CN102177476B - 用于电厂设备中的设备控制的方法 - Google Patents

Abstract

本发明涉及一种用于电厂设备中的设备控制的方法，其中，对于多组输出值(15)分别一方面从一组环境值、另一方面从各组输出值(15)，产生与基于物理模型的目标函数(7)的函数值对应的各组，其中，选择其对应的函数值满足预先给出的优化标准的那组输出值(15)用于传输到电厂的控制装置(21)，其中，该方法在尽可能小的控制技术的开销的情况下关于给定的优化标准例如改善效率或降低排放实现电厂设备的改善的运行。输出值(15)的组的数量除了起始组和从该起始组和其对应的函数值出发借助梯度方法确定的组之外还包括借助随机发生器选择的组。

Description

用于电厂设备中的设备控制的方法

技术领域

本发明涉及一种用于电厂设备中的设备控制的方法，其中对于多组输出值(Stellwert)分别一方面从一组环境值、另一方面从各组输出值，产生与基于物理模型的目标函数的函数值对应的各组，其中，选择其对应的函数值满足预先给出的优化标准的那组输出值用于传输到电厂的控制装置。

背景技术

在电厂中，例如以化石燃料形式的非电能量被转换为电能并且提供电网。根据使用的用于产生电能的原料的类型，人们区分例如燃煤电厂、核电厂、燃气和蒸汽涡轮电厂等。

由于世界范围内对能量的需求增加和化石的原始能量载体减少，在此目前为产生电流而主要采用的原料的价格上升。此外存在越来越严重的关于粉尘、NO_x、SO₂和CO₂的环境问题，因此，人们致力于提高电厂的效率、即其有效度。

除了高成本地扩展和更新设备组件，还可以通过现代的过程控制技术在考虑当前的边界条件的情况下优化过程控制。在此，可能期望不同的优化标准，例如提高效率或避免有害物质排放。在此，目前可以借助计算机和相应的方法，根据对电厂过程数学建模的物理模型来作出传统上基于操作人员的经验的决定。

这样的方法通常包括目标函数，该目标函数基于相应的电厂设备的物理模型从一组过程值产生例如标量的或矢量的函数值。在此，过程值一方面包括通过外部影响确定的(环境值)，例如环境和冷却水温度，以及在进行着的运行中改变的那些值。即，环境值表示当前的边界条件，人们对其没有影响，但是其对过程具有影响。

另一方面，过程值还包括输出值，例如执行机构或阀的位置或输送的燃料的量，这些输出值在电厂的进行着的运行中能够由操作人员或自动控制装置影响，即，是在一定的边界中可自由选择的过程或状态参数。每一组输出值结合环境值产生目标函数的一个值，该值可以被用于分析各个组并且通常选择其对应的函数值满足预先给出的优化标准的那组输出值用于传输到电厂设备的控制装置。在标量函数值的情况下这例如可以是最大的或最小的函数值。

为了找到用于控制电厂设备的最优组输出值，通常应用梯度方法来寻找目标函数的最小值或最大值。为此公知有不同的方法，例如最陡下降方法、(准)牛顿方法、顺序平方编程或单形算法(Simplexalgorithmus)。在此，梯度方法通常是，从一个起始值出发寻找目标函数的局部最大值或最小值。

电厂设备的从中得到用于优化的目标函数的物理模型，通常不是线性的并且一般是非凸的。根据选择的起始值由此梯度方法可以找到可能的局部最大值或最小值，即，电厂设备的局部最优运行状态，然而在此不能确保，由此也能找到全局最优运行状态。

发明内容

因此，本发明要解决的技术问题是，提供一种用于电厂设备的设备控制的方法以及一种用于电厂设备的控制装置，其在尽可能小的控制技术的开销的情况下关于给定的优化标准例如改善效率或降低排放，实现电厂设备的改善的运行。

关于方法，按照本发明通过如下解决上述技术问题，输出值的组的数量除了起始组和从该起始组和其对应的函数值出发借助梯度方法确定的组之外还包括一个借助随机发生器选择的组。

