1
关注中国自动化产业发展的先行者!
2024中国自动化产业年会
2023
2023年工业安全大会
OICT公益讲堂
当前位置:首页 >> 资讯 >> 行业资讯

资讯频道

智能发电平行控制技术架构及核心应用
  • 作者:尹峰
  • 点击数:12739     发布时间:2019-09-12 14:05:00
  • 分享到:
人机协作与数据智能是智能发电技术的核心要素,复杂系统平行控制理论体系与应用架构是智能发电技术的关键支撑,虚实交互与迭代闭环是智能发电技术应用的进化路径。文章提出智能发电平行控制技术架构横向覆盖平行智能控制与平行智能管理两大系统,纵向贯穿智能电厂感知执行层、控制运维层、生产监管层、管理决策层4层结构,利用ACP方法分布构建平行智能系统,关联聚合形成全局智能发电控制。在流程控制、过程控制与检修管理方面的核心应用具有典型代表性,细节阐述了原理结构与应用优势。以数据驱动与人机协作为特征的智能化技术发展前景可期。
关键词:

摘要:人机协作与数据智能是智能发电技术的核心要素,复杂系统平行控制理论体系与应用架构是智能发电技术的关键支撑,虚实交互与迭代闭环是智能发电技术应用的进化路径。文章提出智能发电平行控制技术架构横向覆盖平行智能控制与平行智能管理两大系统,纵向贯穿智能电厂感知执行层、控制运维层、生产监管层、管理决策层4层结构,利用ACP方法分布构建平行智能系统,关联聚合形成全局智能发电控制。在流程控制、过程控制与检修管理方面的核心应用具有典型代表性,细节阐述了原理结构与应用优势。以数据驱动与人机协作为特征的智能化技术发展前景可期。

关键词:智能发电;平行控制;ACP方法;技术架构;核心应用

Abstract: Man-machine cooperation and data intelligence are the core elements of smart power generation technology. The theoretical system and application framework of parallel control for complex systems are the key support of smart power generation technology. Virtual-real interaction and iterative closed-loop are the evolutionary path of smart power generation technology. This paper proposes a parallel intelligent control technology framework for smart power generation, which covers two major systems: parallel intelligent control and parallel intelligent management. It runs through four layers of smart power plant's perceptual execution layer, control operation and maintenance layer, production supervision layer and management decision layer vertically. Based on the ACP method, the parallel intelligent systems are constructed separately, and the plant-wide intelligent development is formed by association and aggregation. The core applications in sequential control, process control and maintenance management are typical. The principle structure and application advantages are elaborated in detail. Intelligent technology characterized by data-driven and human-computer cooperation has a promising future.

Key words: Smart power generation; Parallel control; ACP approach; Technical architecture; Core applications

1 引言

智能电厂与智能发电概念提出已有2年多时间[1,2],相关技术在发电行业由点及面的应用发展态势正逐步形成,发电厂生产外围区域的应用尝试不断有系统化方案面世,各发电集团层面也陆续出台了顶层技术规划[3~5],但过程控制核心区的应用还有待系统性突破。生产外围区域的智能化技术应用多体现在辅助设施、作业及安防领域的图像或语义数据处理、信息关联与可视化应用,而过程控制区的智能化则更依赖于数据智能与机理建模的有机融合,以及以运行操作为核心的智能诊断与人机协作[6]。智能融合的生产体系必然缺少不了人的因素,在智能体的发展进化过程中,人机协作是智能寻优的样本来源和监督驱动因子。同时还要有一个更基础的底层理论支撑,才能稳固承接并有机融合各个层面的跨域技术应用。平行控制理论是目前解决复杂系统智能控制与协同优化的最有效理论体系之一,在当前以数据驱动和人工智能为代表的智能化发展进程中,在该理论的应用架构支撑下,通过平行仿真、虚实交互、人机协作、迭代寻优可系统实现发电过程的智能管控与闭环优化。

