CN104214772A - 一种循环流化床机组agc负荷指令响应的控制方法 - Google Patents

Abstract

本发明涉及循环流化床机组控制技术，具体是一种循环流化床机组AGC负荷指令响应的控制方法。本发明解决了传统的CCS协调控制系统的调节品质难以满足电网AGC控制要求的问题。一种循环流化床机组AGC负荷指令响应的控制方法，该方法是采用如下步骤实现的：1）建立基于时间序列的三层神经网络预测模型；2）三层神经网络预测模型预测输出循环流化床机组的床层温度；3）三层神经网络预测模型预测输出循环流化床机组的主汽压力；4）三层神经网络预测模型预测输出循环流化床机组的发电功率；5）控制循环流化床机组的床层温度；6）控制循环流化床机组的主汽压力。本发明普遍适用于循环流化床机组的控制。

Description

一种循环流化床机组AGC负荷指令响应的控制方法

技术领域

本发明涉及循环流化床机组控制技术，具体是一种循环流化床机组AGC负荷指令响应的控制方法。

背景技术

循环流化床机组因其具有高效、环保的特点而在发电领域得到了大规模的发展和应用。在实际应用中，循环流化床机组具有迟滞性大、热惯性大、蓄热能力强、输入-输出变量之间存在较强的耦合现象等一系列特性。因此在采用传统的CCS协调控制系统对循环流化床机组进行AGC负荷指令响应控制时，普遍存在负荷响应速度慢、机组波动大的问题。换言之，传统的CCS协调控制系统的调节品质难以满足电网AGC控制要求，由此直接影响了电网的安全高效运行。基于此，有必要发明一种全新的循环流化床机组控制方法，以解决传统的CCS协调控制系统的调节品质难以满足电网AGC控制要求的问题。

发明内容

本发明为了解决传统的CCS协调控制系统的调节品质难以满足电网AGC控制要求的问题，提供了一种循环流化床机组AGC负荷指令响应的控制方法。

本发明是采用如下技术方案实现的：一种循环流化床机组AGC负荷指令响应的控制方法，该方法是采用如下步骤实现的：

1）建立基于时间序列的三层神经网络预测模型；所述三层神经网络预测模型包括：输入层、隐含层、输出层；

2）将三层神经网络预测模型的隐含层节点数目设为9个，并将循环流化床机组的四种参数数据输入三层神经网络预测模型，三层神经网络预测模型预测输出循环流化床机组的床层温度；所述循环流化床机组的四种参数数据包括：循环流化床机组的煤量实时值、一次风量实时值、二次风量实时值、流化风实时值；

3）将三层神经网络预测模型的隐含层节点数目设为8个，并将循环流化床机组的两种参数数据输入三层神经网络预测模型，三层神经网络预测模型预测输出循环流化床机组的主汽压力；所述循环流化床机组的两种参数数据包括：循环流化床机组的负荷实时值、汽机调门开度实时值；

4）将三层神经网络预测模型的隐含层节点数目设为10个，并将循环流化床机组的五种参数数据输入输入三层神经网络预测模型，三层神经网络预测模型预测输出循环流化床机组的发电功率；所述循环流化床机组的五种参数数据包括：循环流化床机组的煤量实时值、一次风量实时值、二次风量实时值、流化风实时值、汽机调门开度实时值；

5）采用循环流化床机组的床层温度预测值代替床层温度测量反馈值，并将床层温度预测值与床层温度设定值进行比较，得出两者之间差值及差值变化率，然后不断地重复步骤2），并通过新的床层温度预测值对两者之间差值及差值变化率进行滚动修正；

选取一个模糊控制器，并将滚动修正后的两者之间差值及差值变化率作为该模糊控制器的输入，然后通过添加该模糊控制器构成模糊控制和原PID控制的复合方式来控制循环流化床机组的床层温度，使得循环流化床机组的床层温度保持稳定；

6）采用循环流化床机组的主汽压力预测值代替主汽压力测量反馈值，并将主汽压力预测值与主汽压力设定值进行比较，得出两者之间差值及差值变化率，然后不断地重复步骤3），并通过新的主汽压力预测值对两者之间差值及差值变化率进行滚动修正；

选取一个模糊控制器，并将滚动修正后的两者之间差值及差值变化率作为该模糊控制器的输入，然后通过添加该模糊控制器构成模糊控制和原PID控制的复合方式来控制循环流化床机组的主汽压力，使得循环流化床机组的主汽压力保持稳定；

