CN110953576B - 一种基于神经网络提升动态性能的燃煤机组汽包锅炉水位控制方法 - Google Patents
一种基于神经网络提升动态性能的燃煤机组汽包锅炉水位控制方法 Download PDFInfo
- Publication number
- CN110953576B CN110953576B CN201911284077.5A CN201911284077A CN110953576B CN 110953576 B CN110953576 B CN 110953576B CN 201911284077 A CN201911284077 A CN 201911284077A CN 110953576 B CN110953576 B CN 110953576B
- Authority
- CN
- China
- Prior art keywords
- neural network
- water level
- coal
- fired unit
- drum
- 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.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 84
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000006872 improvement Effects 0.000 title claims abstract description 12
- 238000012546 transfer Methods 0.000 claims abstract description 14
- 238000001914 filtration Methods 0.000 claims abstract description 8
- 230000009466 transformation Effects 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 15
- 230000001052 transient effect Effects 0.000 abstract description 5
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 238000013021 overheating Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 12
- 230000008859 change Effects 0.000 description 8
- 238000010248 power generation Methods 0.000 description 5
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010348 incorporation Methods 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F22—STEAM GENERATION
- F22D—PREHEATING, OR ACCUMULATING PREHEATED, FEED-WATER FOR STEAM GENERATION; FEED-WATER SUPPLY FOR STEAM GENERATION; CONTROLLING WATER LEVEL FOR STEAM GENERATION; AUXILIARY DEVICES FOR PROMOTING WATER CIRCULATION WITHIN STEAM BOILERS
- F22D5/00—Controlling water feed or water level; Automatic water feeding or water-level regulators
- F22D5/26—Automatic feed-control systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Thermal Sciences (AREA)
- Mechanical Engineering (AREA)
- Control Of Steam Boilers And Waste-Gas Boilers (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于神经网络提升动态性能的燃煤机组汽包锅炉水位控制方法,包括以下步骤:建立状态空间模型,设计输出转换函数,进行输出变换,定义滤波误差,令滤波误差导数为零设计理想控制器,利用神经网络逼近理想控制器中含有未知量的部分,设计实际控制器。针对模型中的未知结构和未知参数,使用神经网络逼近未知动态。此外,根据发电厂安全生产要求,为了防止汽包过热或者蒸汽溢出,提升对锅炉汽包水位的控制效果,本发明控制方法考虑的输出受限的情况,不仅能克服现有模型中的不确定性,具有抗干扰能力,还能使系统暂态输出保持在预设边界层之内,可以保证超调量不会过大,在保证安全生产的同时尽可能提高控制效果。
