کنترل مد لغزشی توربین گازی مبتنی بر رویت‌گر تطبیقی غیرخطی

روش‌های هوشمند در صنعت برق

مقاله 2، دوره 13، شماره 51، آذر 1401، صفحه 19-30   

نوع مقاله: مقاله پژوهشی

نویسندگان

حامد طبیبی¹؛ محسن پارسا^{* 2}

¹دانشکده مهندسی برق- واحد نجف‌آباد، دانشگاه آزاد اسلامی، نجف‌آباد، ایران

²مرکز تحقیقات ریز شبکه های هوشمند- واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران

چکیده

با توجه به نقش حساس و پر اهمیتی که توربین‏های گازی در صنایع تولیدی مادر ایفا می­کنند، پایش عملکرد آن­ها اهمیت بسیار داشته زیرا این امر می­تواند در پیش­گیری از بروز خسارت‏های سنگین مالی به صنایع مادر و افزایش عمر مفید توربین­ها موثر باشد. یکی از قسمت‏های مهم توربین­های گازی محفظه‏ی احتراق بوده که پایش وضعیت آن از لحاظ فشار و دما حائز اهمیت است و می‏تواند به­طور مستقیم در عمر مفید توربین تاثیر گذار باشد. اما برخلاف اهمیت بالای کمیت فشار محفظه­ی احتراق، امکان اندازه­گیری آن توسط سنسور وجود ندارد. بنابراین انتظار می­رود که با در اختیار داشتن متغیر فشار تخمین زده شده بتوان به عملکرد و پایداری نسبی بیشتری نسبت به روش­هایی که امکان دسترسی به متغیر فشار را ندارد، دست یافت. از این­رو در این تحقیق ابتدا یک مدل دینامیکی غیرخطی مناسب با نظر گرفتن خروجی­های توان تولیدی و دمای گاز خروجی انتخاب شده است. در ادامه برای تخمین متغیرهای حالت توربین که شامل فشار و دمای محفظه­ی احتراق هستند یک رویت­گر غیرخطی مبتنی بر روش سطح لغزش تطبیقی طراحی گردیده است. سپس با به­کار­گیری متغیرهای حالت تخمین زده شده و طراحی کنترل­کننده­ی مد لغزشی، توان تولیدی و دمای گاز خروجی به مقدار مطلوب همگرا خواهند شد. در این مقاله پایداری سیستم حلقه­بسته شامل رویت­گر و کنترل­کننده به کمک روش لیاپانوف بررسی و تضمین می­گردد. در انتها صحت نتایج به کمک شبیه‏سازی در محیط سیمولینک متلب بررسی خواهد شد.

کلیدواژه‌ها

توربین گازی؛ پایداری لیاپانوف؛ رویت‌گر غیرخطی تطبیقی؛ کنترل مد لغزشی؛ محفظه احتراق

مراجع

[1] G. G. Kulikov, H. A. Thompson, Dynamic Modelling of Gas Turbines, Identification, Simulation, Condition Monitoring and Optimal Control, Springer-Verlag, London, 2004, (doi: 10.1007/978-1-4471-3796-2).

[2]   M.P. Boyce, Gas turbine engineering handbook, Hand Book, Elsevier, Fourth Edition, 2011 (doi: 10.101­6/C20­09-0-64242-2).

[3] Q.Z. Al-Hamdan, M.S.Y. Ebaid, “Modeling and simulation of a gas turbine engine for power generation”, ASME. Journal of Engineering Gas Turbines Power, vol. 128, no. 2, pp. 302-311, Apr. 2006 (doi: 10.11­15/1.2061287).

[4] O.D. Lyantsev, A.V. Kazantsev, A.I. Abdulnagimov, “Identification method for nonlinear dynamic models of gas turbine engines on acceleration mode”, Procedia Engineering, vol. 176, pp. 409-415, 2017 (doi: 10.1016/j.proeng.2017.02.339).

[5] M. Amozegar, K. Khorasani, “An ensemble of dynamic neural network identifiers for fault detection and iso­l­a­tion of gas turbine engines”, Neural Networks, vol. 26, pp. 106-121, April 2016 (doi: 10.1016/j.­neu­ne­t.2­016.01.003).

[6] J. Mu, D. Rees, “Approximate model predictive control for gas turbine engines”, Proceeding of the IEEE/A­C­C, vol. 6, pp. 5704-5709, Boston, MA, USA, July 2004 (doi: 10.23919/ACC.2004.1384765).

[7] B. J. Brunell, R.R. Bitmead, A.J. Connolly, “Nonlinear model predictive control of an aircraft gas turbine engine”, Proceedings of the IEEE/CDC, pp. 4649-4651, Las Vegas, Nevada USA, Dec. 2002 (doi: 10.11­0­9­/CD­C.2002.1185111).

