CN105467844A - 基于神经元辨识的锅炉过热汽温控制方法 - Google Patents

基于神经元辨识的锅炉过热汽温控制方法 Download PDF

Info

Publication number
CN105467844A
CN105467844A CN201610044498.0A CN201610044498A CN105467844A CN 105467844 A CN105467844 A CN 105467844A CN 201610044498 A CN201610044498 A CN 201610044498A CN 105467844 A CN105467844 A CN 105467844A
Authority
CN
China
Prior art keywords
steam temperature
model
neuron
control method
boiler overheating
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610044498.0A
Other languages
English (en)
Inventor
陈昊哲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201610044498.0A priority Critical patent/CN105467844A/zh
Publication of CN105467844A publication Critical patent/CN105467844A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Steam Boilers And Waste-Gas Boilers (AREA)

Abstract

本发明公开了基于神经元辨识的锅炉过热汽温控制方法，具体步骤包括：(a)获得模型：根据受控自回归积分滑动平均(CARIMA)模型和神经元数值学习算法循环修正误差与参数，直至满足阈值辨识出模型；(b)多步预报；(c)自适应控制：(d)偏差检验。本发明在基于锅炉过热汽温机理模型和神经元辨识算法的基础上，提前多步预报过热蒸汽温度，再通过与实际汽温比较而获得的偏差来进行自适应控制，在模型中充分考虑蒸汽流量的干扰以及相关白噪声的影响，使得蒸汽温度更好的跟踪设定值，有利于实时控制与模型的在线校正，提高过程系统的反应速度和控位精度。

