CN102425790A - 一种循环流化床锅炉在线优化自学习控制方法 - Google Patents

Abstract

本发明公开了一种循环流化床锅炉在线优化自学习控制方法。包括设有负荷知识库、床温知识库、二次风量知识库及自学习更新算法，可以提炼、存储和使用锅炉特性值和运行经验值从而提高控制性能。设有热效率在线优化器调节床温和二次风量，可使用内置的牛顿梯度寻优算法实时优化燃烧热效率，使锅炉燃烧过程逼近经济燃烧最优区域。对锅炉床层温度的控制采用单回路—多冲量智能控制算法，有效解耦后协调控制影响床温的多个变量，实现安全目标和经济目标的整合。本发明的控制方法可实现循环流化床锅炉安全稳定高效率运行，且鲁棒性强、对预置的经验值有容错能力，降低了控制系统调试难度。

Description

一种循环流化床锅炉在线优化自学习控制方法

技术领域

本发明涉及循环流化床锅炉燃烧自动控制方法，尤其是涉及能确保循环流化床锅炉安全运行和高效率燃烧的一种循环流化床锅炉在线优化自学习控制方法。

背景技术

循环流化床锅炉（简称CFB锅炉）因其具有燃料适应性广、脱硫成本低、高效低污染、灰渣易于综合利用等多方面优点，是近20年来国内外争相研究的焦点。近些年逐渐取代其它锅炉炉型，成为火力发电、工业供热等领域应用最广泛的燃烧锅炉技术，并朝着更大规模化和超临界化CFB锅炉方向快速发展。目前我国已经运行的CFB锅炉从数量和总装机容量上看均位于世界第一；在大容量大规模方面国家也非常重视，科技部牵头成立的四川内江白马600MW超临界循环流化床锅炉示范工程，也是目前世界上最大功率的CFB锅炉项目。

但CFB锅炉由于其多变量、强耦合、大滞后和多方面的不确定性，在工业应用中，我国绝大多数的CFB锅炉总体上还处于一个相对较低的运行水平，特别表现在配套的控制装置和先进控制算法、技术等方面还存在很多问题。一方面经常有CFB锅炉结焦或炉膛内爆、锅炉爆炸等安全事故被报道；另一方面，我国占主体的中小型CFB锅炉普遍存在原有自控算法简单不实用、自控率极低、绝大多数靠工人手动操作等情况，不能充分发挥CFB锅炉高效清洁燃烧的优点，导致一定的能源浪费和不必要的污染物排放超标等。

针对国内CFB锅炉的操作现况，已有不少公司和科研单位开发了一些CFB锅炉优化燃烧的先进控制方法。俞海斌、褚健等使用了汽包水位三冲量协议控制和燃烧专家智能来控制某75t/h容量的CFB锅炉系统（俞海斌、褚健等，75t/h循环流化床锅炉专家控制系统，化工自动化及仪表，26(1),1999:14-18）；东莞德永佳纺织制衣有限公司发明了一种CFB锅炉自控系统（授权公告号：CN 101551103B），通过在线计算锅炉系统阻力及偏差运算得到最佳的给煤量，根据热力学公式预估锅炉负荷的变化，在线调整到最佳燃烧效果；北京和隆优化控制有限公司发明了一种CFB锅炉控制系统，使用二维梯度法在线优化计算锅炉热效率，使用选择-分程算法，控制一次风量、返料量、床压和给煤量4变量来调节床温稳定（授权公告号：CN 101556038B）；瑞士阿尔斯托姆电力公司公开了一种涉及CFB锅炉二级气流控制的设备和方法（专利申请号：CN200880008080.8）；内蒙古华宁热电厂的480t/h CFB锅炉使用了一种燃烧优化调整方法，通过综合调整一二次风比率和过剩氧量来提高燃烧效率、稳定炉膛温度，通过控制入炉煤颗粒度和排渣量改变锅炉风室风压、床压，最终锅炉热燃烧效率提高了1.46%（李丰泉、赵勇纲等，480t/h循环流化床锅炉燃烧优化调整，内蒙古电力技术, 28(S2), 2010: 89-91）。

