超临界热电联产机组热电解耦的能量平衡自适应灵活裕度预测控制
《Computers & Chemical Engineering》:Energy-balanced adaptive flexible margin-based predictive control for thermal-electric decoupling of supercritical CHP units
【字体:
大
中
小
】
时间:2026年10月23日
来源:Computers & Chemical Engineering 4.9
编辑推荐:
摘要:提高热电联产(CHP)机组的运行灵活性对于可再生能源并网至关重要,但受到热电强耦合的限制。为此,本研究提出了一种能量平衡自适应灵活裕度非线性模型预测控制-比例积分(AFM-NMPC-PI)策略,该策略利用供热侧的短期热缓冲能力。首先,采用基于动态功率平衡的机制来量化运行
摘要:提高热电联产(CHP)机组的运行灵活性对于可再生能源并网至关重要,但受到热电强耦合的限制。为此,本研究提出了一种能量平衡自适应灵活裕度非线性模型预测控制-比例积分(AFM-NMPC-PI)策略,该策略利用供热侧的短期热缓冲能力。首先,采用基于动态功率平衡的机制来量化运行工况依赖的热灵活性,并将其转化为随时间变化的加热流量裕度。该裕度被直接嵌入到监督级NMPC中,优化锅炉-汽轮机协调变量和加热流量设定值,而底层PI控制器通过无扰切换机制执行优化后的加热参考值。所提出的策略在经校验的350 MW超临界CHP机组控制导向模型上进行了评估。在大范围负荷跟踪中,与常规PI控制器和标准NMPC-PI控制器相比,电气负荷跟踪绝对误差积分分别降低了73.4%和70.0%。在扰动和模型-被控对象不匹配条件下,与标准预测控制基准相比,所提出的策略将电气负荷跟踪精度提高了52.9%,主蒸汽压力误差相比PI降低了81.7%。动态功率分配和灵活性利用分析进一步表明,控制器在快速负荷过渡期间选择性地激活可用的供热侧灵活性,随后恢复所借用的热灵活性。这些结果表明,所提出的策略能够有效增强超临界CHP机组的解耦和灵活负荷跟踪能力。
1. 引言
间歇性可再生能源的快速并网正在重塑常规发电的运营需求(Navia Simon and Diaz Anadon, 2025),要求燃煤电厂如超临界热电联产(CHP)机组能够作为灵活的电网稳定器,实现快速负荷调节(Guo et al., 2025)。这些机组因其高热力学效率而备受青睐(Guo et al., 2024),但面临一个重大挑战:电力生产和供热之间存在固有的耦合(Liu et al., 2025)。这种相互依赖性意味着对电力输出的调整不可避免地会干扰供热过程(Chen et al., 2025),反之亦然,限制了机组提供快速(Ma et al., 2024)、精确的电网服务的能力(?nci and ?elik, 2025)。解决这种热电耦合以释放CHP机组的潜在灵活性,对于确保现代电力系统稳定性和效率而言是一个关键的研究优先事项。
传统上,CHP机组的控制依赖于常规多回路比例-积分-微分(PID)控制器(Borase et al., 2021),这些控制器因其简单性在维持稳态运行中受到重视(?etin et al., 2021)。然而,这些分散式策略从根本上不适合现代电网复杂、动态的环境(?al??kan et al., 2025)。它们难以处理锅炉-汽轮机系统中的非线性动态和强耦合,导致功率响应迟缓和不希望的压力波动(Liao et al., 2023)。这一局限性凸显了传统方法在实现有效热电解耦方面的不足。
对此,先进控制策略获得了关注(?nci and ?zbek, 2025)。模型预测控制(MPC)(Wu et al., 2024)因其处理多变量耦合(Wang et al., 2025)、操作约束(Li SUN MengDan WU et al., 2025)和优化性能(Wu et al., 2022)的内在能力,成为电厂应用中一个有前景的框架(Zhu et al., 2024, Guo et al., 2026)。例如,K?dela等人(K?dela et al., 2024)探索了双层MPC用于每小时CHP优化和锅炉调度,而Kong等人(Kong et al., 2023)开发了一种经济MPC,相较于其他先进控制方案产生了更优的经济效益。为提高鲁棒性,Guo等人(Guo et al., 2025)将扩展状态卡尔曼滤波器与MPC结合用于火电厂,相较于常规PID和基于标准卡尔曼滤波的MPC均实现了更优的性能。尽管算法不断取得进展,但CHP机组现有控制框架仍存在一个根本性限制。供热回路的引入增加了复杂的热电耦合约束。在大多数现有架构中,控制逻辑严格优先确保供热设定值的精确跟踪(Mugnini et al., 2022),将其视为由调度指令确定的不可侵犯的约束。虽然这确保了供热可靠性,但实际上迫使控制器将发电动态从属于热稳定性,从而限制了机组在快速电网瞬态过程中的爬坡速率。
为克服这一限制并提高灵活性,近期研究越来越多地利用区域供热网络(DHN)和供热侧过程中固有的热惯性作为短期灵活性来源(Wang et al., 2024, Zhang et al., 2024)。Wang等人(Wang et al., 2019)开发了一种协调控制策略,在电气负荷快速变化时暂时借用抽汽出力,利用了热用户对热响应的感知远慢于电气动态这一事实。通过将热源调节与常规锅炉-汽轮机协调控制相结合,他们在330 MW CHP机组上的现场测试表明,在短期对热用户影响有限的情况下,允许电气爬坡速率大幅提高。从定性利用到定量表征,Deng等人(Deng et al., 2021)进一步评估了DHN中动态可用储能,包括最大储存容量、可用持续时间、已利用能量和剩余可用能量。基于此量化,开发了使用相对增益阵列分析的抽汽控制方案以支持自动发电控制。最近,Yang等人(Yang et al., 2023)在双时间尺度MPC框架内制定了灵活性问题,其中慢速MPC维持最终用户温度在规定的舒适区内,而快速MPC通过抽汽变量协调CHP运行。他们的结果表明,DHN和建筑物的热惯性可以被系统地加以利用以提高CHP灵活性,同时保持供热质量。