 [8] T.S. Pires, M E. Cruz, M.J. Colaco, M.A C. Alves, “Application of  nonlinear multivariable model predictive control to transient operation of a gas turbine and nox emissions reduction”, Energy, vol. 149, pp. 341-353, April 2018 (doi: 10.1016/j.energy.2018.02.042).

[9] S. H. Mousavi, A. Azizi, H. Nourisola, “Decentralized multivariable PID controller with pre compensator for gas turbine system”, Proceeding of the IEEE/KBEL, Tehran, Iran, Dec 2017 (doi: 10.1109/KBEI.2017.8­3­2­4­9­18).

[10] A. Bonfiglio, S. Cacciacarne, M. Invernizzi, R. Procopio, S. Schiano, I. Torre, “Gas turbine generating units control via feedback linearization approach”, Energy, vol. 121, pp. 491-512, Feb. 2017 (doi: 10.1016/j.­ene­r­gy.2­017.01.048).

[11] P. Ailer,  B. Pongracz,  G. Szederkenyi, “Constrained control of a low power industrial gas turbine based on input-output linearization”, Proceeding of the IEEE/ICCA, Budapest, Hungary, June 2005 (doi: 10.11­09/IC­C­A.20­05.1528147).

[12] B. Yu, C. Cao, W. Shu, Z. Hu, “A new method for the design of optimal control in the transient state of a gas turbine engine”, IEEE Access, vol. 5, pp. 23848-23857, Oct. 2017 (doi: 10.110­9/ACCE­SS.20­17.2­764­05­6).

[13] A. Hafaifa, A. Benyounes, M. Guemana, “Control of an industrial gas turbine based on fuzzy model”, Proceeding of the IFAC, Sozopol, Bulgaria, Sept. 2015 (doi: 10.1186/s40929-017-0017-8).

[14] G. Hou, L. Gong, X. Dai, M. Wang, C. Huang, “A novel fuzzy model predictive control of a gas turbine in the combined cycle unit”, Hindawi Complexity, vol. 2018, no. 1, pp. 1-18, 2018 (doi: 10.1155­/201­8/64­68­5­1­7).

[15] E. Najimi, M.H. Ramezani, “Robust control of speed and temperature in a power plant gas turbine”, ISA Transaction, vol. 51, no. 2, pp. 304-308,  March 2012, (doi: 10.1016/j.isatra.2011.10.001).

[16] S.M. Camporeale, L. Dambrosio, B. Fortunato, “One-step-ahead adaptive control for gas turbine power plants”, Journal of  Dynamic Systems Measurement and Control, vol. 124, pp. 341-348, 2002 (doi: 10.1115/99-GT-062).

[17] S. A. Shete, V. S. Jape, “Design of a fuzzy modified model reference adaptive controller for a gas turbine rotor speed control using T-S fuzzy mechanism”, Proceeding of the IEEE/ TAPENERGY, Kollam, India, June 2018 (doi: 10.1109/TAPENERGY.2017.8397207).

[18] A. Bonfiglio, S. Cacciacarne, M. Invernizzi, D. Lanzarotto, A. Palmieri, R. Procopio, “A sliding mode control approach for gas turbine power generators”, IEEE Trans. on Energy Conversion, vol. 34, no. 2, pp. 921-932, June 2019 (doi: 10.1109/TEC.2018.2879688).

[19] Z. Gao, X. Dai, T. Breikin, H. Wang, “Novel parameter identification by using a high-gain observer with application to a gas turbine engine”, IEEE Trans. On Industrial Informatics, vol. 4, no. 4, Nov. 2008  (doi: 10.11­09/TII.2008.2007802).

[20] H. Lee, S. Snyder, N. Hovakimyan, “An adaptive unknown input observer for fault detection and isolation of aircraft actuator faults”, Proceeding of the AIAA, pp. 1-8, National Harbor, Maryland, Jan. 2014 (doi: 10.2514/6­.2­0­14-0266).

[21] S. Rahme, N. Meskin, “Adaptive sliding mode observer for sensor fault diagnosis of an industrial gas turbine”, Control Engineering, vol. 38, pp. 57-74, May 2015, (doi: 10.1016/j.conengprac.2015.01.006).

[22] R. Franco, H. Ríos, D. Efimov, W. Perruquetti, “Adaptive estimation for uncertain nonlinear systems: A sliding-mode observer approach”, Proceeding of the IEEE/CDC, pp.  5506-5511, Miami Beach, FL, USA, Dec. 2018 (doi: 10.1109/CDC.2018.8619104).