Description

基于神经元辨识的锅炉过热汽温控制方法
【技术领域】
本发明涉及锅炉自动控制的技术领域，特别是锅炉的过热蒸汽模型辨识的温度预估控制的技术领域。
【背景技术】
蒸汽过热系统的控制任务是维持过热器出口蒸汽温度在允许范围，保护过热器管壁温度不超过允许的工作温度。从干扰分析的角度看，过热器是具有较大延迟的多容惯性环节，测温元件具有较大惯性，影响过热器出口蒸汽温度变化的主要因素是：蒸汽流量的扰动、减温水量的扰动、烟气热量的扰动。
对于蒸汽流量的扰动，辐射式过热器的特点是：蒸汽流量上升，蒸汽温度下降，而对流式过热器则是随着蒸汽流量的上升而温度上升；即是在负荷变化时，温度变化特点是有滞后、惯性和自平衡能力。减温水量的扰动则是扰动地点(过热器入口)与测温地点(过热器出口)有较大距离，产生纯滞后；过热器管壁储量和表面传热阻力造成容量滞后。烟气热量的扰动包括烟气侧热量扰动，烟气流速和烟气温度的扰动；其中，烟气温度对蒸汽温度的影响没有传递滞后。
从锅炉过热蒸汽的扰动分析来看，为保证过热汽温按规定的升温曲线变化，一般采用串级加前馈的形式；其中，主调节器控制过热汽温，副调节器接受主调节器的校正信号和减温器出口气温信号，燃料量及其微分作为前馈信号。
目前也有对锅炉过热蒸汽温度的控制方法，如CN201010042035，一种锅炉过热汽温模糊控制方法,建立了一种估算过热器导前区出口欧温度目标值的方法，通过两个独立的二维模糊控制器，根据过热器出口温度信息以及过热器导前区出口温度信息进行模糊推理，产生相应的控制分量，并通过两个控制分量的加权综合产生控制量，但是由于模糊控制的方式缺乏相关的模型，并且在线计算较为困难，所以应用时一般需要离线计算，并不能很好的进行实时控制。
【发明内容】
本发明的目的就是解决现有技术中的问题，提出基于神经元辨识的锅炉过热汽温控制方法，提前预估预报汽温偏差，减小各类干扰对过程控制的影响，从而有效地提高过程系统的控制精度和控制效果。
为实现上述目的，本发明提出了基于神经元辨识的锅炉过热汽温控制方法，是在基于锅炉过热汽温机理模型和神经元辨识算法的基础上，提前预报过热蒸汽温度，再利用预报偏差进行自适应控制，从而获得更好的控制效果，具体步骤包括：
(a)获得模型：根据受控自回归积分滑动平均(CARIMA)模型和神经元数值学习算法循环修正误差与参数，直至满足阈值辨识出模型；
(b)多步预报：基于(a)步骤的单步预报模型，推导出多步预报模型；
(c)自适应控制：根据预报模型与实际汽温的偏差值，进行自适应控制；
(d)偏差检验：检验偏差是否在稳定情况，失稳时，偏差e由e＝r-y(k)代替。
作为优选，所述(a)步骤中，受控自回归积分滑动平均(CARIMA)模型是以k时刻汽温值为被控量，减温水流量为控制量，蒸汽流量为干扰项，并考虑白噪声与时滞的影响。
作为优选，所述(a)步骤中，神经元数值学习算法是通过采取最新的N个周期的值为样本，通过修改相应参数使得汽温预估值与实际值的偏差平方和为最小，从而获得模型的辨识参数。
作为优选，所述(d)步骤中，预报偏差在失稳情况下，预报值在发生较大偏离时，在偏差检验环节进行及时的判断并进行调整。
本发明的有益效果：
本发明在基于锅炉过热汽温机理模型和神经元辨识算法的基础上，提前多步预报过热蒸汽温度，再通过与实际汽温比较而获得的偏差来进行自适应控制，在模型中充分考虑蒸汽流量的干扰以及相关白噪声的影响，使得蒸汽温度更好更好的跟踪设定值，有利于实时控制与模型的在线校正，提高过程系统的反应速度和控位精度。
本发明的特征及优点将通过实施例结合附图进行详细说明。
【附图说明】
图1是本发明基于神经元辨识的锅炉过热汽温控制方法的结构原理图。
【具体实施方式】
参阅图1，本发明基于神经元辨识的锅炉过热汽温控制方法，具体步骤包括：
步骤一、根据受控自回归积分滑动平均(CARIMA)模型和神经元数值学习算法循环修正误差与参数，直至满足阈值辨识出模型；
步骤二、基于(a)步骤的单步预报模型，推导出多步预报模型；
步骤三、根据预报模型与实际汽温的偏差值，进行自适应控制；
步骤四、检验偏差是否在稳定情况，失稳时，偏差e由e＝r-y(k)代替。
步骤一中，受控自回归积分滑动平均(CARIMA)模型为：
y ( k ) = Σ a y ( k - 1 ) + Σ b u ( k - i - d u ) + Σ c D ( k - i - d D ) + ξ ( k ) Δ
式中y(k)为k时刻汽温值；u(k)为减温水流量；D(k)为蒸汽流量；ξ(k)为零均值高斯白噪声；du,dD为时滞。
在取最新的N个周期样本时，通过修改参数使得下式最小：
J = 0.5 * Σ { [ Δ y ^ ( k - j ) - Δ y ( k - j ) ] 2 }
并可以通过加权系数hj的设置表示对第j样本的重视程度，而神经元数值学习的算式为：
Δω i = - μ ∂ J ∂ ω i
式中，μ为学习率，在学习到一定程度时，J的下降量变为很小，在满足一定阈值后，可以认为模型的参数得到辨识。
步骤二中，根据单步预估模型的得到超前多步预报模型：
Δ y ^ ( k + 1 / k ) = Σ a ^ Δ y ^ ( k + 1 - i / k ) + Σ b ^ Δ u ( k + 1 - i - d u / k ) + Σ c ^ Δ D ( k + 1 - i - d D / k )
在汽温设定值为r时，预报偏差为：
e = r - y ^ ( 1 / k ) = r - [ y ( k ) + Σ [ Δ y ^ ( k + m ) ]
本发明工作过程：
本发明在基于锅炉过热汽温机理模型和神经元辨识算法的基础上，提前多步预报过热蒸汽温度，再通过与实际汽温比较而获得的偏差来进行自适应控制，在模型中充分考虑蒸汽流量的干扰以及相关白噪声的影响，使得蒸汽温度更好更好的跟踪设定值，有利于实时控制与模型的在线校正，提高过程系统的反应速度和控位精度。
上述实施例是对本发明的说明，不是对本发明的限定，任何对本发明简单变换后的方案均属于本发明的保护范围。

