论文部分内容阅读
【关键词】集控运行;火力发电厂;智能算法
目前我国能源消费结构以煤炭为主，燃煤火电机组在常规污染物排放控制方面已达到世界一流水平。为深入践行“人类命运共同体”这一理念，体现大国担当，中国提出力争在2030年前达到二氧化碳排放峰值，努力争取在2060年前实现碳中和，以应对全球气候变化，风能、太阳能等新能源将会大幅增长。火电机组作为能源消费大户，一方面要作为电网的重要负荷支撑保证电网稳定，另一方面要开展深度的节能减排工作。本文就如何通过集控运行技术深入实践节能减排进行探讨。
随着技术设备的不断发展以及人员技能水平的不断提高，我国大中型火力发电机组已采用集控运行方式，通过集散控制系统（DCS）对机组主辅设备进行控制，运行人员已不再进行专业划分，而是转变为多专业融合。但电厂的运行人员受限于各自的专业水平，生产控制和事故处理的水平参差不齐，而且由于工作强度大，容易造成失误，人为因素是影响机组安全、稳定以及经济运行的关键。另外，火力发电厂需进行控制的参数量巨大，系统繁杂，通过运行人员对参数的深入分析来提高机组运行效率不具有实际可操作性，机组未达到最佳优化运行状态，有着巨大节能降耗潜力。
以燃煤火电机组主、再热蒸汽温度为例，蒸汽温度是直接影响机组热效率的重要参数，提高机组汽温自动控制精度是提升机组经济性的重要手段。大型火电机组主、再热汽温控制对象均是大惯性、大迟延、强非线性的过程且不同负荷下的被控对象模型变化大，该过程对象主要与机组负荷变化有关，且同时受到煤质变化、减温水量、入口蒸汽的温度、压力，入口烟气的流量、温度等多方面的影响，受干扰情况较严重，呈现出非线性、时变等的特性。主蒸汽汽温控制面临着汽温波动幅度较大，汽温超限等现象，尤其在负荷折返变化时，过热汽温的大幅波动制约着机组的变负荷能力;而再热汽温控制则面临着自动投入困难，调节效果差，运值人员手动操作频繁、工作压力大等问题。在如今火电机组频繁参与深度调峰的过程中，机组汽温控制对象特性在变负荷、低负荷过程中差异较大，以上问题进一步凸显。因此火电机组过热、再热汽温控制系统亟须进行系统优化工作，减小运值人员工作压力，提升机组经济性水平。
随着电力市场化的深入推进以及形势的不断变化，传统的发电企业必须实现对生产成本的精细把控，才能在激烈的电力市场竞争中得意生存并持续发展。并且随着生产管理的精细化，关注动态调节过程中的运行经济性将会大大节约企业生产成本，而这些调节过程仅靠人为调节难以实现最优的目标。热工自动化是实现火电机组安全、经济、环保、灵活、智能运行的重要手段。随着人工智能技术的不断发展，深度学习方法与电力生产相结合的一系列运行优化方法正在逐渐进行融合、深化。基于智能算法的热工自动控制技术在逐渐发挥更加广阔而深远的作用。根据火力发电厂主要系统控制对象特性，经过归纳，主要的算法有以下几种：
（一）智能控制算法
常用的研究方法包括模糊控制法、专家系统控制方法、人工神经网络控制法和基于现场应用的仿人工智能控制方法。这些算法都是基于某一领域内专家的经验和知识，进行推理判断，对人脑的智能识别和决策过程进行模拟，进而实现对复杂不确定系统的建模＼预测，基于以上基础对复杂控制系统进行有效控制[1]。
（二）自抗扰控制技术
自抗扰控制是将系统未建模动态和未知干扰作为总扰动，通过扩张状态观测器进行估计并在反馈控制中进行消除。自抗扰技术不依赖系统模型，鲁棒性强，适用于复杂的现场控制环境，并且能够相对容易地在组态中进行搭建，已经得到了广泛的工业应用。
（三）模型预测控制技术
模型预测控制的当前控制动作是在每一个采样瞬间通过求解一个有限时域开环最优控制问题而获得。过程的当前状态作为最优控制问题的初始状态，解得的最优控制序列只实施第一个控制作用。这是它与那些使用预先计算控制律的算法的最大不同。模型预测控制在大惯性、大迟延过程对象控制中得到了广泛地应用，但是该控制方法对模型的精度要求较高[2]。
