一種粗細(xì)結(jié)合調(diào)節(jié)實現(xiàn)汽輪機及其調(diào)速系統(tǒng)參數(shù)辨識方法
【專利說明】
[0001] 1、發(fā)明創(chuàng)造的名稱：
[0002] -種粗細(xì)結(jié)合調(diào)節(jié)實現(xiàn)汽輪機及其調(diào)速系統(tǒng)參數(shù)辨識方法 2、
技術(shù)領(lǐng)域
[0003] 本發(fā)明涉及電力系統(tǒng)中汽輪機及調(diào)速系統(tǒng)關(guān)鍵參數(shù)的辨識方法，尤其涉及基于智 能優(yōu)化算法采用一種全新的辨識策略完成其重要參數(shù)辨識的方法，屬于自動控制技術(shù)應(yīng)用 及優(yōu)化控制領(lǐng)域。 3、
【背景技術(shù)】
[0004] ①作為火力發(fā)電機組最重要設(shè)備之一的汽輪機擔(dān)負(fù)著電力生產(chǎn)過程中能量轉(zhuǎn)換 的重任，其動態(tài)性能直接關(guān)系到機組經(jīng)濟、安全運行。汽輪機內(nèi)蒸汽壓力的變化直接影響 汽輪機功率動態(tài)變化情況，根據(jù)電力系統(tǒng)分析軟件PSD-BPA提供的汽輪機及其調(diào)速系統(tǒng) 模型，直接反映汽機功率變化的關(guān)鍵參數(shù)在于3個容積時間常數(shù)，即高壓缸容積時間常數(shù) TCH，再熱管道容積時間常數(shù)TRH，低壓連接管道容積時間常數(shù)TC0,如圖1所示（T1對應(yīng)TCH， T2對應(yīng)TRH，T3對應(yīng)TC0)。由于系統(tǒng)復(fù)雜性、設(shè)備安裝調(diào)試、機組運行等不定因素的影響，模 型中理論設(shè)計的容積時間常數(shù)往往不能真實地表征汽輪機的實際動態(tài)變化，更不能及時有 效地模擬實際調(diào)速系統(tǒng)的動態(tài)響應(yīng)特性，因此常采用參數(shù)辨識的方法完成汽輪機模型的重 新建立。
[0005] ②目前，對于汽輪機及調(diào)速系統(tǒng)參數(shù)辨識的研究不少，最小二乘法（LS)、遺傳算法 (GA)、BP神經(jīng)網(wǎng)絡(luò)算法和粒子群算法（PSO)等辨識方法用于辨識取得較好效果，但大部分 研究僅局限于基于理論數(shù)據(jù)的辨識和對辨識算法的研究，并未形成一種比較完整合理的辨 識方案。因此，基于現(xiàn)場實測數(shù)據(jù)，結(jié)合與之相適宜的辨識策略進(jìn)行系統(tǒng)參數(shù)辨識具有重要 意義。實際上，辨識系統(tǒng)采用較好的辨識策略在一定程度上比采用較好的辨識算法具有更 高的價值。為此，對于汽輪機及調(diào)速系統(tǒng)的辨識問題，工程上急需一種速度快、精度高、適應(yīng) 性強、人為干預(yù)少、自動化能力強的高效辨識手段。 4、

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于解決傳統(tǒng)汽輪機及調(diào)速系統(tǒng)參數(shù)辨識方法周期長、適應(yīng)性差和 人工參與度過高等問題?；赑SD-BPA提供的汽輪機及調(diào)速系統(tǒng)模型，通過對系統(tǒng)中的參 數(shù)靈敏度分析得到待辨識參數(shù)的靈敏度大小，根據(jù)參數(shù)靈敏度大小采用一種"粗細(xì)"結(jié)合調(diào) 節(jié)的方式，基于粒子群算法（PSO)，初步定位重要參數(shù)的辨識范圍，再精細(xì)調(diào)整次重要參數(shù) 的辨識范圍，最終完成辨識過程。該辨識策略具有辨識速度快、精度高、適應(yīng)性強、人為干預(yù) 少、自動化能力強的特點。
