摘要:蒸汽温度控制是锅炉控制中一个重要组成部分,其性能好坏将直接影响负荷响应速度和炉管应力变化。本文以George Neal电厂三号机组改造为例,采用Smartprocess 蒸汽温度优化软件对蒸汽温度控制回路进行改进,最终试验结果表明这种高级控制策略能够明显改善蒸汽温度控制效果,并且有效减少了炉管泄漏次数。
1. 引言
随着电力行业竞争的加剧,许多发电企业采取各种各样的手段来适应新形势的发展。虽然没有人能够预测未来将如何,但最直接的措施就是降低运行和维护成本、降低煤耗,提高机组可用率。本文将以MidAmerican Energy 公司的George Neal 电站 3 号机组改造项目为例,介绍Smartprocess 蒸汽温度优化器在蒸汽温度控制中的应用,以提高汽温控制品质,减少炉管泄漏,最终实现发电成本的降低。
2. 用户背景
George Neal电站位于IOWA州密苏里河边。其3号机组容量为515MW,采用Foster-Wheeler对冲式汽包炉和GE公司汽轮机,6台MPS-89磨煤机分别为前后炉墙的24个燃烧器供应煤粉。过热蒸汽温度通过一级和二级喷水控制,再热蒸汽温度通过喷水、过热挡板和再热挡板进行控制。锅炉控制系统采用WDPF系统。
控制系统改造前,蒸汽温度的过度震荡过大,限制了机组响应速度,低负荷下响应速度为1%/min,高负荷下响应速度为0.3%/min。因此,用户会同EPRI和控制系统供应商艾默生公司讨论,决定利用Smartprocess 蒸汽温度优化器来改进负荷动态变化情况下的温度响应,从而实现负荷响应速度的提高。Smartprocess 蒸汽温度优化器是艾默生公司电力优化软件包中一个非常重要的模块,它采用预测控制和模糊逻辑来增强汽温控制回路的前馈作用,达到提高汽温控制品质的目的。
3. 工程规划
整个控制系统改造工程要实现两个任务:一是改进蒸汽温度控制,提高机组负荷响应能力;二是对比常规PID控制方式,记录优化系统的改进效果。整个工程的主要步骤包括:
> 记录现有系统设计方案和性能
> 优化当前系统并进行试验
> 设计和安装高级蒸汽温度控制系统
> 测试和记录高级控制系统的性能
> 准备测试报告
4. 现有系统评估
现有的控制系统是一套常规PID控制系统。过热器二级喷水采用串级控制,一个外回路控制器,两个内回路控制器。过热器一级喷水也采用串级控制,内外回路控制器均有两个。烟气挡板由一个再热温度控制器控制在一个预先配置的范围。再热喷水控制回路为单PID回路。现有控制系统中唯一特殊的就是蒸汽温度控制回路中没有任何前馈信号。图1为二级喷水控制回路的功能框图,TTFuzz模块为优化后增加的前馈模块。
优化工作开始前,记录现有回路中PID控制器和其它的可调整模块的整定设置。然后对现有的PID参数进行调整,以期提高控制响应品质。过热喷水调节参数进行比较大的调整,负荷响应速度改善非常明显。进一步的试验分析表明当前的参数设置在某个工况下非常接近优化器给出的设定值。烟气挡板调节设置和再热喷水设置都做过很小的改动。
5. 模型辨识与测试
要设计高级多变量控制器,必须先建立过程模型。建立过程模型的方法有很多种,最实用的是模型辨识。模型辨识（或者系统辨识）需要采集机组特定运行工况试验下的控制器输入输出以及扰动变量数据。这些试验用于激励出建模所需的所有过程模型特征。典型的试验包括:开环阶跃试验、伪随机二元序列试验和频率响应试验。如果需要,还可进行闭环设定值阶跃试验。如果已知扰动量对过程对象有很大的影响,则必须进行扰动试验。
就本工程而言,所有的蒸汽温度控制回路都进行开环阶跃试验和闭环设定值响应试验。此外,还进行了反映扰动效果的负荷变化和磨煤机起停试验。所有测试耗时5天完成。DCS的历史站用于记录所有的测试数据。整套试验采集150个数据点;并且试验期间,这些点在历史站上的采集死区配置为接近0。如果采集数据的死区过大,模型辨识软件将无法产生好的效果。高保真度数据对辨识模型的精确度是至关重要的。
试验结束后,数据将从历史站中提取出来,然后开始模型辨识阶段。由于本项目采用了两种不同的控制技术,所以需要两种不同的模型。
6. 控制器设计
