多层过程控制和优化方案中的协调 |
|||||||
申请号 | CN200380108343.X | 申请日 | 2003-11-07 | 公开(公告)号 | CN1735846A | 公开(公告)日 | 2006-02-15 |
申请人 | 霍尼韦尔国际公司; | 发明人 | V·哈夫莱纳; | ||||
摘要 | 通过预测负载1、2、...、N在预测点k=0、1、2、...、K的总 能量 需求,通过在预测点k=0、1、2、...、K向负载1、2、...、N分配总能量需求,通过根据所分配的能量需求确定每个负载1、2、...、N在预测点k=0、1、2、...、K的动态能量需要需求,以及通过根据动态能量需要需求控制负载1、2、...、N,控制负载1、2、...、N。 | ||||||
权利要求 | 1.一种用于控制负载的过程控制系统,包括: |
||||||
说明书全文 | 发明技术领域本发明涉及动态负载控制。 发明背景对于各种不同的负载控制过程,已经发展了控制。例如,在蒸 汽发生设备中,几个锅炉和/或其他类型的蒸汽发生器产生蒸汽并向 共用集液气箱供给蒸汽。如果使用并行运行的带积分作用的各个压 力控制器来控制锅炉,则可导致锅炉工作中的不稳定性。 因此,集液气箱中的压力通常由产生用于设备输入的总能量需 求(通常以燃料供给来表示)的单个主压力控制器(MPC)来控制。能量 分配模块把总能量需求分成用于各个锅炉的单独的燃料供给需求(即 设定点)。 能量分配模块所实现的总能量需求的划分应当根据不同的经济 条件(诸如燃料和电的价格、环境限制等等)以及根据诸如总生产需 求、技术约束、运行小时数和使用寿命消耗的各种约束进行成本优 化。自二十世纪六十年代以来,根本的优化问题是众所周知的,并 且已经用多种方法以不同的复杂程度解决了该问题。例如,为了优 化操作一个或多个负载的成本,已经实现了实时优化器。 这些实时优化器检测了稳态负载要求,然后基于这个稳态负载 要求提供优化操作负载的成本的控制信号。为了以这种方式操作, 实时优化器不得不等待瞬态过程干扰稳定下来,以便在这种优化器 可调用其优化程序之前,稳态条件已存在。然而,对于那些慢动态 和/或干扰严重的过程,实时优化器对稳态信息的依赖性使控制系统 的性能严重恶化,因为在干扰、如设定点的变化和/或负载的变化所 产生的瞬态期间,没有执行优化。 在过去使用预测控制器时,没有与实时优化器配合使用预测控 制器,以便实时优化器动态地响应投影到预测水平线(horizon)末尾的 所预测过程变量的目标负载值。在本发明的一个实施例中,预测控 制器和实时优化器以这种方式相结合,以便在干扰、如设定点的变 化和负载的变化期间更有效地控制负载。 发明概述 根据本发明的一个方面,用于控制负载的过程控制系统包括预 测控制器和实时优化器。预测控制器根据负载的稳态目标能量需求 来预测负载在预测点k=0、1、2、...、K的能量需求。实时优化器根 据预测的能量需求来确定负载在预测点k=0、1、2、...、K的最优动 态能量需要需求,并根据动态能量需要需求来控制负载。 根据本发明的另一方面,用于控制负载1、2、...、N的过程控 制方法包括下列各项:在预测控制器中,根据负载1、2、...、N中 每一个的稳态目标分配,预测负载1、2、...、N中每一个在预测点 k=0、1、2、...、K的能量需求;在实时优化器中,根据预测的能量 需求,确定负载1、2、...、N中每一个在预测点k=0、1、2、...、K 的动态能量需要需求;以及根据动态能量需要需求控制负载1、2、...、 N。 根据本发明的又一方面,用于控制负载1、2、...、N的过程控 制方法包括下列各项:通过预测控制器,预测负载1、2、...、N在 预测点k=0、1、2、...、K的总能量需求;通过实时优化器,根据负 载1、2、...、N中每一个的稳态目标,将总能量需求分配给预测点 k=0、1、2、...、K的负载1、2、...、N;通过实时优化器,根据所 分配的能量需求,确定负载1、2、...、N中每一个在预测点k=0、1、2、...、 K的动态能量需要需求;以及根据动态能量需要需求控制负载1、 2、...、N。 