述第二加权系数规范化；

根据规范化的所述第二加权系数，通过所述第二单神经元比例积分微分算法中的所述神经元学习公式，计算所述压力机进口可转导叶开度。

5.根据权利要求1所述的方法，其特征在于，所述步骤S3还包括：

对所述压力机进口可转导叶开度进行中值限幅。

6.一种基于重型燃气轮机模型的解耦控制***，所述***包括：仿真器，所述仿真器中嵌入有用于计算重型燃气机轮的燃机转速和透平排气温度的重型燃气轮机模型，其特征在于，所述***还包括：第一单神经元比例积分微分控制器、第二单神经元比例积分微分控制器、转速偏差计算器和温度偏差计算器；

所述第一单神经元比例积分微分控制器、所述仿真器和所述转速偏差计算器相互电连接；

所述第二单神经元比例积分微分控制器、所述仿真器和所述温度偏差计算器相互电连接；

所述转速偏差计算器计算所述仿真器输出的燃机转速与燃机转速基准值的差值，作为转速偏差信号，传输至所述第一单神经元比例积分微分控制器进行处理，得到重型燃气轮机的燃料量信号，并传输至所述仿真器中的重型燃气轮机模型进行仿真；

所述温度偏差计算器计算所述仿真器输出的透平排气温度与透平排气温度基准值的差值，作为温度偏差信号，传输至所述第二单神经元比例积分微分控制器进行处理，得到重型燃气轮机的压力机进口可转导叶开度信号，并传输至所述仿真器中的重型燃气轮机模型进行仿真；

所述***还包括：偏差补偿器和第三限幅器，所述偏差补偿器连接在所述转速偏差计算器的输出端和所述第三限幅器输入端之间；所述第三限幅器连接在所述偏差补偿器输出端和第二单神经元比例积分微分控制器的输入端之间；

所述偏差补偿器将所述转速偏差信号进行处理，并通过所述第三限幅器进行限幅后，与温度偏差计算器输出的温度偏差信号合并，作 为第二单神经元比例积分微分控制器的输入信号传输至所述第二单神经元比例积分微分控制器，所述第二单神经元比例积分微分控制器根据该输入信号构建第二单神经元比例积分微分控制算法中神经元学***排气温度进行补偿。

7.根据权利要求6所述的***，其特征在于，所述***还包括：第一限幅器和第二限幅器，所述第一限幅器分别与所述第一单神经元比例积分微分控制器和所述仿真器电连接，所述第二限幅器分别与所述第二单神经元比例积分微分控制器和所述仿真器电连接；

所述第一限幅器对所述第一单神经元比例积分微分控制器处理的所述燃料量信号进行中值限幅后，传输至所述仿真器，所述第二限幅器对所述第二单神经元比例积分微分控制器处理的所述压力机进口可转导叶开度信号进行中值限幅后，传输至所述仿真器。