基于自适应卡尔曼滤波器的模型预测控制用于预混增压天然气发动机

在需求骤增时保持电力稳定

现代城市和工厂越来越多地依赖天然气发动机发电，特别是在局部或备用电厂中。但当人们突然开启或关闭机器或电器时，这些发动机会感受到轴上的突发“拉扯”。如果控制系统不能快速且平滑地响应，发电机的转速——从而电网的频率和电压——就会波动。本文探索了一种更智能的方式，使天然气发电机在面对突发负载变化时仍能平稳运行，从而改善电能质量和尾气洁净度。

为什么天然气发电机难以控制

用于电厂的大型天然气发动机通常在增压器之前对燃料和空气进行预混，这种布置成本更低并能在多个气缸间获得更均匀的混合。然而，由于单一的燃料控制和单一的空气控制会同时影响发动机转速和混合气质，这个系统表现得像一个紧密纠缠的结：改变一个设定会同时牵动多个结果。再加上气体需通过长管路和增压器才能到达气缸，导致延迟，使发动机对任何调整的完整效果响应较慢。所有这些因素使得在发电机电负载突然变化时，维持发动机转速和空燃平衡在严格限度内变得困难。

为发动机设计的预测“自动驾驶”

为应对这些复杂性，作者使用了一种称为模型预测控制的技术，可以把它看作一种利用发动机数学模型向前短期“预见”的自动驾驶器。在每一步，控制器计算两条主要节流阀——一条控制空燃混合、一条控制燃料——应如何移动，以便在遵守节流阀动作速率限制的前提下，使发动机转速和混合保持在目标值上。论文将该控制器重新表述为以转速和混合的变化量为工作变量，而非它们的绝对值。这一技巧帮助系统自动消除由模型不完美引起的稳态偏差，而不会增加会使实际发动机控制器实现变得困难的额外复杂度。

更聪明地“倾听”：自适应噪声感知估计器

准确地了解发电机负载在任一时刻要求的扭矩对于快速响应至关重要，但该量无法直接测量。作者设计了一个基于卡尔曼滤波器的紧凑估计器，将嘈杂测量融合为最佳估计。他们并不追踪发动机的所有细节，而是将问题简化为仅含发动机转速和未知负载扭矩，得到一个可以非常快速运行的二阶简化模型。随后加入了一个巧妙的自适应机制：当滤波器检测到转速变化表明出现新负载时，滤波器会临时变得更“敏捷”，更重视快速变化；一旦系统稳定，它又会降低敏感性，以避免被传感器读数中的小随机波动误导。

随负载变化调整控制强度

估计得到的负载扭矩不仅仅用来告知控制器“有变化”。它被用于更新发动机的局部工作点，并计算一个小的调整矩阵，重塑预测控制器输出在实际发动机上的作用。方法并不为每一种可能的负载存储一整套不同的控制器，而是保留一个为标称工况设计的基准控制器——例如在标准混合气且无负载时的1500转/分钟。当负载变化时，发动机行为发生改变，但调整矩阵对这种变化进行补偿，使基准控制器仍能良好运作。与此同时，稳态节流位置会根据新的负载估计进行“预位移”，因此预测部分只需在正确的起始点周围进行微调。

在真实发动机上的实验结果

团队在一台额定155千瓦的全尺寸天然气发电机上测试了他们的方法。他们比较了三种内部估计器——一个慢但平稳的滤波器、一个快速但噪声大的滤波器以及他们的自适应版本——并随后比较了三种完整的控制策略：一对传统的调谐PI控制器、不带自适应的预测控制器以及新的自适应预测方案。自适应滤波器能在几分之几秒内检测并追踪负载扭矩的阶跃变化，同时在系统稳定时保持估计几乎无噪声。当将其与预测控制器和增益调度方案结合使用时，结果是转速波动显著减小，负载突变后的恢复更快，同时保持空燃比接近理想值。

为何这对更可靠、更清洁的电力很重要

简言之，文章展示了一种使发电机更快“感知”电力需求突变并更智能响应的方法，得益于一个紧凑且自适应的估计方法与能够即时调整行为的预测控制器配合。所提出的方案在负载变化时减少了转速和混合偏离目标的幅度和持续时间，有助于使输出电力保持在要求的频率限制内并使尾气符合排放标准。由于大部分复杂计算已在离线完成、在线算法较为轻量，该方法适用于真实发电发动机中的嵌入式计算机，为实现更可靠且更环保的天然气发电机组提供了可行路径。

引用: Xiong, W., Gong, Q., Huang, S. et al. Model predictive control with adaptive Kalman filter for premixed turbocharged natural gas engine. Sci Rep 16, 9102 (2026). https://doi.org/10.1038/s41598-026-39850-4

关键词: 天然气发动机控制, 模型预测控制, 自适应卡尔曼滤波器, 发电机负载扰动, 空燃比稳定性