[发明专利]低负荷下锅炉负荷的多模型智能寻优预测控制方法

摘要

本发明公开了一种低负荷下锅炉负荷的多模型智能寻优预测控制方法，具体是：步骤1：选取负荷点建立被控对象模型；步骤2：在各个负荷点根据被控对象模型设计预测控制器，进而得到预测控制器的最优控制增量；步骤3：若步骤2中的最优控制增量满足约束条件，则不需要进行处理，若不满足约束条件，则需采用粒子群算法寻求最优控制增量；步骤4：采用多模型预测控制，根据各子模型输出与实际输出的偏差用改进递推贝叶斯加权算法对各子控制器的输出进行加权。通过本申请的自适应智能寻优控制技术，实现低负荷给煤经济掺烧条件下的机组稳定安全运行。

主权项

1.一种低负荷下锅炉负荷的多模型智能寻优预测控制方法，其特征在于，具体是：

步骤1：选取负荷点建立被控对象模型；

步骤2：在各个负荷点根据被控对象模型设计预测控制器，进而得到预测控制器的最优控制增量；

步骤3：若步骤2中的最优控制增量满足约束条件，则不需要进行处理，若不满足约束条件，则需采用粒子群算法寻求最优控制增量；

步骤4：采用多模型预测控制，根据各子模型输出与实际输出的偏差用改进递推贝叶斯加权算法对各子控制器的输出进行加权。

2.根据权利要求1所述一种低负荷下锅炉负荷的多模型智能寻优预测控制方法，其特征在于，步骤1建立被控对象模型，具体是：在各负荷点做阶跃响应试验，得到输入输出数据拟合得到被控对象传递函数G(s)。

3.根据权利要求1所述一种低负荷下锅炉负荷的多模型智能寻优预测控制方法，其特征在于，步骤2中设计预测控制器的具体方法是：依据对象传递函数，得到可控自回归积分滑动平均模型，

其中，A(q^‑1),B(q^‑1)为系数多项式，ξ(k)为随机序列，表示随机噪声，y(k)为输出序列，u(k)为输入序列，Δ＝1‑q^‑1为差分算子，1‑q^‑1是后移算子；所述A(q^‑1),B(q^‑1)具体是：

a₁、b₀、均为多项式的系数；

通过引入丢番图方程，

其中，E(q^‑1),F(q^‑1),G(q^‑1)为系数多项式，形式如下：

其中，e_j,1、g_j,0、g_j,1、f_j,1、均为多项式的系数；上述矩阵中的元素的下角标j代表对未来j步的预测，根据预测时域N可以得到完整的矩阵；

可求解得到预测控制器：

Y＝F₁ΔU+F₂ΔU(k‑j)+GY(k)

其中，Y为未来的预测输出，ΔU为当前及未来的控制增量序列，ΔU(k‑j)过去的控制增量序列，Y(k)为当前及过去的输出；

Y＝[y(k+1) … y(k+N)]^T

ΔU＝[Δu(k) … Δu(k+N_u‑1)]^T

ΔU(k‑j)＝[Δu(k‑1) … Δu(k‑n_b)]^T

Y(k)＝[y(k) … y(k‑n_a)]^T

N为预测时域，Nu为控制时域。

4.根据权利要求3所述一种低负荷下锅炉负荷的多模型智能寻优预测控制方法，其特征在于，预测控制器的优化性能指标为：

J＝[F₁ΔU+F₂ΔU(k‑j)+GY(k)‑Y_r]^T[F