尽管取得了这些进展,但在将热灵活性的定量表征与快速厂级预测控制联系起来方面仍有待改进。现有研究已经证明了利用供热侧热惯性的可行性,量化了区域供热网络动态可用的储存容量,并将热灵活性纳入协调或多时间尺度控制框架。然而,这些方法通常依赖于专用供热网络模型、独立的监督协调或预定义控制结构来管理可用灵活性。对于经历快速电气负荷瞬变的超临界CHP机组,一种紧凑的控制导向机制是理想的,它能够将当前可用的供热灵活性直接转化为机组级预测控制器的时变约束。这样的公式化将使供热轨迹能够根据供热过程当前可用的瞬时灵活性进行在线优化,同时保持锅炉-汽轮机系统的协调调节。
为解决这一问题,本研究提出了一种自适应灵活裕度非线性MPC-PI(AFM-NMPC-PI)策略用于厂级热电协调。所提出的方法不引入热惯性本身作为新的灵活性资源,而是专注于将可用的供热侧灵活性转化为紧凑的、时变的运行裕度,并将其直接嵌入监督级NMPC公式中。核心贡献如下:
- 从瞬时功率平衡关系出发,开发了一种基于能量守恒的自适应灵活裕度,用于量化CHP机组水平上当前运行工况允许的短期供热偏差;
- 计算得到的灵活裕度被直接嵌入NMPC约束中,使监督控制器能够在线优化供热轨迹,而不是将供热需求视为刚性跟踪目标;
- 一种分层NMPC-PI架构协调锅炉-汽轮机变量与灵活的供热回路参考值,允许瞬态供热灵活性辅助电气负荷调节,同时保持局部供热回路调节。
通过在不同场景下(包括阶跃响应、大范围负荷跟踪和扰动抑制)与常规PID和标准NMPC-PI控制器进行对比仿真,评估了所提出的AFM-NMPC-PI策略的有效性。此外,分析了瞬态功率分配特性,以提供物理见解,说明所提出的控制器如何在负荷瞬变期间重新分配电力生产、供热和内部热储存之间的能量。
2. 系统描述与动态建模
本节概述了350 MW超临界CHP参考机组的物理配置,并建立了用于控制设计的数学模型。首先描述技术工艺和汽水流程,然后基于质量和能量守恒原理推导控制导向的非线性状态空间模型。
2.1 工艺描述
所研究的系统是一台350 MW超临界燃煤CHP机组,包括一次通过锅炉、三缸汽轮机和回热系统,如图1所示。供热方面,从中压(IP)缸抽出的蒸汽通过减温器和减压器进入工业供热母管,从而在电力生产和供热之间产生了强耦合。
(图1. CHP机组结构图。)
2.2 控制导向机制建模
为便于MPC设计,基于集总参数法(Hou et al., 2019)推导了控制导向的非线性模型。该模型捕获了燃料-蒸汽-电力过程的主要动态,同时忽略了对控制时间尺度无关紧要的高频传热效应(Fan et al., 2017)。
2.2.1 磨煤系统
磨煤系统动态特征描述了命令给煤量(uB)与实际进入炉膛的给煤量之间的延迟,建模为具有时延的一阶惯性环节,如式(1)所述(Sun et al., 2016):
(1) drB/dt = -(1/c1)·[rB - uB(t-τ1)]
其中c1为磨煤系统惯性时间常数。
2.2.2 锅炉系统
对于锅炉系统,能量状态由集总中间点压力(pM)和温度(TM)表示(Fan et al., 2017)。基于质量和能量守恒,其动态由式(2)和(3)控制:
(2) dpM/dt = 0.001/c2·[(h_fw - d1)·D_fw + (d1 - h_T)·D_T + Q_fuel]
(3) dTM/dt = 0.001/c3·[(h_fw - d2)·D_fw + (d2 - h_T)·D_T + Q_fuel]
其中c2和c3为锅炉系统惯性时间常数。0.001为缩放因子。D_fw和D_T分别为给水流量和主蒸汽流量。h_fw和h_T分别为给水和主蒸汽的比焓。d1、d2为通过数据辨识的模型参数。Q_fuel表示工质从锅炉管内壁吸收的热量,可通过方程Q_fuel = k1·rB计算。k1代表煤加热系数。
2.2.3 汽轮机和供热系统
汽轮机和供热系统动态捕获了电力生产(Ne)与供热抽汽之间的耦合关系。这一关系体现在由式(4)-(6)描述的发电动态中:
(4) dNe/dt = (1/c4)·(α·k2·pT·uT - k3·pH·uH - Ne)
(5) dpH/dt = (1/c5)·[(1-α)·k2·pT·uT - k3·pH·uH - 0.001·D_H·cp·(T_out - T_in)]
(6) dD_H/dt = (1/c6)·(k4·uH·p_H2 - k5·pH - D_H)
其中c4为汽轮机系统惯性时间常数。c5和c6为热储存系数。α表示高压和中压汽轮机缸之间的做功比。uT为汽轮机调节阀开度,uH为供热抽汽阀开度。k2、k3、k4、k5为模型增益。pH为供热抽汽压力。D_H为供热介质流量。T_in和T_out分别为工质的入口温度和出口温度。
整合各子系统得到一个六阶非线性状态空间模型。状态向量X、输入向量U和输出向量Y由式(7)-(9)定义:
(7) X = [rB, pM, TM, Ne, pH, D_H]?
(8) U = [uB, D_fw, uT, uH]?
(9) Y = [Ne, pT, TM, D_H]?
