过热蒸汽温度控制系统优化

针对300MW火电机组锅炉过热汽温系统二级减温器后两侧温度的差异情况，确定了过热汽温控制系统的优化方案：增加1个副调节器，使每个二级喷水阀单独由1个串级回路的副调节器输出进行控制。优化后的系统可以对温度高的一侧增加喷水量，对温度低的一侧减少喷水量，保证二级喷水总量不变。该方案经仿真实验后应用于实际，取得了明显效果。该优化方案适用于采用分散控制系统且有分隔屏过热器的锅炉。     

锅炉过热蒸汽温度控制新策略动态仿真研究

提出了一种锅炉过热蒸汽温度控制新策略，即通过检测烟气温度及其变化趋势来提前调节减温水量，从而：有效地控制过热蒸汽超温。以1台300MWW型火焰锅炉的过热系统为研究对象，采用机理建模的方法，建立了锅炉过热系统较为细化的集总参数动态数学模型，模拟了蒸汽压力、减温水量及烟气温度变化时锅炉过热系统多个基本参数的变化过程，对仿真结果进行了分析，并验证了这种锅炉过热蒸汽温度控制新策略的有效性。     

600 MW国产机组过热汽温控制系统改造

2台国产600 MW亚临界燃煤机组在实际运行中锅炉过热汽温一直存在较大的偏差.针对这个问题对2号机组过热汽温控制系统改造方法作了简要分析.     

基于模糊神经网络智能PI的过热蒸汽温度控制研究

介绍了在电厂过热蒸汽温度控制中采用模糊神经网络智能PI(FNN-PI)的控制方法。将基于FNN-PI的过热蒸汽温度控制系统与传统的PID过热蒸汽温度控制系统进行了仿真比较,结果表明采用FNN-PI的过热蒸汽温度控制系统的控制特性在超调量、快速性、抗干扰方面均有很大的提高。     

辐射能作为热量信号的过热蒸汽温度控制

传统的锅炉过热蒸汽温度控制系统通过检测过热蒸汽温度及其变化趋势来调节减温水量．从而维持过热蒸汽温度在允许的范围之内。由于过热蒸汽温度在减温水量扰动下延迟较大,这种特性使过热蒸汽温度的控制滞后,控制效果不理想。鉴于锅炉总辐射能信号充分体现了锅炉内燃烧工况的变化,能提前反映烟道进口烟温变化趋势,为此,在过热蒸汽温度控制系统中引入了锅炉总辐射能信号,通过检测烟气温度及其变化趋势来提前调节减温水量,从而改善主蒸汽温度调节的品质。经在广东省沙角A电厂5号机组（300MW）上进行了定负荷与变负荷工况下的调节试验,调节效果理想。     

350MW超临界机组锅炉过热蒸汽喷水减温控制策略分析

以某台350 MW超临界机组为例,介绍了锅炉过热蒸汽喷水减温控制策略的设计原理、实现方法及特点,分析了超临界锅炉过热蒸汽温度控制策略采用的惰性区和导前区温差函数变换、负荷变比例增益控制器、负荷和末级过热器出口温度微分前馈、过热度保护等控制手段,并与亚临界机组普遍采用的串级汽温控制策略和导前汽温微分信号的双回路控制策略进行了比较。     

300MW火电机组过热蒸汽温度模型预测控制研究

在分析300 Mw机组过热蒸汽温度被控对象特点的基础上,提出了一种基于模型算法控制的模型预测控制策略,分析并设计了控制算法的基本过程和过热蒸汽温度MPC-PID串级控制结构.采用MATLAB软件编制了过热蒸汽温度控制系统仿真程序,对该模型预测控制系统和常规控制系统进行了仿真研究和比较.结果表明,过热蒸汽温度MPC-PID控制系统具有较好的给定值跟随性、抗干扰性和鲁棒性.     

基于GMDH神经网络的超超临界机组过热蒸汽温度预测模型及仿真研究

由于超超临界1 000MW机组过热蒸汽温度控制对象具有大滞后、非线性、动态参数随工况变化大等特点,使得传统的控制方法难以适应过热蒸汽温度的控制,出现过热蒸汽温度波动大,甚至超温等问题。对此,采用数据处理群集方法(GMDH)神经网络建立了过热蒸汽温度动态预测模型,以预测过热蒸汽温度的变化趋势。仿真结果表明,基于GMDH神经网络的过热蒸汽温度预测效果优于线性神经网络和BP神经网络,具有较好的移植性和实用性。     

锅炉过热蒸汽温度控制策略优化

锅炉过热蒸汽温度过高或过低都会影响电厂的安全性和经济性,且过热蒸汽温度的控制具有大迟延、扰动因素多、控制精度和稳定性要求高的特点。针对某亚临界2×600MW机组实际运行参数及其锅炉低氮燃烧改造后的过热蒸汽温度特性,对过热蒸汽温度控制策略进行了优化。优化后在机组调峰频繁工况下,控制系统将过热蒸汽温度波动范围控制在±4.5℃以内,控制系统调节品质明显提高。     

超超临界机组二模态过热蒸汽温度控制策略研究

由于过热蒸汽温度具有非线性、大时变、大迟延等特点,传统PID串级控制在工况变化时难以取得较好的控制效果。对此,将内模控制与模糊控制相结合,并引入多模型理念,提出了基于内模原理和模糊控制的二模态控制方案,对国电布连电厂超超临界660MW机组直流锅炉过热蒸汽温度串级控制系统进行改进,将改进后的控制策略用于EDPF-NT DCS。结果表明,改进后的控制系统较传统过热蒸汽温度PID串级控制系统具有更强的负荷适应能力和鲁棒性,在机组负荷变化较大时仍具有良好的控制品质。     

