謝磊，毛國(guó)明，金曉明，蘇宏業(yè)（浙江大學(xué)工業(yè)控制技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室，智能系統(tǒng)與控制研究所，浙江 杭州 3007；浙江華能玉環(huán)電廠，浙江 玉環(huán) 37604）

?

循環(huán)流化床鍋爐燃燒過(guò)程預(yù)測(cè)控制與經(jīng)濟(jì)性能優(yōu)化

謝磊1，毛國(guó)明2，金曉明1，蘇宏業(yè)1
（1浙江大學(xué)工業(yè)控制技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室，智能系統(tǒng)與控制研究所，浙江 杭州 310027；2浙江華能玉環(huán)電廠，浙江 玉環(huán) 317604）

摘要：針對(duì)循環(huán)流化床鍋爐燃燒過(guò)程多變量耦合、時(shí)滯、非線性等復(fù)雜過(guò)程特性和經(jīng)濟(jì)運(yùn)行要求，提出了一種結(jié)合經(jīng)濟(jì)性能優(yōu)化與多變量控制的雙層預(yù)測(cè)控制策略，可在實(shí)現(xiàn)主蒸汽壓力、料床溫度和煙氣含氧量約束控制的基礎(chǔ)上，優(yōu)化燃燒過(guò)程的經(jīng)濟(jì)性能。工業(yè)應(yīng)用實(shí)例表明，該控制策略不僅能有效提高燃燒過(guò)程主要工藝參數(shù)的平穩(wěn)性，而且能降低單位蒸汽的燃煤消耗量，具有顯著的經(jīng)濟(jì)效益。

關(guān)鍵詞：循環(huán)流化床鍋爐；預(yù)測(cè)控制；過(guò)程控制；優(yōu)化；煤燃燒

2015-12-21收到初稿，2016-01-05收到修改稿。

聯(lián)系人及第一作者：謝磊(1979—)，男，副教授。

引 言

循環(huán)流化床鍋爐（circulating fluidized bed boiler，CFBB）因具有燃料適應(yīng)范圍廣、燃燒中直接脫硫、低NOx排放、燃燒效率高、負(fù)荷調(diào)節(jié)范圍寬、灰渣便于綜合利用等優(yōu)點(diǎn)，在國(guó)內(nèi)外得到了快速發(fā)展，并廣泛應(yīng)用于電力、供熱和化工等生產(chǎn)企業(yè)。與煤粉鍋爐相比，CFBB燃燒機(jī)理十分復(fù)雜，既要滿足熱負(fù)荷的需要（穩(wěn)定蒸汽壓力），又要維持床溫穩(wěn)定在850～950℃的范圍之內(nèi)，還要保證合理的風(fēng)煤比和燃燒效率，控制SO2和NOx排放等諸多任務(wù)。隨著CFBB技術(shù)朝著大型化和高參數(shù)方向發(fā)展，其復(fù)雜的過(guò)程特性與特殊的控制與優(yōu)化問(wèn)題日益成為熱電過(guò)程控制領(lǐng)域的一個(gè)新課題[1-4]。

國(guó)內(nèi)外許多專家學(xué)者已從建模、控制與優(yōu)化等方面對(duì)鍋爐的燃燒優(yōu)化和節(jié)能降耗開(kāi)展了深入研究[5-7]。最近的研究將經(jīng)濟(jì)性能指標(biāo)與廣義預(yù)測(cè)控制（generalized predictive control，GPC）相結(jié)合的雙層多目標(biāo)優(yōu)化控制策略[8]，并通過(guò)仿真實(shí)例驗(yàn)證了該策略的有效性。在此基礎(chǔ)上，本文將鍋爐煙氣氧含量、熱效率等經(jīng)濟(jì)性能指標(biāo)用于CFBB先進(jìn)控制系統(tǒng)上層的多變量穩(wěn)態(tài)目標(biāo)優(yōu)化，并將其與下層的二次型動(dòng)態(tài)規(guī)劃相結(jié)合，形成雙層控制結(jié)構(gòu)，使減小關(guān)鍵過(guò)程變量波動(dòng)和“卡邊”控制能更好地銜接，從而獲得更大的經(jīng)濟(jì)效益。工業(yè)CFBB應(yīng)用結(jié)果表明，具有雙層結(jié)構(gòu)的先進(jìn)控制系統(tǒng)不僅能有效改善控制品質(zhì)，而且能實(shí)現(xiàn)降低煙氣氧含量和煤耗等經(jīng)濟(jì)性能優(yōu)化。