综合以上国内外已有的各种CFB优化控制技术，对锅炉燃烧各方面的控制进行了改进，但也存在问题和不足：

1. 现有控制算法偏重于在线的控制优化，自成体系，较难结合使用锅炉固有的参数曲线、操作工的经验数据，造成调节时间长动态过程品质差等。

2. 床温受煤质（如粒度、热值、挥发份）等影响较大，但现有优化算法针对不同的煤质条件采用同样的控制算法；专家知识库对已寻优的最优运行点不能自学习，返回之前同样的工况条件运行，仍需重复漫长的自寻优过程。

3. 初始经验值若不准确，会严重影响整个控制系统的性能，不能运行过程中动态剔除错误值；经验参数的高要求造成整个控制系统鲁棒性差、调试困难、施工时间长。

由此可见，目前国内CFB锅炉先进控制算法方面，还有一定的改进空间。

发明内容

基于背景技术中存在的问题，本发明的目的在于提供一种循环流化床锅炉在线优化自学习控制方法，确保循环流化床（CFB）锅炉安全稳定运行、经济高效率燃烧的控制方法，同时具有受煤质波动影响小、负荷调节快速响应、自寻优和自学习更新知识库等特点。

本发明解决其技术问题采用的技术方案是：

1）负荷知识库及负荷决策器、床温知识库及床温决策器、二次风量知识库及二次风量决策器：存储和使用锅炉出厂特征数据、操作经验数据，运行自学习更新算法提炼运行中的优化数据成新规则，发现并剔除错误规则；

2）热效率在线优化器：利用现场数据，针对热效率模型采用牛顿梯度法在线寻优，优化计算床温设定值变化量和二次风量设定值变化量；

3）床温协调控制器：采用单回路—多冲量智能控制算法控制床温，协调计算给料量、一次风量、床压、二次风量4个变量的设定值改变量，输出到各自的控制器；

4）给料量控制器、一次风量控制器、床压控制器和二次风量控制器输出的控制信号给循环流化床锅炉系统的相应执行机构，平衡点检测器检测到锅炉系统稳定后启动三个知识库的自学习更新算法。

所述的三个知识库及其相应的决策器均采用if-else规则存储数据，并使用自学习更新算法提炼新规则和剔除错误规则，其运算步骤如下：

1）比较CFB锅炉负荷设定值，若上次运行后负荷设定值改变，则使用知识库中每条规则的“新可信度值”更新当前可信度值，之后退出本次运行；

2）检测平衡点检测器输出，若检测结果不稳定，退出本次运行；

3）查找知识库每条规则的if部分，找出if部分数据值与当前稳定工况匹配的规则：

a．若仅有一条规则匹配，则继续比较其else部分值：与目前优化输出值的差值小于允许误差±2%，则设置此条规则的新可信度值为100%；

b．若多条规则匹配，继续比较每条规则的else部分值：偏差<±2%则将此条规则新可信度值增大10%，15%≥偏差≥±2%则新可信度减小10%，偏差>±15%则新可信度设为0；

c．若无规则匹配，则新增一条规则，值为当前优化输出值，新可信度设为70%；所有新可信度值一次运行才会生效，避免了更新规则算法造成决策器输出不稳定；

4）检查每条规则的当前可信度值，若为0的规则作为错误数据删除；

5）查找if部分相同的规则，匹配的规则条数>5，则当前可信度值最低的规则作为错误数据剔除。

所述的床温协调控制器使用单回路—多冲量智能控制算法，协调控制给料量、一次风量、床压多个控制冲量的设定值改变量，从安全运行和经济燃烧角度，分两种模式去控制床温单目标值； 

假设T表示当前床温测量值，                                                

为床温测量值与设定值间的偏差，为床温的变化速率，当T在安全温度范围[840,910]以外，控制器运行在床温-安全控制模式，其步骤规则如下：

1）若T<840℃则先使用一次风调节冲量，减风10%观察床温T值；T仍继续下降则使用给煤量冲量，给煤量减少5%，风量增5%，直至床温T>850℃；若T增速过快，一次风量调到最大，待上升趋势稳定后恢复一次风量为原值；

