孙坚栋，苏烨，李泉，蔡钧宇

(1.杭州意能电力技术有限公司，浙江 杭州 310014；2.高弹性电网浙江省工程研究中心，浙江 杭州 310014；3.国网浙江省电力有限公司电力科学研究院，浙江 杭州 310014)

0 引 言

模型预测控制(model predictive control，MPC)简称预测控制，是20世纪70年代后从工业领域发展起来的一种先进控制技术[1]1。根据模型形式不同，预测控制分为动态矩阵控制、模型算法控制和广义预测控制等类型[2]。MPC对模型精度要求低，鲁棒性好，适应复杂工业过程，因而得到了广泛应用[3-5]。

火电机组的重要控制回路，如协调控制、汽温控制等，一般具有大迟延和大惯性特性，采用传统PID控制无法获得满意的控制品质[6]。而动态矩阵控制(dynamic matrix control, DMC)则适用于这一类被控对象，可获得比PID控制更好的性能，因此在火电机组应用中逐渐增多[7-8]。

本文提出了一种用于DMC控制的误差权矩阵取值优化方法，与目前常用的误差权矩阵取值方法相比，可在不影响控制性能的前提下，减少滚动优化计算量。在此基础上，进一步研究了适用于非最小相位对象的误差权矩阵取值优化方法。

1 DMC控制

1.1 数学模型

DMC控制利用被控对象的单位阶跃响应序列构成模型向量a=[a1,...,aN]，根据模型向量a预测未来输出值,ai=a(iTs)。式中：ai为单位阶跃响应采样值;Ts为采样周期;N为建模时域。DMC控制包括模型预测、滚动优化和反馈校正三部分。

在滚动优化时，通过性能函数在预测时域内取得最优值，计算得到未来控制量增量。性能函数一般表示为：

(1)

将式(1)以矩阵形式表示，有：

(2)

(3)

(4)

(5)

1.2 参数整定

在DMC控制中，采样周期、建模时域、模型向量和动态矩阵由被控对象的动态特性决定，当模型稳定时不需要调整。……