附图的简要描述 当结合附图来详细考虑本发明时,本发明的这些及其他特征和 优点将变得更加明显,其中: 图1说明按照本发明的一个实施例的控制系统; 图2说明在解释本发明时有用的曲线图;以及 图3说明描述图1所示控制系统的操作的流程图。 详细描述 在本发明的一个实施例中,提供了将各种约束考虑在内、时变 总需求在负载之中的实时、在线、最优动态分配。所得出的动态分 配由目标分配Fitarg(k)和动态部分widyn(k)ΔFtot(k)组成,其中对于负载 i=1、...、N,所述动态部分与负载的动态权重widyn(k)成比例。目标分 配Fitarg(k)由实时优化器使用负载成本曲线来提供,该负载成本曲线 可以从效率或消耗曲线等来估计。同样,负载的动态权重widyn(k)也可 以由实时优化器或操作者来设置。 实现最优动态分配的算法与基于模型的预测控制器配合使用。 在这种情况下,在预测水平线末端的稳态负载平衡可被预测为目标 值,用于目标经济分配的计算,预测周期的瞬态部分中的动态偏差 可与动态权重成比例地分配。这样,本发明的系统不需要等待负载 达到干扰后的稳态条件,从而经济地控制负载。 此外,由于使用了预测控制器,除了绝对约束外,还引入了变 化率约束,以便对控制过程的稳定性以及控制系统设备的应力和使 用寿命提供正面影响。 控制系统所实现的算法可以是模块化的。例如,目标分配 Fitarg(k)由优化例程使用可从效率曲线等中估计的负载成本曲线来提 供。这个模块化结构允许新特征的加入,例如把燃烧炉配置、燃料 混合等考虑在内,而不改变基本算法。使用现有例程,作为决策支 持工具的离线假定分析也是可能的。 如图1所示,控制系统10包括预测控制器12、实时优化器14 和多个负载161-16N。例如,负载161-16N可以是锅炉、涡轮、压缩机、 冷却器等等。这样,如果i=1、2、...、N表示图1中的负载161-16N, 那么N表示负载的数目。 预测控制器12适当地感测负载161-16N的负载要求(例如压力、 和/或燃料供给、和/或温度等)并向实时优化器14提供预测的总负载 能量需求Ftot,实时优化器14根据预测的目标分配Fitarg(k)将总负载 能量需求Ftot分成用于各个负载161-16N的各个分配的燃料供给需求 (或设定点)Fidyn(k)。 预测控制器12可以是Honeywell提供的具有零件号码HT- MPC3L125、HT-MPC3L250、HT-MPC3L500、HT-MPC6L125、HT- MPC6L250和HT-MPC6L500的控制器中任一种,或者可以是把系统 响应投影到设定点、负载或其他干扰的任何其他预测控制器。实时 优化器14可以是Honeywell提供的具有零件号码HT-ELA3L125、 HT-ELA3L250、HT-ELA3L500、HT-ELA6L125、HT-ELA6L250和 HT-ELA6L500的实时优化器中任一种,或者可以是能被修改以便对 负载变化预测作出反应的任何其他实时优化器,以便在多个负载之 中节省成本地分配负载需求。 因为预测控制器12是一个预测控制器,所以总负载能量需求Ftot 是一个轨迹,即,对应于直到预测水平线K的预测时间k的序列的 值序列,其中k=0、1、...、K。因此,总负载能量需求Ftot可由下面 的等式给出: Ftot=(Ftot(1),Ftot(2),...,Ftot(K)) (1) 负载的动态分配轨迹Fidyn(k)由实时优化器14分两步来确定。第 一,确定负载i=1、2、...、N的无约束分配轨迹Fiunconstr(k)。第二,修 改负载i=1、2、...、N的无约束分配轨迹Fiunconstr(k)以满足约束条件并 尽可能地逼近无约束分配(在偏差的最小二乘方的意义上),以便获得 动态分配轨迹Fidyn(k)。 第一步,无约束的分配轨迹Fiunconstr(k)借助于两组参数来定义:(1) 目标分配Fitarg(k)和(2)动态权重widyn(k)。因此,按照以下等式来定义 无约束的分配轨迹Fiunconstr(k): 其中,对于每个负载i=1、2、...、N和对于每个轨迹点k=0、1、...