CN114673982A - 一种基于混合智能优化算法的火力发电锅炉主汽温控制系统 - Google Patents

一种基于混合智能优化算法的火力发电锅炉主汽温控制系统 Download PDF

Info

Publication number
CN114673982A
CN114673982A CN202210332195.4A CN202210332195A CN114673982A CN 114673982 A CN114673982 A CN 114673982A CN 202210332195 A CN202210332195 A CN 202210332195A CN 114673982 A CN114673982 A CN 114673982A
Authority
CN
China
Prior art keywords
main steam
steam temperature
optimization algorithm
control system
boiler
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.)
Granted
Application number
CN202210332195.4A
Other languages
English (en)
Other versions
CN114673982B (zh
Inventor
许治顺
龙建荣
韩洪涛
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.)
Maanshan Maishiji Engineering Consulting Co ltd
Huatian Engineering and Technology Corp MCC
Original Assignee
Huatian Engineering and Technology Corp MCC
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 Huatian Engineering and Technology Corp MCC filed Critical Huatian Engineering and Technology Corp MCC
Priority to CN202210332195.4A priority Critical patent/CN114673982B/zh
Publication of CN114673982A publication Critical patent/CN114673982A/zh
Application granted granted Critical
Publication of CN114673982B publication Critical patent/CN114673982B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F22—STEAM GENERATION
    • F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
    • F22B35/00—Control systems for steam boilers
    • F22B35/18—Applications of computers to steam boiler control
    • 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)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Thermal Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Control Of Steam Boilers And Waste-Gas Boilers (AREA)

Abstract

本发明公开一种基于混合智能优化算法的火力发电锅炉主汽温控制系统。所述的系统包括：锅炉主汽温串级控制系统以及RBF‑混合优化算法控制器作为主汽温控制的主调节器。所述的锅炉主汽温串级控制系统将导前区汽温PID控制器作为副调节器，用于主汽温的粗调和对产生的干扰进行快速响应；所述的RBF‑混合优化算法控制器由RBF神经网络锅炉主汽温辨识模型与混合优化算法组合构成。对主汽温进行细调，能快速消除主蒸汽温度强滞后性、大惯性等特性对系统的干扰。

