基于神经网络模型的锅炉主蒸汽温度预测控制

为解决传统控制方法在火力发电机组蒸汽温度控制过程中存在的强非线性、大迟延的难题,提出了一种基于长短期记忆(LSTM)神经网络在线估计和粒子群(PSO)滚动优化的预测控制算法。该方法将常规串级控制系统的主回路控制器用预测控制器替代,采用LSTM神经网络建立主蒸汽温度控制系统的过程模型,通过多步预测实现了对复杂非线性系统模型的精确预测。利用PSO算法在线求解主蒸汽温度控制系统的最优预测控制律,避免了传统递推方法无法直接求解非线性优化问题。仿真结果表明：与传统主蒸汽温度串级控制策略相比,该控制算法明显改善了控制系统的快速性,抗扰能力较强,对主蒸汽温度这类具有非线性及模型不精确的被控对象有一定的参考价值。     

模糊内模PID在锅炉主蒸汽温度系统中应用

工业上常采用串级PID控制锅炉主蒸汽温度系统,但是参数调节比较复杂,而且要多次试凑才能得到。主要采用IMC-PID控制理论进行PID参数设定,只需调节一个滤波器参数,使得工业控制大为简便,而且具有内模控制特性。然后再将模糊理论应用于比例通道的加权误差调节,能够减小反向超调量,大大降低了对系统的冲击,最后利用仿真证明该方法具有一定的实用性。     

大型发电机组锅炉主蒸汽温度偏低原因浅析

通过对1021t/h锅炉主蒸汽出口温度偏低分析,指出造成温度偏低的原因,同时提出改造方法。     

基于改进自适应GPC的锅炉主蒸汽温度预测控制

为了维持锅炉主蒸汽温度良好的控制品质,提出基于改进自适应广义预测控制(A-PIGPC)的主蒸汽温度预测控制方法。首先,对锅炉主蒸汽温度高阶模型进行降阶,建立一阶加纯滞后(FOPDT)模型,并根据实际情况考虑了输入约束条件;然后,对广义预测控制(GPC)算法的优化性能指标进行改进,使其具有PI反馈结构,采用带遗忘因子的递推最小二乘法(RLS)在线辨识模型参数,满足变工况的需要;最后,进行MATLAB仿真验证所提方法的有效性。研究表明:A-PIGPC优于常规PID和GPC、预测函数控制(PFC)控制方法,且在变工况下有较强的鲁棒性。     

提高主蒸汽温度的途径

<正> 自国产锅炉机组向大容量、高参数发展以来,有相当数量的锅炉存在着主蒸汽温度偏低、达不到设计值的问题。主汽温度偏低,无疑会降低汽轮发电机组的安全性和经济性。以125MW发电机组为例,当其他蒸汽参数不变,主蒸汽温度偏离设计值时对经济性的影响见表1。     

基于遗传算法的BP神经网络在电站锅炉主蒸汽温度控制系统中的应用研究

在现代火力发电厂中,对锅炉主蒸汽温度的控制是非常严格的。由于主蒸汽温度具有延迟大、惯性大、非线性等特性,导致对其控制比较困难。利用神经网络的学习能力和鲁棒性以及遗传算法的全局随机搜索能力,在常规PID控制基础上,提出采用二者相结合的PID控制策略。通过计算机仿真表明,基于遗传算法的BP神经网络的PID控制策略具有更好的控制品质,具有较广阔的应用前景。     

主蒸汽温度的串级CMAC学习控制策略

结合CMAC学习控制器和串级控制系统,提出了主蒸汽温度的串级CMAC学习控制策略,其自适应性强,非常适合于计算机实时控制。仿真研究表明,该策略的控制品质良好,远远优于PID控制。     

提高220t／h循环流化床锅炉主蒸汽温度的节能技术改造

宁波大榭开发区万华工业园热电有限公司的3台YG-220／9．8-M3型CFB锅炉,设计煤种为无烟煤,由于锅炉运行时以燃烧烟煤为主,锅炉自投运以来主蒸汽温度严重偏离额定温度。分析结果表明,锅炉燃烧烟煤时燃烧受热面布置不匹配,是不能满足过热蒸汽温度要求的根本原因,决定通过增加锅炉屏过受热面积来提高锅炉主蒸汽温度。屏过技改后屏过出口蒸汽温度提高50K左右,主蒸汽温度稳定在535-540℃,锅炉标煤耗也由原来的380g／kWh降到364g／kWh。     