1 CFBB燃燒過(guò)程特性分析

CFBB主要由給料機(jī)、布風(fēng)器、爐膛、循環(huán)灰分離器、返料機(jī)構(gòu)、排渣機(jī)構(gòu)、過(guò)熱器、省煤器、空預(yù)器和煙道等部分組成，如圖1所示。

圖1 CFBB燃燒過(guò)程示意圖Fig.1 Flowchart of CFBB combustion process

CFBB燃燒過(guò)程簡(jiǎn)要描述如下[3-4]：煤與脫硫劑顆粒從爐膛底部送入后，迅速被爐膛中處于流化狀態(tài)的大量熱物料加熱著火燃燒；燃燒所需的一次風(fēng)和二次風(fēng)分別從爐膛的底部和側(cè)墻送入，物料在上升氣流的作用下向爐膛上部運(yùn)動(dòng)，較大的煤粒在爐膛的密相區(qū)“沸騰”燃燒，較小的煤粒被煙氣夾帶出密相區(qū)，在爐膛上部稀相區(qū)懸浮燃燒，對(duì)水冷壁和爐內(nèi)布置的其他受熱面放熱。稀相區(qū)的物料在重力及其他外力作用下不斷減速偏離主氣流，并最終形成附壁下降粒子流，而被氣流夾帶出爐膛的一部分細(xì)顆粒通過(guò)分離器后被收集下來(lái)，由返料機(jī)構(gòu)送回爐膛循環(huán)再燃直至燃盡。未被分離的極細(xì)粒子隨煙氣進(jìn)入尾部煙道，進(jìn)一步對(duì)過(guò)熱器、省煤器和空氣預(yù)熱器等尾部受熱面放熱。煙氣冷卻至一定溫度后經(jīng)除塵、脫硫、脫硝處理，由煙囪排入大氣。

CFBB在運(yùn)行過(guò)程中需要以生產(chǎn)安全為前提，實(shí)現(xiàn)以下幾方面的目標(biāo)。

（1）保持鍋爐主蒸汽壓力和溫度等主要工藝參數(shù)的穩(wěn)定。針對(duì)發(fā)電與供汽負(fù)荷的變化以及煤質(zhì)變化等影響因素，及時(shí)調(diào)節(jié)并優(yōu)化燃燒過(guò)程，以保證蒸汽量和蒸汽品質(zhì)。

（2）實(shí)現(xiàn)鍋爐燃燒過(guò)程的經(jīng)濟(jì)性。根據(jù)負(fù)荷調(diào)整的指令，及時(shí)準(zhǔn)確地調(diào)節(jié)燃料量及相應(yīng)的一次風(fēng)量、二次風(fēng)量和引風(fēng)量，降低煙氣氧含量、提高鍋爐熱效率。

（3）保證鍋爐的料床溫度穩(wěn)定在合適的工作區(qū)間。料床溫度不僅是表征燃料在爐膛內(nèi)燃燒狀況的指標(biāo)，而且直接影響到鍋爐運(yùn)行的流化工況、脫硫效率和NOx生成量。通常，床溫需保持在850～950℃之內(nèi)。