Description

一种基于混合智能优化算法的火力发电锅炉主汽温控制系统
技术领域
本发明涉及火力发电锅炉燃烧优化技术领域，尤其涉及一种发电锅炉主汽温控制系统。
背景技术
发电锅炉的过热器是在高温高压下的环境运行的，其出口的过热蒸汽温度是锅炉运行的主要参数之一，对电厂的安全经济运行有重大影响。主汽温过高会使机组的运行安全性降低。主汽温过低则会降低机组的热效率，经济性得不到保障。同时，主汽温偏低会使蒸汽含水量增加，从而缩短汽轮机使用寿命。因此，必须严格控制锅炉主蒸汽温度在给定数值范围内。
目前火电机组主汽温度控制系统普遍采用传统的PID串级控制，这种控制方案虽然现场调试简单，但是不能适应主汽温度控制系统的变参数、大惯性、大时滞的特性，这导致主汽温度自动控制系统普遍存在负荷平稳时自动控制品质良好，但在负荷变化、启/停磨煤机等过程中，主汽温度波动大，甚至自动不能投入，导致运行人员劳动强度增加，机组出力和安全经济性降低。
针对现有技术对于主汽温的控制无法较好的兼顾锅炉主汽温度控制与其在实际工业现场推广应用的问题，为了解决上述生产技术难题，本发明提供了一种发电锅炉主汽温控制方法，该方法适用于DCS系统，能减轻现场运行人员的工作强度，提高机组运行经济性，并使系统具有较强的稳定性。
发明内容
为了解决发电锅炉主汽温控制技术难题，本发明提供了一种控制结构相对简单、控制效果稳定、安全性较高的发电锅炉主汽温控制系统。
为了达到上述目的，本发明一种能够有效控制发电锅炉主汽温控制系统，包括：锅炉主汽温串级控制系统；
所述的锅炉主汽温串级控制系统将导前区汽温PID控制器作为副调节器，用于主汽温的粗调和对产生的干扰进行快速响应；以RBF-混合优化算法控制器作为主汽温控制的主调节器，对主汽温进行细调；
所述的RBF-混合优化算法控制器，由RBF神经网络锅炉主汽温辨识模型与混合优化算法组合构成。
其中，所述的RBF神经网络锅炉主汽温辨识模型，以燃料量、烟气含氧量、主蒸汽流量、一级减温水流量、二级减温水流量作为输入变量，其中控制变量减温水流量，扰动变量为主蒸汽流量、燃料量、烟气含氧量；网络输出参数为主蒸汽温度；
其中，
主汽温目标函数如式(1)所示。
Figure BDA0003573502030000021
x＝{x1,x2,x3,x4,x5}
Figure BDA0003573502030000022
式中，Q为主目标函数，Mp、Mpb分别为实际超调量与期望超调量大小，
Figure BDA0003573502030000023
分别为曲线衰减率与衰减率最小值，tr、tmax分别为上升时间及上升时间最大值。x为系统输入，x1,x2,x3,x4,x5分别为燃料量、主蒸汽流量、一级减温水流量、二级减温水流量以及烟气含氧量，y(x)为主蒸汽温度，由RBF网络模型输出。
进一步的，所述的混合优化算法为：先采用模拟退火算法计算，如果同一温度的多个不同最优值之间的差值小于某一设定值，那么结束模拟退火算法转换为最小二乘法，并将该多个不同最优值作为最小二乘法算法的初值代入。
进一步的，所述的转换的准则为:
Figure BDA0003573502030000024
式中：
Figure BDA0003573502030000031
当前温度t下的最优适应度值，
Figure BDA0003573502030000032
是当前温度t下的
Figure BDA0003573502030000033
之后的第j个最优适应度值，s0为当前温度t内选取的最优适应度值个数，小于当前温度的迭代次数。
本系统采用混合优化算法目标函数，对主汽温控制系统进行PID整定。以现场稳定运行时的数据实时作为系统输入，辨识所得模型建立锅炉过热汽温控制模型，并将导前区汽温PID控制器作为副调节器，用于主汽温的粗调和对产生的干扰进行快速响应；以RBF-混合优化算法控制器作为主汽温控制的主调节器，对主汽温进行细调。因此能快速消除主蒸汽温度强滞后性、大惯性等特性对系统的干扰。
附图说明
图1主汽温控制系统工艺流程图
图2基于RBF网络辨识的主汽温控制系统模型结构图
图3主汽温串级控制系统设计框图
图4主汽温控制系统PID参数混合优化算法
具体实施方式
下面结合附图对本发明作进一步详细说明。
实施例
本发明基于混合智能优化算法的火力发电锅炉主汽温控制系统主要分为以下步骤：
1)RBF网络模型构建
将RBF网络模型输入设置为：烟气热量、主蒸汽流量、减温水流量。但实际仿真过程中，由于烟气热量无法直接测量，所以本文以燃料量与烟气含氧量两种变量间接代替烟气热量作为输入变量；减温水流量依据现场实际工况，调整为一级减温水流量与二级减温水流量。所以RBF网络模型输入参数为：燃料量、烟气含氧量、主蒸汽流量、一级减温水流量、二级减温水流量，其中控制变量减温水流量，扰动变量为主蒸汽流量、燃料量、烟气含氧量。网络输出参数为主蒸汽温度。构建主汽温控制系统模型结构如图2所示。
2)基于混合优化算法的锅炉主汽温优化控制系统设计该主汽温控制系统主要优化问题在于保证火电机组安全稳定运行的同时，使得主汽温在允许范围内波动。本系统设计以火力发电锅炉主汽温控制系统超调量为主要约束函数设立目标函数。同时，以燃料量、主蒸汽流量、一级减温水流量、二级减温水流量以及烟气含氧量为输入参数，主汽温度为输出参数建立输入输出模型。主汽温目标函数如式(1)所示。
Figure BDA0003573502030000041
x＝{x1,x2,x3,x4,x5}
Figure BDA0003573502030000042
式中，Q为主目标函数，Mp、Mpb分别为实际超调量与期望超调量大小，
Figure BDA0003573502030000043
分别为曲线衰减率与衰减率最小值，tr、tmax分别为上升时间及上升时间最大值。x为系统输入，x1,x2,x3,x4,x5分别为燃料量、主蒸汽流量、一级减温水流量、二级减温水流量以及烟气含氧量，y(x)为主蒸汽温度，由RBF网络模型输出。
此外，本系统以混合优化算法整定主汽温控制系统PID参数，利用最小二乘法在相同均方误差中寻找最优参数的特点，可避免控制器参数陷入局部最优。首先对最小二乘法求解中的Jacobian矩阵进行变换消除其中冗余参数，通过设定判定准则并实现模拟退火算法和最小二乘法的混合，结合两者全局优化性能和高效局部的优化能力进行参数整定，提高控制器品质。
适应度公式为：
Figure BDA0003573502030000051
转换准则为:
Figure BDA0003573502030000052
式中：
Figure BDA0003573502030000053
当前温度t下的最优适应度值，
Figure BDA0003573502030000054
是当前温度t下的
Figure BDA0003573502030000055
之后的第j个最优适应度值，s0为当前温度t内选取的最优适应度值个数，小于当前温度的迭代次数。
综上，融合算法的过程如下，先采用SA算法计算，若满足切换准则表明进入全局最优解的区域，退出SA算法，将满足准则的解作为LM算法的初值代入，通过运算得到最优解，具体的流程图如图4所示。
3)主汽温串级控制系统设计
本系统以式(1)为混合优化算法目标函数，对主汽温控制系统进行PID整定。以现场稳定运行时的数据实时作为系统输入，辨识所得模型建立锅炉过热汽温控制模型。为快速消除主蒸汽温度强滞后性、大惯性等特性对系统的干扰，将导前区汽温PID控制器作为副调节器，用于主汽温的粗调和对产生的干扰进行快速响应；以RBF-混合优化算法控制器作为主汽温控制的主调节器，对主汽温进行细调。主汽温串级控制系统结构如图3所示。
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 (4)