（四）自适应控制技术
自适应系统能修正自己的特性以适应对象和扰动的动态特性的变化。目前，主要应用包括模型参考自适应控制系统、自校正控制系统和自整定PID调节器三种。以上方法能够通过提高自适应能力来解决外部干扰，可以有效地解决控制参数大滞后、大慣性的问题。
（五）基于状态变量的控制技术
将具有大滞后、大惯性特点的控制对象等效为多容的惯性环节，并于此基础上设计一种无静差的状态反馈控制。设计鲁棒性较强的状态观测器，对不可测状态变量进行观测，使系统快速检测到其内部扰动，及时发出控制信号，保持被控对象的恒定。
基于人工智能算法，结合火电机组海量的运行数据，通过模型训练进行不断的迭代完善，可以形成一套针对火电机组的自动控制方案。利用智能化DCS硬件以及通讯技术的快速发展，使得智能化控制方案得以实现。另外，考虑到火电机组工控安全，可以通过MIS网络进行运行数据的交互，以此实现云计算加快智能算法迭代速度，可以推进火电机组智能化控制的快速发展。一键启停、自动寻优、智能监盘、专家诊断等通过智能化方式实现，能够帮助企业减少人为误操作的概率，同时深入挖潜机组节能降耗潜力，可以大大提高企业核心竞争力，实现能源的清洁高效利用。
尽管一些先进控制算法已经部分在电厂进行了应用，但是先进算法仍然难以得到普遍性的应用。原因主要包含以下方面：一些先进控制算法的结构过于复杂，难以直接理解和应用，比如控制对于抗干扰拥有独特的优势，但是它们需要一定的先验条件，而这些先验条件往往是难以建立的。另一方面，一些先进控制算法依赖于控制模型，通过传统阶跃试验得到的模型难以反映众多干扰源，同时线性模型难以描述再热汽温控制对象的强非线性特性，因此先进控制算法的鲁棒性得不到保证，在实际应用中出现不稳定的情况。随着大数据、人工智能技术的持续发展，深入进行数据挖掘以及算法优化，将会是进一步提高火力发电机组运行水平的方向。
目前我国能源消费结构以煤炭为主，燃煤火电机组在常规污染物排放控制方面已达到世界一流水平。为深入践行“人类命运共同体”这一理念，体现大国担当，中国提出力争在2030年前达到二氧化碳排放峰值，努力争取在2060年前实现碳中和，以应对全球气候变化，风能、太阳能等新能源将会大幅增长。火电机组作为能源消费大户，一方面要作为电网的重要负荷支撑保证电网稳定，另一方面要开展深度的节能减排工作。本文就如何通过集控运行技术深入实践节能减排进行探讨。
一、火力发电厂集控运行技术现状
随着技术设备的不断发展以及人员技能水平的不断提高，我国大中型火力发电机组已采用集控运行方式，通过集散控制系统（DCS）对机组主辅设备进行控制，运行人员已不再进行专业划分，而是转变为多专业融合。但电厂的运行人员受限于各自的专业水平，生产控制和事故处理的水平参差不齐，而且由于工作强度大，容易造成失误，人为因素是影响机组安全、稳定以及经济运行的关键。另外，火力发电厂需进行控制的参数量巨大，系统繁杂，通过运行人员对参数的深入分析来提高机组运行效率不具有实际可操作性，机组未达到最佳优化运行状态，有着巨大节能降耗潜力。
二、火力发电厂集控运行技术中存在的问题
以燃煤火电机组主、再热蒸汽温度为例，蒸汽温度是直接影响机组热效率的重要参数，提高机组汽温自动控制精度是提升机组经济性的重要手段。大型火电机组主、再热汽温控制对象均是大惯性、大迟延、强非线性的过程且不同负荷下的被控对象模型变化大，该过程对象主要与机组负荷变化有关，且同时受到煤质变化、减温水量、入口蒸汽的温度、压力，入口烟气的流量、温度等多方面的影响，受干扰情况较严重，呈现出非线性、时变等的特性。主蒸汽汽温控制面临着汽温波动幅度较大，汽温超限等现象，尤其在负荷折返变化时，过热汽温的大幅波动制约着机组的变负荷能力;而再热汽温控制则面临着自动投入困难，调节效果差，运值人员手动操作频繁、工作压力大等问题。在如今火电机组频繁参与深度调峰的过程中，机组汽温控制对象特性在变负荷、低负荷过程中差异较大，以上问题进一步凸显。因此火电机组过热、再热汽温控制系统亟须进行系统优化工作，减小运值人员工作压力，提升机组经济性水平。