Description
技术领域
本发明属于控制领域,尤其涉及一种基于神经网络提升动态性能的燃煤机组汽包锅炉水位控制方法。
背景技术
随着世界各个国家及组织积极开展探究新型替代能源的技术,可再生能源以其可再生、无污染的特点受到了高度重视。新能源技术的发展导致多种新型能源的并入电网,能源形式不再局限于电能,而是电能、天然气能、石油能等多种能源形式的结合,然而,随着多种能源并入电网带来的挑战增多,传统燃煤机组的调节能力需要提高,因此需要开发性能更好的控制方法控制燃煤机组。
燃煤机组中,对于锅炉汽包,水位直接影响蒸汽的压力和温度,是锅炉运行安全的重要指标。锅炉汽包水位是判断锅炉水-汽物质是否平衡的标志,水位过高会导致蒸汽带水进入过热器,并在过热器内结垢,影响传热效率;水位过低会降低水冷壁水循环的效果,严重时会导致局部过热而爆管。因此,需要提高对锅炉汽包水位的控制效果。针对汽包锅炉的水位控制,许多学者对PID控制方法进行了多种类型的改进,取得了一定的效果,但是所达到的精度不高,且没有理论依据。但由于建模技术的限制,现有模型存在不确定性和为建模动态,这造成了控制的困难;同时,水位波动大,收敛速度慢,严重影响了控制效果,因此需要在消除未建模动态的同时提高暂态性能。
发明内容
在发电形式中,风力、光伏发电相较于传统的火力发电也有明显的优势。在我国,仍然是以火力发电为主,虽然充分利用风能、天然气能等代替火力发电,可以获得更大的经济收益以及环境收益。但是,新能源大量并网对燃煤机组的功率、频率的调节能力有了新的挑战。为了提高燃煤机组汽包锅炉的控制效果,本发明采用先进的动态性能提升控制方法,通过神经网络实现在线辨识,同时设定预设界并通过输出变化,使系统输出(即水位)维持在一个预设界之内,进而抑制超调量,加快收敛速度。本发明能够对抗系统不确定性,鲁棒性能好,抗干扰能力强。
本发明的目的是通过以下技术方案实现的:一种基于神经网络提升动态性能的燃煤机组汽包锅炉水位控制方法,该方法实现包括以下步骤:
(1)对于已知的燃煤机组汽包锅炉给水系统控制模型,将其传递函数模型等效转换为状态空间模型,表示为:
y=x
(2)设计输出转换函数,表示为:
或者
其中r为变换后的输出变量,R-1(·)为微分同胚,且要求R-1(·)对于r是严格递增的,除此之外R-1(·)应满足:
由此可得变换后的输出变量如下:
其中,k为正常数(用户自定义,用于调整跟踪效果);
其中:Wc是神经网络输出层的权重矩阵,且Wc是有界的,即||Wc||≤wm,wm为一个未知的正常数;ε是神经网络的重构误差,且ε是有界的,即||ε||≤εm,εm为一个未知的正常数;Φc(·)为神经网络的基函数;zc是神经网络的输入变量,
(7)设计实际控制律为:
进一步地,所述步骤(1)中,已知的燃煤机组汽包锅炉给水系统控制模型的传递函数如下:
其中,G为该给水系统的传递函数,H为燃煤机组锅炉汽包水位,U为给水量,α和τ为燃煤机组汽包锅炉给水系统中具有不确定性的实际参数。
进一步地,所述步骤(2)中,φ(r)设计为双曲正切函数,满足:
进一步地,所述步骤(6)中,神经网络的基函数Φc(·)采用tanh(·)、sigmord、高斯函数等。
其中,lc和τc为正常数(用户自定义,用于调整自适应律的收敛速度)。
进一步地,所述步骤(7)中,选取李雅普诺夫函数,表示为:
本发明的有益效果是:本发明基于神经网络提升动态性能的燃煤机组汽包锅炉水位控制方法,在给水系统模型动态未知的情况下同时实现系统辨识和暂态性能提高。通过输出变换,设计控制律使水位高度保持在用户预设界之中,可以保证收敛速度较快,超调量在合理范围内,实现在保证安全生产的同时尽可能提高控制效果,进而提高生产效率,提高发电厂利润。
附图说明
图1是本发明基于神经网络提升动态性能的燃煤机组汽包锅炉水位控制方法的流程图;
图2是动态性能提升控制方法的控制系统框图;
图3为期望水位不连续变化时的控制效果图,(a)为输出曲线和预设界变化图,(b)为用于逼近的神经网络的输出层权重变化图,(c)为理想水位与实际水位的误差变化图;
图4是期望水位连续变化时的控制效果图,(a)为输出曲线和预设界变化图,(b)为用于逼近的神经网络的输出层权重变化图,(c)为理想水位与实际水位的误差变化图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步描述。以下实例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
本发明提供的一种基于神经网络提升动态性能的燃煤机组汽包锅炉水位控制方法,该控制方法流程图如图1所示,水位控制系统框图如图2所示,其中,由水位传感器测量锅炉汽包水位高度y,水位高度y传输给控制器,同时将用户定义的期望水位高度yd、输出预设界y和y输入到控制器,控制律由控制器计算输出控制输入变量,作为给水量的信号传输给给水阀门,进而控制锅炉汽包水位高度,在图3中,在图4中,yd=1.2+0.001sint。
