随着市场需求的多样化,间歇过程引起了工业界和学术界的广泛关注,在工业生产过程中的地位愈发重要。工业控制技术,尤其是以模型预测控制(Model Predictive Control,MPC)为基础的先进控制技术的不断发展,使得间歇过程控制理论逐渐成熟。近年来,一些研究学者对过程的经济性能表现出浓厚兴趣,提出经济MPC(Economic Model Predictive Control,EMPC)算法提升经济性能,然而其主要理论和应用都面向连续过程。本文围绕间歇过程区别于连续过程的特点,从经济性能的角度重新审视过程干扰、市场波动、过程衰退等因素对过程所产生的影响,对间歇过程的经济性能问题进行研究,充分挖掘经济性能提升的空间,并取得以下成果:1.根据过程干扰对经济性能的贡献将其分为有利干扰和不利干扰,并针对不同类型的干扰采取不同的处理方式,提出了一种基于干扰的选择反馈控制策略。该反馈控制策略直接作用于过程干扰,依据干扰的不同类型选择不同的反馈控制律进行处理。同时,提出一种同时考虑经济性能优化与过程闭环动态的经济集成鲁棒设计,关注经济性能的同时提升控制系统处理过程干扰的鲁棒性。反馈控制策略的最优参数由该经济集成鲁棒设计统一优化获得,可以借助过程干扰提升间歇过程的平均经济性能;2.根据间歇过程的重复特性以及未知过程干扰的存在,提出一种基于迭代学习控制(Iterative Learning Control,ILC)的经济MPC算法,通过逐步学习过程干扰沿批次方向以及时间方向的变化,根据经济性能指标对控制作动加以修改,使得间歇过程运行在实际经济性能更优的操作工况,提升间歇过程的经济性能。基于ILC的经济MPC分为批次间和批次内两个部分,前者学习批次方向过程干扰的重复性以供后续批次参考,后者学习时间方向过程干扰的随机性避免影响后续批次;3.根据间歇过程有限批次运行时间以及过程终端获得产品的特点,提出了一种基于平均经济性能非固定终端时间的经济MPC。该算法将终端时间作为优化变量,使其可以根据过程干扰的变化合理地选择批次运行时间;此外,将平均经济性能作为目标函数,不但考虑单个批次经济获益,同时考虑获益的时间成本,使得单位时间经济收益最高。针对过程出现重大干扰而终端约束不可达或者经济收益无法保证的问题,提出提前终止机制,在线判断,及时停止,减少重大干扰所带来的经济损失;4.根据间歇过程特例——批次到批次(Run-to-Run)过程中存在的过程衰退问题,提出了一种基于衰退的偏最小二乘(Partial Least Square,PLS)建模方法,通过在标准PLS内部模型添加衰退项的方式,同时解决多变量过程耦合问题以及过程衰退建模问题。针对过程衰退引起的最优操作工况偏移的问题,提出经济Run-to-Run控制取代原先的跟踪Run-to-Run控制,随着过程衰退的进行,依据经济性能指标逐步移动操作工况,获得实际最优的经济性能。
针对现代电力系统中设施庞杂、多源异构海量数据难以有效处理、“信息孤岛”长期存在以及整体优化调度管理能力不足等问题,基于云控制系统理论,以智能电厂为研究对象,本文提出了智能电厂云控制系统(Intelligent power plant cloud contr...
详细信息
针对现代电力系统中设施庞杂、多源异构海量数据难以有效处理、“信息孤岛”长期存在以及整体优化调度管理能力不足等问题,基于云控制系统理论,以智能电厂为研究对象,本文提出了智能电厂云控制系统(Intelligent power plant cloud control system,IPPCCS)解决方案.基于智能电厂云控制系统,针对绿色能源发电波动性强、抗扰能力差的问题,利用机器学习算法对采集到的风电、光伏输出功率进行短时预测,获知未来风、光机组功率输出情况.在云端使用经济模型预测控制(Economic model predictive control,EMPC)算法,通过实时滚动优化得到水轮机组的功率预测调度策略,保证绿色能源互补发电的鲁棒性,充分消纳风、光两种能源,减少水轮机组启停和穿越振动区次数,在为用户清洁、稳定供电的同时降低了机组寿命损耗.最后,一个区域云数据中心的供电算例表明了本文方法的有效性.
针对含电动汽车的综合能源系统(Integrated energy system， IES)需要考虑可再生能源和需求侧的随机性和不确定性的问题，设计了一种基于经济模型预测控制(Economic Model Predictive Control， EMPC)的分层实时优化调度策略(Hierarchic...
详细信息
针对含电动汽车的综合能源系统(Integrated energy system， IES)需要考虑可再生能源和需求侧的随机性和不确定性的问题，设计了一种基于经济模型预测控制(Economic Model Predictive Control， EMPC)的分层实时优化调度策略(Hierarchical real-time optimization strategy， HRTO)，将整个系统的运行优化问题分为日前滚动优化，实时滚动优化和跟踪控制三个子问题。首先，建立基于经济模型预测控制的日前优化策略，在保证经济性的同时确保启动的运行单元能够满足用户的需求，然后通过实时优化层优化整个IES的最优稳态操作点，最后设计跟踪模型预测控制器，跟踪上层传递的最优参考值。同时该策略通过引入电动汽车参与综合能源系统优化调度，充分发挥电动汽车的储能特性和灵活性，实现了电动汽车和各能源系统的协同优化。仿真分析表明，所提出的HRTO可以实现对电力负荷和建筑物温度设定点的跟踪。
暂无评论