[0007] 汽輪機及其調(diào)速系統(tǒng)如附圖2、3所示，分為2種控制模式：功率控制模式和機爐協(xié) 調(diào)控制模式（CCS)，所需辨識的關(guān)鍵參數(shù)有9個：包括執(zhí)行機構(gòu)環(huán)節(jié)開啟To/關(guān)閉Tc時間 常數(shù)、汽輪機本體環(huán)節(jié)的高壓容積時間常數(shù)TCH、再熱容積時間常數(shù)TRH、低壓連接管道容 積時間常數(shù)TCO、控制環(huán)節(jié)P、I、D系數(shù)及前饋系數(shù)K，模型中其他參數(shù)可根據(jù)機組相關(guān)資料 查閱或計算得到。其中，控制環(huán)節(jié)的Ρ、I、D和K參數(shù)可參考實際運行控制系統(tǒng)所設(shè)定的控 制參數(shù)進(jìn)行整定，因此，本發(fā)明集中對汽輪機及調(diào)速系統(tǒng)中參數(shù)TCH，TRH，TCO的辨識（1\對 應(yīng) TCH，T2對應(yīng) TRH，T 3對應(yīng) TC0)。
[0008] 1參數(shù)靈敏度分析
[0009] 模型進(jìn)行參數(shù)靈敏度分析。所謂靈敏度是指隨著模型參數(shù)的變化，其輸入-輸出 特性的變化程度。針對圖1中的汽輪機模型，可定義傳遞函數(shù)靈敏度：
[0013] 其中，待辨識的參數(shù)為V 1~2和T 3，其余參數(shù)均為已知（ki、k2、k3為功率分配系數(shù)， λ為功率過調(diào)系數(shù)）。
[0014] 為了分析待辨識參數(shù)對系統(tǒng)輸入-輸出的敏感性，由（1) (2)式可分別得到參數(shù) In TjP T 3的關(guān)于單位階躍輸入信號下輸出的響應(yīng)特性A，&和&，如式（3)~（5)所示。
[0018] 由于系統(tǒng)復(fù)雜、方程階次高的因素，解析法分析常常比較困難，故常采用數(shù)值差分 方法計算其靈敏度，分析參數(shù)特性。為了提高數(shù)值計算精度，可采用中值法計算導(dǎo)數(shù)，即分 兩次計算軌跡：
[0019] 7(9^..., Θ j+A S j,..., 0n,k) (6)
[0020] y(Qu..., θ - Δ S j,..., 0n,k)
[0021] 然后，計算軌跡靈敏度（相對值）：
[0023] 其中，Θ為系統(tǒng)中的參數(shù)，Λ Θ為參數(shù)變化量，k為時間；Θ』。為參數(shù)Θ』的給定 值，^為Θ %對應(yīng)的穩(wěn)態(tài)值。為比較各靈敏度的大小，計算軌跡靈敏度的絕對值的平均值： CN 105117530 A 明 Ti 3/5 頁
[0025] 其中，K為軌跡靈敏度的總時間。
[0026] 由數(shù)值計算可知，參數(shù)T2對系統(tǒng)的靈敏度最大，即T 2的改變對于系統(tǒng)的輸出特性 影響最大，參數(shù)T1靈敏度次之，參數(shù)T 3的靈敏度略小于T i，對系統(tǒng)的輸出響應(yīng)影響最小。如 果1~2的稍微偏離系統(tǒng)真實值，則會引起系統(tǒng)響應(yīng)較大偏差，而其他參數(shù)對系統(tǒng)響應(yīng)的影響 則遠(yuǎn)遠(yuǎn)不如T2明顯，故參數(shù)辨識的關(guān)鍵在于對T 2的準(zhǔn)確辨識，或是率先對T 2在其真實值附 近定位，其次才是對其他參數(shù)進(jìn)行調(diào)整，使得系統(tǒng)最終響應(yīng)具有合理性和真實性。