相应地,控制系统动态的最终微分方程如式(10)所示,中间热力学函数由式(11)给出:
(10) ?1 = -(1/c1)·[x1 - u1(t-τ1)]
?2 = (0.001/c2)·[(f1 - d1)·u2 + (d1 - f2)·u3·f3 + k1·x1]
?3 = (0.001/c3)·[(f1 - d2)·u2 + (d2 - f2)·u3·f3 + k1·x1]
?4 = (1/c4)·(α·k2·u3·g(x2) - k3·x5·u4 - x4)
?5 = (1/c5)·[(1-α)·k2·u3·g(x2) - k3·x5·u4 - 0.001·cp·x6·f4]
?6 = (1/c6)·(k4·u4·x52 - k5·x5 - x6)
(11) f1 = f(p_fw, T_fw)
f2 = f(p_T, T_T)
f3 = [0.1199·pT·(40.5322·pT + 0.0199·hT + 0.1103·pT·hT)] / 0.1422
f4 = 0.7675·pH·uH + 38.9997
g(x2) = 0.919·x2 + 0.1043
模型的关键参数通过遗传算法对照运行数据进行辨识,汇总于表1。详细验证过程见我们之前的工作(Guo et al., 2026)。
表1. 机制模型中的关键优化参数。
| 参数 | c1 | c2 | c3 | c4 | c5 | c6 | d1 | d2 |
|------|-----|------|------|------|------|------|------|------|
| 值 | 2.9 | 10,606.18 | 2,838,051.72 | 28.58 | 21,017.21 | 0.18 | 3.98 | 1.34 |
| 参数 | k1 | k2 | k3 | k5 | k6 | τ | α |
|------|----------|------|------|------|------|------|------|
| 值 | 13,039.73 | 0.78 | 1.02 | 0.98 | 180.13 | 20 | 0.25 |
2.3 动态功率平衡模型
为表征CHP机组内部的瞬态能量重新分配并支持灵活裕度设计,将第一定律能量平衡以瞬时功率形式表述。相应地,燃料功率输入P_fuel由电力功率输出P_elec、供热功率P_heat、内部储存热能的速率P_stored和热损失P_loss平衡。整体平衡由式(12)表达:
(12) P_fuel(t) = P_elec(t) + P_heat(t) + P_stored(t) + P_loss(t)
总能量输入P_fuel由燃料动态和燃料的低位发热值(LHV)决定,使用式(13)计算:
(13) P_fuel = LHV·r_B
在本研究中,功率平衡在CHP机组边界处建立。因此,P_heat表示由CHP机组携带到供热子系统的抽汽热功率。下游传热过程和回水动态未显式建模,因为本研究的重点是CHP机组的热电协调。
有用的能量输出是净电功率(Pelec),其直接由状态变量 x4(t) 表示,以及供给区域供热网络的热量(Pheat),如公式 (14) 所定义:
(14) ??heat(??) = (??H(??) · ?H(??)) / 3600
最后,Pstored 量化了锅炉热质量内部能量积累的速率。它与中间点温度(x3)的时间导数成正比,在负载瞬态期间充当动态能量缓冲器。这种关系由公式 (15) 描述:
(15) ??stored(??) = (??3 · ˙??3(??)) / 1000
其中 ˙??3(??) 是中间点温度的时间导数。这种能量平衡公式明确指出了控制输入(Pfuel, Pheat)与内部缓冲器(Pstored)之间的关系。
3. 控制方法设计
本节详细介绍了所提出的热电解耦控制策略的综合设计。首先介绍整体分层框架,以概述协调机制。随后,展示监督层 AFM-NMPC 的数学公式化,包括自适应裕度计算和优化问题,接着设计调节层切换协调策略。
3.1. 所提框架概述
图 2 展示了综合研究框架。基于先前建立的第一性原理动态和功率平衡模型,本研究进展到控制方法的设计。这一核心部分制定了一种热电解耦策略,该策略集成了监督层 AFM-NMPC 与调节层 PI。该框架以验证阶段结束,在此阶段,所提出的方法在各种模拟场景下与基准控制器进行严格的性能评估。
下载:下载高分辨率图像 (2MB)
下载:下载全尺寸图像
图 2. 所提出的研究框架。
3.2. 双层控制架构
如图 3 的原理图所示,所提出的架构依赖于监督层 AFM-NMPC 通过严格的过程来确定最佳运行策略。在每个控制间隔,集成干扰估计器处理实时测量值以更新增广状态向量,确保预测模型准确考虑未测量的干扰和模型 - 被控对象失配。同时,动态裕度计算器根据当前电功率输出确定供热偏差的瞬时允许范围(?DH,margin),从而明确定义热环的可行解空间。在这些动态定义的边界内,轨迹优化器利用内部预测模型预测系统未来的演化,并解决在线约束优化问题以最小化跟踪误差。该过程产生主执行器的最佳控制动作,以及至关重要的是,灵活的供热设定点轨迹(DH,sp)。调节层实施切换协调策略。当电负载参考值的变化率(|ΔNeref|)超过阈值 γ 时,切换逻辑块触发模式更改。选定的设定点通过无扰切换滤波器处理,并由 PI 控制器跟踪,该控制器操纵加热阀以优先在瞬态期间进行功率响应。
下载:下载高分辨率图像 (387KB)
下载:下载全尺寸图像
图 3. 双层控制架构。
3.3. AFM-NMPC 设计
3.3.1. 动态灵活运行裕度
该策略利用热电联产供热侧的短期热缓冲能力,为临时的热电解耦创建运行裕度。策略首先量化所需的电功率缓冲容量,以在给定时间内提供特定的电负载,由公式 (16) 计算:
(16) ??buffer = ˙??ramp · ??buffer
其中 Pbuffer 是电功率缓冲容量,˙??ramp 是目标爬坡率,Tbuffer 是缓冲时间。
基于能量守恒原理,这一功率需求被映射为等效的热灵活性裕度 ΔDH,margin,如公式 (17) 所示:
(17) Δ??H,margin = (??buffer · 3600) / ?H
此外,为了反映工厂在不同负载水平下的不同能力,自适应 η 根据实时功率输出 Ne(t) 缩放裕度,如公式 (18) 所定义:
(18) ˙??ramp(??) = (?? · ????(??)) / 60
其中 η 是灵活性系数,单位为 %/min。这确保了灵活性裕度代表了在任何工作点物理上可实现的能量再分配。
为确保自适应裕度不超过允许的供热服务偏差,有效热流灵活性定义为动态可用的工厂侧裕度和规定的供热服务偏差限制的最小值:
(19) Δ??H,allow(??) = min[Δ??H,margin(??), Δ??H,user]
其中 Δ??H,user 表示与供热服务要求相关的源侧蒸汽流量的允许短期偏差。此外,Tbuffer 指定了可以维持此临时偏差的特征持续时间,并随后用于定义可允许的累积热能偏差。
可用的热灵活性由自适应缓冲功率 Pbuffer(t) 量化,它代表了可用于调整供热轨迹的瞬时热调节能力。基于此可用功率边界,定义了一个等效的工程热灵活容量为:
(20) ??buffer,max(??) = (??buffer(??) · ??buffer) / 3600
其中 ??buffer,max 表示在特征缓冲时间内可以临时维持的最大等效累积热能偏差。
相应地,预测时域内的累积供热能量亏缺定义为:
(21) ??H,def(??, ??) = (??s / 3600) · Σ [从 j=0 到 i] max[0, (??H,ref(??+??) ? ??H(??+??|??) · ?H(??+??|??)) / 3600]
其中 ??H,def(??, ??) 表示从当前采样时刻 k 到第 i 个预测步骤的累积供热能量亏缺。它代表了在临时利用热灵活性期间,由于供热流量低于其名义参考值而造成的累积热能短缺。
3.3.2. NMPC 公式化与优化
监督层 NMPC 在每个采样时刻 k 解决一个有限时域最优控制问题。为了消除由模型 - 被控对象失配和未测量干扰引起的稳态偏移,集成了标准的输出干扰模型。此增广显式地考虑了不确定性来源。工厂状态向量 x 与估计的输出干扰 d 进行增广,形成增广状态 ??aug = [??T, ??T]T。
尽管工厂输出向量包含四个变量,但监督 NMPC 仅直接调节三个协调控制输出 Ne、PT 和 TM。供热流量输出 DH 由低层 PI 控制器调节。最优控制问题被公式化为最小化以下目标函数 J,受系统动态和操作约束:
(22) ?? = Σ [从 i=1 到 NP] ||??(??+??|??) ? ????(??+??)||2Q + Σ [从 j=1 到 NC] ||Δ??(??+???1)||2R
优化受系统动态和操作约束,公式化为:
(23) ˙??aug(??+??+1|??) = ??aug(???aug(??+??|??), ??(??+??|??))