2）若T>910℃应尽快降低床温防止结焦，一次风量增大15%，减给煤量10%，床温回落到T<900℃时逐渐恢复一次风量；

若T在安全范围[840,910]内，控制器运行在床温-经济控制模式，其步骤规则如下：

3）若偏差较小

<10℃，且变化平稳6℃/min<

< 10℃/min，则床温仅使用一次风调节冲量，床温控制器的输出仅改变一次风量设定值，T偏低微减风量，T偏高则微增风量；

4）若偏差较大10℃<

<20℃或者变化慢

< 6℃/min，则调节一次风量基础上适当使用给煤量调节冲程，T偏低微增给料量3-5%，T偏高则微降给料量3-5%；

5）若偏差巨大

>20℃或者变化太慢 

< 3℃/min，或者一次风或给煤任一冲量累计调节幅度已超过15%，则另增床压控制冲量，即床温控制器输出同时也调节床压的设定值，T偏低微减床压设定值5%，T偏高则微增床压设定值5%。

本发明具有的有益效果是：

1、在不同煤质、不同负荷下，往往锅炉厂家和工艺人员都难以提供比较准确的最佳经验值的情况下，本控制系统通过优化自学习调整到最佳状态，并且随着运行推移会总结出更多适合本锅炉特性的经验规则，剔除原先设定的错误经验值，降低了初始经验值的要求减小了调试难度。

2、通过在线寻优改善了锅炉燃烧工况，提高效率的同时节能减排，具有显著经济效益和社会效益。

3、锅炉负荷跟踪能力增强，增减负荷时更加稳定快速，主气压力控制平稳，炉膛温度保持优化，保证运行安全性提高运行效率。

4、自学习更新、在线优化、协调控制等操作均不需要人工干预，自控率显著提高，降低了操作工人劳动强度。

附图说明

附图为本发明所述控制方法实施例的结构框图。 

图中：1、负荷知识库，2、负荷决策器，3、床温知识库，4、床温决策器，5、二次风量知识库，6、二次风量决策器，7、床温协调控制器，8、给料量控制器，9、一次风量控制器，10、床压控制器，11、二次风量控制器，12、热效率在线优化器，13、平衡点检测器，14、给料变频器，15、一次风变频器，16、引风机风门调节，17、二次风机变频器，18、循环流化床锅炉系统。

具体实施方式

下面结合附图和实施例对本发明作进一步的说明。

如附图所示，本发明中的控制方法在某发电厂CFB锅炉系统上的实施例，其整体包含有如下部分：负荷知识库1和负荷决策器2，床温知识库3和床温决策器4，二次风量知识库5和二次风量决策器6，床温协调控制器7，给料量控制器8，一次风量控制器9，床压控制器10，二次风量控制器11，热效率在线优化器12，平衡点检测器13，给料机变频器14，一次风机变频器15，引风机风门调节16，二次风机变频器17，以及作为被控对象的循环流化床锅炉系统18。

上述的所有部分可划分为软件和硬件两大类，其中附图标记1—13为软件部分，均可以在各种PLC、DCS或高性能单片机设备上编程实现，它们相互配合实现了本发明中的控制方法；其余的附图标记14—18为硬件部分，根据CFB锅炉生产厂家的不同此部分硬件可能会稍有差异，但基本都包括有图中所示的各种执行结构、测量仪表以及CFB锅炉设备本身。

本发明的控制方法中设置了3组知识库及相应的决策机，如附图所示，负荷知识库1和负荷决策器2为一组，床温知识库3和床温决策器4为一组，二次风量知识库5和二次风量决策器6为一组。每组中的知识库及决策器的功能类似，并运行相同的算法步骤，下面以负荷知识库1和负荷决策器2这一组为例来介绍：

负荷知识库1采用if-else形式的规则，将设备出厂时厂家标定的锅炉特性数据，或者将操作工长期观察总结得出的经验数据作为特性数据储存起来，自动控制时直接使用这些经验规则。负荷决策器2与负荷知识库1相配合，可以判断当前工况下是否有经验规则可以套用，经验规则的可信度值等。经知识规则查找和决策算法运算，最终快速输出一个可信的设定值结果给后继的控制器。

负荷知识库1用于保存针对本锅炉所特有的“负荷-给料量设定值”曲线，针对燃料燃烧热值、含硫量、颗粒度等特性的不同，可以对应有多条“负荷-给煤量设定值”曲线，最终组成一个表格形式的初始知识库。特性曲线的设定要以运行经验和厂家标定的锅炉特性值为依据，将锅炉额定负荷范围划分成不同的小段，每段负荷范围对应一条经验规则数据，并根据数据可靠程度将规则中的可信度值设为某个较大值（范围0-100）。

