神经网络智能串级控制在过热器喷水减温系统中的应用

某600 MW超超临界机组参与电网一次调频和自动发电控制(AGC),机组负荷频繁变化、经常处于深度快速变负荷工况运行,且锅炉燃煤品种多变,导致机组过热汽温波动大、控制品质差。为此,将人工神经网络(ANN)与传统PID串级控制思想结合,提出一种外环采用神经网络逆控制、内环采用PID控制器的过热器喷水减温智能串级控制策略。首先利用该机组的历史运行数据对各级过热器的汽温特性进行逆建模,在此基础上基于罗克韦尔PLC控制器开发了汽温外挂优化控制系统,经调试后在现场稳定投运。应用结果表明,采用本文的智能控制策略,有效减小了一次调频和AGC深度变负荷过程中机组过热汽温的波动,大大提高了汽温的动态和稳态控制品质,减少了运行人员对汽温设定值的频繁干预,增强了机组对AGC深度调峰的适应能力。     

DMPIC-PID串级过热汽温控制系统

通过将动态矩阵比例积分控制算法与串级控制相结合,提出了一种新的火电厂锅炉过热汽温控制方案.将这种方法应用于主汽温控制可以有效克服过热汽温对象的大滞后和大惯性,并能够消弱对象在运行中参数变化的影响,获得良好的控制品质.仿真试验表明:这种方案可使系统具有较强的鲁棒性和良好的控制品质,具有很好的实用价值.     

基于现场数据的电站过热器神经网络建模

为克服机理建模方法的不足,对利用现场数据建立过热汽温模型进行了研究。通过对过热器运行机理的分析,确定了影响过热汽温变化的主要因素,及其对过热汽温影响的延迟时间。在论述了神经网络建模原理的基础上,建立神经网络模型。通过大量现场数据的训练,使所建模的输出与实际系统的输出基本吻合。最后,用部分现场数据对所建模型进行了仿真试验,证明了该建模方法的可行性。基于神经网络建模计算速度快及模型精度高,模型输出基本上反映了过热汽温的实际运行情况。     

DMPIC—PID串级过热汽温控制系统

通过将动态矩阵比例积分控制算法与串级控制相结合,提出了一种新的火电厂锅炉过热汽温控制方案。将这种方法应用于主汽温控制可以有效克服过热汽温对象的大滞后和大惯性,并能够消弱对象在运行中参数变化的影响,获得良好的控制品质.仿真试验表明：这种方案可使系统具有较强的鲁棒性和良好的控制品质,具有很好的实用价值.     

基于模型补偿与切换的锅炉过热汽温控制

为了减小锅炉过热汽温惰性区对象和锅炉负荷变化对汽温调节过程的影响,采用在惰性区对象上并联某-负荷的惰性区对象模型和模型静态增益环节的方法,并根据汽温实际值与模型输出值的偏差大小在汽温实际值和模型输出值之间进行切换,当偏差大于限值时切向汽温实际值,偏差小于限值时切向模型输出值,以此构成单回路固定参数PI控制系统.仿真结果表明,此控制系统可以适应不同负荷的汽温控制,控制品质要优于常规的固定参数PID串级控制系统.     

迭代学习模型预测控制算法在锅炉过热汽温中的应用

为提高锅炉经济有效且安全运行,采用一种模型预测控制融入到迭代学习控制的算法,不仅能够迅速准确地完成对期望轨迹的完全跟踪任务,而且具有实时抗外界干扰的能力,加快过热汽温稳定,控制跟踪速度,提高锅炉运行效率。     

超超临界二次再热机组过热汽温模型辨识

二次再热是进一步提升大型超超临界机组运行参数、提高机组运行效率的一项关键技术。该类机组的建设尚处于起步阶段,运行经验相对缺乏,为提高其运行控制水平,需要了解锅炉运行的热工特性,并建立兼具工程应用需求和理论研究价值的模型。在西安热工院开发的华能莱芜电厂2×1 000 MW机组仿真系统的平台上,进行了两级喷水减温扰动试验、烟气再循环扰动试验,探究过热汽温的变化规律。采用改进型的粒子群算法,对过热汽温被控对象进行辨识。研究表明改进型粒子群算法辨识精度较高,得到的过热汽温被控对象模型可用于开展机组优化运行与优化控制的相关研究。     