(24) ??min ≤ ??(??+??) ≤ ??max, ??=0,...,?????1
(25) Δ??min ≤ Δ??(??+??) ≤ Δ??max, ??=0,...,?????1
(26) ??H,ref(??+??) ? Δ??H,allow(??) ≤ ??6(??+??|??) ≤ ??H,ref(??+??) + Δ??H,allow(??)
(27) ??H,def(??, ??) ≤ ??buffer,max(??), ??=0,...,????
(28) ??H,min ≤ ??H(??+??) ≤ ??H,max, ??=0,...,?????1
目标函数 (22) 旨在平衡热电联产机组热电解耦中的两个相互竞争的目标。第一项使用对角权重矩阵 Q 惩罚受控输出 y 与其各自设定点的偏差。具体而言,Q 中的第一个元素被设置为最大的权重,以强烈优先考虑对 Ne 的快速准确跟踪以满足电网需求。第二项使用对角矩阵 R 惩罚大的控制输入增量 ?u。权重是根据物理目标和变量标度选择的,然后通过广泛的闭环仿真和试错进行微调,以优化激进功率跟踪和保守供热管理之间的权衡。具体数值见表 2。
表 2. 主要控制器和仿真参数。
| 参数 | 符号 | 数值 | 单位 |
| :--- | :--- | :--- | :--- |
| **AFM-NMPC 控制器** | | | |
| 采样时间 | Ts | 1 | s |
| 预测时域 | NP | 30 | steps |
| 控制时域 | NC | 5 | steps |
| 输出权重 (Ne) | Q1,1 | 3 | - |
| 输出权重 (pT) | Q2,2 | 2 | - |
| 输出权重 (TM) | Q3,3 | 2 | - |
| 操纵变量速率权重 (uB) | R1,1 | 5 | - |
| 操纵变量速率权重 (Dfw) | R2,2 | 3 | - |
| 操纵变量速率权重 (uT) | R3,3 | 3 | - |
| **PI 控制器** | | | |
| 比例增益 | Kp | 0.049 | - |
| 积分增益 | Ki | 0.005 | - |
| **切换策略** | | | |
| 切换阈值 | γ | 0.1 | MW/s |
| 平滑因子 | β | 0.05 | - |
| **灵活性参数** | | | |
| 灵活性系数 | η | 4 | %/min |
| 缓冲时间 | Tbuffer | 100 | s |
公式 (23)–(25) 分别代表标准的增广状态预测、执行器幅度限制和变化率约束。公式 (26) 施加了由第 3.3.1 节定义的有效灵活裕度确定的允许供热流量偏差,确保优化后的供热轨迹既保持在动态可用的工厂侧灵活性内,又保持在规定的供热服务限制内。为了防止热缓冲的持续耗尽,公式 (27) 进一步要求预测时域内的累积供热能量亏缺 ??H,def 不超过等效缓冲容量 ??buffer,max。此外,公式 (28) 强制执行抽汽压力约束,以将供热侧操作保持在允许的操作区域内。控制问题在每个时间步 k 求解,并且最优序列 ?U?(k) 的第一个元素按照标准的滚动时域原则应用于工厂。
3.4. 带切换策略的调节 PI 层
调节层负责快速精确地执行监督层对热环的命令。它由一个标准的 PI 控制器组成,根据跟踪误差 e(k) 操纵加热阀开度 uH(k),由公式 (29) 计算:
(29) ??H(??) = ??H(???1) + ???? · (??(??) ? ??(???1)) + ???? · ???? · ??(??)
其中 e(k) 是跟踪误差,Kp 和 Ki 是比例和积分增益,Ts 是采样时间。
为了平衡稳态稳定性和瞬态灵活性,采用了一种状态依赖的切换策略,创建了两个不同的操作模式:
• 名义跟踪模式:在稳态或缓慢负载变化期间激活。PI 控制器严格跟踪基准热负载参考 DH,ref(k),遵循计划以防止不必要的波动。
• 瞬态解耦模式:当电负载爬坡率超过阈值时触发。目标切换到 NMPC 优化的设定点 DH,sp(k),允许控制器积极利用热缓冲进行快速功率响应。
确定中间目标 DH,target(k) 的切换律由公式 (30) 决定:
(30) ??H,target(??) = { ??H,????(??) 如果 |????ref(??) ? ????ref(???1)| / ???? > ?? ; ??H,??????(??) 如果 |????ref(??) ? ????ref(???1)| / ???? ≤ ?? }
其中 γ 是预定义的阈值,用于定义显著的负载变化事件。
为了确保模式之间的无扰切换并防止执行器突然移动,对目标设定点应用了一阶平滑滤波器。最终的平滑设定点 DH,final_sp(k) 使用公式 (31) 计算:
(31) ??H,fin????_????(??) = (1 ? ??) · ??H,final_sp(???1) + ?? · ??H,t??????????(??)