1.一种基于混合智能优化算法的火力发电锅炉主汽温控制系统，其特征在于：所述的系统包括：锅炉主汽温串级控制系统；
所述的锅炉主汽温串级控制系统将导前区汽温PID控制器作为副调节器，用于主汽温的粗调和对产生的干扰进行快速响应；以RBF-混合优化算法控制器作为主汽温控制的主调节器，对主汽温进行细调；
所述的RBF-混合优化算法控制器，由RBF神经网络锅炉主汽温辨识模型与混合优化算法组合构成。
2.如权利要求1所述的基于混合智能优化算法的火力发电锅炉主汽温控制系统,其特征在于：所述的RBF神经网络锅炉主汽温辨识模型，以燃料量、烟气含氧量、主蒸汽流量、一级减温水流量、二级减温水流量作为输入变量，其中控制变量减温水流量，扰动变量为主蒸汽流量、燃料量、烟气含氧量；网络输出参数为主蒸汽温度；
其中，
主汽温目标函数如式(1)所示。
Figure FDA0003573502020000011
x＝{x1,x2,x3,x4,x5}
Figure FDA0003573502020000012
式中，Q为主目标函数，Mp、Mpb分别为实际超调量与期望超调量大小，
Figure FDA0003573502020000013
分别为曲线衰减率与衰减率最小值，tr、tmax分别为上升时间及上升时间最大值。x为系统输入，x1,x2,x3,x4,x5分别为燃料量、主蒸汽流量、一级减温水流量、二级减温水流量以及烟气含氧量，y(x)为主蒸汽温度，由RBF网络模型输出。
3.根据权利要求1所述的基于混合智能优化算法的火力发电锅炉主汽温控制系统，其特征在于：所述的混合优化算法为：先采用模拟退火算法计算，如果同一温度的多个不同最优值之间的差值小于某一设定值，那么结束模拟退火算法转换为最小二乘法，并将该多个不同最优值作为最小二乘法算法的初值代入。
4.根据权利要求1所述的基于混合智能优化算法的火力发电锅炉主汽温控制系统，其特征在于：所述的转换的准则为:
Figure FDA0003573502020000021
式中：
Figure FDA0003573502020000022
当前温度t下的最优适应度值，
Figure FDA0003573502020000023
是当前温度t下的
Figure FDA0003573502020000024
之后的第j个最优适应度值，s0为当前温度t内选取的最优适应度值个数，小于当前温度的迭代次数。
CN202210332195.4A 2022-03-30 2022-03-30 一种基于混合智能优化算法的火力发电锅炉主汽温控制系统 Active CN114673982B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210332195.4A CN114673982B (zh) 2022-03-30 2022-03-30 一种基于混合智能优化算法的火力发电锅炉主汽温控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210332195.4A CN114673982B (zh) 2022-03-30 2022-03-30 一种基于混合智能优化算法的火力发电锅炉主汽温控制系统

Publications (2)

Publication Number Publication Date
CN114673982A true CN114673982A (zh) 2022-06-28
CN114673982B CN114673982B (zh) 2024-01-02

Family

ID=82076475

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210332195.4A Active CN114673982B (zh) 2022-03-30 2022-03-30 一种基于混合智能优化算法的火力发电锅炉主汽温控制系统

Country Status (1)

