模型预测控制是一种先进的优化控制算法,采用滚动时域策略,通过优化性能指标确定未来的控制量。预测控制能够直接处理系统多变量和约束问题,因此广泛应用于复杂工业过程控制,成为当前工业控制中最为有效的方法之一。在工业生产过程中应用预测控制时,为实现经济性能通常采用分级递阶的控制结构,上层通过优化经济性能指标获得稳态设定值,并将其传递到动态控制层,进而采取模型预测控制策略实现设定值跟踪。然而,这种传统的控制结构忽略了动态跟踪过程中的经济性能。近年来提出的经济模型预测控制策略从控制结构出发,将经济优化和动态控制整合到一层,即直接在动态跟踪过程中考虑系统的经济性能,真正实现复杂工业过程的高效经济运行。经济模型预测控制是更为先进的优化控制策略,符合智能制造、市场驱动制造以及“中国制造2025”等下一代制造业核心理念。但同时,这种采用任意形式经济性能指标作为目标函数的经济模型预测控制策略也为其理论分析带来了新的挑战。电力工业在过去十几年发生了深刻的变化,提高能源利用率、节约成本、降低设备疲劳损伤成为电力生产过程控制的重要任务。本文针对火力发电过程以及新能源风力发电过程,深入研究经济模型预测控制的可行性、稳定性以及鲁棒性,结合实际电力生产过程的模糊建模技术以及在线优化求解技术,构造了适合电力生产实际的经济模型预测控制策略,本文的主要内容包括:(1)针对火力发电厂锅炉-汽轮机系统设计了基于模糊模型的经济模型预测控制策略。火电机组动态特性依赖于功率的变化,因此,依据实时运行工况建立模糊模型可有效逼近原火力发电系统的非线性特性。基于模糊模型设计稳定的线性反馈控制律和稳定域,来保证经济模型预测控制在线优化问题的递推可行性和闭环系统稳定性。构建有限时域性能指标,通过滚动优化性能指标实现火电厂负荷跟踪,提高跟踪动态过程中的经济效益。大范围负荷变化情况下的仿真结果表明了本文提出的模糊经济模型预测控制的有效性。(2)针对1000MW超超临界机组设计了带时延补偿的模糊经济模型预测控制策略。针对机组的非线性以及大时延特性,基于实时运行工况,建立带有内嵌式预测器的增广模糊模型来逼近原非线性时延模型。为构造基于增广模糊模型的稳定控制策略,利用传统模糊模型预测控制设计稳定辅助控制器以及相应的稳定域。通过滚动优化有限时域性能指标实现超超临界机组负荷跟踪,提高其运行经济性。仿真结果验证了本文所设计控制器的有效性。(3)针对5MW风力发电系统设计了非线性经济模型预测控制策略。传统模型预测控制为实现风力发电系统控制目标,上层根据风速优化得到最优运行设定值,并通过下层预测控制器实现此最优设定值跟踪。区别于传统预测控制,经济模型预测控制直接采用风机发电功率作为目标函数,无需根据风速来计算最优设定值。在高风速时实现风力发电系统的最大风能捕获,在低风速时跟踪系统的额定功率输出。当风速在额定风速附近波动时,经济模型预测控制无需频繁改变目标函数中的设定值,因此能有效提高风能利用率,降低系统疲劳,延长机组使用寿命。(4)针对风力发电系统的风速不确定性,设计了基于情景树结构的鲁棒经济模型预测控制策略。通过对风速变量进行显式情景建模,来保证风力发电系统的闭环经济性能以及鲁棒性能。考虑降低系统塔架疲劳这一重要控制目标,通过调整权重系数,来得到鲁棒经济模型预测控制在线多目标优化问题的pareto最优解。采用联立法动态优化求解策略来减小在线计算负担,实现大规模动态优化问题的有效求解。仿真表明,鲁棒经济模型预测控制可以进一步提高风能利用率,降低系统疲劳,有利于维护设备安全运行。