其中 β 是平滑滤波器系数。这种切换协调策略赋予了控制器智能和自适应的行为,使其能够在必要时充分利用被控对象的灵活性,同时确保稳态条件下的稳定和可预测运行。
3.5. 灵活性利用评价指标
除了传统的控制性能指标,如跟踪误差和煤耗外,还引入了额外的指标,以定量评估所提出的 AFM-NMPC-PI 策略如何利用可用的热灵活性。
(1) 自适应灵活裕度利用率
自适应灵活裕度的瞬时利用水平定义为:
(32) ??AFM(??) = |??H,target(??) ? ??H,ref(??)| / Δ??H,margin(??) × 100%
其中 ??H,target 代表监督 NMPC 生成的供热设定点,Δ??H,margin 表示由 AFM 机制计算的可用灵活运行裕度。较大的 ??AFM 表明对可用热灵活性的利用更强。
(2) 等效热灵活性能量
为了评估累积利用和恢复过程,定义等效热功率偏差 Δ??H 为:
(33) Δ??H(??) = (Δ??H(??) · ?H) / 3600
其中 hH 是抽汽焓。
为了表征热灵活性的累积利用及其随后的恢复,通过对等效热功率偏差进行积分获得有符号的累积灵活性能量。同时,分别评估累积的灵活性释放和恢复能量如下:
(34) ??flex(??) = (1 / 3600) ∫ [从 0 到 t] Δ??H(??) ????
(35) ??release(??) = (1 / 3600) ∫ [从 0 到 t] max[Δ??H(??)] ????
(36) ??recovery(??) = (1 / 3600) ∫ [从 0 到 t] max[?Δ??H(??)] ????
这里,正的 ??flex 表示供热侧热灵活性的净释放,以支持电力调节,而负值表示相反方向的净恢复或热补偿。??release 和 ??recovery 分别量化了这两个过程的累积幅度。
(3) 等效灵活容量和剩余容量比
为了评估剩余的灵活性可用性,定义剩余容量比 ??buffer 为:
(37) ??buffer(??) = (1 ? |??flex(??)| / ??buffer,max(??)) × 100%
该指标评估热灵活性资源在调节期间是否被过度消耗。
3.6. 实施细节
所提出的 AFM-NMPC 策略和比较仿真是在 MATLAB R2022b 环境中实现的,工作站配备 AMD Ryzen 7 9700 × 8-Core CPU 和 32 GB 内存。非线性最优控制问题使用 nlmpc 函数在每个时间步求解,该函数配置为使用序列二次规划 (SQP) 算法。实现实时计算效率的一个关键增强是使用状态和输出函数的解析雅可比矩阵。与数值微分方法相比,这种方法显著减少了每个采样时刻的计算负担,导致更快更可靠的求解器收敛。需要注意的是,监督 AFM-NMPC 和低层 PI 控制器调节不同的变量。监督 NMPC 通过操纵变量 uB、Dfw 和 uT 直接调节协调控制输出 Ne、PT 和 TM。供热流量输出 DH 由低层 PI 控制器调节。具体而言,监督层提供优化的供热流量设定点 DH,sp,该设定点由切换逻辑和无扰切换滤波器处理以获得最终的 PI 参考 DH, final_sp。PI 控制器随后确定实际的加热阀开度 uH。应用的 uH 反馈到监督层用于状态更新和预测初始化,从而保持工厂输入与上层预测模型之间的一致性。通过模型分析和调优的组合确定的控制器和仿真设置的关键参数汇总在表 2 中。闭环实施逻辑在算法 1 的伪代码中简明概述。
算法 1.
所提出的AFM-NMPC-PI策略的闭环运行流程。
初始化:加载被控对象模型、控制器参数及参考轨迹r(k);初始化被控对象状态x(0),增广状态 $\hat{x}_{\text{aug}}(0) \leftarrow [x^T(0),\ \mathbf{0}_{1\times n_y}]^T$;初始化PI控制器状态及前一设定值 $D_{\text{H,sp}}$。
for k = 0 do
**? 测量与状态估计**
• 从被控对象模型中获取测量输出y(k)。
• 估计扰动 $d(k) \leftarrow y(k) - f(\hat{x}(k))$。
• 更新增广状态 $\hat{x}_{\text{aug}}(k) \leftarrow [\hat{x}^T(k),\ d^T(k)]^T$。
**? 监督层AFM-NMPC**
• 利用公式(17),根据 $N_e(k)$ 计算自适应柔性裕度宽度 $\Delta D_{\text{H,margin}}(k)$。
• 为NMPC求解器中的状态x6设置时变约束。
调用NMPC求解器:
• $[U^*, X^*] \leftarrow \text{nmpc}(\hat{x}_{\text{aug}}(k),\ u_{\text{mv}}(k-1),\ r(k),\ \ldots)$
• 提取当前步的最优操纵变量 $u^*(k) \leftarrow U^*(1)$。
• 提取NMPC建议的DH设定值 $D_{\text{H,sp}}(k)$。
**? 调节层PI**
• 根据切换逻辑确定PI目标值 $D_{\text{H,target}}(k)$:
if |$\Delta N_{\text{ere}}(k)$|/Ts > γ then
$\quad D_{\text{H,target}}(k) \leftarrow D_{\text{H,sp}}(k)$。
else
$\quad D_{\text{H,target}}(k) \leftarrow D_{\text{H,ref}}(k)$。
end if
• 利用公式(27)施加无扰切换滤波器。
调用PI控制器:
• $u_H(k) \leftarrow \text{PI\_controller}(D_{\text{H,final\_sp}}(k),\ x_6(k))$。
**? 被控对象更新**
• 将被控量作用于被控对象。
• 仿真被控对象以获得下一状态x(k+1)。
end for