该方法的具体实现包括以下步骤:
(1)本实例中以某汽包锅炉为例。已知的燃煤机组汽包锅炉给水系统控制模型的传递函数如下:
其中,G为该给水系统的传递函数,H为燃煤机组锅炉汽包水位,U为给水量,α和τ为燃煤机组汽包锅炉给水系统中具有不确定性的实际参数,实际参数α=0.0014,τ=11.2。
对于已知的燃煤机组汽包锅炉给水系统控制模型,将其传递函数模型等效转换为状态空间模型,表示为:
y=x
(2)设计输出转换函数,表示为:
或者
其中r为变换后的输出变量,R-1(·)为微分同胚,且要求R-1(·)对于r是严格递增的,除此之外R-1(·)应满足:
其中φ(r)为一个有界且递增的奇函数;
由此可得变换后的输出变量如下:
φ(r)设计为双曲正切函数,满足:
其中,选取k=1.6×104;
其中:Wc是神经网络输出层的权重矩阵,且Wc是有界的,即||Wc||≤wm,wm为一个未知的正常数;ε是神经网络的重构误差,且ε是有界的,即||ε||≤εm,εm为一个未知的正常数;Φc(·)为神经网络的基函数;zc是神经网络的输入变量,选取神经网络的基函数Φc(·)采用tanh(·);选取神经网络隐层节点个数为10个。
(7)设计实际控制律为:
其中,选取lc=120和τc=1。
锅炉给水系统参数如表1所示,控制器的参数如表2所示;
表1.实际给水系统模型参数表
τ | 11.2 |
α | 0.0014 |
表2.参数表
图3为期望水位不连续变化时的控制效果图,期望水位的变化为:
从仿真结果可知,在所设计的控制律的作用下,实际水位会保持在用户预设界之内,即超调量被控制的很小,保证了收敛速度,提升了暂态性能,且给水控制系统的所有信号有界。同时,误差在允许范围内,实现了在不精确知道系统动态的情况下锅炉汽包水位的跟踪控制。此外,当期望曲线yd发生突变时,本控制方法仍然能保证水位跟踪控制的效果。
图4为期望水位连续变化时的控制效果图,期望水位的变化为:
yd=2.1+0.04sin2t
从仿真结果可知,在所设计的控制律的作用下,实际水位会保持在用户预设界之内,即超调量被控制的很小,同时,保证了收敛速度。提升了暂态性能,实现了在不精确知道系统动态的情况下锅炉汽包水位的跟踪控制,既保证了控制效果,又具有安全性。
以上所述仅为本发明的较佳实施举例,并不用于限制本发明,凡在本发明精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于神经网络提升动态性能的燃煤机组汽包锅炉水位控制方法,其特征在于,该方法包括以下步骤:
(1)对于已知的燃煤机组汽包锅炉给水系统控制模型,将其传递函数模型等效转换为状态空间模型,表示为:
y=x
(2)设计输出转换函数,表示为:
或者
其中r为变换后的输出变量,R-1(·)为微分同胚,且要求R-1(·)对于r是严格递增的,除此之外R-1(·)应满足:
其中φ(r)为一个有界且递增的奇函数;
由此可得变换后的输出变量如下:
其中,k为正常数;
其中:Wc是神经网络输出层的权重矩阵,且Wc是有界的,即||Wc||≤wm,wm为一个未知的正常数;ε是神经网络的重构误差,且ε是有界的,即||ε||≤εm,εm为一个未知的正常数;Φc(·)为神经网络的基函数;zc是神经网络的输入变量,
(7)设计实际控制律为:
4.根据权利要求1所述的一种基于神经网络提升动态性能的燃煤机组汽包锅炉水位控制方法,其特征在于,所述步骤(6)中,神经网络的基函数Φc(·)采用tanh(·)、sigmord、高斯函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911284077.5A CN110953576B (zh) | 2019-12-13 | 2019-12-13 | 一种基于神经网络提升动态性能的燃煤机组汽包锅炉水位控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911284077.5A CN110953576B (zh) | 2019-12-13 | 2019-12-13 | 一种基于神经网络提升动态性能的燃煤机组汽包锅炉水位控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110953576A CN110953576A (zh) | 2020-04-03 |
CN110953576B true CN110953576B (zh) | 2021-10-01 |
Family
ID=69981486
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911284077.5A Active CN110953576B (zh) | 2019-12-13 | 2019-12-13 | 一种基于神经网络提升动态性能的燃煤机组汽包锅炉水位控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110953576B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107168392A (zh) * | 2017-06-09 | 2017-09-15 | 华北电力大学(保定) | 一种锅炉汽包水位pid参数的整定方法 |