负荷知识库1中每条知识或经验数据以一条规则存储，每条规则包括if部分和else部分，多条不同的规则组成一个知识库表格存储在DCS系统存储器中。每条规则的if部分，包括有：煤质燃烧热值、含硫量、颗粒径、锅炉负荷值及其它一些特别的煤质条件或操作条件值，else部分包括对应条件下的给料量设定值、一次风量设定值，以及当前可信度值、新可信度值。

初始知识库形成后，随着锅炉控制系统的运行，负荷知识库1中的规则会增加或者删除，即具有自学习功能。这样即使初始知识库中设置的经验参数不准确或者错误，自学习后这些错误规则被调整或删除，不会对控制效果造成永久影响。负荷知识库1通过运行自学习更新算法提炼新规则和剔除错误规则，其运算步骤如下：

1）比较CFB锅炉负荷设定值，若上次运行后负荷设定值改变，则使用知识库中每条规则的“新可信度值”更新当前可信度值，之后退出本次运行；

2）检测平衡点检测器输出，若检测结果不稳定，退出本次运行；

3）查找知识库每条规则的if部分，找出if部分数据值与当前稳定工况匹配的规则：

a．若仅有一条规则匹配，则继续比较其else部分值：与目前优化输出值的差值小于允许误差±2%，则设置此条规则的新可信度值为100%；

b．若多条规则匹配，继续比较每条规则的else部分值：偏差<±2%则将此条规则新可信度值增大10%，15%≥偏差≥±2%则新可信度减小10%，偏差>±15%则新可信度设为0；

c．若无规则匹配，则新增一条规则，值为当前优化输出值，新可信度设为70%；所有新可信度值一次运行才会生效，避免了更新规则算法造成决策器输出不稳定；

4）检查每条规则的当前可信度值，若为0的规则作为错误数据删除；

5）查找if部分相同的规则，匹配的规则条数>5，则当前可信度值最低的规则作为错误数据剔除。

负荷决策器2以负荷知识库1中的规则为依托，其输入为锅炉的负荷设定值，从负荷知识库1中查找是否有匹配的规则，对每条规则else部分的给料量设定值和一次风量设定值，以可信度值为加权量，经归一化加权求和计算后得到给煤量的设定值，给后继的给煤量控制器8去执行；计算后得到的一次风量设定值，输出给后继的一次风量控制器9去执行。

负荷决策器2输出的给料设定值和一次风量设定值均为粗略值。对这两个关键变量的控制，以此粗略值为基础，再经过在线优化器输出的差量调整，寻优到最佳经济燃烧区域，这才是最终的一次风量设定值和给料量设定值。一次风量控制器9和给料量控制器8可以采用常规的单回路PID算法进行实时的闭环控制。

以上以负荷知识库1和负荷决策器2相互配合组成的一组为例，详细描述了其功能作用、算法步骤等。类似地，床温知识库3与床温决策器4为一组，二次风量知识库5和二次风量决策器6为一组，它们的作用与自学习更新算法与前面描述的相同，均是为了将已有的优化经验快速应用于在线控制，提高控制性能。所不同的是，床温知识库3的if-else规则中，存储的是锅炉厂家标定的出厂“负荷-最佳床温”特性曲线值和操作经验数据；二次风量知识库5的if-else规则中，存储的是锅炉厂家提供的或长期操作总结的“负荷—最佳二次风量”特性曲线值和经验数据。

运行过程中上述的三组知识库通过自学习会不断地更新规则和删除规则，知识库中存储的经验数据也会越来越符合锅炉本身的特性，从而当改变操作负荷时，整个控制系统可以利用知识库中的经验值快速响应，保证锅炉对机组侧的负荷出力，提高过度过程控制品质。

为了确保CFB锅炉稳定运行时整个系统能够处于最佳燃烧效率状态，本发明的控制方法中同时设计了在线自寻优算法。在目前工业应用中，CFB锅炉燃烧效率的主要指标是烟气含氧量，在一次风相对稳定的情况下，二次风量是影响烟气含氧量的主要可控变量。除此之外，整个CFB锅炉的经济运行，床温也是极其重要的参数。在特定的锅炉负荷设定值以及煤质条件下，以热效率模型计算公式为适应度函数（fitness function），以床温设定值、二次风量设定值为寻优变量，以二次风量的上下限、床温设定值的上下限（850-900℃之间）为约束条件，构成了一个数学上的最优化问题，可以用如下公式表示：

