基于数据驱动的热工过程不确定性补偿控制研究

In view of the increasing flexibility requirements for the coal-fired power plant participating in the load regulation, this project develops an innovative data-driven control theory by integrating the thermal dynamic information from the perspective of thermal uncertainty compensation, aiming to improve the power plant control performance. To remedy the shortcomings of the conventional online data-driven control methods in terms of the thermal process adaptability and safety, this project proposes quantitative uncertainty evaluation methods by analyzing the sources and mechanism of all kinds of thermal uncertainties, based on which the stability constraint condition that fulfills the safety requirement is formulated. By combining multi-source information such as thermal model, online data, historical data, and stability constraints, a new data-driven control theory for the thermal compensation uncertainty is proposed. In order to realize the complementary fusion of multi-source information, a new structure embedding the thermal model into the online data-driven control framework is proposed; the controller parameters are adjusted based on the stability constraints; and the iterative learning method is used to analyze the historical data to correct the process model and control effort. In this project, various types of experiments are designed to verify the validity of the new theory and its applicability to the thermal process. Through the intersection of thermal engineering dynamics and information science, the project provides a new theory for thermal process control, which is of great significance for the flexible and stable operation of thermal power plants.

针对日益增长的火电机组灵活性调峰需求，本项目从热工过程不确定性补偿的视角，融合热工动态多源信息，发展新型数据驱动控制理论，提高机组控制水平。针对传统在线数据驱动控制方法在热工过程适应性及安全性方面的不足，本项目通过对热工过程各类不确定性来源及产生机理的分析，提出定量评价方法，构造满足安全约束的稳定性条件。通过融合热工模型、在线数据、历史数据及稳定性约束等多源信息，提出适用于热工过程不确定性补偿的新型数据驱动控制理论。多源信息逐次融合，热工模型与在线数据驱动控制融合为新型控制结构；稳定性约束用于推导控制器参数定量整定；历史数据经筛选、聚类、挖掘后用于迭代学习，更新过程模型，优化控制输出；各部分信息各司其职，兼容互补。设计各类实验验证新理论的可行性及其在热工过程中的适用性。本项目通过热工动态学与先进信息技术的交叉，为热工过程提供了一种新型数据驱动控制理论，对火电机组灵活稳定运行具有重要意义。

随着国内可再生能源的快速发展，传统火电机组逐步减少市场份额，将更大程度地采用灵活运行方式，稳定电网运行频率。因此，需要研究出先进的控制技术，应用于火电机组并拓展到燃料电池等新能源发电系统，实现高品质控制表现。本项目进行热工过程数据驱动控制研究，并探索在新能源发电系统中的控制问题。在数据驱动控制理论方面，提出一种基于迭代反馈整定的不确定性及扰动估计（UDE）控制方法，该方法能同时完成模型参数辨识和控制器参数整定，具有良好的鲁棒性、设定值跟踪和扰动抑制能力。此外，设计一种模型嵌入式的新型自抗扰控制器，能降低扩张观测器的负担，精确估计扰动，并精准跟踪设定值，降低噪声对输出量的影响，且易于参数整定和调节。此外，本项目将以上理论成果组态嵌入某1000MW电厂DCS系统的炉膛压力控制回路，控制引风机动叶，维持炉膛内部燃烧经济性和安全性。与传统PI控制相比，该方案能有效地减少炉膛压力波动。在新能源控制系统中，本项目采用数据驱动不确定性补偿设计燃料电池系统，该方法能够有效地处理超调、参数不确定性、扰动抑制和控制器饱和等问题，提升在变工况下的燃料电池有效氧气过量比和温度控制表现，延长设备运行寿命和节省控制能量。在储能领域，本项目采用基于数据驱动的电池充放电状态和内阻估计算法，能够同时估计锂电池充放电状态和其内阻，具有很好的商业化应用前景；此外，在存在传感器偏差的情况下，设计锂离子电池堆芯温度估计器。在线测试结果表明该方法能够在变工况下，同时估计电池堆芯温度和传感器偏差，具有满意的估计精度和计算效率，能够用于电池管理系统。对于综合能源方面，本项目开发了太阳能、燃料电池、蓄电池综合能源系统的能源路由器技术，可用于这三种电源负荷之间的精确分配。本项目的研究结果能够为火力发电和新能源发电控制系统设计提供理论指导，对推动清洁能源发展具有重要意义。