智能混合模型预测控制方法及其应用

对锅炉的汽温对象特性进行了分析,针对锅炉运行中负荷大幅度变化、炉膛吹灰或启停磨煤机等大扰动工况下的汽温控制问题,提出了基于智能混合模型预测控制的方法,采用逻辑和模型预测控制相结合的策略来维持主蒸汽和再热蒸汽温度在额定值附近.将该方法成功应用于1台600 MW机组,运行结果表明:在大扰动工况下,采用智能混合模型预测控制的策略,可明显改善汽温控制品质,减少机组超温次数.     

循环流化床锅炉主汽温的模糊预测函数控制

循环流化床锅炉主汽温具有大惯性、大滞后和非线性的特性,在特定工况下可以等效为一个具有可测扰动的一阶惯性加纯滞后对象.针对这一典型对象,考虑扰动通道和控制通道纯滞后时间相对大小,基于Smith预估补偿思想,提出了一种可测扰动前馈补偿的预测函数控制算法,结合锅炉负荷调度的T-S模糊模型,设计了循环流化床锅炉主汽温模糊预测函数控制器.仿真结果表明,在不同工况下,模糊预测函数控制器具有良好的设定值跟踪能力和调节性能.该控制方法应用模型简单,计算量小,具有较高的实际应用价值.     

基于多模型的循环流化床锅炉床温预测控制

针对循环流化床锅炉床温的强非线性特性,提出了一种改进的基于多模型的预测控制策略.将多模型控制策略和广义预测控制相结合,采用几个典型工况点的模型来逼近整个运行区间的动态特性,从而取代在线辨识来校正模型.通过跟踪实际工况的变化来对各个子控制器进行加权以获得合适的控制增量,并对广义预测控制的性能指标进行了修改,以消除调节后期的振荡.典型工况点的模型可由离线辨识得到,参数恒定,使得丢潘图方程和控制规律式的求解可以离线进行,降低了在线计算量.将该算法用于某电厂440 t/h循环流化床锅炉的床温控制系统仿真,结果表明:该算法能够很好地克服被控对象的非线性,在负荷大范围变动时仍然可以取得良好的控制效果.     

过热汽温多模型预测函数控制策略的研究

过热汽温系统是典型的大时延、大惯性对象,尤其当机组负荷变化时,参数表现出明显的时变特性,大大降低了传统PID串级控制的品质。基于此点,提出先进的多模型切换的过热汽温预测函数控制策略。使用带有Smith预估补偿思想的一阶时滞对象预测函数控制算法,来有效克服对象的大时延、大惯性;并通过建立若干典型工况的固定模型,在线计算其模型匹配度确定控制权重,从而得到控制器的输出的方法,能适应参数的时变。与PID串级控制和单一模型控制的仿真结果对比,证实了本控制策略的有效性。图3表1参8     

循环流化床锅炉主汽温自抗扰控制系统

针对循环流化床锅炉主汽温具有大惯性、非线性和动态特性随工况变化而难以精确建模的特点,基于自抗扰控制理论,提出了一种循环流化床锅炉主汽温自抗扰控制方案.通过设计扩张状态观测器对循环流化床锅炉主汽温对象的动态不确定性和外扰进行实时估计,利用该估计量对状态误差反馈控制器的输出量进行补偿,实现循环流化床锅炉主汽温的精确控制.结果表明:该控制方案能很好地解决循环流化床锅炉主汽温对象动态特性随锅炉负荷变化的难题,可以有效克服主汽温对象的大惯性和非线性;相比于常规的比例积分微分(PID)控制方案,所提控制方案显著改善了主汽温对象的调节品质.     

风力机非定常气动力降阶模型

由于在非定常气动环境下运行的风力机会受到非定常气动载荷的作用,采用2种降阶模型(ARMA模型和Volterra级数模型)对风力机翼型的非定常气动载荷进行了预测,并将预测结果与CFD仿真结果进行比较,以验证模型对非定常气动载荷的预测能力.结果表明:在流动附着工况下,ARMA模型有较好的预测能力,在流动分离工况下Volterra级数模型的精度较高;这2种降阶模型能够在相对较小的计算成本条件下给出不同工况下风力机随时间变化的气动特性,为风力机气动弹性方面的设计与优化提供参考.     