從過(guò)程控制與優(yōu)化的角度看，CFBB燃燒過(guò)程是一個(gè)具有大慣性、強(qiáng)耦合、非線性和時(shí)變等復(fù)雜特性的多變量過(guò)程，負(fù)荷變化、煤質(zhì)變化等則是鍋爐平穩(wěn)、高效運(yùn)行的主要干擾。隨著儀表和DCS系統(tǒng)的日益普及，CFBB鍋爐的重要工藝參數(shù)已實(shí)現(xiàn)了單回路控制乃至復(fù)雜控制策略。然而，燃燒過(guò)程特性的復(fù)雜多變和燃燒控制性能、經(jīng)濟(jì)性能和環(huán)保指標(biāo)的日趨嚴(yán)格，導(dǎo)致現(xiàn)有常規(guī)控制難以實(shí)現(xiàn)多變量控制，也無(wú)法滿足CFBB多目標(biāo)優(yōu)化運(yùn)行的要求。很多情況下，鍋爐生產(chǎn)運(yùn)行仍主要依賴于操作經(jīng)驗(yàn)，不僅因操作習(xí)慣差異帶來(lái)各種人為影響因素，導(dǎo)致工藝參數(shù)波動(dòng)頻繁，難以獲得好的經(jīng)濟(jì)性能，而且增加了操作人員的勞動(dòng)強(qiáng)度，工況也難以長(zhǎng)期保持穩(wěn)定。因此，采用雙層預(yù)測(cè)控制結(jié)構(gòu)并選擇合理經(jīng)濟(jì)性能目標(biāo)是解決CFBB燃燒過(guò)程控制與優(yōu)化問(wèn)題的關(guān)鍵。

2 雙層預(yù)測(cè)控制與經(jīng)濟(jì)性能優(yōu)化策略

從CFBB燃燒過(guò)程預(yù)測(cè)控制系統(tǒng)的工程實(shí)現(xiàn)出發(fā)，在分析CFBB燃燒過(guò)程物料和能量變化規(guī)律的基礎(chǔ)上，結(jié)合實(shí)際CFBB系統(tǒng)測(cè)量與控制儀表的配置情況，得到圖2所示的CFBB系統(tǒng)的輸入變量、輸出變量關(guān)系。圖中，輸入變量是預(yù)測(cè)控制算法中可能的操縱變量，輸出變量是預(yù)測(cè)控制算法中的被控變量或輔助變量，燃料品質(zhì)和負(fù)荷則是擾動(dòng)變量。

圖2 CFBB系統(tǒng)變量關(guān)系示意圖Fig.2 System variables of CFBB process

基于此，在CFBB系統(tǒng)的70%～110%負(fù)荷范圍內(nèi)開(kāi)展大量的過(guò)程測(cè)試，并獲得相關(guān)通道的輸入輸出數(shù)據(jù)，利用合適的辨識(shí)方法得到了主蒸汽壓力、床層溫度、煙氣氧含量與給煤量、一次風(fēng)量、二次風(fēng)量和引風(fēng)量等的階躍響應(yīng)模型。這些模型是實(shí)現(xiàn)CFBB燃燒過(guò)程雙層預(yù)測(cè)控制和經(jīng)濟(jì)性能優(yōu)化的基礎(chǔ)，限于篇幅，這里略去模型的具體形式。

圖3 雙層預(yù)測(cè)控制結(jié)構(gòu)示意圖Fig.3 Structure of two-layper MPC

為了滿足上述要求，燃燒系統(tǒng)模型中選取的操縱變量個(gè)數(shù)比被控變量的個(gè)數(shù)多而且被控變量的控制要求為區(qū)間控制。這樣當(dāng)被控要求得到滿足后，操縱變量還可以在一定范圍內(nèi)變化，存在剩余的自由度，這些剩余自由度能夠用來(lái)實(shí)現(xiàn)一定的經(jīng)濟(jì)指標(biāo)優(yōu)化。如圖3所示，MPC層可以分為動(dòng)態(tài)控制層和穩(wěn)態(tài)優(yōu)化層。在動(dòng)態(tài)控制層，控制器在不違反約束的前提下計(jì)算輸出預(yù)測(cè)值，并更新相應(yīng)軟約束使其作為硬約束加入到上層穩(wěn)態(tài)優(yōu)化層控制中；穩(wěn)態(tài)優(yōu)化層，在過(guò)程穩(wěn)態(tài)的基礎(chǔ)上按照優(yōu)化要求計(jì)算出系統(tǒng)的最佳穩(wěn)態(tài)值和最經(jīng)濟(jì)輸入變量。

2.1 經(jīng)濟(jì)性能指標(biāo)

就CFBB燃燒過(guò)程而言，原煤消耗量和給煤與輸煤系統(tǒng)、一次風(fēng)機(jī)、二次風(fēng)機(jī)的耗電量決定著其主要運(yùn)行成本。由于給煤與輸煤系統(tǒng)耗電量與一、二次風(fēng)機(jī)耗電量相比相對(duì)較小，這里的經(jīng)濟(jì)性能指標(biāo)以原煤消耗量和一、二次風(fēng)機(jī)耗電量為主[5]。參考文獻(xiàn)[5]的方法，結(jié)合工業(yè)CFBB的工藝與設(shè)備參數(shù)，經(jīng)匯總和整理，得到式（1）的經(jīng)濟(jì)性能優(yōu)化的目標(biāo)函數(shù)：