Country Link
CN (1) CN114673982B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110125687A1 (en) * 2009-11-24 2011-05-26 Al-Duwaish Hussain N Method for hammerstein modeling of steam generator plant
CN102374519A (zh) * 2010-08-16 2012-03-14 爱默生过程管理电力和水解决方案公司 蒸汽温度的动态矩阵控制的动态整定
CN105180139A (zh) * 2015-09-17 2015-12-23 苏州市江远热电有限责任公司 锅炉主蒸汽温度控制系统以及方法
CN106765052A (zh) * 2016-11-21 2017-05-31 华北电力大学（保定） 一种电站锅炉蒸汽温度的智能计算预测控制方法
US20190187631A1 (en) * 2017-12-15 2019-06-20 Exxonmobil Research And Engineering Company Adaptive pid controller tuning via deep reinforcement learning
CN113359425A (zh) * 2021-07-06 2021-09-07 浙江浙能技术研究院有限公司 一种基于lstm神经网络pid优化的火电厂锅炉主汽温智能控制系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110125687A1 (en) * 2009-11-24 2011-05-26 Al-Duwaish Hussain N Method for hammerstein modeling of steam generator plant
CN102374519A (zh) * 2010-08-16 2012-03-14 爱默生过程管理电力和水解决方案公司 蒸汽温度的动态矩阵控制的动态整定
CN105180139A (zh) * 2015-09-17 2015-12-23 苏州市江远热电有限责任公司 锅炉主蒸汽温度控制系统以及方法
CN106765052A (zh) * 2016-11-21 2017-05-31 华北电力大学（保定） 一种电站锅炉蒸汽温度的智能计算预测控制方法
US20190187631A1 (en) * 2017-12-15 2019-06-20 Exxonmobil Research And Engineering Company Adaptive pid controller tuning via deep reinforcement learning
CN113359425A (zh) * 2021-07-06 2021-09-07 浙江浙能技术研究院有限公司 一种基于lstm神经网络pid优化的火电厂锅炉主汽温智能控制系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
章家岩等: "《基于混合优化算法的关节臂式测量机参数标定》", 重庆大学学报, vol. 44, no. 8, pages 151 - 152 *
荣雅君等: "《过热汽温模糊神经网络预测控制器的设计》", 中国电机工程学报, vol. 23, no. 1, pages 178 *

Also Published As

Publication number Publication date
CN114673982B (zh) 2024-01-02

Similar Documents

Publication Publication Date Title
Fang et al. Backstepping-based nonlinear adaptive control for coal-fired utility boiler–turbine units
CN107420874B (zh) 一种超超临界火力发电机组协调控制系统
CN108227488B (zh) 基于滑模预测控制的超超临界火电机组协调控制方法
CN105546508B (zh) 基于事件触发机制的火电厂主蒸汽温度控制系统及方法
Wei et al. ${H} _ {\infty} $-LQR-Based Coordinated Control for Large Coal-Fired Boiler–Turbine Generation Units
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
CN105955210A (zh) 余热锅炉与工业锅炉发电协调运行动态优化方法与系统
CN110309585A (zh) 一种柔性协调控制器的实现方法
CN108361683B (zh) 一种全负荷段再热气温智能控制系统
CN109378833B (zh) 一种通过控制汽轮机抽汽量实现机组快速调频的方法
CN111765447B (zh) 一种基于多变量解耦的发电锅炉主汽温控制方法和系统
CN111045321B (zh) 一种深度调峰下的协调控制带嵌入式内模控制器的方法
CN111708333A (zh) 一种电厂智能预测协调控制系统
CN114562713B (zh) 发电锅炉主蒸汽温度控制方法及系统
CN114673982B (zh) 一种基于混合智能优化算法的火力发电锅炉主汽温控制系统
Elshafei et al. Boilers optimal control for maximum load change rate
CN113359428B (zh) 基于动态功煤比的超临界机组燃料热值校正控制方法
Garduno-Ramirez et al. Overall control of fossil-fuel power plants
Garduno-Ramirez et al. A multiobjective-optimal neuro-fuzzy extension to power plant co-ordinated control
CN115111601B (zh) 多变负荷下内嵌算法融合的多目标锅炉燃烧优化控制方法
CN110955141A (zh) 一种基于神经网络逆模型再热汽温控制方法
CN113238589B (zh) 一种过热汽温负荷前馈控制器参数的设置方法
CN115236981B (zh) 一种基于深度调峰百万千瓦燃煤机组协调预测控制方法
CN115095849B (zh) 一种二次再热机组主再热蒸汽温度协调控制方法
Kim et al. Intelligent control of nonlinear power plant using immune algorithm based multiobjective optimization

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
TA01 Transfer of patent application right

Effective date of registration: 20231204

Address after: 243000 Fu Chang Industrial Park, 259 HSI Nan Road, Ma'anshan economic and Technological Development Zone, Anhui

Applicant after: HUATIAN ENGINEERING & TECHNOLOGY CORPORATION, MCC

Applicant after: HUATIAN NANJING ENGINEERING & TECHNOLOGY CORPORATION, MCC

Applicant after: MAANSHAN maishiji Engineering Consulting Co.,Ltd.

Address before: 243000 Fu Chang Industrial Park, 259 HSI Nan Road, Ma'anshan economic and Technological Development Zone, Anhui

Applicant before: HUATIAN ENGINEERING & TECHNOLOGY CORPORATION, MCC

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant