CN111538355A

CN111538355A - 一种基于ga-igpc的锅炉烟气含氧量控制方法和系统

Info

Publication number: CN111538355A
Application number: CN202010376348.6A
Authority: CN
Inventors: 冯旭刚; 章家岩; 刘圣晶
Original assignee: Anhui University of Technology AHUT
Current assignee: Anhui University of Technology AHUT
Priority date: 2020-05-06
Filing date: 2020-05-06
Publication date: 2020-08-14
Anticipated expiration: 2040-05-06
Also published as: CN111538355B

Abstract

本发明公开了一种基于GA‑IGPC的锅炉烟气含氧量控制方法和系统，属于锅炉设备技术领域。针对现有技术中锅炉烟气含氧量的控制，先测量烟气含氧量输出值然后控制设定值不够方便，使用广义预测控制效果不够好，已知的基于遗传算法的隐式广义预测控制方法计算量庞大，控制复杂等问题，本发明采用隐式广义预测控制，使用遗传算法对目标函数进行滚动在线优化，不必求解丢番图方程和逆矩阵，使得计算量大大减少。本发明不仅解决了传统测量方法成本高、精度低、使用寿命短的问题，还减少在线计算量，具有良好的控制效果和抗干扰性。从现场的运行要求来看，烟气含氧量控制在2％左右，验证了该算法的有效性和合理性，本发明具有较好的工程实用价值。

Description

一种基于GA-IGPC的锅炉烟气含氧量控制方法和系统

技术领域

本发明涉及锅炉设备技术领域，更具体地说，涉及一种基于GA-IGPC锅炉烟气含氧量控制的方法和系统。

背景技术

烟气含氧量是指燃料燃烧之后排出的烟气中的含量，它是锅炉燃烧的一个重要指标，其值的大小与锅炉结构、燃料的种类和性质、锅炉负荷的大小、运行配风工况及设备密封状况等因素有关。在锅炉的实际运行过程中，为了让燃料可以充分燃烧，实际供给的空气量比理论上的空气供给量要大的多。这多供给的空气量，我们通常称它为过量空气量。过量空气系数就是实际供给空气量与理论供给空气量的比值。烟气含氧量过低，即过量空气系数越小，会导致供给锅炉燃烧的氧气量不足，煤粉不能充分燃烧，热损失增加；烟气含氧量过高，即过量空气系数越大，会使锅炉的热效率降低，不但影响燃烧，同时容易造成环境污染物排放超标，也增加了排烟的耗电量。因此，将锅炉的烟气含氧量控制在合理的范围内，对于节约能源、维护锅炉经济性燃烧，实现安全、高效和低污染的排放具有重要的意义。

传统方法中烟气含氧量基本上都是先测量后控制，根据测量后得到的烟气含氧量实际值控制设定值，该方法不够方便，不利于更好的控制锅炉的空燃比。当前较为常用的是将锅炉运行中具体参数通过广义预测控制模型进行预测控制。如何提高预测控制过程中算法的快速性和系统的实时性，提高控制系统的精度，达到良好的控制效果和抗干扰能力，是目前的研究热点。同时，在保证预测控制系统控制效果的同时，如何设计模型来减少计算量和缩短计算时间显得尤为重要。

通过在预测控制方面检索，有如下相关文献或专利：

《中国科技纵横》2013年第2期，公开日2013年1月31日，公开了论文《基于阶梯式广义预测算法的锅炉预测控制研究》，作者王辉，分析了锅炉燃烧换能过程的多输入、多输出、大时滞、紧耦合、非线性等特点，针对传统PID控制算法的计算过程繁琐、计算量过大、模型校正在线参数辨识以及约束条件下控制等问题展开了研究，提出了阶梯式广义预测控制算法，并将其应用到锅炉的燃烧过程中。该研究将广义预测算法应用在锅炉的控制上，然而控制效果不够好，系统的鲁棒性不高，锅炉烟气含氧量无法在线实时控制。

结合遗传算法的预测控制，有如下已公开文献：

《2009国际信息技术与应用论坛论文集(下)》2009年，公开了论文《一种基于遗传算法的隐式广义预测控制》，作者杨怀申、王东风、高琳，隐式广义预测自校正控制根据输入输出数据直接辨识求取最优控制律。通常用试凑的方法设计控制器参数，往往难以达到最佳效果。为此提出了一种基于遗传算法的隐式广义预测控制方法，利用遗传算法对预测时域、控制时域、控制加权系数、柔化系数等控制参数进行寻优，解决了这些参数的取值难以确定的问题。在热工系统中的仿真结果表明了该方法的有效性，但该控制方法在线计算量大，包括模型参数的在线辨识，Diophantine(丢番图)方程和逆矩阵的求解，以及例如如何处理约束问题所需的计算等，计算比较繁琐，应用起来十分复杂。