式中，B為輸煤系統(tǒng)給煤量；Q1和Q2分別為一、二次風(fēng)機(jī)的送風(fēng)量；u=[B Q1Q2]T為操縱變量，uhigh、ulow為操作變量u的上下限約束，Δuhigh和Δulow為操作變量增量Δu的上下限約束；煙氣含氧量C、料床溫度Tb和主蒸汽壓力p0是燃燒過(guò)程的被控變量，即y=[C Tbp0]T；和是由下層優(yōu)化計(jì)算得到的滿足控制要求的區(qū)間上下限。此外，CFBB穩(wěn)態(tài)運(yùn)行時(shí)，風(fēng)和煤的比例還要符合以下約束條件：

式中，α為過(guò)量空氣系數(shù)，一般取值為1.1～1.2；Hnet,ar為動(dòng)力煤對(duì)應(yīng)的發(fā)熱量。

2.2 預(yù)測(cè)控制策略

CFBB燃燒過(guò)程的控制目標(biāo)是：在保證主蒸汽壓力p0穩(wěn)定和料床溫度Tb在合理區(qū)間內(nèi)的基礎(chǔ)上達(dá)到最佳燃燒狀態(tài)。因此，可以用區(qū)間控制策略來(lái)實(shí)現(xiàn)上述控制指標(biāo)。通過(guò)對(duì)區(qū)間上下限加入軟約束（即在輸出變量的不等式約束中加入松弛變量）來(lái)達(dá)到區(qū)間控制的目的?；谲浖s束的床溫、主蒸汽壓力和煙氣含氧量區(qū)間控制目標(biāo)函數(shù)如下[9-13]：

約束條件為

式中，ylow、yhigh、分別為區(qū)間控制的設(shè)定上下界以及預(yù)測(cè)輸出；δhigh、δlow為預(yù)測(cè)輸出超出區(qū)間上下限的軟約束調(diào)整；Qhigh、Qlow和R為超出上下限部分偏差和輸出增量的懲罰；P、M分別為預(yù)測(cè)時(shí)域和控制時(shí)域長(zhǎng)度。

2.3 雙層預(yù)測(cè)控制的求解

CFBB燃燒過(guò)程的雙層預(yù)測(cè)控制具有動(dòng)態(tài)和穩(wěn)態(tài)兩方面的目標(biāo)，首先，要保證主蒸汽壓力p0穩(wěn)定、料床溫度Tb在850～950℃范圍內(nèi)、煙氣含氧量C盡量接近3%的下限，在上述控制指標(biāo)滿足的情況下，進(jìn)而實(shí)現(xiàn)經(jīng)濟(jì)指標(biāo)的優(yōu)化。由于在動(dòng)態(tài)控制層采用了區(qū)間控制，因此能夠在保證第1級(jí)動(dòng)態(tài)控制目標(biāo)的基礎(chǔ)上，進(jìn)行第2級(jí)穩(wěn)態(tài)目標(biāo)的優(yōu)化。因此，雙層預(yù)測(cè)控制的控制指標(biāo)與經(jīng)濟(jì)性能指標(biāo)可分別計(jì)算。下層優(yōu)化是基于主蒸汽壓力、料床溫度和煙氣含氧量有約束區(qū)間控制性能指標(biāo)的優(yōu)化[14-16]。上層優(yōu)化是經(jīng)濟(jì)性能指標(biāo)的優(yōu)化[17-18]。兩層預(yù)測(cè)控制的優(yōu)化策略可以表述成式(5)所示。

首先利用二次規(guī)劃求解帶約束的預(yù)測(cè)控制目標(biāo)函數(shù)J1，計(jì)算得到主蒸汽壓力、料床溫度和煙氣含氧量的輸出預(yù)測(cè)值，同時(shí)更新輸出區(qū)間約束上下限為和，并將新的輸出區(qū)間約束作為硬約束加入上層經(jīng)濟(jì)性能指標(biāo)優(yōu)化的計(jì)算中，同時(shí)還要滿足鍋爐燃燒過(guò)程的風(fēng)煤協(xié)調(diào)控制要求；然后利用線性規(guī)劃求解上層優(yōu)化目標(biāo)函數(shù)J2，計(jì)算得到當(dāng)前時(shí)刻所需的輸入。這樣，滿足控制指標(biāo)的要求就成為了求解經(jīng)濟(jì)性能指標(biāo)控制的條件，最后計(jì)算得到的就是最經(jīng)濟(jì)的控制輸入量[19-20]。

經(jīng)過(guò)上層經(jīng)濟(jì)指標(biāo)優(yōu)化之后，可在解空間內(nèi)獲得唯一的最優(yōu)解。同時(shí)，由于優(yōu)化子命題的加權(quán)矩陣均為正定的，可保證其最優(yōu)解是唯一的。此外，預(yù)測(cè)控制器在工程實(shí)現(xiàn)時(shí)，可選擇滿足優(yōu)化約束條件的、且操縱變量變化最小的解，以提高控制器的魯棒性。

3 工業(yè)應(yīng)用實(shí)例

某企業(yè)熱電廠采用了5臺(tái)130 t·h?1CFBB鍋爐，所產(chǎn)蒸汽主要用于供企業(yè)的主生產(chǎn)裝置使用，多余的蒸汽用于發(fā)電。這些鍋爐已采用中控的ECS-100 DCS系統(tǒng)實(shí)現(xiàn)了常規(guī)的監(jiān)視與控制。在此基礎(chǔ)上，將上述雙層預(yù)測(cè)控制策略用于CFBB鍋爐燃燒過(guò)程的控制，并通過(guò)中控的先進(jìn)控制平臺(tái)APC-iSYS在DCS的上位機(jī)上實(shí)現(xiàn)。先進(jìn)控制平臺(tái)與DCS系統(tǒng)之間通過(guò)OPC方式實(shí)現(xiàn)雙向數(shù)據(jù)通信。為保證系統(tǒng)安全，在先進(jìn)控制平臺(tái)與DCS系統(tǒng)兩端都需要做必要的安全保護(hù)邏輯。

針對(duì)實(shí)驗(yàn)測(cè)試獲得的CFBB鍋爐燃燒過(guò)程的動(dòng)態(tài)模型，設(shè)計(jì)雙層預(yù)測(cè)控制系統(tǒng)，選擇優(yōu)化控制周期，控制時(shí)域長(zhǎng)度M=5，預(yù)測(cè)時(shí)域長(zhǎng)度P=10，料床溫度區(qū)間取為910～950℃，主蒸汽壓力基本穩(wěn)定，取為9.0～9.5 MPa，煙氣含氧量取為3%～4%。并針對(duì)采用風(fēng)門擋板調(diào)節(jié)風(fēng)量的鍋爐，依據(jù)風(fēng)門擋板響應(yīng)特性建立非線性補(bǔ)償器，有效克服風(fēng)門存在的死區(qū)和調(diào)節(jié)非線性問(wèn)題，提高風(fēng)量調(diào)節(jié)精度。

在工業(yè)應(yīng)用中，針對(duì)鍋爐檢測(cè)儀表可能出現(xiàn)的數(shù)據(jù)異常突變或偏差較大等問(wèn)題，增加了智能監(jiān)控與診斷功能，通過(guò)監(jiān)控關(guān)鍵工藝指標(biāo)的變化、設(shè)備異常事件等，及時(shí)發(fā)現(xiàn)并給出報(bào)警信息或緊急自動(dòng)處理，避免爐況惡化，為鍋爐的安全、平穩(wěn)運(yùn)行提供保障。

這里，以3#CFBB為例，匯總并對(duì)比了雙層預(yù)測(cè)控制系統(tǒng)投入前后主蒸汽壓力、料床溫度、煙氣含氧量的控制效果（圖3～圖6中，前24 h為常規(guī)控制，后24 h為雙層預(yù)測(cè)控制）。