[0027] 2 "粗細(xì)"結(jié)合調(diào)節(jié)辨識策略
[0028] 由于汽輪機調(diào)速系統(tǒng)汽機本體部分中參數(shù)!^對輸出功率靈敏度最大，其微小變化 就會導(dǎo)致輸出響應(yīng)有較大偏差。在辨識過程中，總是試圖從眾多組解向量中尋找出與實際 輸出響應(yīng)偏差最小的一組解，如果能有效定位解向量的范圍，則可將尋優(yōu)效率大大提高，算 法收斂速度也可顯著加快。因此，首先在初始范圍內(nèi)調(diào)節(jié)參數(shù)T2，即"粗調(diào)節(jié)"過程；當(dāng)滿足 一定條件后，隨即轉(zhuǎn)入調(diào)整參數(shù)!\和T 3的過程，同時，參數(shù)T 2在其定位值的附近范圍內(nèi)進(jìn) 行細(xì)微調(diào)整，即"細(xì)調(diào)節(jié)"過程。其中，要實現(xiàn)這種"粗細(xì)"結(jié)合的辨識思路，擬解決以下3個 問題。
[0029] 1) "粗調(diào)節(jié)"參數(shù)T2過程中，如何初始給定參數(shù)T JP T 3的值，保證辨識過程順利 進(jìn)行？
[0030] 2)如何設(shè)定"粗調(diào)節(jié)"向"細(xì)調(diào)節(jié)"轉(zhuǎn)換的條件？
[0031] 3)辨識過程采用何種辨識算法？
[0032] 汽輪機調(diào)速系統(tǒng)汽機部分包含3個待辨識參數(shù)InTjP T 3，以實際功率變化數(shù)據(jù)為 輸出響應(yīng)，進(jìn)行"粗調(diào)節(jié)"參數(shù)T2完成辨識第一步時，需要給參數(shù)T 2和T J武初始值，如此才 能保證辨識過程的順利進(jìn)行。由于確定!\、1~3的初始值，并非要求特別精確，因此可以在參 數(shù)!\、T3的變化范圍，根據(jù)解向量個數(shù)進(jìn)行平均分布（一般地，解向量個數(shù)為50,足以能夠 遍歷在參數(shù)的范圍內(nèi)），再根據(jù)解向量的適應(yīng)度篩選出最優(yōu)解，確定In 1~3的定位值，即可進(jìn) 入"粗調(diào)節(jié)"辨識過程。
[0033] 針對非線性復(fù)雜系統(tǒng)，常采用啟發(fā)式智能尋優(yōu)算法為辨識算法，因此不得不考慮 算法的隨機特性。在相對較小的參數(shù)空間內(nèi)尋優(yōu)效率會明顯高于在相對較大的參數(shù)空間內(nèi) 尋優(yōu)，"粗、細(xì)"結(jié)合調(diào)節(jié)的參數(shù)辨識方式就是利用這一思想，首先定位參數(shù)基準(zhǔn)，縮小參數(shù) 空間范圍，在滿足"粗細(xì)"轉(zhuǎn)換條件之后，即進(jìn)入"細(xì)調(diào)節(jié)"辨識過程。在"粗調(diào)節(jié)"辨識過程 中，其實質(zhì)是只對參數(shù)1~2進(jìn)行辨識（單參數(shù)尋優(yōu)），因此在設(shè)置好解向量空間大小之后，利 用啟發(fā)式智能算法尋找到全局最優(yōu)解的。"粗調(diào)節(jié)"過程中，設(shè)置當(dāng)前迭代時的最優(yōu)值與前 兩次迭代最優(yōu)值之比大于〇. 95,則可認(rèn)為T2收斂到最優(yōu)解附近，滿足"粗細(xì)"轉(zhuǎn)換條件，可 轉(zhuǎn)入"細(xì)調(diào)節(jié)"辨識過程。