、 K: 目标分配Fitarg(k)对应于无约束分配Fiunconstr(k)在其周围(或附近)变 化的值,并且动态权重widyn(k)是负载161-16N对于总负载需求变化的 灵敏度的一个指示。 图2说明动态燃料供给分配的例子,其中垂直虚线左侧的样本表 示历史数据和垂直虚线右侧的样本表示预测的(模拟的)轨迹。在时刻 tk=kTs可取样本,其中Ts是给定的抽样周期。左图所示的总负载能量 需求Ftot在右上图所示的锅炉(负载)B1和右下图所示的锅炉(负载)B2之 间分配。虚曲线20和22分别表示负载B1和B2的无约束分配轨迹 Fi=1unconstr(k)和Fi=2unconstr(k)。在左图上的实线曲线表示由预测控制器12所 预测的总负载能量需求Ftot,右图上的实线曲线分别表示由实时优化 器14所产生的负载B1和B2的动态分配燃料供给(设定点)Fi=1dyn(k)和 Fi=2dyn(k)。水平实线表示分别对总负载能量需求Ftot和动态分配燃料供 给(设定点)Fi=1dyn(k)和Fi=2dyn(k)设置的绝对限制。水平虚线表示目标分配 Fitarg(k)。此外,对于图2所示的例子,假定用于负载B1和B2的动态 权重之比由下式给出: 因此,总能量负载需求的改变ΔFtot(k)与动态权重成比例地被分 到负载161-16N中,使得所分配的负载能量需求(例如,燃料供给值)由 目标值Fitarg(k)加上来自瞬态偏差ΔFtot(k)的一部分构成。动态权重可 由操作员提供。作为选择,可自动地计算动态权重。例如,可以根 据正运行的煤炭粉碎机、燃烧炉等的数目自动地计算动态权重。 当负载161-16N的目标分配之和 等于式(3)中总负载能量需 求Ftot(k)时,平衡条件存在。在平衡条件中,ΔFtot(k)是零,并且对于 每个轨迹点k满足下列关系: 其中假定非负动态权重根据下式被归一化为1: 如上所述,目标分配Fitarg(k)是负载i的预测水平线,并由实时优 化器14根据不同的经济条件分配给负载i。目标分配Fitarg(k)可以从偏 移量来估计。 如图2所示,除非目标分配Fitarg(k)有重大变化,如由操作员来改 变,否则假定目标分配Fitarg(k)在预测周期中是恒定的。当目标分配 Fitarg(k)有重大变化时,在整个预测周期,采用从旧值线性内插来获 得新值以代替使用新值,以便保证无波动的操作。 如果目标分配Fitarg(k)被设置(例如,如上所述由操作员设置)以 至于到下一个操作员干涉前是非时变的,那么所有负载上的目标分 配Fitarg(k)之和不能跟随总负载能量需求Ftot的时变目标,即预测水平 线末端的总负载能量需求Ftot的值。然而,如果使用由下式给出的偏 移量Fioff来估计目标分配Fitarg(k),可以满足明显的平衡条件: 其中Fav由下面的平衡条件确定: 这样,即使偏移量(定义负载间差异)是常数,这项 是随时间变 化的并且等于Ftot(k)。 如上所述,动态权重widyn(k)可由操作员设置。除非由操作员作重 大改变,否则在预测周期中动态权重widyn(k)被假定为恒定的。如果它 们被改变,可使用线性内插算法来修正。而且,如以上关于式(6)所 述,动态权重widyn(k)被归一化为1。 如上面指明的,非约束分配轨迹Fiunconstr(k)不需要满足约束条件。 另一方面,动态分配轨迹Fidyn(k)需要受约束。实时优化器14所强加的 约束可由操作者产生。可选择地和/或另外,约束可以是从所有级别 的子级联上的从属控制器所传递的算法生成的约束。约束也可以是 随时间变化的。此外,约束可以是绝对限定(例如动态分配轨迹 Fidyn(k)上的上下限Fimax(k)和Fimin(k)),而且约束可以是变化率限定(例 如递减和递增限定分别为Fi-(k)和Fi+(k))。 当一定不能违反绝对约束时,可以违反变化率约束。然而,应 该严格处罚这种违反,以便避免不期望的热应力,其可能对控制系 统设备的寿命具有负面影响。 在计算动态分配轨迹Fidyn(k)的第二步中,根据非约束分配轨迹 Fiunconstr(k)来计算动态分配轨迹Fidyn(k)。