                 

                        （1）

其中，

为当前工况条件（包括负荷设定，煤质热值、含硫量、颗粒度等外界条件）下的热效率系数，Q为二次风量设定值，Qmin和Qmax为受设备容量限制的二次风量的最小值和最大值，T为床温设定值，其约束区间为850到900℃，这也是CFB锅炉床内石灰石脱硫的最佳温度区间，过低引起燃烧效率降低运行不稳定，过高会产生结焦安全事故等。

热效率在线寻优器12的作用就是采用内置的牛顿梯度寻优算法，或者其它全局寻优算法（比如遗传算法、PSO算法等），通过在可行域上对CFB锅炉热效率模型目标函数的全局寻优，在线实时地输出当前工况条件下全局最优操作点与当前操作点之间的偏差值。床温决策器4一方面运行决策算法从床温知识库3中获得床温设定粗值，将它与热效率在线优化器12输出的偏差值OP2相加后，输出最终的最优床温设定值；同样原理，二次风量决策器6输出的二次风量设定粗值也与热效率在线优化器12的偏差值OP1相加，输出最终二次风量设定值。

平衡点检测器13用于在负荷设定值不变的情况下，检测CFB锅炉系统是否已经优化到了逼近最优经济燃烧区域附近。它的输入为锅炉系统的床温、床压、给煤量、烟气含氧量、其它各个监测仪表测量值，以及热效率在线优化器12的两个输出值OP1、OP2。在锅炉负荷设定值不变的情况下，平衡点检测器每隔3min（此间隔值可调）运行一次检测，若检测到系统未稳定，说明在线寻优器仍在调整系统的过程中，什么也不做等待下一次检测；若输入的系统主要检测点当前值与设定值比较，均处于相对稳定状态，且热效率在线优化器12的输出OP1和OP2也保持不变，即认为系统当前处于平衡状态，会自动执行一次前述的知识库更新和删除算法，将当前最优点状态作为今后可借鉴的宝贵经验提取到3个知识库中，动态更新原有规则中的经验值，同时删除可信度差或包含有错误数据的规则。 

在CFB锅炉系统中，确保循环硫化床床层温度的稳定控制非常重要。床温不仅是关系到CFB锅炉经济运行的重要参数，也是反应锅炉运行稳定情况的最直接指标。由于CFB锅炉多变量间的强耦合性，给煤量、一次风量、床压、燃料停留时间等等均会对床层温度造成影响，单一地仅通过调节单个变量来控制床温往往有调节量过小或引起其它被控量不稳定等问题。本发明中采用单回路—多冲量智能控制算法，协调控制给料量、一次风量、床压多个控制冲量的设定值改变量，从安全运行和经济燃烧角度，分两种模式去控制床温单目标值； 

假设T表示当前床温测量值，

为床温测量值与设定值间的偏差，

为床温的变化速率，当T在安全温度范围[840,910]以外，控制器运行在床温-安全控制模式，其步骤规则如下：

1）若T<840℃则先使用一次风调节冲量，减风10%观察床温T值；T仍继续下降则使用给煤量冲量，给煤量减少5%，风量增5%，直至床温T>850℃；若T增速过快，一次风量调到最大，待上升趋势稳定后恢复一次风量为原值；

2）若T>910℃应尽快降低床温防止结焦，一次风量增大15%，减给煤量10%，床温回落到T<900℃时逐渐恢复一次风量；

若T在安全范围[840,910]内，控制器运行在床温-经济控制模式，其步骤规则如下：

3）若偏差较小

<10℃，且变化平稳6℃/min<

< 10℃/min，则床温仅使用一次风调节冲量，床温控制器的输出仅改变一次风量设定值，T偏低微减风量，T偏高则微增风量；

4）若偏差较大10℃<

<20℃或者变化慢

< 6℃/min，则调节一次风量基础上适当使用给煤量调节冲程，T偏低微增给料量3-5%，T偏高则微降给料量3-5%；

5）若偏差巨大>20℃或者变化太慢 

< 3℃/min，或者一次风或给煤任一冲量累计调节幅度已超过15%，则另增床压控制冲量，即床温控制器输出同时也调节床压的设定值，T偏低微减床压设定值5%，T偏高则微增床压设定值5% 。

