论文总字数：22737字

摘 要

单元机组协调控制系统在热力发电系统中得到了广泛的应用，随着电力需求的增大，用电结构发生变化，电网出现了许多大容量的机组，设计电厂控制系统的难度增加。PID控制是电厂中常用的控制器，控制性能优秀，但是需要整定到合适的参数才可以发挥最好的性能，因此整定合理的PID参数参与对单元机组协调控制系统的控制成为了重要课题。

本文针对单元机组协调控制系统PID参数的整定，提出了使用遗传算法得到高性能的PID参数的方法。遗传算法是高性能的搜索算法，该算法参考了生物学的进化理论和基因理论，将问题的解转变为编码，设置好判断解的优劣程度的适应度函数，通过选择、交叉和变异三种操作得到全局最优解。相对于传统的遗传算法适应度函数，本文使用两种改进的适应度函数，对600MW机组的数学模型进行仿真，并且研究了适应度函数中参数变化对于得到曲线的影响。通过对比不同的适应度函数，对于实际应用遗传算法整定单元机组协调控制系统提出了建议。

关键词：单元机组协调控制系统，PID，遗传算法

Abstract

The coordinated control system(CCS) is widely used among thermal power systems. As the demands for electricity grow and the power structure changes, there are more generators with large capacity, it is harder to design control system for power plants. PID controllers are commonly used in control systems of power plants, which can perform well in control systems if they are well tuned. Therefore, tuning PID controllers for CCS becomes an important issue.

The author presents a method using Genetic Algorithm to gain high performing parameters for PID controllers in CCS. Genetic Algorithm is a high performing algorithm which refer to theory of evolution and gene theory in biology. Genetic Algorithm turn the solution to the problem into codes. It sets a fitness function in order to determine whether the solution is good or bad, and using Natural selection, Crossover and Mutation to seek for the best solution to the problem. Two enhanced fitness functions are used comparing with the traditional fitness function. Simulations are made on a model of 600MW unit, and the changes of the results caused by the changes of parameters in Genetic Algorithm are studied. Comparing with different fitness functions, advices are given about the application of tuning PID controllers in CCS with Genetic Algorithm.

KEY WORDS: coordinated control system, PID, Genetic Algorithm

目录

摘要 I

Abstract II

第一章 绪论 2

1.1 选题背景和意义 2

1.2 协调控制系统参数优化整定方法 2

1.3 论文主要内容 4

第二章 基于遗传算法的PID参数优化整定 6

2.1 遗传算法原理 6

2.2 采用遗传算法优化PID参数方法 8

2.3 基于遗传算法的PID参数优化整定仿真 8

2.4 本章小结 9

第三章 协调控制系统PID参数优化整定 10

3.1 协调控制系统简介 10

3.2 基于遗传算法的协调控制PID参数优化 14

3.2.1 性能指标 14

3.2.2 优化搜索范围确定 15

3.2.3 优化算法步骤 15

3.3 仿真研究 16

3.3.1 仿真对象 16

3.3.2 机跟炉仿真 18

3.3.3 炉跟机仿真 31

3.4 本章小结 53

第四章 结束语 54

致谢 55

参考文献 56

绪论

选题背景和意义

我国近年来经济增长迅速，而现代工业和高新科技的发展都离不开电力。工业的发展也带动了电力行业的发展，据公开报道显示，2017年前 11 个月全社会用电量为5.73万亿千瓦时，同比增长6.5%。我国的电力供应主要由火电构成，占到全部供电的70%左右。近年来新能源不断发展，风电和太阳能等发展迅猛，而由于这些新能源自身的不稳定性，之后较长的一段时间内我国的电力供应结构依旧是燃煤火电为主。

热工过程的被控对象一般有着大惯性，长延时的特点，随着各个电厂的机组容量不断扩大，产业升级带来的用电结构的改变，电厂需要不断跟随电网指定的负荷以应对峰谷的供电差，设计控制系统的难度会越来越大，因此保证电力高效、安全的供应成为热电行业自动控制方向的重要课题。PID控制系统在电厂中得到了广泛应用，在总的控制器中占到80%以上^[1]。因此，研究如何通过算法整定合适的PID参数对于提高热电厂自动控制性能有着重要的意义。

常规的PID控制有着算法简单、鲁棒性强、可靠性高^[2]等优点，自诞生以来经过80余年依旧广泛应用在各个工业领域。然而，要取得好的控制效果，PID控制器的控制特性要符合被控对象的特性，即通过实验或计算整定得到恰当的PID参数。由于不同的PID参数能达到的控制效果相差悬殊，整定PID常规的PID整定需要对对象进行多次试验，不断试凑PID参数最终找到较好的解，这样的操作依赖运行人员的经验，而结果也不一定是控制效果最好的解。这些年来人们不断研究提出了许多PID控制器参数整定的方法，如通过识别对象参数进行整定；通过分析对象输出的特性进行整定；使用模式识别进行的整定；使用控制器在线自整定系统进行整定等^[3]。这些方法一定程度上能提高PID的控制性能，但是依然由于用这些方法整定时性能指标单一，很难应用于电厂这样要求很高自动控制性能的场所。

随着计算机科学的突飞猛进，智能算法如模糊系统、人工神经网络和遗传算法等成为了人类解决复杂问题的重要工具。遗传算法由美国密歇根大学教授John Holland于20世纪50年代发明，基本思路来源于自然界的生物进化现象，能够作为程序在计算机上运行，用于对于复杂问题的求解。Holland定义了“适应度”作为衡量每个解的正确程度。之后，Holland将该方法应用到优化和机器学习等问题上。De Jong总结了经验并进行了大量的数值实验，得出了遗传算法一系列重要结论。1989年，Goldberg出版了书籍全面总结归纳了遗传算法，创立了现在遗传算法的基本结构。1992年，Koza提出遗传编程，应用于计算机程序的优化。从1985年开始，每隔2年就会召开关于遗传算法的国际会议，探讨遗传算法最前沿的技术。经过多年发展，该方法逐渐变得成熟，产生了不同遗传基因的表达方式，不同的交叉和变异算子，特殊算子的引用和不同的选择方法。使用遗传算法可以高效进行全局最优解的搜寻，目前正逐步应用于各个工程控制领域。遗传算法也可以和其他算法结合，得到更好的效果。本文基于遗传算法，研究对热电厂协调控制系统的PID参数进行整定，并对不同的性能指标进行对比分析。

协调控制系统参数优化整定方法

协调控制系统的主要任务是根据功率指令协调的调整燃烧率指令和汽轮机调门开度，从而使汽轮机实发功率在保证主汽压力波动不那么剧烈的基础之上，能够更加快速跟踪功率指令。单元机组协调控制系统现在主要分为三类，分别是炉跟机负荷调节方式、机跟炉负荷调节方式和机炉协调控制。炉跟机的负荷调节方式能够迅速跟随负荷指令，机跟炉的负荷调节方式可以使主汽压力波动变得更小，机炉协调控制结合了前两者的特点。机炉协调控制也分为锅炉跟随为基础和汽机跟随为基础两种，目前大多数单元机组的协调控制系统设计时，都采用以锅炉跟随为基础的方式。

剩余内容已隐藏，请支付后下载全文，论文总字数：22737字