**4. 结果与讨论**
为了全面评估所提出的AFM-NMPC-PI策略的有效性和鲁棒性,在350 MW热电联产机组上开展了广泛的仿真研究。在以下三种不同的运行场景下,将控制性能与传统PI和标准NMPC-PI基准进行比较:阶跃响应分析用于评估跟踪能力,宽范围变负荷测试用于评估灵活性,以及扰动抑制测试用于评估鲁棒性。
**4.1. 案例1:阶跃响应**
第一个案例研究评估了各控制器对一系列设定值阶跃变化的动态响应。其目标是评估每种控制策略的基本跟踪性能和稳定性。如图4所示,所提出的AFM-NMPC-PI控制器在跟踪电负荷参考值方面表现出卓越的能力,具有更快的稳态时间和显著减少的超调量。
图4. 阶跃场景下各控制器的比较。(实线:AFM-NMPC-PI;虚线:NMPC-PI;点线:PI)
为了量化这些效果,采用了积分绝对误差(IAE)指标,该指标综合考虑了误差的幅值和持续时间(Sun等,2016),定义如式(38)所示:
(38) $IAE_i = \sum_{k=1}^{N} |r_i(k) - y_i(k)| \cdot T_s, \quad i = 1, 2, 3, 4$
此外,还采用了平均相对误差(MRE)来反映控制偏差的平均程度(Guo等,2025),表达如式(39)所示:
(39) $MRE_i = \frac{1}{N} \sum_{k=1}^{N} \left| \frac{r_i(k) - y_i(k)}{r_i(k)} \right|, \quad i = 1, 2, 3, 4$
表3中的定量性能指标证实了上述观察结果。在电负荷的IAE方面,所提出的策略相比传统PI控制器改善了23.0%,相比标准NMPC-PI控制器改善了15.7%。这种性能提升也体现在关键蒸汽参数的调节上;与传统PI方法相比,所提出的AFM-NMPC-PI将主蒸汽压力(pT)的IAE改善了87.9%,中压温度(TM)的IAE改善了88.9%。从机理上看,这种优势归因于对系统惯性和储能协同管理。NMPC的预测能力主动调整燃料供给以补偿制粉系统的大幅延迟。此外,自适应柔性裕度有效地将供热网络作为虚拟能量缓冲器,在负荷阶跃期间临时将蒸汽流量导向汽轮机,以支持快速功率响应,同时保持压力稳定。
表3. 阶跃场景下各控制器的控制指标。
| 控制器 | 指标 | IAE1 | IAE2 | IAE3 | IAE4 | MRE1 | MRE2 | MRE3 | MRE4 |
|--------|------|------|------|------|------|------|------|------|------|
| PI | | 1744.6 | 163.1 | 672.6 | 827.7 | 0.61 | 0.70 | 0.17 | 0.91 |
| NMPC-PI | | 1593.0 | 38.4 | 145.1 | 1263.1 | 0.56 | 0.16 | 0.04 | 1.40 |
| AFM-NMPC-PI | | 1343.4 | 19.7 | 74.8 | 466.6 | 0.47 | 0.08 | 0.02 | 0.49 |
**4.2. 案例2:宽范围负荷跟踪**
宽范围负荷跟踪场景旨在评估不同控制器在大范围和快速负荷变化下的控制能力,这是热电联产机组灵活运行的关键要求。参考轨迹包含多个覆盖广泛运行范围的负荷斜坡。如图5所示,所提出的AFM-NMPC-PI策略在保持可接受的供热侧行为的同时,实现了电功率的精确跟踪。相比之下,传统PI和标准NMPC-PI控制器在剧烈瞬态过程中表现出较大的偏差,特别是在功率需求快速变化时。
图5. 宽范围负荷变化场景下各控制器的比较。(实线:AFM-NMPC-PI;虚线:NMPC-PI;点线:PI)
表4中的定量比较进一步证实了所提策略的有效性。在电负荷跟踪方面,AFM-NMPC-PI控制器相比PI和NMPC-PI控制器分别将IAE降低了73.4%和70.0%。主蒸汽压力和中压温度的改善也类似,体现了锅炉、汽轮机和供热子系统之间协调能力的增强。这种改善源于热灵活性的自适应利用。与传统控制器将供热需求视为刚性的跟踪目标不同,所提出的AFM机制为监督层NMPC提供了可动态调节的热柔性裕度。在快速功率斜坡期间,控制器在允许的柔性范围内临时调整供热轨迹,从而减少了热输出和电输出之间的耦合约束。这种协调操作使控制器能够实现更快的功率调节,同时避免过度违反供热需求。
表4. 宽范围负荷变化场景下各控制器的控制指标。
| 控制器 | 指标 | IAE1 | IAE2 | IAE3 | IAE4 | MRE1 | MRE2 | MRE3 | MRE4 |
|--------|------|------|------|------|------|------|------|------|------|
| PI | | 4358.9 | 977.3 | 3965.4 | 594.7 | 0.48 | 1.07 | 0.25 | 0.13 |
| NMPC-PI | | 3861.3 | 511.6 | 2046.2 | 679.7 | 0.40 | 0.56 | 0.13 | 0.16 |
| AFM-NMPC-PI | | 1158.2 | 265.7 | 1053.0 | 1124.0 | 0.12 | 0.29 | 0.07 | 0.26 |
除跟踪性能外,还进一步评估了热电煤耗率,以研究大负荷变化期间的能效。如图6所示,与传统PI和NMPC-PI控制器相比,所提出的AFM-NMPC-PI控制器保持了更平滑的煤耗轨迹,瞬态波动更小。这一改善源于热灵活性的协调利用,减少了快速功率调节期间对激进燃料调整的需求。通过临时利用热电联产机组的热缓冲能力,所提出的控制器在实现功率响应的同时,避免了燃料输入过度变化。
图6. 宽范围负荷变化场景下各控制器的热电煤耗率比较。(实线:AFM-NMPC-PI;虚线:NMPC-PI;点线:PI)
**4.3. 案例3:扰动抑制**
为了评估控制器的鲁棒性,本案例研究引入了一系列具有挑战性的测试条件,如图7所示。这些条件包括施加于关键工艺输入的阶跃扰动,以模拟外部运行干扰。此外,为了表征不可避免的非匹配问题,在仿真过程中对关键模型系数施加了时变变化。