动态分配轨迹Fidyn(k)必须满足 根据下式的总负载能量需求Ftot(就像非约束分配轨迹Fiunconstr(k)也必须 满足一样): 此外,动态分配轨迹Fidyn(k)由绝对约束来约束,被称作硬约束, 变化率约束被称作软约束,因为它们可被任意(尽管严格处罚)值zi(k) 违反。 这些约束由下面的表达式给出: 其中 对于Fimin、Fimax、Fi-、Fi+和zi,可以写成类似于表达式(12)的表 达式。每个向量Fidyn、Fimin、Fimax、Fi-、Fi+和zi都有相应的维数K+1。 而且,对于Fmin、Fmax、F-和F+,还可以写成类似于表达式(13)的表 达式。每个向量Fdyn、Fmin、Fmax、F-和F+都有相应的维数N(K+1)。 按照下列等式定义差异向量ΔFidyn: 其中D是由下式给出的(K+1)乘(K+1)差异矩阵: 并且其中Fiact是如下式给出的第一分量中具有相应负载的实际输入能 量需求(例如锅炉的实际燃料供给),其余分量是零的(K+1)维向量: 实际输入能量需求Fiact可由位于负载161-16N的能量输入端的适当传 感器来感测。 为了处罚变化率约束的违反,引入变量zi(k)。如果zi(k)等于零(无 处罚),则根据不等式(11),ΔFidyn(k)必须处于变化率限定以内。如果 ΔFidyn(k)不在相应限定内,变量zi(k)等于ΔFidyn(k)与范围(-Fi-(k),Fi+(k)) 的偏差,被定义成Z的范数的限定违反处罚变成非零。 通过使对于Fdyn与非约束分配Funconstr的偏离和变化率限定的违反 的处罚最小化来获得动态需求分配Fdyn。也就是说,通过最小化下列 函数来获得动态分配Fdyn: 关于变量Fdyn和z,受到(9)-(11)约束。应该指出,式(17)中的向量 Funconstr具有类似于式(13)右手边的2N(K+1)维。函数(17)是具有2N(K+1) 维的二次编程问题。 平方N(K+1)乘N(K+1)范数矩阵Q(1)和Q(2)可被选择成其元素仅 依赖于锅炉i,而不依赖于轨迹点k的对角矩阵。因此,这些矩阵可以 由下式给出: 其中j=1、2,其中I是(K+1)乘(K+1)单位矩阵,并且其中对于i=1、...、 N,wi(1)和wi(2)是处罚权重。在优化器启动期间,处罚权重wi(1)和wi(2)可 以由过程工程师来定义。 如上所述的控制算法可以由控制系统10按照图3所示的流程图来 实现。在这个流程图的框30中,对于每个点k,当k等于当前值时, 总能量负载需求Ftot(k)由预测控制器12来投射出去到水平线K。在框 32,利用式(3)使用由上述实时优化器14所设置的预测稳态目标分配 Fitarg(k)来计算Ftot(k)的变化、即ΔFtot(k)。作为选择,目标分配 Fitarg(k)可按照上述式(7)和(8)来确定。此外,在框34,使用式(2)来计 算非约束分配轨迹Fiunconstr(k),其中目标分配Fitarg(k)就如用于框32中 的一样,其中动态权重widyn(k)可由例如操作员来设置,并且其中总能 量负载需求Ftot(k)由框30来提供。 然后在框36,按照式(17)、(18)和(19)来确定动态需求分配轨迹 Fidyn(k),并且在框38中,按照式(14)、(15)和(16)来确定差异向量 ΔFidyn。在框40,按照式(9)、(10)和(11)将约束应用于动态分配轨迹 Fidyn(k)和差异向量ΔFidyn。在框42,受约束的动态需求分配轨迹Fidyn(k) 被用来控制提供给各个负载1,...,N的能量。 然后,在重复框(30)-(44)的操作之前,框44中的算法等待下一个 时间k。 上面已经描述了本发明的某些修改。本领域的技术人员会想到 本发明的其他修改。例如,虽然上面已经具体参照负载、如锅炉的 控制描述了本发明,但是本发明还可结合其他各种控制过程使用。 如上所述,目标分配Fitarg(k)由实时优化器提供。作为选择,目 标分配Fitarg(k)可由操作员来设置。 因此,本发明的描述应被解释成仅用于说明和教导本领域技术 人员实施本发明的最佳方式。细节可能有很大改变,但不脱离本发 明的实质,并且保留在所附权利要求范围内的所有修改的专用权。 |