发明内容

1.要解决的技术问题

针对现有技术中锅炉烟气含氧量的控制，先测量烟气含氧量输出值然后控制设定值不够方便，使用广义预测控制控制效果不够好，系统鲁棒性不高，已知的基于遗传算法的隐式广义预测控制计算量庞大，应用起来复杂等问题，本发明提供了一种基于GA-IGPC的锅炉烟气含氧量控制方法和系统，本发明不必求解丢番图方程和逆矩阵，减少在线计算量，不仅解决了传统测量方法成本高、精度低、使用寿命短的难题，还具有良好的控制效果和抗干扰能力。

2.技术方案

本发明的目的通过以下技术方案实现。

一种基于GA-IGPC的锅炉烟气含氧量控制方法，包括以下步骤：

步骤1：选择隐式广义预测控制模型设计IGPC控制模块，通过锅炉燃料量输入值、锅炉送风量输入值和锅炉引风量输入值计算锅炉烟气含氧量；

步骤2：计算控制系统锅炉烟气含氧量输出的实际值与预测值差值，所述差值通过反馈校正模块反馈至控制系统输入端进行滚动优化；

步骤3：构建步骤1中IGPC控制模块的函数；

步骤4：构建控制性能指标参数的目标函数，计算目标函数的参考轨线；

步骤5：在GA模块使用遗传算法构建锅炉烟气含氧量的适应度函数；

步骤6：将步骤5中的适应度函数变换为IGPC模块的目标函数；

步骤7：调整控制模型的性能指标参数，预测控制锅炉烟气含氧量。

预测控制采用多步预测、滚动优化和反馈校正等控制策略，本发明在对锅炉烟气含氧量的预测模型构建中采用隐式广义预测控制算法，结合遗传算法优化目标函数，实现锅炉烟气含氧量的控制，系统稳定性高，且具有良好的控制效果和抗干扰能力。

更进一步的，步骤3中所述函数采用CARIMA模型。CARIMA模型，即受控自回归积分滑动平均模型，系统采用CARIMA模型抗干扰性更强，优化了控制系统的反馈校正模块。

更进一步的，所述CARIMA模型为三输入单输出的CARIMA模型，其表达式为：

A(z^-1)y(k)＝B₁(z^-1)u₁(k-1)+B₂(z^-1)u₂(k-1)+B₃(z^-1)u₃(k-1)+C(z^-1)ξ(k)/Δ. (1)

式(1)中：y(k)表示锅炉烟气含氧量输出值；u₁(k)、u₂(k)和u₃(k)分别表示锅炉燃料量输入值、送风量输入值和引风量输入值；ξ(k)为白噪声序列；z^-1为后移算子；Δ＝1-z^-1，表示差分算子；A(z^-1)，B(z^-1)和C(z^-1)分别表示n阶，m阶和n阶的z^-1多项式。

锅炉烟气含氧量根据锅炉燃料量、送风量和引风量获得，因此本发明CARIMA模型使用三输入单输出的CARIMA模型。三输入分别为锅炉燃料量输入值、送风量输入值和引风量输入值，单输出即锅炉烟气含氧量的预测值。

更进一步的，步骤4中所述的目标函数为二次型性能指标函数，其表达式为：

式(2)中，n为预测长度；m为控制长度；λ(j)为控制加权系数；y(k)是锅炉烟气含氧量输出值；w(k)表示参考轨线；Δu表示控制增量。

更进一步的，步骤4中的参考轨线进行柔化控制，其柔化后的参考轨线表达式为：

w(k+j)＝α^jy(k)+(1-α^j)y_r，(j＝1，2，……n) (3)

式(3)中，y_r表示锅炉烟气含氧量设定值；α为柔化系数。系统使用模型控制的目的不是使系统的输出直接跟踪设定值，而是跟踪参考轨线，因此对目标函数进行柔化控制。

更进一步的，步骤5中适应度函数表达式为：

式(5)中，n为预测长度；m为控制长度；λ(j)为控制加权系数；y(k)是锅炉烟气含氧量输出值；w(k)表示参考轨线；Δu表示控制增量。适应度函数的选取影响着遗传算法，因此适应度函数的复杂度决定了遗传算法的复杂度，一般来说适应度函数设计尽可能简单，从而使计算的难度最小。

