(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211240172.7 (22)申请日 2022.10.11 (71)申请人 华北电力大 学 地址 102206 北京市昌平区北农路2号 申请人 西安热工 研究院有限公司 　 华能集团技 术创新中心有限公司 (72)发明人 张文广　孟宪辉　李军　曾德良　 许世森　胡勇　高耀岿　 (74)专利代理 机构 北京众合诚成知识产权代理 有限公司 1 1246 专利代理师 张文宝 (51)Int.Cl. H02J 3/38(2006.01) H02J 3/46(2006.01) H02J 3/01(2006.01)G06N 3/00(2006.01) (54)发明名称 一种基于快速GPC算法的火电机组模型控制 方法 (57)摘要 本发明公开了属于智能发电机组控制技术 领域的一种基于快速GPC算法的火电机组模型控 制方法。 该方法包括步骤1、 确定采样间隔， 并采 集两个控制系统的历史数据和实时运行数据； 步 骤2、 采用自适应变异优化粒子群算法离线辨识 出广义预测控制模型； 步骤3、 采用带遗忘因子的 递推最小二乘法在线辨识更新广义预测控制模 型； 步骤4、 根据在线辨识更新的广义预测控制模 型， 采用隐式自校正控制和阶梯式控制加快广义 预测控制算法， 实现对火电机组关键工艺过程的 控制。 本发明 改进后的GPC算法在给定值跟随性、 抗干扰性两方面都有更好的控制性能， 且在变负 荷时具有良好的稳定性能， 能快速使控制 系统恢 复稳定状态。 权利要求书3页 说明书6页 附图3页 CN 115514003 A 2022.12.23 CN 115514003 A 1.一种基于快速GPC算法的火电机组模型控制方法， 其特征在于， 该方法包括以下步 骤： 步骤1、 根据火电机组关键工艺过程中的协调控制系统和汽温控制系统的控制需求确 定采样间隔， 并采集两个控制系统的历史数据和实时运行 数据； 步骤2、 结合步骤1采集的历史数据， 采用自适应变异优化粒子群算法离线辨识出广义 预测控制模型； 步骤3、 根据步骤1采集的实时运行数据， 采用带遗忘因子的递推最小二乘法在线辨识 更新广义预测控制模型； 步骤4、 根据在线辨识更新的广义预测控制模型， 采用隐式自校正控制和阶梯式控制加 快广义预测控制算法， 实现对火电机组关键 工艺过程的控制。 2.根据权利要求1所述基于快速GPC算法的火电机组模型控制方法， 其特征在于， 所述 步骤2具体包括以下子步骤： 步骤2.1、 建立广义预测控制模型， 如式(1)所示： A(z‑1)y(k)＝B(z‑1)u(k‑1)+C(z‑1)ξ(k)/Δ  (1) 式中， y(k)、 u(k ‑1)表示输出和输入， z‑1为后移算子， Δ＝1 ‑z‑1为差分算子， ξ(k)表示均 值为零的白噪声序列， A(z‑1)、 B(z‑1)和C(z‑1)皆为关于 z‑1的多项式， 且包含待辨识的参数； 步骤2.2、 对火电机组关键工艺过程的历史数据进行预处理， 先后采用零初始处理、 滤 波处理及平滑处理方法， 分别对数据中的 “零点”、 粗大值和噪声进 行处理， 得到接近 真实的 被控对象历史数据； 步骤2.3、 根据接近真实的被控对象历史数据， 采用均匀分布随机初始化种群， 生成由N 个S维的粒子组成的种群P； 步骤2.4、 计算评价种群P中各个粒子的适应度值， 根据适应度值优劣更新个体历史最 优解和全局历史最优解； 步骤2.5、 计算迭代次数和最大迭代次数的比值， 更新惯性权、 粒子 速度和粒子位置； 步骤2.6、 判断迭代次数和最大迭代次数的比值是否大于0.5； 若是， 采用高斯变异更新 粒子位置； 若否， 采用柯西变异更新粒子位置； 步骤2.7、 计算评价种群P中各个粒子的适应度值， 将其与个体历史最优解和全局历史 最优解比较， 更新 最优解； 步骤2.8、 判断是否达到最大迭代次数或全局最优位置满足最小界限； 若是， 输出控制 模型参数； 若否， 重复步骤2.4～步骤2.7。 3.根据权利要求1所述基于快速GPC算法的火电机组模型控制方法， 其特征在于， 所述 步骤3具体包括以下子步骤： 步骤3.1、 设置带遗忘因子的递推最小二乘法初值 和P(0)， 并输入由步骤2寻优得到 的广义预测控制模型初始数据； 步骤3.2、 采样火电机组关键工艺过程的实时运行数据， 设置最小二乘法的循环次数k， 从初值1开始， 通过式(2)， 计算得到K(k)、 和P(k)；权　利　要　求　书 1/3 页 2 CN 115514003 A 2式中， 为参数估计值， k为循环次数， K和P为中间变量， y为火电机组关键工艺过程的输 出数据， λ为遗 忘因子； 步骤3.3、 将循环次数k的当前值加1， 继续通过式(2)循环， 直到当前值等于k为止结束 循环； 步骤3.4、 根据辨识得到的参数 更新广义预测控制模型。 4.根据权利要求1所述基于快速GPC算法的火电机组模型控制方法， 其特征在于， 所述 步骤4具体包括以下子步骤： 步骤4.1、 根据在线辨识出的广义预测控制模型， 得到广义预测控制的最优控制律如式 (3)所示： ΔU＝(GTG+λI)‑1GT(W‑f)  (3) 式中， ΔU、 W和f分别为控制增量、 参考轨迹和预测向量， λ为控制加权系数， G为中间变 量； 步骤4.2、 引 入隐式自校正控制算法， 输入火电机组关键工艺过程的实时运行数据， 通 过对并列预测器的最后一个方程进行辨识， 得出最优控制律中的矩阵G； 且最后一个方程如 式(4)所示： 其中， k表示时刻， n表示预测长度， g0,g1,…,gn‑1矩阵G中所有元素， Δu(k)为控制增量， Enξ(k+n)为未来时刻的噪声信号； 步骤4.3、 在隐式自校正控制算法中， 根据GPC和DMC控制规律的等价性， 按照式(5)求得 最优控制律中的f向量： 式中， 表示输出预测的估计值， e(k+1) ＝y(k+1) ‑y(k+1/k)为预测误差； 步骤4.4、 引入阶梯式思想， 对未来控制量增量进行显式规划， 即令Δu(k)＝δ， Δu(k+ n)＝β Δu(k+n ‑1)＝βnδ， 1≤n≤Nu， 其中， β 为阶梯因子， δ为控制增量， Nu为控制时域， 最终获 得不存在矩阵求逆问题的最优控制律， 将矩阵相乘变为向量相乘， 最 终得到控制增量， 完成 对控制器的控制。 5.根据权利要求4所述基于快速GPC算法的火电机组模型控制方法， 其特征在于， 所述 步骤4.4中的最优 控制律如式(6)所示：权　利　要　求　书 2/3 页 3 CN 115514003 A 3