本工程所采用的Smartprocess 蒸汽温度优化器包含两种独立的技术。模型预测控制用于调整外回路控制器的设定值,而动态前馈系统则用于动态补偿内回路的设定值。图1给出了高级控制系统如何和常规控制系统接口。其它回路也采用类似的方案实现。
模型预测控制系统采用Aspen Target控制器,而动态前馈采用TTFuzz控制器。Target控制器有5个控制变量、5个被控变量和许多扰动变量。TTFuzz控制器有6个前馈输出和大约40个扰动输入变量。
Aspen Target控制器采用带非线性校正系数（神经网络）的线性最小二乘模型（PLS: Partial Least Squares）,具体的组合方式可以参考混合模型。这种合成模型克服了纯神经网络模型的外推泛化问题。神经网络模型有两种学习规则,Kalman和可变矩阵。神经网络的隐层数和隐层节点数都是可调的。
TTFuzz前馈控制器属于Takagi-Sugeno模型,用于补偿影响过程对象的可测量扰动。基于这些扰动变量,前馈控制器将产生前馈补偿信号以补偿PID回路的扰动。精确的补偿计算需要精确的过程模型和扰动影响模型。前馈概念可以这样理解:从控制变量到被控变量的模型（传递函数）可以通过各种试验获得,如同扰动变量到被控变量的建模过程。由于扰动的当前值是可测量的,那么它对被控变量的影响也是能够确定的,从而可以得出控制变量的修正值,实现扰动对被控变量影响的最小化。
7. 工程实施
这两种高级控制器都在直接连接WDPF数据高速公路的Sun Ultra工作站上实现。数据接口软件用于实现高级控制器和常规DCS逻辑的数据交换。另外,绘制了新的操作界面,用于切换选择高级控制模式和常规控制模式,并允许操作人员根据需要起动和停止高级控制策略。现有的蒸汽控制界面也经过一定的修改,可以显示出当前的控制模式。
由于再热汽温有两个控制变量,所以TTFuzz控制器必须协调控制档板和再热喷水阀。再热喷水对机组热效率有负面影响,因而从控制策略上讲,要尽可能减小喷水量。综合考虑以上因素,整个控制策略如下:
> 如果喷水修正值为负而且喷水阀门尚未全关,则仅采用喷水修正值。
> 如果喷水修正值为负而且喷水阀门已经关闭,则继续保持喷水阀门关闭,剩余修正由挡板回路完成。
> 如果喷水修正值为正（阀门开启）,则会首先调整挡板直至饱和后,才使用喷水控制。
8. 验收
验收过程包括了非常详细的测试方案,以确保整个优化系统的所有组成部分都能够满足要求。测试包括三种运行类型和四种不同的控制器组合,总共12项测试。运行类型包括:
> 从全负荷（约500MW）降至400MW,然后回升到全负荷。
> 从380MW降至280MW,然后返回380MW
> 一台磨煤机停运
控制器配置方案有:
> 全部采用原来的PID控制器整定设置
> 采用新的PID控制器整定设置
> 采用新的PID控制器整定设置和TTFuzz控制器
> 采用新的PID控制器整定设置和TTFuzz、Aspen Target控制器在
Neal 3号机组,吹灰是连续进行的,这是蒸汽温度控制的一个主要扰动。为了减小因吹灰所导致的测试结果差异,在每次测试期间,都进行同样的吹灰步骤。也就是说,每次测试中的吹灰过程是相同的,以使其对蒸汽温度的影响相似。
9. 优化结果
WDPF的历史存储和检索系统（即历史站）用于记录这些测试结果。图2显示了在三种不同控制器配置下高负荷段的过热汽温响应曲线。为了能够量化分析回路特性,所有的测试数据都进行平均误差、最大误差和标准差分析。测试结果表明:与旧的PID整定参数相比,新的PID整定参数非常好地改进了的回路性能;带TTFuzz的PID比不带TTFuzz的PID的控制效果也有明显提高;增加Aspen Target控制后,回路性能有了一定的边际改善。
图3显示了四种控制配置下低负荷试验的标准差分析。由于机组在多数运行工况下都达不到再热蒸汽设计温度,所以再热温度的控制结果可能容易令人误解。图4显示了磨F停运后的测试结果。
10. 总结
本项目表明Smartprocess 蒸汽温度优化器所具备的高级控制技术能够显著提高蒸汽温度控制性能,虽然试验结果有一定差异,但总体而言,混合使用两种高级控制器的控制效果最佳。此外,蒸汽温度优化器自1999年5月末投运以来,机组在整个夏天未出现过炉管泄漏。厂方的运行主管人员确信蒸汽温度控制性能的改善,是减少炉管泄漏的主要原因。