更进一步的，所述的目标函数中控制长度m的取值范围为1≤m≤3。控制长度m的选择既要考虑系统快速性也要考虑系统稳定性。一般来说，控制长度m＝1，随着控制长度m的增大，相应的计算时间也会变长，为了获得较好的控制效果，对于性能要求较高的被控对象，建议选择较大的控制长度。

更进一步的，所述的参考轨线中柔化系数α的取值范围为0<α<1。柔化系数影响系统的鲁棒性和快速性，柔化系数大，系统的鲁棒性提高，但系统的快速性变差；柔化系数小，系统的鲁棒性低，但系统的快速性提高。

更进一步的，所述的适应度函数中控制加权系数λ的取值范围为0<λ<1。控制加权系数影响系统的稳定性和响应速度，控制加权系数大，系统的稳定性强但输出的响应速度减慢；控制加权系数小，系统的稳定性降低但输出的响应速度加快。

本发明将GA算法与IGPC结合，提高了系统的鲁棒性，可以实时控制锅炉烟气含氧量，系统结合遗传算法得到更好的控制效果，系统控制的稳定性和快速性均优于现有技术中基于GPC或PID的控制方法。在有干扰信号出现时，相比传统的GPC或PID控制方法，基于GA-IGPC的控制系统能快速恢复稳定状态。本发明的控制方法，可以根据使用场景选择参数的最优取值从而进行系统的控制，在系统计算量大幅降低的情况下，仍能满足系统的运行要求，在有干扰的时候能良好的控制锅炉烟气含氧量，利于燃料燃烧和节能环保，使锅炉燃烧更高效、安全。

一种基于GA-IGPC的锅炉烟气含氧量控制系统，所述系统包括控制模块和预测模块，控制模块根据预测模块的预测值控制系统的输出；预测模块包括滚动优化模块、GA优化模块、IGPC控制模块和反馈校正模块。系统输入值依次经过滚动优化模块和GA优化模块的优化，分别发送到控制系统模块和IGPC控制模块，然后将系统输出值与控制系统模块输出值的差值通过反馈校正模块反馈至系统的输入端。

本系统使用基于GA-IGPC的锅炉烟气含氧量控制方法，解决了传统锅炉烟气含氧量测量方法成本高、精度低、使用寿命短的问题，具有良好的控制效果和抗干扰性。通过采集现场的数据后，锅炉烟气含氧量控制在2％左右能获得较为稳定的系统，同时也验证了该算法的有效性和合理性，具有较好的工程实用价值。

3.有益效果

相比于现有技术，本发明的优点在于：针对锅炉烟气含氧量传统测量方法成本高、精度低、使用寿命短等缺陷，本发明采用隐式广义预测控制模型设计控制系统，通过遗传算法对目标函数进行滚动在线优化，以此来实现烟气含氧量在线实时控制。本发明通过较少的计算量即可实现稳定的系统控制，应用起来十分方便，还具有良好的控制效果和抗干扰性。通过实验仿真，本发明控制方法相较于GPC或PID控制方法，在遇到外部干扰等影响时间最短，系统的稳定性最好。在马钢现场进行数据的采集和模拟，从现场的运行要求来看，将烟气含氧量控制在2％左右具有较好的控制效果，同时也验证了本发明控制方法的有效性和合理性。

附图说明

图1为本发明的控制原理框图；

图2为本发明的应用效果趋势图。

具体实施方式

下面结合说明书附图和具体的实施例，对本发明作详细描述。

实施例

本实施例基于GA-IGPC来控制锅炉烟气含氧量，预测控制算法包括多步预测、滚动优化和反馈校正等控制策略，对于非线性、时滞性和不确定性等复杂的工业过程控制具有较好的控制效果。根据隐式广义预测控制模型设计三输入单输出控制系统，从而实现烟气含氧量的实时在线控制。