DMC-PID串级控制在火电厂过热汽温控制中的应用研究

根据火电厂过热汽温的动态特性,将先进的预测控制算法和PID控制算法相结合,构成DMC-PID串级控制系统。利用DMC预测控制算法的鲁棒性强及PID控制算法抗干扰性能好的优点,在Matlab平台上进行了仿真,结果表明该控制策略具有明显优于常规PID串级控制的性能。     

基于PID的DMC算法性能分析及其在过热蒸汽温度控制中的仿真

在分析PID算法和动态矩阵控制(DMC)算法的基础上,对基于PID性能指标改进的DMC算法--PIDDMC算法进行了推导.在时域内分析了PIDDMC控制器的参数选择对控制性能的影响,并给出参数选取范围.通过在发电厂的过热蒸汽温度串级控制系统中的仿真和与基本的DMC控制算法对比,结果表明PIDDMC算法具有更好的控制性能.     

引进机组过热蒸汽温度控制系统分析

对引进机组主蒸汽温度控制系统在克服其被控对象的大迟延、大惯性、时变性和非线性的内在机理进行了分析,提出了该控制系统的调整和投运应注意的问题.     

电厂过热汽温系统DMC-PID控制仿真研究

应用DMC-PID串级控制策略对过热汽温系统进行了仿真研究。研究了动态矩阵控制(DMC)的预测模型及其性能指标和控制率,给出了过热汽温系统模型及其DMC-PID控制结构。该控制系统既保留了串级控制能够快速消除二次扰动的优点,且由于引入了DMC控制器,增强了系统的鲁棒性。仿真结果表明,这种汽温控制系统具有较好的控制品质。     

基于局部神经网络模型的过热汽温多模型预测控制的研究

针对锅炉过热汽温的特点，设计串级过热汽温控制系统。主调节器采用基于局部神经网络模型的多模型预测控制，即由主蒸汽流量确定的不同工作点，用神经网络建立局部动态模型，进而建立一组局部神经网络预测控制器，然后通过加权合成的方式获得最终的控制信号；副调节器采用基于多个简单比例控制器的加权合成比例控制。该控制方案融合了神经网络、多模型控制和预测控制的特点。仿真结果表明，在负荷大范围变化的工况下，控制系统仍保持了良好的控制性能，具有较强的鲁棒性。     

超临界600MW机组过热蒸汽温度的自抗扰控制

研究了自抗扰控制技术(ADRC)在超临界600MW机组过热蒸汽温度控制系统中的应用,提出了二级过热蒸汽温度主调节器采用ADRC,副调节器采用传统的PID调节,构成ADRC-PID过热蒸汽温度控制系统的设计方案。试验结果表明,采用ADRC的过热蒸汽温度控制系统负荷适应性良好,鲁棒性及抗干扰能力较强,跟踪速度快,控制品质显著优于传统PID控制。     

基于免疫遗传算法优化的汽温系统变参数PID控制

针对工程实际应用，提出了一种改进的变参数PID控制策略，新的控制策略不论对于调节还是设定值跟踪，均具有很好的控制效果，对于工业实际中常见的大滞后对象也有很好的抗干扰性能和较强的鲁棒性。为了使变参数皿控制取得更好的性能，提出了鲁棒整定的思想，并采用免疫遗传算法进行设计参数的鲁棒优化调整。通过对具有严重参数不确定性、多扰动以及大迟延的电厂主蒸汽温度被控对象进行的仿真研究结果表明，基于免疫反馈和遗传机制的免疫遗传算法具有全局优化的能力，对变参数PID控制的参数优化设计是成功和有效的，使得具有多模型特性的汽温控制系统在不同的负荷下均获得很好的调节品质。同时也表明，免疫遗传算法和变参数PID控制均具有较好的发展前景，可用于某些多模型系统的同时整定设计。     

过热汽温系统的自适应递阶模糊PID参数控制

为了克服在锅炉过热汽温控制中对象参数变化对系统控制带来的困难,根据对锅炉动态特性影响较大的工况参数,提出了一种新的分层递阶模糊控制方法。对分层递阶模糊PID控制方法进行了理论分析,给出了自适应递阶模糊控制系统的结构设计和控制算法。该算法可根据误差e和误差变化△e,对动态过程中的PID控制参数进行实时在线调节,从而使控制系统获得理想的性能指标,同时,根据目标参数和操作参数的变化。基于操作人员对实际过程的分析和模糊控制规则的非线性映射建立规划策略,从而获得PID控制参数的模糊调整。控制级、监督级和规划级组成了分级递阶结构的动态校正策略。设计实例与仿真结果表明,分层递阶模糊控制在火电厂过热汽温控制中是十分有效的,较好地克服了对象参数变化的影响,控制系统响应速度快,超调小,鲁棒性强。     

多目标神经PID控制器及其在过热蒸汽温度控制中的应用研究

为了适用大滞后、大惯性复杂过程的高质量控制,对神经网络PID控制器进行了改进,提出了多目标优化算法。该算法具有自适应特点,克服了常规PID超调量大,神经PID响应速度慢的缺点,并容易实现实时控制。应用此算法对电站锅炉过热蒸汽汽温控制进行了仿真,取得了理想的效果。