（1）主蒸汽壓力

3#CFBB雙層預(yù)測(cè)控制系統(tǒng)投運(yùn)后，主蒸汽壓力平穩(wěn)性有明顯改善，其標(biāo)準(zhǔn)差比投運(yùn)前降低48.1%，圖4給出了投運(yùn)前后主蒸汽壓力平穩(wěn)性對(duì)比情況。

圖4 雙層預(yù)測(cè)控制投運(yùn)前后主蒸汽壓力的控制效果對(duì)比Fig.4 Control result comparison of main steam pressure with/without two-layer MPC

圖5 雙層預(yù)測(cè)控制投運(yùn)前后料床溫度的控制效果對(duì)比Fig.5 Control result comparison of bed temperature with/without two-layer MPC

圖6 雙層預(yù)測(cè)控制投運(yùn)前后煙氣含氧量的控制效果對(duì)比Fig.6 Control result comparison of O2% with/without two-layer MPC

（2）料床溫度

3#CFBB雙層預(yù)測(cè)控制系統(tǒng)投運(yùn)后，料床溫度平穩(wěn)性有了明顯改善，其標(biāo)準(zhǔn)差比投運(yùn)前平均值降低超過(guò)50%；在90%以上時(shí)間內(nèi)，床溫控制精度在R±20℃之內(nèi)，圖5給出了投運(yùn)前后料床溫度平穩(wěn)性對(duì)比情況。

（3）煙氣含氧量

3#CFBB雙層預(yù)測(cè)控制系統(tǒng)投運(yùn)后，煙氣含氧量平穩(wěn)性有明顯改善，其標(biāo)準(zhǔn)差比投運(yùn)前降低38.1%，圖6給出了投運(yùn)前后煙氣含氧量平穩(wěn)性對(duì)比情況。更為重要的是，經(jīng)過(guò)雙層優(yōu)化，煙氣含氧量更加接近工作范圍的下限，從一個(gè)側(cè)面體現(xiàn)出燃料經(jīng)過(guò)充分燃燒后，將使鍋爐經(jīng)濟(jì)性能得到改善。

（4）經(jīng)濟(jì)指標(biāo)分析

表1 3#CFBB投用優(yōu)化控制系統(tǒng)前后主要運(yùn)行指標(biāo)對(duì)比情況Table 1 Control result comparison with/without two-layer MPC of 3#CFBB

在全部CFBB優(yōu)化控制系統(tǒng)實(shí)施完成并正常使用后，該企業(yè)熱電廠組織了鍋爐優(yōu)化控制系統(tǒng)的對(duì)比考核，主要經(jīng)濟(jì)指標(biāo)為噸汽煤耗、平均飛灰含碳量和平均爐渣含碳量等。表1給出了3#CFBB雙層預(yù)測(cè)控制系統(tǒng)投運(yùn)前后主要經(jīng)濟(jì)指標(biāo)對(duì)比情況。

根據(jù)表1的數(shù)據(jù)統(tǒng)計(jì)分析結(jié)果可知，CFBB優(yōu)化控制系統(tǒng)投用后各能耗指標(biāo)均好于投用前。從總體上來(lái)看，噸汽煤標(biāo)煤消耗降低了2%以上，飛灰含碳降低了10%以上，爐渣含碳降低了5%以上，均比投運(yùn)優(yōu)化控制系統(tǒng)前有不同程度的降低。其他幾臺(tái)CFBB也取得了類似的應(yīng)用效果，這里不再贅述。

總之，雙層預(yù)測(cè)控制系統(tǒng)應(yīng)用后，提高了主蒸汽壓力、料床溫度和煙氣含氧量等關(guān)鍵工藝指標(biāo)的平穩(wěn)性，標(biāo)準(zhǔn)差平均降低30%以上。通過(guò)經(jīng)濟(jì)性能優(yōu)化，單臺(tái)鍋爐的噸蒸汽煤耗、飛灰殘?zhí)亢亢蜖t渣含碳量均有明顯的下降。據(jù)此測(cè)算，對(duì)于1臺(tái)130 t·h?1循環(huán)流化床鍋爐，以平均運(yùn)行時(shí)間330 d·a?1計(jì)，實(shí)施優(yōu)化控制之后，可節(jié)約標(biāo)煤2900 t·a?1。此外，在CFBB正常運(yùn)行期間，雙層預(yù)測(cè)控制系統(tǒng)的投用率平均達(dá)到95%以上，明顯降低了操作人員的勞動(dòng)強(qiáng)度。