在此，本发明从如下考虑出发，当在确定电厂设备的输出值的情况下关于给出的优化标准、例如效率提高和/或排放降低还能够全局地找到输出值的优化的组时，可以实现电厂设备的改善的运行。这点例如可以利用蒙特卡洛方法进行，该方法选择基于随机的输出值并且比较其函数值并且必要时在下一个步骤中在最佳的输出值组的范围中检查另外多个随机选择的输出值。然而这样的方法相对费时并且计算量大并且由此计算技术上的开销相对大。因此，原则上应该保留相对更快的梯度方法，但是要按照一种混合结构的方式通过基于随机的系统进行扩展，使得也可以找到输出值的全局最优。通过如下可以实现这点，在梯度方法期间附加地引入借助随机发生器确定的一组输出值和其对应的目标函数函数值，并且在比较该组输出值和其各个函数值的情况下讨论输出值的该随机的组。

通过组合基于梯度的方法与随机模型，一方面保证找到对于设备控制的输出值的全局最优，另一方面确保了优化算法相对快速地收敛到合适的输出值。因此，这样构造的算法也适合于电厂过程中的在线优化，即，适合于在电厂设备的进行着的运行期间将输出值匹配到各个优化的运行状态。为此，优选以循环的形式周期地重复执行该方法，其中一个周期的所选组输出值是紧随其后的周期的起始组。由此，还可以进一步改进在电厂的运行期间一次设置的并且找到的输出值的组并且进行对全局最优的连续搜索。

这点特别是关于在运行中改变的环境参数特别有用。也就是说，例如，如果诸如冷却水温度的环境参数改变，则输出值的设置的组可能不再是输出值的最优组。在这种情况下，借助连续执行的梯度方法，这样改变输出值的组，使得又调整关于选择的优化标准的新的最优值。由于环境值与目标函数的函数值的复杂关系，然而在环境值改变的情况下，还可以得到一个新的全局最优值，其是利用纯梯度算法不能找到的，因为其保留在局部最优值中。基于随机的系统与以周期执行的梯度方法的结合，使得可以在运行中找到新的全局最优值。然后该新的最优值被传输到电厂设备的控制装置并且可以在那里显示给操作人员并且实现快速反应和由此电厂设备的特别有效的运行。

电厂设备的设备控制中的在线优化使得，可以在每个运行时刻确定输出值的一个最优组，其确保电厂设备的特别有效运行。为了使得输出值的该组尽可能快地到达电厂设备的设备控制，优选地在控制装置中将所选组输出值传输到电厂设备的与各个输出值分别对应的调节装置。通过将输出值这样直接传输到相应的调节装置例如燃料输送装置，实现了电厂运行的特别快速的自动优化。在此，不再需要操作人员的介入，从而一方面保证了电厂设备的自动运行、另一方面进行最优输出值到调节装置的特别快速的传输。

除了通过环境值导致的外部影响，电厂设备的运行还受到其他限制，必须在考虑这些限制的情况下进行控制和优化。这样的限制在最简单的情况下可以是单个变量的边界，例如冷却水质量流，或者也可以是复杂的关系。其可以在物理模型中例如通过在其中组合地出现多个变量的等式或不等式来表达。为了在优化和设备控制时也合适地考虑这样的限制，目标函数优选地包括罚函数。构造这样的罚函数，使得只要没有破坏这些限制，则其提供零值，并且包含在由限制破坏造成的误差和其函数值之间的单调上升的关系。通过目标函数和罚函数的相加得到对其进行优化的目标函数的修改。通过在不允许范围中目标函数值的强制变差，该方法提供输出值的一个其中没有破坏限制的组。此外，该方法由此也能够，从不允许的起始值来开始梯度方法并且由此开始优化，这在用于结合限制的其他方法中并不总是这样。这点使得可以进一步简化该方法。