Claims (4)

1.基于神经元辨识的锅炉过热汽温控制方法，其特征在于：所述控制方法是在基于锅炉过热汽温机理模型和神经元辨识算法的基础上，提前预报过热蒸汽温度，再利用预报偏差进行自适应控制，具体步骤包括：
(a)获得模型：根据受控自回归积分滑动平均(CARIMA)模型和神经元数值学习算法循环修正误差与参数，直至满足阈值辨识出模型；
(b)多步预报：基于(a)步骤的单步预报模型，推导出多步预报模型；
(c)自适应控制：根据预报模型与实际汽温的偏差值，进行自适应控制；
(d)偏差检验：检验偏差是否在稳定情况，失稳时，偏差e由e＝r-y(k)代替。
2.如权利要求1所述的基于神经元辨识的锅炉过热汽温控制方法，其特征在于：所述(a)步骤中，受控自回归积分滑动平均(CARIMA)模型是以k时刻汽温值为被控量，减温水流量为控制量，蒸汽流量为干扰项，并考虑白噪声与时滞的影响。
3.如权利要求1所述的基于神经元辨识的锅炉过热汽温控制方法，其特征在于：所述(a)步骤中，神经元数值学习算法是通过采取最新的N个周期的值为样本，通过修改相应参数使得汽温预估值与实际值的偏差平方和为最小，从而获得模型的辨识参数。
4.如权利要求1所述的基于神经元辨识的锅炉过热汽温控制方法，其特征在于：所述(d)步骤中，预报偏差在失稳情况下，预报值在发生较大偏离时，在偏差检验环节进行及时的判断并进行调整。
CN201610044498.0A 2016-01-22 2016-01-22 基于神经元辨识的锅炉过热汽温控制方法 Pending CN105467844A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610044498.0A CN105467844A (zh) 2016-01-22 2016-01-22 基于神经元辨识的锅炉过热汽温控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610044498.0A CN105467844A (zh) 2016-01-22 2016-01-22 基于神经元辨识的锅炉过热汽温控制方法

Publications (1)

Publication Number Publication Date
CN105467844A true CN105467844A (zh) 2016-04-06

Family

ID=55605660

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610044498.0A Pending CN105467844A (zh) 2016-01-22 2016-01-22 基于神经元辨识的锅炉过热汽温控制方法

Country Status (1)