CN107179692A (zh) * | 2017-06-27 | 2017-09-19 | 星际(重庆)智能装备技术研究院有限公司 | 一种基于神经网络的风场自适应功率追踪控制方法 |
-
2019
- 2019-12-13 CN CN201911284077.5A patent/CN110953576B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107168392A (zh) * | 2017-06-09 | 2017-09-15 | 华北电力大学(保定) | 一种锅炉汽包水位pid参数的整定方法 |
CN107179692A (zh) * | 2017-06-27 | 2017-09-19 | 星际(重庆)智能装备技术研究院有限公司 | 一种基于神经网络的风场自适应功率追踪控制方法 |
Non-Patent Citations (1)
Title |
---|
基于神经网络的锅炉汽包水位控制的研究;冯立强;《中国优秀硕士学位论文全文数据库》;20190131;第5-52页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110953576A (zh) | 2020-04-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11236633B2 (en) | Solar aided coal-fired power generation system participating in primary frequency regulation and control method thereof | |
CN105201564A (zh) | 一种基于主蒸汽流量的汽轮机滑压优化的控制方法 | |
Wei et al. | ${H} _ {\infty} $-LQR-Based Coordinated Control for Large Coal-Fired Boiler–Turbine Generation Units | |
CN103216282B (zh) | 基于背压连续可调的火电机组负荷控制系统与方法 | |
CN109373347B (zh) | 一种机组旁路供热的给煤量优化控制方法 | |
CN108490790A (zh) | 一种基于多目标优化的过热汽温自抗扰串级控制方法 | |
WO2022105357A1 (zh) | 带有增量式调节功能的高温气冷堆氦气流量控制系统及方法 | |
CN107831652A (zh) | 一种基于冷端系统储能的机组负荷智能优化控制方法 | |
CN111255529B (zh) | 供热切缸机组运行时快速响应自动发电控制系统及方法 | |
CN110376895A (zh) | 一种基于分层受限预测控制的火电机组协调控制方法 | |
CN110056858A (zh) | 一种火电机组加热器端差自适应调节方法和装置 | |
CN111562736A (zh) | 一种超临界机组一次调频动作时锅炉主控控制系统及方法 | |
CN110939928B (zh) | 一种具有强鲁棒性的燃煤机组汽包锅炉水位控制方法 | |
CN111245032B (zh) | 一种计及风电场集电线路降损优化的电压预测控制方法 | |
CN108131238A (zh) | 一种抑制水锤压力波动的新型pid控制方法 | |
CN110360538A (zh) | 一种二次再热锅炉在变负荷过程中的蒸汽温度控制方法 | |
CN110953576B (zh) | 一种基于神经网络提升动态性能的燃煤机组汽包锅炉水位控制方法 | |
CN211851929U (zh) | 供热切缸机组运行时快速响应自动发电控制系统 | |
CN212515402U (zh) | 一种超临界机组一次调频动作时锅炉主控控制系统 | |
CN114963298B (zh) | 一种蒸汽管网储能在线定量计算方法和系统 | |
CN217813611U (zh) | 基于蓄热罐快速提升火电机组负荷响应速率的系统 | |
CN202719597U (zh) | 锅炉汽包液位调节装置 | |
CN110848662B (zh) | 一种基于参数自适应提高暂态性能的燃煤机组汽包锅炉水位控制方法 | |
CN112302736B (zh) | 一种基于监视段参数的汽轮机主蒸汽压力控制方法 | |
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 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |