多变量智能预测控制方法及其应用研究

论文摘要

电站的主要动态特性包括非线性、多变量耦合和不确定性,采用传统控制方法难以实施有效控制。本文针对联合循环燃气轮机的特点,采用小偏差线性化法建模燃气轮机不同工况的模型,将多变量广义预测控制策略应用于燃气轮机系统转速和功率的控制。研究了基于线性模型的监督预测控制算法,并将其推广到多变量系统,针对单元机组协调控制进行仿真。提出了基于模糊神经网络模型的非线性监督预测控制优化算法,同时通过引入Kuhn-Tucker条件可以处理受限问题。文中以燃气轮机为例,在不同工况下进行了仿真研究,与线性模型督预测控制效果进行比较,仿真结果表明了其良好的控制效果和跟踪能力。

论文目录

• 中文摘要
• 英文摘要
• 第一章 引言
• 1.1 模型预测控制的产生、特点和发展
• 1.1.1 模型预测控制的特点
• 1.1.2 模型预测控制的各种方法
• 1.2 非线性预测控制
• 1.2.1 基于机理模型的非线性预测控制（NLMPC）
• 1.2.2 基于实验模型的 NLMPC
• 1.2.3 基于智能模型的 NLMPC
• 1.3 分级递阶预测控制
• 1.4 模型预测控制在电力工业中的应用
• 1.5 本文选题的意义和研究的内容
• 第二章 多变量广义预测控制的研究
• 2.1 多变量广义预测控制算法
• 2.1.1 被控对象的受控自回归积分滑动平均模型（CARIMA）
• 2.1.2 多步输出预测与 Diophantine 方程的递推解
• 2.1.2.1 j 步导前输出预测
• 2.1.2.2 Diophantine 方程式的递推解
• 2.1.3 最优控制律的计算
• 2.2 基于有约束的多变量 GPC 算法
• 2.2.1 约束条件的设置
• 2.2.2 约束优化的多变量最优控制律
• 2.3 应用实例
• 2.3.1 燃气轮机的工作原理
• 2.3.2 基于小偏差线性化的燃气轮机建模
• 2.3.3 仿真分析
• 2.3.3.1 无约束条件
• 2.3.3.2 约束条件
• 2.4 本章小结
• 第三章 多变量监督预测控制
• 3.1 前言
• 3.2 多变量监督预测控制算法
• 3.2.1 模型和性能指标
• 3.2.2 控制算法的推导过程
• 3.2.3 优化算法
• 3.3 应用实例
• 3.4 本章小结
• 第四章 基于模糊神经网络模型的非线性监督预测控制策略
• 4.1 前言
• 4.2 多变量非线性监督预测控制算法
• 4.2.1 模糊神经网络模型
• 4.2.1.1 模型
• 4.2.1.2 模糊神经网络学习
• 4.2.2 调节层模型
• 4.2.3 性能指标及约束
• 4.2.3.1 性能指标
• 4.2.3.2 约束量
• 4.2.4 优化算法
• 4.3 应用实例
• 4.3.1 燃气轮机的模糊神经网络模型
• 4.3.2 仿真分析
• 4.3.2.1 经济性评估
• 4.3.2.2 无约束控制
• 4.3.2.3 约束控制
• 4.4 本章小结
• 第五章 结论与展望
• 参考文献
• 致谢
• 在学期间发表论文和参加科研情况