图7. 输入和模型系数的扰动序列。
控制器对这些复合扰动的响应如图8所示。如图所示,AFM-NMPC-PI控制器表现出最有效的扰动抑制能力。在引入扰动后,所提出的控制器以最小的偏差和最快的恢复时间将系统恢复到设定值,展示了卓越的系统稳定性。
图8. 扰动场景下各控制器的比较。(实线:AFM-NMPC-PI;虚线:NMPC-PI;点线:PI)
表5中的性能指标为这种鲁棒性提供了定量验证。在煤量扰动后,所提出的AFM-NMPC-PI策略在功率负荷的IAE方面相比传统PI控制器表现出显著改善,相比标准NMPC-PI控制器改善了52.9%。这种出色的扰动抑制能力也延伸到主蒸汽压力方面,其IAE相比传统PI方法改善了81.7%。这种增强的鲁棒性主要归因于NMPC框架内集成的扰动估计器,使控制器能够快速识别并主动补偿不可测量扰动的影响,从而在过程不确定性下保持稳定精确的运行。
表5. 扰动场景下各控制器的性能指标。
| 扰动 | 策略 | 控制指标 | IAE1 | IAE2 | IAE3 | IAE4 | MRE1 | MRE2 | MRE3 | MRE4 |
|------|------|----------|------|------|------|------|------|------|------|------|
| 煤量扰动(1000s) | PI | | 29.5 | 33.9 | 143.9 | 4.0 | 0.008 | 0.098 | 0.024 | 0.002 |
| | NMPC-PI | | 5.1 | 8.3 | 34.2 | 1.3 | 0.001 | 0.024 | 0.006 | 0.001 |
| | AFM-NMPC-PI | | 2.4 | 6.2 | 25.4 | 0.7 | 0.001 | 0.018 | 0.004 | 0.001 |
| 给水流量扰动(3000s) | PI | | 5.0 | 5.8 | 25.6 | 0.7 | 0.002 | 0.025 | 0.007 | 0.001 |
| | NMPC-PI | | 1.0 | 1.7 | 6.6 | 0.3 | 0.001 | 0.007 | 0.002 | 0.001 |
| | AFM-NMPC-PI | | 0.5 | 1.4 | 5.0 | 0.1 | 0.001 | 0.006 | 0.001 | 0.001 |
| 供热阀开度扰动(5000s) | PI | | 20.5 | 10.6 | 43.5 | 249.2 | 0.008 | 0.046 | 0.011 | 0.229 |
| | NMPC-PI | | 8.2 | 2.4 | 9.5 | 237.7 | 0.003 | 0.010 | 0.002 | 0.218 |
| | AFM-NMPC-PI | | 7.0 | 2.1 | 7.3 | 235.2 | 0.003 | 0.009 | 0.002 | 0.215 |
**4.4. 能量平衡与动态热灵活性分析**
为进一步揭示性能改善背后的物理机理,本节研究案例2中内部的功率重新分配和热灵活性的动态利用。分析分为两个方面:(1) 电输出、供热、储存热能和损耗之间的瞬时功率分布;(2) 热柔性裕度的动态利用水平和剩余可用量。
**4.4.1. 动态能量分布**
不同能量流之间的瞬时功率分布如图9所示。传统PI控制器表现出被动的调节行为,燃料功率调整无法立即跟随电负荷变化。因此,在燃料输入、电输出和内部储存能量之间出现了较大的瞬态不匹配。标准NMPC-PI控制器通过基于模型的优化改善了预测能力。然而,由于供热轨迹仍被视为相对刚性的要求,可用的热柔性未被充分利用。
图9. 案例2中各控制器的动态能量分布。
相比之下,所提出的AFM-NMPC-PI控制器主动协调电和热能量流。在快速功率上升期间,控制器在允许的柔性裕度内临时降低供热抽取轨迹,释放部分热能缓冲以支持发电。同时,热电联产系统的热惯性提供了额外的瞬态能量补偿。这种协调的能量重新分配解释了所提出的控制器为何能在无需额外硬件储能的情况下实现卓越的负荷跟踪性能。
**4.4.2. 热灵活性的动态利用**
虽然图9展示了不同能量流之间的内部功率重新分配,但所提出的AFM-NMPC-PI策略利用热灵活性的机理需要进一步分析。因此,基于3.5节中引入的柔性评估指标,研究了自适应热柔性裕度的动态变化和利用情况。
如图10(a)所示,可用的热柔性功率 $P_{\text{buffer}}$ 随运行条件变化,表明热电联产机组提供的柔性动态依赖于当前的热电运行状态。这一自适应特性使控制器能够在不同负荷条件下获得不同的调节能力,而非依赖固定的柔性裕度。图10(b)展示了自适应柔性走廊和相应的供热流量轨迹。生成的供热设定值保持在允许的柔性区域内,而实际供热流量则跟随无扰切换后的滤波轨迹。在快速电负荷变化期间,监督层控制器在柔性走廊内临时调整供热侧轨迹,从而释放额外的调节能力用于功率跟踪。瞬态期过后,供热轨迹逐渐返回原始运行状态。
图10. 案例2中自适应热柔性裕度的动态利用。
自适应柔性裕度的利用情况通过 $\rho_{\text{AFM}}$ 进一步量化,如图10(c)所示。结果表明,柔性裕度主要在大负荷转换期间被激活,而在稳态运行期间利用率保持在较低水平。这表明所提出的策略不会不必要地改变供热侧运行,仅在需要额外功率调节能力时才利用热柔性。图10(d)进一步评估了热灵活性的累积利用量。等效柔性能量 $E_{\text{flex}}$ 保持在工程柔性边界 $E_{\text{buffer,max}}$ 内,而剩余容量比 $R_{\text{buffer}}$ 表明在整个研究场景中都保持了充足的柔性可用量。这些结果表明,热柔性是根据运行需求动态利用的。