附图中其余的几个控制器，给料量控制器8、一次风量控制器9、床压控制器10以及二次风量控制器11均为工业控制上常用的单回路控制器，采用PID算法进行闭环控制。

附图中硬件部分附图标记14-17为用于控制CFB锅炉系统的常见执行机构，根据CFB锅炉厂家的不同可能会略有差异。给料量控制器8的输出值作用到给料量执行机构，在附图实施例中为给料机变频器14；一次风量控制器9的输出值作用到一次风量调节执行机构，在附图实施例中为一次风机变频器15；床压控制器10的输出值作用到床压调节执行机构，在附图实施例中为引风机风门调节16；二次风量控制器11的输出值作用到二次风量调节执行机构，在附图实施例中为二次风机变频器17。在设有烟气含氧量在线检测的CFB锅炉上，还可以用烟气含氧量测量值作为二次风量控制器11设定值并构成闭环控制回路，输出控制量作用到二次风机变频器17上。

附图所示的实施例中各个标记如下：各个控制器的SV端，代表控制器的设定值输入；控制器若存在

端，代表控制器设定值的调整量输入；各个控制器的PV端，表示对应控制器的当前过程测量值输入；OP1和OP2分别表示热效率在线优化器12的两个优化输出值。以下为附图实施例中各个部分的输入输出及连接关系描述：

负荷决策器2的SV端输入当前负荷设定值，它运行前述的决策算法，负荷决策器2输出给料量设定粗值到给料量控制器8的SV端，输出一次风量设定粗值到一次风量控制器9的SV端。

床温决策器4的SV端输入当前负荷设定值，它输出床温设定粗值到床温协调控制器7的SV端。

二次风量决策器6的SV端输入当前负荷设定值，它输出二次风量设定粗值到二次风量控制器11的SV端。

床温协调控制器7的SV端接受床温决策器4的输出作为设定值的粗值，

端接受热效率在线优化器12的优化输出OP2的值作为设定值微调量，PV端为当前床温值输入。床温协调控制器7执行前述的单回路—多冲量智能控制算法，其输出有3个，分别接到给料量控制器8、一次风量控制器9和床压控制器10的SV端，微调给料量、一次风量的设定值，给出床压的设定值。

给料量控制器8的PV设定值包括两部分：负荷知识库2中查找的粗给料量设定值，加上床温协调控制器7输出的设定值微调量。PV端输入当前给料量仪表测量值，经给料量控制器8闭环PID运算后控制器输出值接到给料机变频器14执行。一次风量控制器9和床压控制器10的输入输出与上述给料量控制器8类似。

二次风量控制器11的输入值也分为2部分：二次风量决策器6输出的二次风量设定粗值接到SV端，热效率在线优化器12输出的优化调整量OP1接到

端；PV端为当前二次风量测量值；二次风量控制器11的控制信号输出到二次风机变频器17去执行。

热效率在线优化器12，它的输入为CFB锅炉系统各个仪表的测量值，输出OP1接到二次风量控制器11的

端，用于优化二次风量的设定值；输出OP2接到床温协调控制器7的

端，对床温设定值起优化作用。热效率在线优化器12内部预置有CFB锅炉热效率模型，为了在约束允许的条件下热效率达到最高，在热效率在线优化器12中对公式（1）所示的约束优化问题，采用内置的牛顿梯度法（也可以使用其它全局寻优算法，如PSO、遗传算法等）求解其全局最优值，并通过输出值OP1和OP2调整系统达到或逼近最经济运行区域，从而节约燃煤消耗，减少污染物特别是NO_x、SO_x气体排放。

平衡点检测器13，它每3min（时间可调）实施一次检测。如果热效率在线优化器12已经输出OP1、OP2值相对稳定，系统中的各PID控制器也相对稳定，锅炉总负荷设定值也没有改变，则检测通过，认为此时系统已经优化到全局最优点或附近，此时的最佳工况值应该作为今后控制的经验点保存起来并借鉴。此时会调用前述的知识库自学习更新算法，提取最优工况点作为一条新的if-else规则存储到知识库中，同时算法剔除较差的或者过时的已有规则数据。随着控制系统运行时间增长，知识库中会提取更多真实可靠的经验数据，整体控制系统的控制效果也会在使用过程中不断提升。