4 結(jié) 論

本文提出了符合循環(huán)流化床鍋爐燃燒過(guò)程的雙層預(yù)測(cè)控制策略，并通過(guò)先進(jìn)控制平臺(tái)實(shí)現(xiàn)了工業(yè)化應(yīng)用。應(yīng)用結(jié)果表明，與傳統(tǒng)控制策略相比較，應(yīng)用雙層預(yù)測(cè)控制策略對(duì)CFBB燃燒過(guò)程進(jìn)行多目標(biāo)優(yōu)化，能在提高燃燒過(guò)程主要工藝參數(shù)的平穩(wěn)性，降低單位蒸汽的燃煤消耗量，具有顯著的經(jīng)濟(jì)效益和應(yīng)用推廣價(jià)值。

References

[1] ?ARKO ?, VOLKER S, MICHAEL G. Intelligent control of complex combustion processes [J]. Mechanical Engineering, 2003, 1(10): 1393-1406.

[2] VLADIMíR H, JI?í F. Application of model predictive control to advanced combustion control [J]. Control Engineering Practice, 2005, 13: 671-680. DOI: 10.1016/j.conengprac.2004.01.005.

[3] PETTERSSON A, ZEVENHOVEN M, STEENARI B-M, et al. Application of chemical fractionation methods for characterisation of biofuels, waste derived fuels and CFB co-combustion fly ashes [J]. Fuel, 2008, 87(15/16): 3183-3193. DOI: 10.1016/j.fuel.2008.05.030.

[4] LIU R, JIN B, ZHONG Z. Comparison of two kinds of bed materials during CFB combustion of cotton stalk [J]. Chemical Engineering & Technology, 2007, 30(10): 1434-1439. DOI: 10.1002/ceat.200600396. [5] GUNGOR A, ESKIN N. Two-dimensional coal combustion modeling of CFB [J]. International Journal of Thermal Sciences, 2008, 47(2): 157-174. DOI: 10.1016/j.ijthermalsci.2007.01.017.

[6] GUNGOR A. Two-dimensional biomass combustion modeling of CFB [J]. Fuel, 2008, 87(8/9): 1453-1468. DOI: 10.1016/j.fuel. 2007.08.013.

[7] GAUVILLE P, FOUCHER J C, MOREAU D. Achievable combustion efficiency with Alstom CFB boilers for burning discarded coal [J]. Journal of the Southern African Institute of Mining and Metallurgy, 2012, 112(6): 437-447.

[8] MAYNE D Q, RAWLINGS J B, RAO C V, et al. Constrained model predictive control: stability and optimality [J]. Automatica, 2000, 36(6): 789-814. DOI: 10.1016/S0005-1098(00)00173-4.

[9] QIN S J, BADGWELL T A. A survey of industrial model predictive control technology [J]. Control Engineering Practice, 2003, 11(7): 733-764. DOI: 10.1016/S0967-0661(02)00186-7.

[10] GOODWIN G C, KONG H, MIRZAEVA G, et al. Robust model predictive control: reflections and opportunities [J]. Journal of Control and Decision, 2014, 1(2): 115-148. DOI: 10.1080/23307706. 2014.913837.

[11] MAYNE D Q. Model predictive control: recent developments and future promise [J]. Automatica, 2014, 50(12): 2967-2986. DOI: 10.1016/j.automatica.2014.10.128.

[12] 劉雨波, 羅雄麟, 許鋒. 分布式預(yù)測(cè)控制全局協(xié)調(diào)及穩(wěn)定性分析[J]. 化工學(xué)報(bào), 2013, 64(4): 1318-1331. DOI: 10.3969/j.issn. 0438-1157. 2013.04.028.

LIU Y B, LUO X L, XU F. Global coordination and stability analysis for distributed model predictive control system [J]. CIESC Journal, 2013, 64(4): 1318-1331. DOI: 10.3969/j.issn.0438-1157.2013.04.028.

[13] 鄒濤, 王丁丁, 潘昊. 從區(qū)間模型預(yù)測(cè)控制到雙層結(jié)構(gòu)模型預(yù)測(cè)控制[J]. 化工學(xué)報(bào), 2013, 64(12): 4474-4483. DOI: 10.3969/j.issn. 0438-1157.2013.12.031.