为进一步揭示柔性利用的时间演化过程,图11分别分析了释放和恢复过程。如图11(a)所示,等效热功率偏差主要发生在快速负荷变化区间,对应于供热轨迹的临时调整。图11(b)展示了累积的柔性释放和恢复能量。在功率调节期间释放的热柔性在后续运行中逐渐得到补偿,最终形成较小的净柔性偏差。这种动态释放-恢复过程证实了热电联产系统的热惯性可以与电调节需求有效协调。
图11. 案例2中热灵活性释放与恢复核算。
**4.5. 适用性与局限性讨论**
**4.5.1. 模型适用性与可扩展性**
本研究采用的非线性模型是超临界热电联产机组的控制导向降阶模型。它保留了热电协调控制所需的主要锅炉-汽轮机-供热交互作用,同时简化了若干次级热力学过程以维持在线NMPC实现所需的计算效率。因此,该模型主要用于控制器设计和动态柔性分析,而非详细的组件级热力学仿真。特别是,下游供热网络和用户侧热动力学未被显式表示,与煤质变化、设备退化以及启停操作相关的变化不在本建模范围内。当机组运行超出模型开发所用运行区域时,这些简化可能影响预测精度。
尽管本研究在350 MW超临界热电联产机组上进行,但底层的控制导向建模框架并不固有地绑定于该特定容量等级。
先前的研究针对宽容量范围的燃煤锅炉-汽轮机组采用了类似的降阶物理建模原理。例如,基于质量和能量守恒的控制导向非线性模型已在300 MW燃煤机组(Sun et al., 2016)以及1000 MW超超临界直流机组(Liu et al., 2015)上得到了开发和验证。对于超临界直流热电联产(CHP)电厂,Deng等人(Deng et al., 2021)在直流锅炉-汽轮机模型的基础上扩展了供热抽汽动力学,构建了350 MW的CHP模型,保留了燃料供给、给水电、蒸汽压力和温度、汽轮机功率以及供热抽汽等主要动力学特征。这些研究表明,对于具有相似热力学配置的机组,主导性的锅炉-汽轮机动态结构可以被保留,但定量动态特性仍取决于具体机组。因此,将所提出的框架应用于不同容量的CHP机组需要进行针对机组的参数辨识和验证,而非直接复用本模型的参数。特别是,热容系数、压力-流量关系、制粉和蒸汽系统时间常数、汽轮机和抽汽系数以及其他非线性函数应根据目标机组的设计信息和运行数据重新辨识。运行约束条件,包括允许的蒸汽压力范围、供热流量范围和执行机构限制,也应相应调整。此外,由于可用的热缓冲能力和主导动态时间尺度随机组容量和配置而变化,AFM参数和NMPC整定参数也需要重新校准。因此,所提出的方法应被视为一种可迁移的建模与控制框架,而非一个通用参数化的电厂模型。
4.5.2 热灵活性与运行限制
CHP系统的热灵活性本质上是运行条件依赖的。先前的研究从控制和容量两个方面探讨了这种灵活性。Wang等人(Wang et al., 2019)利用区域供热网络的热惯性,通过临时调整抽汽供热出力来支持快速的电力负荷调节,证明了利用供热侧灵活性增强CHP负荷跟踪能力的可行性。Deng等人(Deng et al., 2021)随后通过评估最大容量、已利用能量、剩余能量和剩余可用时间,量化了区域供热网络中热能存储的动态可用性。这些研究表明,热灵活性是一种动态变化的运行资源,其可用性和利用方式取决于当前系统状态。
本研究从预测控制的角度延续了这一研究思路。所提出的AFM机制不再依赖预定义的供热调节策略或单独评估可用存储容量,而是将电厂侧短期热缓冲能力转化为时变的供热流量裕度,并将该裕度直接嵌入到上层NMPC优化中。如4.4.2节所示,在快速负荷变化期间仅激活部分可用裕度,随后在瞬态过后进入恢复过程。这种建模方式使可用的灵活性能够显式地参与实时多变量优化,同时保持相应的供热侧运行约束。
然而,定量的灵活性边界仍取决于特征缓冲时间、允许的供热流量偏差、抽汽约束以及当前的热-电运行状态。更大的裕度可以增强电力调节能力,但可能增加供热侧偏差;而保守的裕度则限制了可利用的灵活性。此外,当前评估主要关注短期电厂级调节,未显式考虑下游热网动态、用户侧热需求、季节性需求变化以及长期或反复灵活性激活的影响。在将所提出的框架扩展到更广泛的运行条件和实际CHP系统时,这些方面需要进一步研究。
5. 结论
为应对超临界CHP机组强烈的热-电耦合问题,本研究提出了一种AFM-NMPC-PI策略,利用供热侧的短期热缓冲能力实现灵活的电力调节。与将供热轨迹视为刚性跟踪要求不同,所提出的框架量化了动态可用的热灵活性,并将其转化为嵌入在上层NMPC中的时变运行裕度。结合低层PI调节和状态依赖的切换机制,控制器动态协调电力负荷跟踪和供热调整,实现有效的热-电解耦。主要发现如下:
• 在宽范围负荷跟踪中,所提出的策略与PI和NMPC-PI相比,分别将电力负荷跟踪的积分绝对误差(IAE)降低了73.4%和70.0%,有效解耦了热-电动态。
• 在阶跃响应测试中,所提出的策略与PI相比将电力负荷跟踪性能提高了23.0%,与标准NMPC-PI相比提高了15.7%,同时与PI控制器相比,主蒸汽压力和中间点温度的IAE分别降低了87.9%和88.9%。
• 所提出的方法表现出优越的鲁棒性和抗扰能力。在输入扰动和模型失配条件下,与标准NMPC-PI相比,电力负荷IAE降低了52.9%,验证了其在不确定条件下的可靠性。
总体而言,研究结果表明,所提出的AFM-NMPC-PI框架通过协调供热侧短期热灵活性与电力负荷调节,能够有效缓解热-电耦合。该策略为在所研究的运行范围内提升超临界CHP机组的运行灵活性提供了一种可迁移的控制导向框架。未来工作将聚焦于所提出AFM-NMPC策略的现场验证,以及自适应或在线参数更新以提升模型在更宽运行范围内的鲁棒性。灵活性评估也将扩展到长期和反复的负荷调节场景,以及显式包含区域供热网络动态和用户侧热动态的CHP系统,特别关注剩余容量管理和连续调节事件之间的灵活性恢复。
CRediT作者贡献声明
郭萌萌:写作—审阅与编辑,写作—初稿撰写,方法论,调查研究,资金支持,概念构思。
郝永生:写作—审阅与编辑,监督指导,方法论,概念构思。
Abdulelah S. Alshehri:写作—审阅与编辑,方法论,资金支持。
孙立:写作—审阅与编辑,资源提供,方法论,资金支持,概念构思。
郭萌萌 | 郝永生 | Abdulelah S. Alshehri | 孙立