2 平行智能控制理论概述

平行控制理论是中国科学院复杂系统管理与控制国家重点实验室主任王飞跃教授于2004年提出的[7],其基本定义为通过虚实系统互动的执行方式来完成任务的一种控制方法[8]。主要通过实际物理系统与人工仿真系统之间的平行建模与信息交互,以数据为驱动、计算为手段,使人工系统成为实际系统目标与策略优化的先导,进而在迭代进化中使实际系统趋向人工系统,简化复杂问题,实现复杂系统的智能控制与管理。

平行控制理论涵盖了复杂系统的控制与管理,而管理实质上也是一种人因相关的复杂控制过程,在其理论框架下重点发展了复杂系统建模、实验与决策的ACP方法。ACP方法包括人工系统(Artificialsystems)、计算实验(Computational experiments)和平行执行(Parallel execution)。人工系统就是要建立与实际系统相等价的模型;计算实验是在人工系统上进行各种实验,对系统进行分析和预测;平行执行是实现人工系统和实际系统的迭代更新,以平行执行的方式对系统的运行进行有效控制。

37.jpg

图1 平行系统ACP方法基本框架与工作模式

如图1所示,在平行系统虚实互动的基本框架下,有三种主要工作模式:(1)学习与培训,在人工系统的初建阶段,虚拟系统的等价模型需要逐步完善,通过仿真建模与数据更新使人工系统不断逼近实际系统对象特性与管理特征;在控制运行阶段,人工系统将计算实验获得的优化方案应用至实际系统,并通过学习培训迭代更新实际系统的模型参数。(2)实验与评估,是平行系统智能控制的核心环节,通过人机协作与智能寻优对人工系统实施控制策略与管理方案的计算实验,对其执行情况与实验效果进行评判和预估,并将最优方案同步应用至人工系统与实际系统;在计算实验环节,对人工系统可以进行超实时运行,预测过程趋势,比对运行结果,优化控制方案。(3)控制与管理,是虚实系统平行执行、实时同步运行的过程,一方面实际验证优化方案的运行效果,另一方面通过虚实系统运行过程的观察评估与比对分析,及时修正人工系统模型偏差,进而启动下一轮迭代优化;经过持续的实验、优化、执行、评估、修正的循环,控制过程不断收敛并动态演进,实现对复杂系统运行与发展中的有效控制与管理。像发电厂这样的复杂控制与管理系统,一个实际系统可以分域或分时地与多个人工系统平行互动,协同完成各项控制与管理任务[8]

平行控制是数据驱动的智能控制方法,其核心技术包括基于代理控制(Agent-basedcontrol,ABC)技术、自适应动态规划(Adaptive dynamicprogramming,ADP)技术、语言动力系统(Linguistic dynamic systems,LDS)技术、以及平行系统的并行计算技术。ADP技术主要解决基于数据的非线性系统分析、控制与优化问题,基于增强式学习原理,是一种非常接近人脑智能的方法;ABC技术提出了多代理系统的协调优化问题,控制策略基于代理实现,解决人机协同中的智能体控制问题;LDS技术主要是解决自然语言处理与信息利用问题,建立人类语言知识和计算机数字知识的联系,降低系统描述的复杂性;并行计算技术则为计算实验和平行控制的巨大计算规模提供解决方案[9]