图1所示为本发明基于GA-IGPC锅炉烟气含氧量的控制原理框图，如图所示，所述系统包括控制模块和预测模块，控制模块根据预测模块预测值控制系统的输出；预测模块包括滚动优化模块、GA优化模块、IGPC控制模块和反馈校正模块。系统输入值依次经过滚动优化模块和GA优化模块的优化，分别发送到控制系统模块和IGPC控制模块，然后将系统输出值与控制系统模块输出值的差值通过反馈校正模块反馈至系统的输入端。图1中r(k)表示锅炉烟气含氧量的设定值，y(k)表示锅炉烟气含氧量的实际输出值，

表示锅炉烟气含氧量的预测输出值，u₁(k)、u₂(k)和u₃(k)分别表示锅炉燃料量、送风量和引风量三个输入值。

系统运行时，先计算锅炉烟气含氧量实际输出值y(k)和预测输出值

之间的差值e(k)，将所得差值通过反馈校正模块反馈至系统的输入端进行校正，校正后的值再依次经过滚动优化模块和GA优化模块优化，优化后通过对锅炉燃料量u₁(k)、送风量u₂(k)和引风量u₃(k)进行控制，进而调节锅炉的烟气含氧量。

本实施主要通过以下步骤控制锅炉烟气含氧量：

步骤1：选择隐式广义预测控制模型设计IGPC控制模块，通过锅炉燃料量输入值、送风量输入值和引风量输入值计算锅炉烟气含氧量。

由于预测过程中存在非线性、时变、模型失配和干扰等不确定因素，选择适当的控制模型和函数十分重要。隐式广义预测控制是一种新的远程预测控制方法，概括起来具有以下特点：基于传统的受控自回归积分滑动平均模型(CARIMA模型)；参数少，对于过程参数慢时变的系统，易于在线估计参数；目标函数中对控制增量加权的考虑；利用输出的远程预报；控制长度概念的引入；丢番图方程的递推求解。

在预测控制理论中，需要有一个描述系统动态行为的基础模型，称为预测模型。它应具有预测的功能，即能够根据系统的历史数据和未来输出值来预测。IGPC采用CARIMA模型作为预测模型，CARIMA模型是"Controlled Auto-Regressive IntegratedMoving-Average"模型的缩写，即受控自回归积分滑动平均模型。

广义预测控制可以分为显式广义预测控制和隐式广义预测控制，隐式广义预测控制利用GPC并列预测的特点，可根据输入、输出数据在线直接辨别最优控制律的模型参数，避免显式广义预测控制多次求解丢番图方程，减少了计算量。

隐式广义预测控制保留了GPC鲁棒性强等特点，可应用于任意稳定的最小相位、非最小相位系统或时延系统，对于锅炉燃烧系统这类具有强耦合性、非线性和时滞性等特点的系统具有很好的控制作用。

步骤2：计算系统烟气含氧量输出实际值与烟气含氧量输出预测值之间的差值，将所得差值通过反馈校正模块反馈至控制系统的输入端进行优化。

计算烟气含氧量输出的实际值和预测值之间的差值e(k)，用烟气含氧量输出实际值y(k)减去烟气含氧量预测值

即

在模型失配或存在干扰时，隐式广义预测控制通过滤波器抑制干扰或保持闭环稳定性。

在IGPC中，可以通过增加滤波器的零点抑制干扰，针对模型失配，主要是通过模型在线辨识和自校正来纠正的。综合考虑更好的控制效果，IGPC采用了不同的反馈机制解决干扰和模型失配问题。

另外，本实施例在广义预测控制算法推导过程中，虽然没有明显给出反馈或闭环的表示，但它在进行滚动优化时，强调了优化的基点与实际系统一致。也就是说，在系统控制的每一步，都要检测实际输出并与预测值比较，并以此来修正预测的不确定性。当实际系统存在非线性、时变、模型失配或外部干扰等因素时，这种反馈校正就能及时修正预测值，使优化建立在较准确的预测基础上。因此降低对基础模型的要求，提高系统的鲁棒性，在实际工业应用中，具有十分现实的意义。

步骤3：构建步骤1中IGPC控制模块中的函数。

本实施例采用三输入单输出的CARIMA模型；其表达式为

A(z^-1)y(k)＝B₁(z^-1)u₁(k^-1)+B₂(z^-1)u₂(k^-1)+B₃(z^-1)u₃(k^-1)+C(z^-1)ξ(k)/Δ. (6)

式(6)中：y(k)表示烟气含氧量实际输出量；u₁(k)、u₂(k)和u₃(k)分别表示锅炉燃料量输入值、送风量输入值和引风量输入值；ξ(k)表示均值为零的白噪声序列；z^-1为后移算子；Δ＝1-z^-1是差分算子；A(z^-1)，B(z^-1)和C(z^-1)分别表示n阶，m阶和n阶的z^-1多项式，且