在借助梯度方法确定输出值的组的情况下，梯度被用作为用于如下方向的指示：在该方向上必须改变各个输出值，以达到最优的输出值组。然而问题是，必须在什么程度上改变输出值，即，在应用梯度方法的情况下应该采用哪个步幅。这点例如可以通过如下来进行，在每个迭代中沿着搜索方向进行一维的优化并且由此找到看似的最优步幅。然而这导致，搜索方向分别与前面的正交，因为按照前面的搜索方向对当前的位置的偏导数通过一维的优化在过去的迭代中被最小化到值零。该效应在目标函数的窄的谷底的情况下导致具有非常小的步幅的之字形的变化并且由此导致许多迭代。但是因为在在线优化的情况下应当致力于快速的收敛，因为输出值的这些组应该直接应用于电厂设备，所以优选在组的各个确定之前借助梯度方法预先给出一个步幅。这样预先给出的步幅使得可以快速执行梯度方法并且应该一直保持恒定直到一个迭代(在最小化情况下)提供一个比前面的更大的函数值。然后，减小步幅并且从最佳的值继续执行该方法。由此实现了该方法的特别快速的执行和电厂运行的特别有效的在线优化。

关于控制设备，本发明通过一种用于电厂设备的控制设备解决上述技术问题，该控制设备具有随机发生器模块和梯度模块，它们在数据输出侧与比较模块相连，其中，控制设备被构造为用于执行提到的方法。优选地，在具有控制装置和与控制装置在数据输出侧相连的这样的控制设备的电厂设备中采用这样的控制设备。

利用本发明实现的优点特别地在于，通过附加考虑借助随机发生器选择的输出值的组，借助随机发生器找到全局解的可能性与梯度方法的快速性相关联。通过随机发生器产生对于梯度方法的潜在的起始值，只要其(在目标函数的物理模型的意义上)比由梯度方法至此所找到的局部最优值更好，就采用它。通过周期地应用该方法和应用从过程控制系统可以直接获得的当前的环境值，该方法是可以在线执行的。如果设备的运行状态改变，则这些信息在线地流入物理的过程模型并且优化算法快速找到新的最优值。在此，在电厂的过程控制技术中该方法可以首先用作对于操作人员的辅助调节，然而对于电厂控制技术的快速反应为了自动传输还直接接通到相应的执行机构。由此，在保持小的技术开销的情况下实现了电厂设备的特别有效的运行。

附图说明

以下借助附图详细解释本发明的实施例。其中，

图1示意性示出了用于电厂设备的设备控制的方法。

具体实施方式

在图1中示出的方法周期重复地优化对于电厂设备的输出值，以实现电厂的特别有效的运行。通过周期地重复，该方法可以在线执行，即，可以直接集成在过程控制技术中并且在运行期间确定瞬时的最优输出值。可能的应用领域例如是在电厂设备的锅炉中的吹煤烟过程及其持续时间和在烟道清洗中的过滤器的清洁间隔之间的间隔的优化，在那里权衡短期的低功能和长期的效率提高。电厂领域的另外两个优化问题是，最优的冷却水质量流的确定(只要冷却水质量流可以调节)，以及，在燃烧的情况下在保持排放限制和设备导致的限制的条件下的过程管理。

图1以框图示出了该方法的结构。由存储模块5将起始值3传输给梯度模块1，从中在多个步骤或迭代中借助数学微分找到最近的最优值。该优化的基础是对于每组输出值和环境值根据基于物理模型的目标函数7所确定的函数值。

在此，将对输出值的限制通过罚函数附加地嵌入到目标函数7中。只要保持该限制，则罚函数提供值零，从而不进行目标函数7的修改。在破坏限制的情况下如果涉及最小化问题(最大化问题)，则罚函数提供一个大于(小于)零的值。通过在由破坏限制而产生的误差，和罚函数的函数值之间的连续上升(下降)的关系，利用通过罚函数修改的目标函数7工作的优化方法自动地偏转到有利的范围的方向上，前提是罚函数具有一个在绝对值方面比目标函数更大的斜率。为了保证这一点，使用明显上升的罚函数，由此未修改的目标函数的最优值仅在主动考虑限制的条件下在要求的精度内变成目标函数7的最优值。

在梯度模块1中已经进行了梯度方法的多次迭代，从而在此已经能够找到局部最优值的输出值的特别精确的组。找到的输出值的组与目标函数7的分别对应的函数值一起被传输到比较存储模块9。后者比较当前的函数值与(在目标函数7的意义上)至此最佳的并且在每个周期将具有较小的(较大的)函数值的那组接通到存储模块11，只要是涉及最小化(最大化)。

梯度方法使得可以找到对于电厂设备的运行的输出值的局部最优值。特别是在不能通过操作人员影响的环境值改变的情况下，然而可能出现通过梯度方法不能找到的另一个全局最优值。为了在这种情况下也能保证电厂设备的特别有效的运行，设置了随机发生器模块13，其在每个周期对于每个输出值15产生在其各个定义域(Definitionsbereich)内近似相同分布的随机值。随机产生的输出值15的组通过目标函数7被分析并且与目标函数7的函数值一起作为第一输入组被传输到比较模块17，该比较模块17从比较存储模块11中获得通过梯度方法确定的组作为第二输入组。比较模块17比较两个输入组的函数值并且在每个计算周期中将输入组接通到输出，当进行最小化(最大化)时，该输出具有更小的(更大的)函数值。

在该系统的对于处理较大数量的输出值15的一个扩展中，还可以考虑第二或其他随机发生器模块13。由此可以随机地集中搜索利用多个输出值15指数增加的优化空间，并且由此加速找到全局最优值。

比较模块17的输出与比较存储模块19相连，后者在梯度方法在其中被执行的时间窗中，将最小的或最大的函数值与来自比较模块17的对应的输出值一起存储。如果该梯度方法收敛，则存储的组被传输到存储模块5并且从那里传输到电厂设备的控制装置21，其中，存储模块5连接在梯度模块1之前并且向其提供其起始值3。同时，存在于在梯度模块1之后连接的比较存储模块9中的新找到的最优值被传输到在比较模块17之前的存储模块11并且在下一个循环中重置比较存储模块9、19。

通过该结构，找到的最优值在循环中一直保持不变，直到或者来自随机部分的更好的输出值组代替梯度方法的最后的循环结果、或者最优值的位置通过环境值的改变而移动。

以下详细描述该方法的各个模块。

随机发生器模块13具有八个模拟输入端用于给出每个输出值15(此处：4)的上边界(ULx_i)和下边界(LLx_i)。在每个计算循环中从随机变量x_i(i＝1，2，3，4)产生一个组，其施加于四个输出端上，其中每个单个变量在其定义域内近似均匀分布。由此应该确保，覆盖了变量的整个定义域，并且由此实现了全局优化。

每个单个变量的随机发生器基于线性同余发生器(Kongruenzgenerator)并且是伪随机发生器，因为在每个开始输出相同的随机数序列。因此如许多随机发生器那样，线性同余发生器也利用模函数工作，该模函数输出除法的余数。等式1和2描述随机数 的递归形成准则和随机变量 的递归形成准则。在表1中填充了对于在所述模块中的四个随机发生器使用的参数：

$y_i^{t+1}=\left(({\mathrm{ay}}_i^t+b)\mathrm{mod}m\right)\mathrm{mod}1---\left(1\right)$

$x_i^t=({\mathrm{ULx}}_i-{\mathrm{LLx}}_i)y_i^t+{\mathrm{LLx}}_i---\left(2\right)$

表1：在随机发生器模块17中使用的参数

	a	b	m
				变量1	3.141592653589793	2.718281828459045	3
变量2	3.141592653589793	1.526341538658045	2
				变量3	2.718281828459045	3.141592653589793	3
变量4	2.718281828459045	2.268542658582743	2

对于模函数的实现，从除法的结果减去取整的值，以便获得余数。通过按照以下逻辑的情况区别来进行取整：

Z₀＝0

如果数＞1并且数＜2

Z₁＝1

如果数＞2并且数＜3

Z₂＝2

(...)