7）选取一个模糊控制器，并将循环流化床机组的发电功率预测值与AGC负荷指令下发的发电功率值进行比较，然后将比较结果作为该模糊控制器的输入；

当循环流化床机组的发电功率预测值小于AGC负荷指令下发的发电功率值时，通过模糊控制器控制循环流化床机组的一次风量增加，并控制循环流化床机组的二次风量改变，使得一次风量与二次风量的比例改变为有利于提高燃烧效率的数值，由此使得循环流化床机组的发电功率升高至AGC负荷指令下发的发电功率值；

当循环流化床机组的发电功率预测值大于AGC负荷指令下发的发电功率值时，通过模糊控制器控制循环流化床机组的一次风量减少，并控制循环流化床机组的二次风量改变，使得一次风量与二次风量的比例改变为不利于燃烧的数值，由此使得循环流化床机组的发电功率降低至AGC负荷指令下发的发电功率值。

与传统的CCS协调控制系统相比，本发明所述的一种循环流化床机组AGC负荷指令响应的控制方法具有如下优点：其一，本发明所述的一种循环流化床机组AGC负荷指令响应的控制方法通过采用神经网络预测模型和模糊控制器对循环流化床机组的发电功率进行控制，实现了对循环流化床机组的过程参数进行提前预测，并实现了对生产流程的中间蓄热进行合理利用，由此有效加快了慢过程，同时有效加快了负荷响应速度，从而有效保证了电网的安全高效运行。其二，本发明所述的一种循环流化床机组AGC负荷指令响应的控制方法通过采用神经网络预测模型和模糊控制器对循环流化床机组的床层温度、主汽压力进行控制，实现了对循环流化床机组的多耦合复杂过程的模糊控制，由此充分利用了人工经验，同时有效减小了机组波动，从而同样有效保证了电网的安全高效运行。综上所述，本发明所述的一种循环流化床机组AGC负荷指令响应的控制方法基于全新的控制原理，使得其调节品质完全满足了电网AGC控制要求，从而有效保证了电网的安全高效运行。

本发明有效解决了传统的CCS协调控制系统的调节品质难以满足电网AGC控制要求的问题，普遍适用于循环流化床机组的控制。

具体实施方式

一种循环流化床机组AGC负荷指令响应的控制方法，该方法是采用如下步骤实现的：

1）建立基于时间序列的三层神经网络预测模型；所述三层神经网络预测模型包括：输入层、隐含层、输出层；

2）将三层神经网络预测模型的隐含层节点数目设为9个，并将循环流化床机组的四种参数数据输入三层神经网络预测模型，三层神经网络预测模型预测输出循环流化床机组的床层温度；所述循环流化床机组的四种参数数据包括：循环流化床机组的煤量实时值、一次风量实时值、二次风量实时值、流化风实时值；

3）将三层神经网络预测模型的隐含层节点数目设为8个，并将循环流化床机组的两种参数数据输入三层神经网络预测模型，三层神经网络预测模型预测输出循环流化床机组的主汽压力；所述循环流化床机组的两种参数数据包括：循环流化床机组的负荷实时值、汽机调门开度实时值；

4）将三层神经网络预测模型的隐含层节点数目设为10个，并将循环流化床机组的五种参数数据输入输入三层神经网络预测模型，三层神经网络预测模型预测输出循环流化床机组的发电功率；所述循环流化床机组的五种参数数据包括：循环流化床机组的煤量实时值、一次风量实时值、二次风量实时值、流化风实时值、汽机调门开度实时值；

5）采用循环流化床机组的床层温度预测值代替床层温度测量反馈值，并将床层温度预测值与床层温度设定值进行比较，得出两者之间差值及差值变化率，然后不断地重复步骤2），并通过新的床层温度预测值对两者之间差值及差值变化率进行滚动修正；

选取一个模糊控制器，并将滚动修正后的两者之间差值及差值变化率作为该模糊控制器的输入，然后通过添加该模糊控制器构成模糊控制和原PID控制的复合方式来控制循环流化床机组的床层温度，使得循环流化床机组的床层温度保持稳定；

6）采用循环流化床机组的主汽压力预测值代替主汽压力测量反馈值，并将主汽压力预测值与主汽压力设定值进行比较，得出两者之间差值及差值变化率，然后不断地重复步骤3），并通过新的主汽压力预测值对两者之间差值及差值变化率进行滚动修正；