步骤4：构造控制性能指标参数的目标函数，计算目标函数的参考轨线，利用GA算法求取目标函数的最小值。

目标函数为二次型性能指标函数：

式(8)中，n是预测长度且取值要大于B(z^-1)的阶数；m是控制长度且m≤n；λ(j)是控制加权系数，为了简单，λ(j)通常取为常数；y(k)是系统烟气含氧量的实际输出值；w(k)表示参考轨线；Δu表示控制增量。

为了验证控制算法的有效性和合理性，本实施例的系统模型选取如下：

y(k)-1.2y(k-1)+0.5y(k-2)＝0.9u(k-1)+1.4u(k-2)+ξ(k)/Δ 9)

用上述非最小相位系统与非线性环节构成非线性控制系统。选取参数预测长度n＝6，控制加权系数λ₁＝1，最小二乘法RLS参数的初始值：g_n-1＝1，f(k+n)＝1，P＝10⁵I，其余为零，ξ(k)为在[-0.2，0.2]均匀分布的白噪声。

根据有限次实验结果，当控制长度m从2变到3时，系统的性能显然变好，系统的快速性和灵活性均提高，但同时也产生超调和振荡，导致系统不够稳定。因此，控制长度m的选择既要考虑系统快速性也要考虑系统稳定性，通常取m的取值范围为1至3。随着控制长度m的增大，相应的计算时间也会变长，在相对简单的系统中，一般取控制长度m＝1。总的来说，在广义预测控制算法中参数选择可以从多方面考虑，对于本实施例，可取最小控制长度为1，最大控制长度为被控对象的上升时间。控制长度为1，则可获得较好的控制效果，对于性能要求较高的被控对象，建议选择较大的控制长度。

本实施例模型控制的目的不是使系统的输出直接跟踪设定值，而是跟踪参考轨线，进行柔化控制，使得输出量按一定的轨迹跟踪设定值，以便获得平稳的输出特性，柔化后的参考轨线如下：

w(k+j)＝α^jy(k)+(1-α^j)y_r(j＝1，2，……n) (10)

式(10)中，y_r表示烟气含氧量给定值；α为柔化系数，α的选取既要考虑快速性也要考虑鲁棒性，一般取0<α<1。在式(10)表示的柔化控制轨迹公式中，通过实验可以得到，当柔化系数α从0.5变为0.8时，即柔化系数在取值范围中逐渐增大，系统的鲁棒性明显提高，但系统快速性变差。若柔化系数α小，由式(10)可知，w(k)很快趋向y_r，这时跟踪到的系统快速性好，而鲁棒性差；反之，若柔化系数α大，系统的快速性差，而鲁棒性较好。

步骤5：在GA优化模块使用遗传算法构造锅炉烟气含氧量的适应度函数。

遗传算法在进化搜索中基本不利用外部信息，主要以适应度函数为依据，适应度函数的复杂度是遗传算法复杂度的主要组成部分。因此，适应度函数的设计需尽可能简单，从而使计算的难度最小。

在式(12)表示的适应度函数中，一般控制加权系数取0<λ<1；通过实验可以得到，当控制加权系数λ从0.5变到0.8时，即控制加权系数在取值范围中逐渐增大，系统的稳定性增强，但输出的响应速度减慢。但过大的控制加权数λ会使控制量的变化极为缓慢，使系统由于得不到及时的调节，反而动态特性变差。

步骤6：将步骤5中的适应度函数变换为IGPC控制模块的目标函数。

对GA的适应度函数进行变换作为IGPC的目标函数，即

式(13)对适应度函数进行变换，将求解IGPC的目标函数的极小值问题转化为求GA的适应度函数的极大值问题。

根据控制模型的性能需求，选取参数控制长度、柔化系统和控制加权系统的取值，求取各控制量的最优控制值，从而达到系统最优控制的目的。根据实际应用场景中的使用需求，通过步骤4和步骤5中控制长度、控制加权系数和柔化系数等控制系统参数，达到系统最优控制目的。隐式广义预测控制方法需要相对精确的模型，本实施例不需要求解丢番图方程和逆矩阵，大大减少了计算量，同时还能保证控制算法的可行性和控制系统良好的性能。