基于现状的亚临界锅炉主蒸汽温度提升研究

江苏电网某300 MW级亚临界燃煤机组为达到供电煤耗低于310 g/(kW·h)的目标,实施了以汽轮机通流改造为核心的综合升级改造,并提出了锅炉升参数运行的方案。基于锅炉设备现状,研究了提高主蒸汽温度的限制因素,通过对存在超温隐患的的后屏过热器进行局部改造,借助壁温在线监控系统对炉内受热面壁温进行精准控制,并提出“滑压反滑温”运行的控制策略,将主蒸汽温度由541 ℃提升至546~556 ℃,进一步提高了机组综合升级改造后能效水平,有利于机组长期高效运行。     

前馈神经网络在主汽温控制中的应用

针对电厂主蒸汽温度系统大迟延的问题,提出了一种在常规串级PID控制系统基础上设计一个基于BP神经网络的前馈控制器,把熟练运行操作员的实际操作经验和数据进行综合处理,在不同的工况下给出适应当前工况的前馈控制量来弥补反馈作用的不足,从而提高控制系统的动态特性。MATLAB仿真结果表明,所设计系统的抗干扰能力和鲁棒性等方面都优于常规PID控制器。     

模糊神经网络控制器在CFBB床层温度控制中的应用

由于循环流化床锅炉(CFBB)的燃烧过程是一个多参数、非线性、时变以及变量强耦合的过程,很难建立被控对象的准确数学模型,根据CFBB床层温度被控对象的动态特性,设计了一个模糊神经网络自适应控制系统,引用模糊高斯基函数神经网络结构,并采用基于变尺度优化学习算法的改进型学习算法(MDFP),其学习信号由神经网络辨识器(NNI)提供.理论分析和仿真结果表明该控制系统具有良好的控制性能,其稳定性、鲁棒性等控制品质明显优于常规模糊控制.     

B样条基函数模糊神经网络控制系统及其混合学习算法

介绍了一种基于模糊B样条基函数神经网络的控制器,该控制器将模糊控制的定性知识表达能力、神经网络的定量学习能力和B样条基函数优异的局部控制性能相结合,采用B样条基函数作为模糊隶属函数。还提出了模糊神经网络控制器的混合学习算法,即先采用免疫遗传算法离线优化,再采用BP梯度算法在线调整。对锅炉主蒸汽温度控制的仿真结果表明了此法的可行性和有效性。图4参3     

锅炉蒸汽压力模糊控制器的设计

锅炉燃烧过程存在比较紧密的耦合关系,蒸汽压力受多个因素影响。本文针对蒸汽压力控制中出现的问题,根据运行经验积累,采用模糊控制器进行控制压力控制,仿真结果表明该方法具有一定的有效性。     

一种改进的主汽温Smith预估补偿控制

针对火电厂主汽温控制系统大惯性、大延迟且模型不确定,以及常规PID控制难以取得良好的控制效果等特点,设计的主汽温控制系统将变速积分与自适应Smith预估补偿控制相结合,得到一种易于工程实现,且具有较大的应用价值的自适应Smith控制器.通过Matlab仿真,该系统具有较强的鲁棒性和很好的控制品质,适合具有时滞的复杂控制...     

基于智能积分的电站锅炉主汽温PID控制

分析了PID控制算法与热工被控对象数学模型的关系,指出误差及导数结果中包含关于热工对象的丰富信息,加强对这些信息的分析可以提高PID控制器的性能。闭环系统在阶跃扰动下的动态过程可分为两个阶段:第一个阶段是处于远离热力学平衡态的非平衡定态。在较长的时间内围绕其某个固有频率维持高阶振荡。第二个阶段是闭环系统进入了线性非平衡热力学范围,PID调节器退化为积分调节器。以系统自由能耗散率为参数,提出了基于智能积分的PID控制算法,能动态改变比例增益和积分作用,有效地提高系统快速性和稳定性。通过某锅炉主汽温对象的仿真实验表明,其性能优于常规PID控制器。     

蒸汽动力主锅炉燃烧控制系统设计及应用

船舶主锅炉运行时负荷变化频繁,且变化幅度大。因此,稳定地,控制主蒸汽压力,防止锅炉安全阀启跳尤为重要,这就对燃烧控制系统的快速性提出了很高的要求。本文介绍了适用于大负荷扰动的锅炉燃烧控制系统。