三、智能算法在火力发电厂集控运行中的应用
随着电力市场化的深入推进以及形势的不断变化，传统的发电企业必须实现对生产成本的精细把控，才能在激烈的电力市场竞争中得意生存并持续发展。并且随着生产管理的精细化，关注动态调节过程中的运行经济性将会大大节约企业生产成本，而这些调节过程仅靠人为调节难以实现最优的目标。热工自动化是实现火电机组安全、经济、环保、灵活、智能运行的重要手段。随着人工智能技术的不断发展，深度学习方法与电力生产相结合的一系列运行优化方法正在逐渐进行融合、深化。基于智能算法的热工自动控制技术在逐渐发挥更加广阔而深远的作用。根据火力发电厂主要系统控制对象特性，经过归纳，主要的算法有以下几种：
（一）智能控制算法
常用的研究方法包括模糊控制法、专家系统控制方法、人工神经网络控制法和基于现场应用的仿人工智能控制方法。这些算法都是基于某一领域内专家的经验和知识，进行推理判断，对人脑的智能识别和决策过程进行模拟，进而实现对复杂不确定系统的建模＼预测，基于以上基础对复杂控制系统进行有效控制[1]。
（二）自抗扰控制技术
自抗扰控制是将系统未建模动态和未知干扰作为总扰动，通过扩张状态观测器进行估计并在反馈控制中进行消除。自抗扰技术不依赖系统模型，鲁棒性强，适用于复杂的现场控制环境，并且能够相对容易地在组态中进行搭建，已经得到了广泛的工业应用。
（三）模型预测控制技术
模型预测控制的当前控制动作是在每一个采样瞬间通过求解一个有限时域开环最优控制问题而获得。过程的当前状态作为最优控制问题的初始状态，解得的最优控制序列只实施第一个控制作用。这是它与那些使用预先计算控制律的算法的最大不同。模型预测控制在大惯性、大迟延过程对象控制中得到了广泛地应用，但是该控制方法对模型的精度要求较高[2]。
（四）自适应控制技术
自适应系统能修正自己的特性以适应对象和扰动的动态特性的变化。目前，主要应用包括模型参考自适应控制系统、自校正控制系统和自整定PID调节器三种。以上方法能够通过提高自适应能力来解决外部干扰，可以有效地解决控制参数大滞后、大慣性的问题。
（五）基于状态变量的控制技术
将具有大滞后、大惯性特点的控制对象等效为多容的惯性环节，并于此基础上设计一种无静差的状态反馈控制。设计鲁棒性较强的状态观测器，对不可测状态变量进行观测，使系统快速检测到其内部扰动，及时发出控制信号，保持被控对象的恒定。
基于人工智能算法，结合火电机组海量的运行数据，通过模型训练进行不断的迭代完善，可以形成一套针对火电机组的自动控制方案。利用智能化DCS硬件以及通讯技术的快速发展，使得智能化控制方案得以实现。另外，考虑到火电机组工控安全，可以通过MIS网络进行运行数据的交互，以此实现云计算加快智能算法迭代速度，可以推进火电机组智能化控制的快速发展。一键启停、自动寻优、智能监盘、专家诊断等通过智能化方式实现，能够帮助企业减少人为误操作的概率，同时深入挖潜机组节能降耗潜力，可以大大提高企业核心竞争力，实现能源的清洁高效利用。
四、结束语
尽管一些先进控制算法已经部分在电厂进行了应用，但是先进算法仍然难以得到普遍性的应用。原因主要包含以下方面：一些先进控制算法的结构过于复杂，难以直接理解和应用，比如控制对于抗干扰拥有独特的优势，但是它们需要一定的先验条件，而这些先验条件往往是难以建立的。另一方面，一些先进控制算法依赖于控制模型，通过传统阶跃试验得到的模型难以反映众多干扰源，同时线性模型难以描述再热汽温控制对象的强非线性特性，因此先进控制算法的鲁棒性得不到保证，在实际应用中出现不稳定的情况。随着大数据、人工智能技术的持续发展，深入进行数据挖掘以及算法优化，将会是进一步提高火力发电机组运行水平的方向。