Country Link
CN (1) CN105467844A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108800102A (zh) * 2018-04-12 2018-11-13 中国神华能源股份有限公司 用于控制锅炉的蒸汽温度的方法、装置及系统
CN113467236A (zh) * 2021-06-17 2021-10-01 中国人民解放军海军工程大学 一种对误差信号进行时滞补偿的方法
CN114167727A (zh) * 2021-12-08 2022-03-11 中电华创电力技术研究有限公司 基于优化锅炉过热汽温模型参数辨识过程的锅炉控制方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0285297B1 (en) * 1987-04-02 1993-05-12 International Control Automation Finance S.A. Boiler steam temperature controller
CN101709869A (zh) * 2009-12-18 2010-05-19 杭州电子科技大学 燃煤锅炉过热蒸汽温度系统混合控制方法
CN101761917A (zh) * 2010-01-11 2010-06-30 重庆大学 一种锅炉过热汽温模糊控制方法
CN103225799A (zh) * 2013-05-09 2013-07-31 北京四方继保自动化股份有限公司 一种火电厂主蒸汽温度控制方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0285297B1 (en) * 1987-04-02 1993-05-12 International Control Automation Finance S.A. Boiler steam temperature controller
CN101709869A (zh) * 2009-12-18 2010-05-19 杭州电子科技大学 燃煤锅炉过热蒸汽温度系统混合控制方法
CN101761917A (zh) * 2010-01-11 2010-06-30 重庆大学 一种锅炉过热汽温模糊控制方法
CN103225799A (zh) * 2013-05-09 2013-07-31 北京四方继保自动化股份有限公司 一种火电厂主蒸汽温度控制方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
刘志远 等: "基于神经网络在线学习的过热汽温自适应控制系统", 《中国电机工程学报》 *
卢勇 等: "基于神经网络模型的锅炉广义预测控制", 《热能动力工程》 *
孙伟: "《循环流化床锅炉过程控制》", 30 November 2002 *
王庆东 等: "锅炉热工过程先进控制策略研究综述", 《电力系统及其自动化学报》 *
王松鹤 等: "过热汽温的非线性广义预测控制与优化", 《动力工程学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108800102A (zh) * 2018-04-12 2018-11-13 中国神华能源股份有限公司 用于控制锅炉的蒸汽温度的方法、装置及系统
CN108800102B (zh) * 2018-04-12 2019-10-15 中国神华能源股份有限公司 用于控制锅炉的蒸汽温度的方法、装置及系统
CN113467236A (zh) * 2021-06-17 2021-10-01 中国人民解放军海军工程大学 一种对误差信号进行时滞补偿的方法
CN114167727A (zh) * 2021-12-08 2022-03-11 中电华创电力技术研究有限公司 基于优化锅炉过热汽温模型参数辨识过程的锅炉控制方法

Similar Documents

Publication Publication Date Title
US5181482A (en) Sootblowing advisor and automation system
Zhang et al. Cascade control of superheated steam temperature with neuro-PID controller
CN110285403A (zh) 基于被控参数预估的主蒸汽温度控制方法
CN106765052A (zh) 一种电站锅炉蒸汽温度的智能计算预测控制方法
CN101286044B (zh) 一种燃煤锅炉系统蒸汽温度混合建模方法
CN101950156B (zh) 一种自适应串级pid控制方法
CN103134046B (zh) 一种火电机组过热汽温两级协调预测控制方法
CN106406101B (zh) 一种火电机组协调控制系统的智能计算预测控制方法
CN105467844A (zh) 基于神经元辨识的锅炉过热汽温控制方法
CN106019939A (zh) 基于非线性智能预测控制技术的超临界机组再热汽温优化控制系统
CN111562744B (zh) 一种基于pso算法的锅炉燃烧隐式广义预测控制方法
Prasad et al. Plant-wide predictive control for a thermal power plant based on a physical plant model
CN105240846A (zh) 多变量广义预测控制优化的循环流化床锅炉燃烧过程控制方法
CN104102134A (zh) 一种通过性能指标实现再热汽温多变量协调预测控制的方法
CN110515304A (zh) 基于ARX-Laguerre函数模型的过热汽温PID预测控制方法
Shi et al. Ash fouling monitoring and key variables analysis for coal fired power plant boiler
CN115510904A (zh) 基于时序预测的锅炉受热面积灰监测方法
CN108762086B (zh) 基于模型预测控制的二次再热蒸汽温度控制装置及控制系统
CN106287659A (zh) 再热汽温度控制方法及装置
CN105240822B (zh) 一种基于神经网络的锅炉三烟道挡板控制方法及系统
CN112381296B (zh) 一种燃煤机组高温过热器壁温预测神经网络模型
CN115326237A (zh) 一种考虑锅炉过热器氧化皮影响的壁温测量方法与系统
CN110631003B (zh) 一种基于层级调度多模型预测控制的再热汽温调节方法
Tyagi Application of neural network based control strategies to binary distillation column
Xiao et al. Superheated steam temperature control research of the improved implicit generalized predictive algorithm based on the soft coefficient matrix

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20160406