在该工作方式中，必须这样选择参数a，b和m，使得所有可能的结果相应于在情况区别中的情况，以便获得近似相同分布的数列。

比较模块17具有模拟的输入组 和 (并且可选地 )以及一组模拟的输出 二进制输入 用于根据目标函数确定最小化或最大化(1＝最大化，0＝最小化)。分别(在每个周期中)接通输入组 其中当二进制输入为真(1)时 最大，或当二进制输入为假(0)时最小。

第三输入端在正常情况下被遮盖并且没有连接，由此施加值零。为了使得其不导致比较模块17的错误功能，在内部在所有输入端上，只要施加值零，则将零通过最小的(最大化)或最大的(最小化)可显示的值来代替，从而获得期望的过滤功能。当寻找的最优值位于零时，必须特别注意这一点，因为结果没有考虑这一点。

存储模块5、11具有模拟的输入组 和 二进制的输入端SET和模拟的输出组 和 通过将SET置为1，在输入端上施加的值组被接通到输出端，在将SET复位到0时存储并且施加在输出端上直到输入端SET又被置为1。

比较存储模块9、19具有模拟的输入组 和 用于确定优化种类的二进制的输入端 二进制的输入端SET、二进制的输入端RS(RESET)以及一组模拟的输出端 和 只要SET和RESET为假，则值组 和 就被存储并且在输出端输出，该输出至此视优化种类的不同而具有最大的(最大化)或最小的(最小化)函数值。如果将SET置为1，则输入组 和 被接通到输出组 和 并且在将SET复位为0时存储，如在存储模块5那样。该组保持被存储，直到在输入端上施加具有最大的或最小的 的组并且代替首先通过“SET”命令存储的组。二进制的“RESET”输入端将存储器置为最小 或最大 可显示的值。该输入对于初始化是必须的并且必须在算法开始时利用脉冲执行一次。如果没有这个措施则存储器的初始值将为零并且可能没有存储新的值(例如在利用目标函数最大化时，其中所有的函数值为负的)。

梯度模块1对于每个输出值x_i(此处：4)具有三个模拟的输入，用于确定上边界(U Lx₁)和下边界(LLx₁)以及起始值x_is。此外，存在模拟的输入 和对于每个输出值x_i一个模拟输入 最后，模块还具有另外两个二进制的输入端 和RS和四个输入端“steps”、“minstep”、“1/Dx”和“周期时间”。如前面所述，通过输入端 预先给出优化种类并且在输入端“周期时间”上必须以秒为单位预先给出计算周期时间，利用该计算周期时间应该驱动优化算法。通过“1/Dx”预先给出用于形成差商(Differenzquotienten)的支点(Stützstellen)的间隔并且“steps”以及“minstep”讨论步幅控制，如以下所述。输出端由一个二进制信号“Konv”(当梯度方法收敛时，其为假)以及对于每个输出值的两个模拟的输出x_i和x_i+Δx_i组成。

如从名称所知，梯度方法根据输出值形成目标函数的偏微分，以便确定优化方向。为此，从位置矢量 (在第一迭代中其是起始值矢量 )出发形成支点，其分别在输出值x_i的方向上偏移 通过分析在支点上的目标函数和形成离散的偏导数，得到搜索方向。标准化的搜索方向通过搜索方向矢量的部分(梯度)，通过最大的局部偏导数的绝对值实现，从而标准化的主搜索方向分量具有该绝对值。从输出值的定义域(U Lx_i-LLx_i)利用最大的偏导数形成起始步幅，方法是将其与 相乘。从前面的与通过步幅延伸的标准化的搜索方向一起得到新的矢量 多次地重复该方法，直到目标函数的值不是连续变化，而是振荡。如果数值地形成的梯度三次顺序地改变其符号，则值“steps”内部减少一并且该方法以减小的步幅继续运行。如果步幅达到了值零，或者目标函数的值在四个迭代内不变，则满足收敛标准。在这种情况下，二进制输出“Konv”为真并且可以通过执行“RS”输入和新的起始值重新开始梯度方法。