600 MW超临界机组给水控制策略分析及优化

根据超临界直流炉的结构特点,有针对性地分析了给水控制的相应特性.通过对给水控制系统的分析和优化,机组在大负荷范围和高负荷变化速率的工况下,中间点温度和主汽温的调节品质优良。     

动态多主元模型故障检测方法在变工况过程中的应用

提出了一种适用于变工况过程的动态多主元模型故障检测方法。首先对过程数据进行分类得到各稳态工况下的数据;然后根据分类数据建立主元模型组来描述整个过程的统计特性;最后在故障检测中根据检测样本对分类数据的隶属度和主元模型组计算出与当前工况相适应的主元模型并进行检测。以火电厂锅炉过程为例对比研究了传统方法和新方法的应用情况。试验结果表明新方法能适应工况变化,减少误检并提高了检测灵敏度。图6表1参10     

燃煤机组深度调峰运行下SCR入口烟温预测方法研究

提出一种基于模糊聚美-最小二乘向量机-神经网络(FCM-LSSVM-ANN)的多模型融合方法,对全工况下选择性催化还原(SCR)入口温度进行提前预测。采用模糊聚类对不同工况下的锅炉系统运行数据进行分解,并建立若干个基于最小二乘支持向量机的预测模型,最后采用神经网络对预测结果进行非线性融合得到最终预测结果。多模型融合的方法可以对锅炉系统全工况的运行特性进行学习,能更准确地完成负荷大范围波动条件下SCR入口温度预测。同时本文采用某600 MW机组实际运行数据对所提方法进行对比验证,结果表明本文方法能够实现该机组30%～100%负荷范围SCR入口温度的准确预测,平均预测偏差控制在±4℃以内,相对误差大多数情况下小于1%。本模型可以为燃煤机组深度调峰下脱销系统入口温度进行提前预警。     

动态多主元模型故障检测方法在变工况过程中的应用

传统的PCA故障检测方法是针对具有单一稳态工况的过程设计的，在一些工况变化频繁的工业过程中应用会带来大量的误检。提出了一种适用于变工况过程的动态多主元模型故障检测方法。首先对过程数据进行分类得到各稳态工况下的数据；然后根据分类数据建立主元模型组来描述整个过程的统计特性；最后在故障检测中根据检测样本对分类数据的隶属度和主元模型组计算出与当前工况相适应的主元模型并进行检测。以火电厂锅炉过程为例对比研究了传统方法和新方法的应用情况。试验结果表明：新方法能适应工况变化，减少误检并提高了检测灵敏度。图6表1参10     

火电机组负荷多模型鲁棒预见控制方法

提出一种火电机组负荷多模型鲁棒预见控制方法,该方法首先对负荷区间进行模糊划分,然后在每个模糊子区间建立相应的结构参数摄动模型,并使用鲁棒预见控制方法设计控制器,最后总的控制量为多个子控制器输出的加权平均。仿真研究表明,该方法能够使负荷系统获得良好的全局控制性能。     

基于多模型组合的淮河王家坝断面洪水预报

淮河息县、潢川、班台—王家坝(息潢班—王家坝)区间地处山区与平原的交替带,地形复杂,目前尚缺乏精度较高的洪水预报方案,为此采用API模型、新安江模型及分布式TOPKAPI模型模拟预报了息潢班—王家坝区间流域2003～2010年的10场洪水情况。结果表明,三种模型预报结果相近,以三组预报结果为基础数据,再采用贝叶斯模型平均(BMA)方法计算,得到新的预报值。与单模型相比,多模型组合预报方法整体上精度更高。     

基于改进模糊聚类与IPSO-SVM的燃煤电站NOx排放多模型预测

通过挖掘大量脱硝系统现场运行数据,提出一种新的多模型选择性催化还原(SCR)脱硝系统建模方法:首先对SCR脱硝系统进行理论分析和实际运行研究,应用改进遗传模拟退火的模糊聚类算法对训练集进行聚类划分,得到最优聚类效果;然后建立相应的支持向量机子模型,并采用改进的粒子群算法对模型参数进行优化,所建立的子模型通过隶属度值加权融合得到最终的整体预测模型。以某电站锅炉脱硝系统为例,对所提出的方法进行验证,并与其他建模方法进行比较。结果表明:所建立的模型具有较高的泛化能力和预测精度。     

神经网络模糊多模型软测量在磨煤机存煤量测量方面的应用

基于钢球磨煤机的机理模型,采用神经网络模糊多模型软测量的方法解决球磨机存煤量测量问题,首先建立钢球磨煤机的机理模型,然后将FCM聚类与RBF神经网络多模型理论相结合深入探讨了神经网络模糊多模型软测量方法的实现,最后进行了球磨机存煤量测量的仿真试验,并与RBF神经网络单模型的仿真结果进行了比较.结果表明：神经网络模糊多模型软测量的预测输出的误差较小,训练速度更快,具有更好的泛化能力;将神经网络模糊多模型应用于球磨机存煤量的测量是可行的.