38.jpg

图2 智能发电平行控制系统技术架构

3 智能发电平行控制技术架构

智能发电平行控制系统总体上可划分为平行智能控制系统与平行智能管理系统两大部分,如图2所示,在智能电厂4层体系架构[1]中,感知执行层(设备层)、控制运维层(控制层)、生产监管层、管理决策层(管理层)分别处理设备级、机组级、厂区级与运营级的控制与管理业务,其中智能控制系统纵向贯穿了从发电设备现场测量执行到过程控制、厂级优化、以及电力市场报价决策等所有实时监控与在线决策的电能生产销售过程,智能管理系统则涵盖了运维检修、公共服务、企业管理、以及相关的采集执行设备等支撑电厂生产运营业务的设备与服务管理过程,针对不同的过程对象,按需建立相应的人工系统,实现各实际系统的平行智能控制与管理。过程采集的各类过程数据与作业数据,在数据清洗与结构化处理后,统一送至数据中台融合应用,并在做好信息安全措施前提下外联工业互联网与各类数据云平台,参与数据云服务,同时实现与集团、市场、监管等外部数据应用需求的对接。

平行控制与管理系统的应用开发,可采用化整为零,由局部到整体逐步聚合的模式,针对不同实际控制需求,开发不同功能的平行控制器,并逐步协同控制目标形成整体的平行智能控制系统。在发电运行核心的过程控制部分,针对协调汽温系统,可搭建专用优化平行控制器,建立闭环优化人工系统,采集实时参数与历史数据开展控制算法智能寻优与在线执行;针对程控智能启停控制,建立流程参数模型,采集设备状态与运行操作数据,计算分析行为习惯与动作特征,实验寻优程控流程,优化过程目标;针对保护可靠性优化,可建立保护动作数据模型,采集实际联锁保护动作数据,计算模拟关联结果,优化功能回路与参数定值。在生产运维核心的运维检修部分,针对智能巡检需求建立设备定位与参数分布模型,采集人员设备交互信息,计算优化作业流程与巡查路径,提升工作效率和效果;针对检修管理,建立设备结构与作业程序数据模型,结合仿真操作与人员培训优化改进工作流程,提升作业能力,利用信息可视化辅助现场作业,优化闭环管理流程;针对状态检修需求,建立机组设备健康管理人工系统,采集设备巡检与消缺台帐信息,关联设备运行数据,计算寻优健康趋势诊断预警模型,优化作业程序与闭环管理流程。在工控信息安全部分,可分别建立控制人工系统与管理人工系统协同实现控制防护与安全管理,针对工控信息与过程安全需求,建立平行人工系统,采集控制系统运行数据,对过程控制提供指令审计,对组态文件实施异动监控,通过模拟仿真或超实时运算优化指令审计策略,关联安全预警信息实现主动防御与深度安全;针对信息安全管理需求,构建平行管理体系流程,利用数据模型优化管理制度与工作规范,对管理作业实现行为审计,有序落实各类管理要求。

4 平行控制技术核心应用

4.1 人机协作运行控制流程优化

利用平行控制人机协作的理念实现控制流程的智能迭代优化是提升APS(automatic procedure startup & shut-downsystem)流程控制灵活性与实用性的有效途径。传统APS是针对机组启停过程的专用流程设计,程序固定且过于理性化,容错性能差,使用率低,投入的控制资源在机组长期的调节运行中得不到有效利用。针对这一现状,文献[10]提出了面向对象的APS2.0系统的结构和设计方法,解决复杂系统的控制问题,突出底层对象系统的独立可用性,强调任务执行中的人机协作,弱化所谓的断点配置,与运行习惯紧密衔接,提高操作灵活性与工况适应性。

39.jpg

图3 平行流程控制器结构原理图

针对运行控制流程优化的平行控制器设计方案如图3所示,以被控对象系统流程为样本,在平行控制器中建立相应的等效流程简化模型,并参照DCS控制回路设计等效程控操作回路,在DCS实际控制回路与平行等效控制回路中同步设置流程路线与流程时间选择切换开关,机组启停或运行中进行对象系统的启停操作时,流程参数与运行过程数据送至平行控制回路同步运行,计算实验回路观察记录包含运行操作信息的流程数据,并发出指令在平行控制器(人工系统)中启动模拟实验,采用深度学习超实时运算或人机协作分析比对的方式优化流程参数,并将寻优结果更新至DCS控制回路,循环迭代优化运行,逐步逼近APS流程控制省时高效的最优目标。同时,在平行控制器中还可启动对全局流程的模拟寻优,在每次机组启动或停运以前,先行规划流程路线,模拟运行比对优劣,合理选择并行流程与先后次序,灵活应对各种启停需求。对于某一单个流程也许平行寻优的优势并不明显,但对于机组启停这样的复杂过程,超实时的模拟流程运行比对就是人力所不能及的了。