[0034] 在"細(xì)調(diào)節(jié)"辨識過程中，將T2參數(shù)變化空間限制在其定位值的10%變化范圍以 內(nèi)（可根據(jù)機組實際情況適當(dāng)調(diào)整），同時，為了保證各環(huán)節(jié)的自身特性，限制參數(shù) 變化空間在各自定位值的50% (可根據(jù)機組實際情況適當(dāng)調(diào)整）變化范圍以內(nèi)，辨識流程 如圖4所示。
[0035] 3辨識算法（PSO)的機理
[0036] 啟發(fā)式智能算法因其良好優(yōu)化性能及較強魯棒性的特點在近年來得到了顯著發(fā) 展及廣泛應(yīng)用，其中，粒子群算法因其優(yōu)化原理簡單、適應(yīng)性廣的優(yōu)勢在工程上得到了學(xué)者 們的青睞。粒子群算法（Particle Swarm Optimizer)是模擬鳥群捕食的行為而進(jìn)行優(yōu)化 的，最先在1995年由美國心理學(xué)家James Kennedy和電氣工程師Russell Eberhart共同 提出，后又得到更深入的發(fā)展，其基本原理如下。
[0037] 粒子群算法的每個粒子代表一個解，粒子通過速度的更新自己的位置，不斷向最 優(yōu)的粒子靠近，直到滿足終止條件。
[0038] 設(shè)每個粒子的位置是X1 U11, X12，…，X1J，這些粒子組成群體（X1, X2,…，XJ，每個粒 子的速度是Vi Ivil, vi2，…，vin}，記錄下每個粒子所經(jīng)歷過的最好的位置Pi {pu, pi2，…，pin}， 篩選出全局最好的粒子XgIxgl, xg2，…，xgn}。在更新過程中，每個粒子通過式子（9)和（10) 更新自身速度與自身的位置：
[0039] vid (t+1) = w X vid (t) +C1X rand! X (pid-xid (t)) +c2 X rand2 X (pgd-xid ⑴） (9)
[0040] xid (t+1) = xid(t)+vid(t+l) (10)
[0041] 式中：w是慣性系數(shù)，平衡粒子群算法的局部和全局搜索能力；cdP c 2是加速系 數(shù)，調(diào)整整體與個體之間的均衡能力；1311(11和1311(12是[0, 1]之間的隨機數(shù)；同時為了使粒 子更好地進(jìn)行優(yōu)化，還會對粒子進(jìn)行速度限制和位置限制。
[0042] 4辨識過程
[0043] 實際試驗中，常在單閥模式下做汽輪機階躍信號試驗，階躍信號由閥位指令發(fā)出， 通過執(zhí)行機構(gòu)調(diào)節(jié)閥門行程開度，控制進(jìn)入汽輪機的蒸汽量，完成汽輪機轉(zhuǎn)速、功率的調(diào) 整。
[0044] 首先，整理辨識過程所涉及的試驗數(shù)據(jù)：閥位行程開度變化數(shù)據(jù)，高壓缸調(diào)節(jié)級壓 力變化數(shù)據(jù)，再熱管道壓力變化數(shù)據(jù)，中排壓力變化數(shù)據(jù)，功率變化數(shù)據(jù)。實際過程中，具體 辨識步驟如下：
[0045] I) InTJ武初始值。以閥位行程開度變化數(shù)據(jù)為輸入，高壓缸調(diào)節(jié)級壓力變化數(shù)據(jù) 為輸出，定位T1值；以再熱管道壓力變化數(shù)據(jù)為輸入，中排壓力變化數(shù)據(jù)為輸出，定位T3值。
[0046] 2) "粗"調(diào)節(jié)過程。以閥位行程開度變化數(shù)據(jù)為輸入，汽輪機功率為輸出，保持