以上所述仅是本发明在某电厂CFB锅炉DCS控制系上的典型实施方式一例是用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明作出的任何修改和改变，都落入本发明的保护范围。

Claims (3)

1.一种循环流化床锅炉在线优化自学习控制方法，其特征在于：

1）负荷知识库及负荷决策器、床温知识库及床温决策器、二次风量知识库及二次风量决策器：存储和使用锅炉出厂特征数据、操作经验数据，运行自学习更新算法提炼运行中的优化数据成新规则，发现并剔除错误规则；

2）热效率在线优化器：利用现场数据，针对热效率模型采用牛顿梯度法在线寻优，优化计算床温设定值变化量和二次风量设定值变化量；

3）床温协调控制器：采用单回路—多冲量智能控制算法控制床温，协调计算给料量、一次风量、床压、二次风量4个变量的设定值改变量，输出到各自的控制器；

4）给料量控制器、一次风量控制器、床压控制器和二次风量控制器输出的控制信号给循环流化床锅炉系统的相应执行机构，平衡点检测器检测到锅炉系统稳定后启动三个知识库的自学习更新算法。

2.根据权利要求1所述的一种循环流化床锅炉在线优化自学习控制方法，其特征在于：所述的三个知识库及其相应的决策器均采用if-else规则存储数据，并使用自学习更新算法提炼新规则和剔除错误规则，其运算步骤如下：

1）比较CFB锅炉负荷设定值，若上次运行后负荷设定值改变，则使用知识库中每条规则的“新可信度值”更新当前可信度值，之后退出本次运行；

2）检测平衡点检测器输出，若检测结果不稳定，退出本次运行；

3）查找知识库每条规则的if部分，找出if部分数据值与当前稳定工况匹配的规则：

a．若仅有一条规则匹配，则继续比较其else部分值：与目前优化输出值的差值小于允许误差±2%，则设置此条规则的新可信度值为100%；

b．若多条规则匹配，继续比较每条规则的else部分值：偏差<±2%则将此条规则新可信度值增大10%，15%≥偏差≥±2%则新可信度减小10%，偏差>±15%则新可信度设为0；

c．若无规则匹配，则新增一条规则，值为当前优化输出值，新可信度设为70%；所有新可信度值一次运行才会生效，避免了更新规则算法造成决策器输出不稳定；

4）检查每条规则的当前可信度值，若为0的规则作为错误数据删除；

5）查找if部分相同的规则，匹配的规则条数>5，则当前可信度值最低的规则作为错误数据剔除。

3.根据权利要求1所述的一种循环流化床锅炉在线优化自学习控制方法，其特征在于：床温协调控制器使用单回路—多冲量智能控制算法，协调控制给料量、一次风量、床压多个控制冲量的设定值改变量，从安全运行和经济燃烧角度，分两种模式去控制床温单目标值； 

假设T表示当前床温测量值，                                                

为床温测量值与设定值间的偏差，

为床温的变化速率，当T在安全温度范围[840,910]以外，控制器运行在床温-安全控制模式，其步骤规则如下：

1）若T<840℃则先使用一次风调节冲量，减风10%观察床温T值；T仍继续下降则使用给煤量冲量，给煤量减少5%，风量增5%，直至床温T>850℃；若T增速过快，一次风量调到最大，待上升趋势稳定后恢复一次风量为原值；

2）若T>910℃应尽快降低床温防止结焦，一次风量增大15%，减给煤量10%，床温回落到T<900℃时逐渐恢复一次风量；

若T在安全范围[840,910]内，控制器运行在床温-经济控制模式，其步骤规则如下：

3）若偏差较小<10℃，且变化平稳6℃/min<

< 10℃/min，则床温仅使用一次风调节冲量，床温控制器的输出仅改变一次风量设定值，T偏低微减风量，T偏高则微增风量；

4）若偏差较大10℃<

<20℃或者变化慢< 6℃/min，则调节一次风量基础上适当使用给煤量调节冲程，T偏低微增给料量3-5%，T偏高则微降给料量3-5%；

5）若偏差巨大

>20℃或者变化太慢 

< 3℃/min，或者一次风或给煤任一冲量累计调节幅度已超过15%，则另增床压控制冲量，即床温控制器输出同时也调节床压的设定值，T偏低微减床压设定值5%，T偏高则微增床压设定值5% 。

Images