4.2 数据驱动过程控制算法优化

类似协调汽温控制系统这样的过程控制系统,其平行控制器的设计方案要相对复杂一些,一方面因为热力系统对象建模不像流程对象那么容易,所以人工系统的建模实验分为在线实际系统建模与离线人工建模两种方式;另一方面,过程控制的优化设计控制回路的结构优化,在运行机组的DCS中改动控制结构几乎没有可能,因此平行控制器的设计除包含DCS参数优化的技术方案外,还需考虑外部优化控制器方案,控制结构发生变化时,将实际系统切换至外部控制器运行。

40.jpg

图4 平行过程控制器结构原理图

过程系统平行控制器的基本结构方案如图4所示,实际系统包含被控对象(执行机构、过程系统、测量装置)、DCS控制系统,DCS控制系统通过采集数据、产生控制数据对实际过程系统进行控制,它们组成了一个闭环控制回路;平行过程控制器包含伪随机信号发生器、过程系统对象模型、计算实验回路、平行控制器及外部控制器,其中外部控制器是在DCS外部控制模式时替代DCS控制器实现平行执行功能的,属于实际系统的延伸部分。利用伪随机在线激励系统,结合人工机理建模与历史数据深度学习建模[11],建立并迭代修正过程对象模型,通过计算实验回路进行比对测试评估模型精度与控制性能,判断是否需要重新建模或优化控制策略,平行控制器平行执行,外部控制器平行控制,实现智能迭代优化控制。

4.3 虚拟辅助智能检修作业优化

发电机组检修是发电企业最重要的生产业务活动,年度检修工作量大,时间进度紧,如不能按期投产将被考核生产事故,同时检修质量与安全也是重要指标之一,因此在检修管理中,核心控制点是合理的进度与科学高效的作业程序。图5举例阐述了平行检修管理控制器的结构原理,检修工作的主进程由检修进度控制器负责寻优管控,其中各业务要素中与流程及进度相关的参数被检修进度控制器收集优化,而涉及作业程序本体与作业人员能力优化的部分则由相应的检修业务控制器寻优管控,提升作业效率、质量与安全性,人员安全后勤、机具与物资调度等管控则各自关联相应的智能安防、后勤服务及物资仓储管理系统。

41.jpg

图5 平行检修管理控制器结构原理图

虚拟辅助检修作业目前是开展得较为普遍的一项智能检修应用项目,其中,虚拟仿真培训与可视化辅助作业是这项智能化工作的关键环节,通过对实际检修对象的等价建模,对检修作业相关的设备细节在虚拟人工系统中充分展现,在计算实验环节,对检修作业流程、可视化辅助信息、安全措施、质量验收、文件管理等所有实际作业系统需面临的业务环节开展测试与优化,对合理性和有效性通过沉浸式仿真培训环节进行验证完善,同时与人员培训和实际操作效果相结合,在迭代应用中持续优化作业程序,充分发挥可视化辅助作业系统的优势,提高实际检修作业水平。

虚拟仿真系统在平行作业优化中越趋近于真实作业过程,其人员培训方面的优势就越显著,由于所有跟培训有关的活动都是在虚拟场景中完成,受训人员足不出户,就可以了解现场生产工艺的全过程,掌握各种设备与零部件操作方法,既避免了对机器设备的误操作造成的机械事故,也保证学员、教师、其他工作人员的人身安全。由于不受时间和地域的限制,不仅减少培训成本,而且缩短了人员的实际操作时间。