通过引入每个单个的输出值15的边界，可以缩放优化问题。以这种方式，首先考虑对解相对于变量15的定义域的特定精度的要求。例如，通过“minstep”在收敛之前不久可以确定在主搜索方向上最小的步幅的大小。这是变量15的定义域的 其在紧邻最优值附近具有最大偏导数。由此使得可以设置解的所需精度。通过参数“steps”确定起始步幅，其关于输出值15的定义域具有目前最大的偏导数，比最后步幅大“steps^1，5”。借助该简单的启发式的步幅控制，可以明显加快收敛速度。

对于罚函数的嵌入，设置用于确定优化种类的二进制输入 两个模拟输入e和 以及一个模拟的输出 在此，e是通过破坏限制引起的误差并且 是目标函数7的值。从误差中形成惩罚项p(e)并且在最小化的情况下加到目标函数7或在最大化的情况下从目标函数7减去。该罚函数p(e)通过等式3描述：

$p\left(e\right)=(\exp \left(\sqrt{\left|e\right|}\right)+\sqrt{\frac{\left|e\right|}{10}}-1)\·1000---\left(3\right)$

作为连接组件利用以下伪代码嵌入 和 形式的限制：

如果 $g{\left(\stackrel{\&RightArrow;}{x}\right)}_1<0$

则e₁＝0

否则

$e_1=g{\left(\stackrel{\&RightArrow;}{x}\right)}_1$

如果 $g{\left(\stackrel{\&RightArrow;}{x}\right)}_2>0$

则e₂＝0

否则

$e_2=g{\left(\stackrel{\&RightArrow;}{x}\right)}_2$

e＝e₁+e₂

对于以等式 形式的限制的少数情况，其可以通过两个不等式和 来描述。

用于电厂设备中的设备控制的方法按照上面提到的构造在过程控制技术中满足对于集成应用的要求并且使得可以快速找到输出值的全局最优组。由此，以高效率和/或特别低的有害物质排放实现了电厂设备的特别有效的运行。

Claims (10)

1.一种用于电厂设备中的设备控制的方法，其中，对于多组输出值(15)，所述输出值是在一定的边界中可自由选择的电厂的过程或状态参数，分别一方面从一组环境值、另一方面从各组输出值(15)，产生与基于物理模型的目标函数(7)的函数值对应的各组，其中，选择其对应的函数值满足预先给出的优化标准的那组输出值(15)用于传输到电厂的控制装置(21)，其中，输出值(15)的组的数量除了起始组和从该起始组和其对应的函数值出发借助梯度方法确定的组之外还包括借助随机发生器选择的组，其中，在梯度方法期间附加地引入借助随机发生器确定的一组输出值和其对应的目标函数函数值，并且比较该组输出值和其各个函数值。

2.一种用于电厂设备中的设备控制的方法，其中，按照权利要求1所述的方法以循环的形式周期地重复执行，其中一个周期的所选组输出值(15)是紧随其后的周期的起始组。

3.根据权利要求1或2所述的方法，其中，在所述控制装置(21)中将所选组输出值(15)传输到所述电厂设备的与各个输出值分别对应的调节装置。

4.根据权利要求1或2所述的方法，其中，所述目标函数(7)包括罚函数。

5.根据权利要求3所述的方法，其中，所述目标函数(7)包括罚函数。

6.根据权利要求1或2所述的方法，其中，在各个组的确定之前借助梯度方法预先给出一个步幅。

7.根据权利要求3所述的方法，其中，在各个组的确定之前借助梯度方法预先给出一个步幅。

8.根据权利要求4所述的方法，其中，在各个组的确定之前借助梯度方法预先给出一个步幅。

9.一种用于电厂设备的控制设备，该控制设备具有随机发生器模块(13)和梯度模块(1)，它们在数据输出侧与比较模块(17)相连，其中，所述控制设备执行按照权利要求1至8中任一项所述的方法。

10.一种电厂设备，具有控制装置(21)和与所述控制装置(21)在数据输出侧相连的根据权利要求9所述的控制设备。