ZOU T, WANG D D, PAN H. From zone model predictive control to double-layered model predictive control [J]. CIESC Journal, 2013, 64(12): 4474-4483. DOI: 10.3969/j.issn.0438-1157.2013.12.031.

[14] HILMI A, HUSEYIN D, MIHAI C. Control of the bed temperature of a circulating fluidized bed boiler by using particle swarm optimization [J]. Advances in Electrical and Computer Engineering, 2012, 12(2): 27-32. DOI: 10.4316/AECE.2012.02005.

[15] YING C M, JOSEPH B. Performance and stability analysis of LP-MPC and QP-MPC cascade control system [J]. AIChE Journal, 1999, 45(7): 1521-1534. DOI: 10.1002/aic.690450714.

[16] ALEXEI N, CHRISTOPHER L E. Sensitivity analysis of LP-MPC cascade control systems [J]. Journal of Process Control, 2009, 19: 16-24. DOI: 10.1016/j.jprocont.2008.02.005.

[17] RAO C V, RAWLINGS J B. Steady states and constraints in model predictive control [J]. AIChE Journal, 1999, 45(5): 1266-1278. DOI: 10.1002/aic.690450612.

[18] 趙超, 張登峰, 許巧玲, 等. 基于加權(quán)偏離度統(tǒng)計(jì)方法的預(yù)測(cè)控制性能評(píng)估算法[J]. 化工學(xué)報(bào), 2012, 63(12): 3971-3977. DOI: 10.3969/j.issn.0438-1157.2012.12.033.

ZHAO C, ZHANG D F, XU Q L, et al. Control performance assessment of model predictive control based on statistics analysis of weighted points [J]. CIESC Journal, 2012, 63(12): 3971-3977. DOI: 10.3969/j.issn.0438-1157.2012.12.033.

[19] 羅雄麟, 于洋, 許鋆. 化工過(guò)程預(yù)測(cè)控制的在線優(yōu)化實(shí)現(xiàn)機(jī)制[J].化工學(xué)報(bào), 2014, 65(10): 3984-3992. DOI: 10.3969/j.issn. 0438-1157. 2014.10.032.

LUO X L, YU Y, XU J. Online optimization implementation on model predictive control in chemical process [J]. CIESC Journal, 2014, 65(10): 3984-3992. DOI: 10.3969/j.issn.0438-1157. 2014. 10.032.

[20] WANG C, JIA L, TAN Y, et al. Carbonation of fly ash in oxy-fuel CFB combustion [J]. Fuel, 2007, 87(7): 1108-1114. DOI: 10.1016/ j.fuel.2007.06.024.

研究論文

Received date: 2015-12-21.

Foundation item: supported by the National Natural Science Foundation of China (61134007, 61374121).

Predictive control and economic performance optimization of CFBB combustion process

XIE Lei1, MAO Guoming2, JIN Xiaoming1, SU Hongye1
(1State Key Laboratory of Industrial Control Technology, Institute of Cyber-System and Control, Zhejiang University, Hangzhou 310027, Zhejiang, China;2Zhejiang Huaneng Yuhuan Power Plant, Yuhuan 317604, Zhejiang, China)

Abstract:For the combustion process of industrial circulating fluidized bed boiler (CFBB) with nonlinearity, time-variation, strong delay and multivariable coupling, considering how to satisfy the economic target with decreasing power consumption, an two level multivariable predictive control (MPC) method was proposed. The method based on the constrained control of main steam pressure, bed temperature and flue gas oxygen content is constructed to optimize the economic target. The industrial application result demonstrates that the proposed method can decrease the coal consumption of unit steam while assuring the steady of the main process parameters of the boiler combustion and bring high economical profit.

Key words:circulating fluidized bed boiler; predictive control; process control; optimization; coal combustion

DOI:10.11949/j.issn.0438-1157.20151939

中圖分類號(hào)：TP 273

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：0438—1157（2016）03—0695—06

基金項(xiàng)目：國(guó)家自然科學(xué)基金項(xiàng)目（61134007，61374121）。

Corresponding author:XIE Lei, leix@iipc.zju.edu.cn