选取一个模糊控制器，并将滚动修正后的两者之间差值及差值变化率作为该模糊控制器的输入，然后通过添加该模糊控制器构成模糊控制和原PID控制的复合方式来控制循环流化床机组的主汽压力，使得循环流化床机组的主汽压力保持稳定；

7）选取一个模糊控制器，并将循环流化床机组的发电功率预测值与AGC负荷指令下发的发电功率值进行比较，然后将比较结果作为该模糊控制器的输入；

当循环流化床机组的发电功率预测值小于AGC负荷指令下发的发电功率值时，通过模糊控制器控制循环流化床机组的一次风量增加，并控制循环流化床机组的二次风量改变，使得一次风量与二次风量的比例改变为有利于提高燃烧效率的数值，由此使得循环流化床机组的发电功率升高至AGC负荷指令下发的发电功率值；

当循环流化床机组的发电功率预测值大于AGC负荷指令下发的发电功率值时，通过模糊控制器控制循环流化床机组的一次风量减少，并控制循环流化床机组的二次风量改变，使得一次风量与二次风量的比例改变为不利于燃烧的数值，由此使得循环流化床机组的发电功率降低至AGC负荷指令下发的发电功率值。

Claims (1)

1.一种循环流化床机组AGC负荷指令响应的控制方法，其特征在于：该方法是采用如下步骤实现的：

1）建立基于时间序列的三层神经网络预测模型；所述三层神经网络预测模型包括：输入层、隐含层、输出层；

2）将三层神经网络预测模型的隐含层节点数目设为9个，并将循环流化床机组的四种参数数据输入三层神经网络预测模型，三层神经网络预测模型预测输出循环流化床机组的床层温度；所述循环流化床机组的四种参数数据包括：循环流化床机组的煤量实时值、一次风量实时值、二次风量实时值、流化风实时值；

3）将三层神经网络预测模型的隐含层节点数目设为8个，并将循环流化床机组的两种参数数据输入三层神经网络预测模型，三层神经网络预测模型预测输出循环流化床机组的主汽压力；所述循环流化床机组的两种参数数据包括：循环流化床机组的负荷实时值、汽机调门开度实时值；

4）将三层神经网络预测模型的隐含层节点数目设为10个，并将循环流化床机组的五种参数数据输入输入三层神经网络预测模型，三层神经网络预测模型预测输出循环流化床机组的发电功率；所述循环流化床机组的五种参数数据包括：循环流化床机组的煤量实时值、一次风量实时值、二次风量实时值、流化风实时值、汽机调门开度实时值；

5）采用循环流化床机组的床层温度预测值代替床层温度测量反馈值，并将床层温度预测值与床层温度设定值进行比较，得出两者之间差值及差值变化率，然后不断地重复步骤2），并通过新的床层温度预测值对两者之间差值及差值变化率进行滚动修正；

选取一个模糊控制器，并将滚动修正后的两者之间差值及差值变化率作为该模糊控制器的输入，然后通过添加该模糊控制器构成模糊控制和原PID控制的复合方式来控制循环流化床机组的床层温度，使得循环流化床机组的床层温度保持稳定；

6）采用循环流化床机组的主汽压力预测值代替主汽压力测量反馈值，并将主汽压力预测值与主汽压力设定值进行比较，得出两者之间差值及差值变化率，然后不断地重复步骤3），并通过新的主汽压力预测值对两者之间差值及差值变化率进行滚动修正；

选取一个模糊控制器，并将滚动修正后的两者之间差值及差值变化率作为该模糊控制器的输入，然后通过添加该模糊控制器构成模糊控制和原PID控制的复合方式来控制循环流化床机组的主汽压力，使得循环流化床机组的主汽压力保持稳定；

7）选取一个模糊控制器，并将循环流化床机组的发电功率预测值与AGC负荷指令下发的发电功率值进行比较，然后将比较结果作为该模糊控制器的输入；

当循环流化床机组的发电功率预测值小于AGC负荷指令下发的发电功率值时，通过模糊控制器控制循环流化床机组的一次风量增加，并控制循环流化床机组的二次风量改变，使得一次风量与二次风量的比例改变为有利于提高燃烧效率的数值，由此使得循环流化床机组的发电功率升高至AGC负荷指令下发的发电功率值；

当循环流化床机组的发电功率预测值大于AGC负荷指令下发的发电功率值时，通过模糊控制器控制循环流化床机组的一次风量减少，并控制循环流化床机组的二次风量改变，使得一次风量与二次风量的比例改变为不利于燃烧的数值，由此使得循环流化床机组的发电功率降低至AGC负荷指令下发的发电功率值。