5 总结与展望

火力发电目前仍是国内最大的电力能源生产者,利用智能化技术提升工作效率与经济效益意义重大,平行控制理论体系在交通、物流、网络、教育、军事、应急管理等领域均得到了广泛应用,在能源电力领域的研究也正逐步深入[3,12],复杂系统的ACP方法以及ADP、ABC技术在智能控制领域的应用成果显著,将有力支撑发电生产系统的平行智能控制与管理。本文提出的技术架构方案覆盖了发电运行与生产管理的全业务环节,在统一的理论框架体系下,可通过分布开发应用,整体关联聚合,循序渐进实现全局智能控制与管理。

随着深度学习与人工智能技术的快速发展,智能发电领域必将迎来数据价值的大发现,传统控制技术在复杂非线性系统中的应用局限,将有望在以数据驱动、人机协作为特征的新的智能控制理论支撑下获得突破,使智能发电技术拥有更全面的控制范围和更全局的优化目标,深度融入智慧能源与智能制造技术的发展洪流。

参考文献:

[1] 陈世和, 尹峰, 郭为民, 等. 智能电厂技术发展纲要[M]. 北京 : 中国电力出版社, 2016.

[2] 刘吉臻, 胡勇, 曾德良, 等. 智能发电厂的架构及特征[J]. 中国电机工程学报, 2017, 37 ( 22 ) : 6463 - 6470.

[3] 邓建玲, 王飞跃, 陈耀斌, 赵向阳. 从工业4.0到能源5.0 : 智能能源系统的概念、内涵及体系框架[J]. 自动化学报, 2015, 41 ( 12 ) : 2003-2016.

[4] 华志刚, 郭荣, 汪勇. 燃煤智能发电的关键技术[J]. 中国电力, 2018, 51 ( 10 ) : 8 - 16.

[5] 崔青汝, 李庚达, 牛玉广. 电力企业智能发电技术规范体系架构[J]. 中国电力, 2018, 51 ( 10 ) : 32 - 36 + 48.

[6] 尹峰, 陈波, 苏烨, 李泉, 张鹏. 智慧电厂与智能发电典型研究方向及关键技术综述[J]. 浙江电力, 2017, 36 ( 10 ) : 1 -6 + 26.

[7] 王飞跃. 平行系统方法与复杂系统的管理和控制[J]. 控制与决策, 2004 ( 05 ) : 485 - 489, 514.

[8] 王飞跃. 平行控制 : 数据驱动的计算控制方法[J]. 自动化学报, 2013, 39 ( 04 ) : 293 - 302.

[9] 王飞跃, 刘德荣, 熊刚, 程长建, 赵冬斌. 复杂系统的平行控制理论及应用[J]. 复杂系统与复杂性科学, 2012, 9 ( 03 ) : 1 - 12.

[10] 尹峰, 陈波, 丁宁, 王剑平, 丁永君. 面向自治对象的APS2.0系统结构与设计方法[J]. 中国电力, 2018, 51 ( 10 ) : 37 - 42.

[11] 段艳杰, 吕宜生, 张杰, 赵学亮, 王飞跃. 深度学习在控制领域的研究现状与展望[J]. 自动化学报, 2016, 42 ( 05 ) : 643 - 654.

[12] 张俊, 王飞跃, 林洁瑜. 平行智能与智慧能源 : 全面融合人因的社会能源技术[J]. 中国电力, 2018, 51 ( 10 ) : 26 - 31.

作者简介:

尹 峰(1972- ),工学博士,教授级高工,现就职于国网浙江省电力有限公司电力科学研究院,从事发电自动化、网源协调、工控安全及可靠性技术研究。

摘自《自动化博览》2019年9月刊

热点新闻

推荐产品

x
  • 在线反馈
1.我有以下需求:



2.详细的需求:
姓名:
单位:
电话:
邮件: