660MW机组基于多模型预测控制技术的深度调峰技术研究与应用
101
完成单位:国家能源集团宝庆发电有限公司、南京英纳维特自动化科技有限公司
登记编号:CAPE-CXCG-2024-J-1-045
登记年份:2024
发布时间:2024-07-17
成果主要完成人
蒋 荣、杨远忠、吴爱军、张 磊、邓继军、李 旺、廖开林、秦文炜、万 华、金志刚
项目概况
我国经济社会清洁发展和高质量发展背景下,火电机组依靠发电售电的盈利能力受到限制。而火电机组对保障电力稳定供应、满足电网调频调峰需求有着重要意义。随着电力辅助服务市场的发展和逐步完善,提供高质量辅助服务成为火电机组盈利的潜在增长点。
火电机组深度调峰能力是保障高质量电力辅助服务的关键,而受到DCS图形化组态环境及常规控制模块的限制,很多现代先进的控制技术均无法实施,仅采用经典的“PID+前馈”的控制技术,在解决火电机组过程控制这类大滞后控制问题时有欠缺;且由于控制系统结构简单,不适应国内燃煤品质多变、AGC要求高、设备缺陷较多等复杂问题,控制系统的自适应性和鲁棒性均较差。针对以上难题,基于多模型预测控制技术的深度调峰技术,采用预测控制、神经网络、智能前馈等先进控制技术对机组AGC协调、汽温及脱硝系统的进行优化控制升级改造,取得预期的控制目标。专用的优化控制器与DCS之间采用ModBus通信实现数据交互,实现快速变负荷下功率快速稳定控制、主汽压力平稳控制、喷氨大时滞优化控制。主要创新包括:1、提出基于专家智能控制的一键转态自动控制策略,主要包括“干→湿切换”和“湿→干切换”正反向二个切换过程的智能控制策略,以有效抑制机组在干态/湿态切换过程中的参数波动。2、提出660MW超临界机组湿态工况协调系统的智能多模型预测控制策略,将智能寻优策略与多模型预测控制策略相融合,并设计相关的寻优控制系统。3、在传统煤种BTU校正的基础上,通过存储前期各个采样时刻的煤种热值校正系数,作为RBF神经网络的训练样本数据,建立煤种热值校正系数的非线性神经网络模型,对煤种热值校正系数的未来值进行递推预估,通过预估的提前时间来弥补BTU校正过程的滞后,提出煤种热值的快速校正方法。
项目申请发明专利2项,发表论文2篇。项目成果已在国家能源集团宝庆发电有限公司2×660MW超临界机组进行了整体应用,显著提高应用机组的性能及常规热工控制性能,为提高机组辅助服务竞争力、保障机组安全稳定、促进节能减排提供了有力支撑,有显著的经济效益和社会效益。应用项目成果,仅一年新增产值8442.73万元,创造利润2669.21万元,间接效益数亿元。东南大学吕剑虹教授、湖南院陈厚涛等国内知名专家一致认为,项目成果技术创新性强,具有良好的经济、社会效益,达到国际领先水平,建议加大推广应用力度。