基于状态变量-多模型的主汽温控制系统

在现代火力发电厂控制中,锅炉出口过热蒸汽温度(主汽温)是锅炉的主要参数之一,对电厂的安全经济运行有着重大的影响。针对主汽温系统大惯性、非线性的特点,提出了基于状态变量-多模型的控制方案,即先采用状态反馈补偿主汽温的惯性,以PID作为控制器对补偿后的广义被控对象进行控制;再针对不同工况下对象特性的变化,对各工况控制子系统进行模态综合,实现大范围的控制。对主汽温系统的仿真结果表明,该方案可以较好地解决系统的大惯性和非线性问题。     

基于神经网络补偿的主汽温多模型控制

针对过热汽温对象的特性参数随机组运行工况的变化而有较大变化的特点,设计了基于神经网络补偿的多模型切换的串级控制系统．基于不同工况点设计的固定控制器可根据运行工况进行切换,补偿控制器在此基础上补偿控制作用的不足．仿真结果表明,这种控制方案实现了系统全工况运行的满意控制．     

多模型过热汽温控制系统

提出了多模型双回路超临界 ６００ ＭＷ直流锅炉过热汽温控制方法。该方案在采用导前信号的双回路控制系统的基础上,选择合适的多模型特征参数,划分合理的工作子空间,建立模态调度规则,实现准确的模态切换。仿真结果表明,用这种方法建立的过热汽温控制系统,具有较好的控制品质和较强的自适应能力。     

过热蒸汽温度控制中RBF神经网络整定PID控制的应用

锅炉的过热蒸汽温度是表征锅炉特性的重要指标之一,其控制品质的优劣直接影响火电厂锅炉机组的安全性和经济性.由于过热蒸汽温度有滞后、大惯性、时变等特性,常规PID并不能对其实现良好的控制.引入RBF神经网络整定PID控制,可以达到良好的控制效果.     

智能控制在锅炉过热汽温控制中的应用研究

电站锅炉过热蒸汽温度具有较大的非线性及较强的耦合性，用传统的PID串级系统进行控制，通常难以达到理想的控制效果。将模糊控制与常规的串级系统结合起来，将其应用于某300MW燃煤单元机组的过热器出口蒸汽温度的控制．进行了仿真研究。通过与常规串级系统、单纯的模糊控制系统以及Fuzzy-PI控制系统的比较，仿真结果说明这种复合控制方法对大延迟、大惯性、非线性对象具有很好的控制效果：     

一种改进RBF网络与PID相协调的自适应控制

为充分利用人工神经网络处理非线性问题能力和PID控制器设计简单以及鲁棒性强的优点,设计了高性能控制器.通过对最小资源分配网络的裁剪策略进行改进,使改进的网络具有更加紧凑的结构;把改进的最小资源分配网络应用到神经网络自适应控制器中,同时结合神经网络自适应控制和PID控制,提出一种神经网络与PID相协调的自适应控制策略,并应用到对电站锅炉过热汽温的控制上.仿真结果表明,提出的控制算法与常规的控制算法相比具有更好的控制品质.     

火电机组过热汽温神经网络控制的研究

研究了单神经元PID控制器和BP神经网络PID控制器在火电机组过热汽温的应用．实验结果表明,神经网络PID控制结构简单,有较强的鲁棒性,取得了较好的控制效果．     

用于串级控制的模糊自调整PID控制

针对现代电厂运行工况变化频繁,存在严重的动态时变非线性影响因素,提出了一种模糊参数自调整PID控制器,用以改善自动控制系统,在该控制器的参数运用模糊推理方法,并能按照控制系统状态及运行工况的变化情况,自动地在线调整PID参数,文中介绍了该方法的基本原理,并给出一些仿真研究的结果。     

多模型预测控制及其在火电厂过热汽温控制中的应用

针对火电厂存在的过热汽温问题,设计了多模型预测控制系统.根据若干建模工况点,离线训练局部人工神经网络模型,利用贝叶斯估计的方法在线计算每个局部神经网络模型概率,加权计算出模型预测输出值.根据预测控制的原理,利用Newton-Raphson迭代法得到控制信号,从而得到了仅含一个控制器的多模型预测控制系统.仿真结果表明,在负荷大范围变化的工况下仍能保持良好的控制性能,具有较强的鲁棒性.     

过热汽温控制系统的典型控制策略及DCS实现

对可应用于过热汽温控制系统中的变参数控制、自校正—Ｓｍｉｔｈ预估控制、模糊控制、状态变量—ＰＩＤ控制等几种典型控制策略进行了简要介绍和分析,并给出了它们的分散控制系统实现方法。仿真研究和工程实践都证明：这些典型控制策略有利于克服过热汽温对象的大惯性、大迟延特性,能取得优于常规ＰＩＤ串级控制系统的控制品质。