基于多输入多输出系统循环流化床锅炉床温智能辨识方法

床温是循环流化床(CFB)锅炉的重要参数,本文采用多输入多输出系统闭环辨识方法,得出以CFB锅炉给煤量与一次风量变化为输入,床温与主蒸汽压力为输出的两输入两输出系统模型。将某矸石电厂300 MW CFB锅炉闭环自动控制下的现场运行数据用于模型参数辨识,利用标准粒子群优化算法智能辨识寻优得到床温多变量系统的最佳模型参数。最后通过现场实际运行数据验证了所建模型的有效性。     

基于信号软测量的再热蒸汽温度控制研究

火电机组再热蒸汽温度系统是一个大迟延、大惯性系统,在不同负荷工况下表现出不同动态特性,许多电厂面临着再热汽温自动控制投入困难的问题。再热汽温控制对火电机组具有非常重要的意义,再热汽温过高使金属材料蠕变加快,影响使用寿命,甚至引起锅炉爆管等恶性事故;再热汽温过低使机组热效率降低,还会造成汽轮机末级叶片侵蚀加剧。为此,研究一种基于信号软测量和系统动态特性补偿的再热汽温自动控制策略,基于能量守恒原理计算再热减温器后温度,解决了目前再热减温器后无有效温度测点的问题;通过试验方法对再热器和再热减温器进行建模,采用系统动态特性补偿策略将再热汽温模型等效为较小的滞后和惯性系统;通过阀门线性化处理,有效解决执行机构非线性问题。基于以上方法对某电厂2台机组再热汽温自动控制进行优化,取得了较好效果,可为同类型火电机组再热汽温控制提供参考。     

变量选择与支持向量机相结合的SO_2排放特性建模

燃煤电站锅炉SO_2排放是大气污染的主要来源之一,建立有效的SO_2排放预测模型有利于解决循环流化床(CFB)锅炉因炉内脱硫不稳定导致脱硫塔脱硫不及时而引起的SO_2排放超标的问题。SO_2的排放特性受众多热工参数影响,且各参数间存在相关性与耦合性,对此本文提出一种基于变量选择与支持向量机(SVM)的SO_2排放预测模型。基于某300 MW CFB锅炉现场运行数据,采用BP神经网络降低输入变量的维度与复杂度,将筛选后的输入变量作为BP-SVM模型的输入,采用K-折交叉验证的方法通过网格搜索确定最优模型参数,建立SO_2排放BP-SVM模型。将BP-SVM模型与未经变量选择的SVM模型对比分析,结果表明经过变量选择后的BP-SVM模型可以有效降低模型复杂度,提高模型泛化能力。