本发明锅炉烟气含氧量控制方法提高系统的鲁棒性，控制效果更好。根据实验室系统仿真结果图，与现有技术中GPC和PID控制方法相比，本发明基于GA-IGPC的控制算法稳定性和快速性较好，当对GPC、PID和GA-IGPC三种控制方法进行仿真时，GA-IGPC的烟气含氧量最先达到稳定状态，当加入阶跃干扰信号后，三种模式的系统均在小幅震荡后重新回到稳定状态。在仿真过程中，基于GA-IGPC的控制方法受干扰影响时间最短，其次是基于IGPC的控制方法，而基于PID的控制方法受干扰影响时间最长。

使用本发明方法控制锅炉烟气含氧量，使用力控软件采集马钢现场数据，根据现场实际运行要求，仿真结果如图2所示，将锅炉烟气含氧量控制在2％左右系统较为稳定，实际运行过程也验证了本实施例算法的有效性和合理性，具有较好的工程实用价值。

以上示意性地对本发明创造及其实施方式进行了描述，该描述没有限制性，在不背离本发明的精神或者基本特征的情况下，能够以其他的具体形式实现本发明。附图中所示的也只是本发明创造的实施方式之一，实际的结构并不局限于此，权利要求中的任何附图标记不应限制所涉及的权利要求。所以，如果本领域的普通技术人员受其启示，在不脱离本创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本专利的保护范围。此外，“包括”一词不排除其他元件或步骤，在元件前的“一个”一词不排除包括“多个”该元件。产品权利要求中陈述的多个元件也可以由一个元件通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

Claims

1.一种基于GA-IGPC的锅炉烟气含氧量控制方法，其特征在于，包括以下步骤：

步骤3：构建步骤1中IGPC控制模块的函数；

步骤6：将步骤5中的适应度函数变换为IGPC模块的目标函数；

2.根据权利要求1所述的一种基于GA-IGPC的锅炉烟气含氧量控制方法，其特征在于，步骤3中所述函数使用CARIMA模型。

3.根据权利要求2所述的一种基于GA-IGPC的锅炉烟气含氧量控制方法，其特征在于，所述CARIMA模型为三输入单输出的CARIMA模型，其表达式为：

A(z^-1)y(k)＝B₁(z^-1)u₁(k-1)+B₂(z^-1)u₂(k-1)+B₃(z^-1)u₃(k-1)+C(z^-1)ξ(k)Δ. (1)

4.根据权利要求1所述的一种基于GA-IGPC的锅炉烟气含氧量控制方法，其特征在于，步骤4中所述的目标函数为二次型性能指标函数，其表达式为：

5.根据权利要求4所述的一种基于GA-IGPC的锅炉烟气含氧量控制方法，其特征在于，步骤4中的参考轨线进行柔化控制，其柔化后的参考轨线表达式为：

w(k+j)＝α^jy(k)+(1-α^j)y_r，(j＝1，2，……，n) (3)

式(3)中，y_r表示锅炉烟气含氧量设定值；α为柔化系数。

6.根据权利要求1所述的一种基于GA-IGPC的锅炉烟气含氧量控制方法，其特征在于，步骤5中适应度函数表达式为：

式(5)中，n为预测长度；m为控制长度；λ(j)为控制加权系数；y(k)是锅炉烟气含氧量输出值；w(k)表示参考轨线；Δu表示控制增量。

7.根据权利要求4所述的一种基于GA-IGPC的锅炉烟气含氧量控制方法，其特征在于，所述的目标函数中控制长度m的取值范围为1≤m≤3。

8.根据权利要求5所述的一种基于GA-IGPC的锅炉烟气含氧量控制方法，其特征在于，所述的参考轨线中柔化系数α的取值范围为0＜α＜1。

9.根据权利要求6所述的一种基于GA-IGPC的锅炉烟气含氧量控制方法，其特征在于，所述的适应度函数中控制加权系数λ的取值范围为0＜λ＜1。

10.一种基于GA-IGPC的锅炉烟气含氧量控制系统，其特征在于，所述系统包括控制模块和预测模块，控制模块根据预测模块的预测值控制系统的输出；预测模块包括滚动优化模块、GA优化模块、IGPC控制模块和反馈校正模块。系统输入值依次经过滚动优化模块和GA优化模块的优化，分别发送到控制系统模块和IGPC控制模块，然后将系统输出值与控制系统模块输出值的差值通过反馈校正模块反馈至系统的输入端。