一种具有ADC状态预测控制算法的热电厂主蒸汽温度控制

以上海金山石化热电厂锅炉主蒸汽温度为控制对象,在分析常规PID未能有效控制主蒸汽温度原因的基础上,提出了一种基于导前汽温的平均偏差控制(ADC)状态预测控制算法,并将ADC控制器加入常规PID主蒸汽温度控制系统中。仿真结果表明,机组在发生扰动时,基于ADC控制器的主蒸汽温度控制;最大偏差减小了40%,其控制效果比常规PID控制提高约40%。同时,在常规PID控制发散状态下,ADC算法也能够使系统达到稳定。     

火电厂主蒸汽温度控制系统优化分析

针对常规主蒸汽温度PID控制方法难以获得较好调节效果的问题,分析影响主蒸汽温度控制的因素,提出一种基于模糊控制和专家控制的主蒸汽温度串级PID控制方法,并通过现场应用情况证明该控制方法比常规的PID控制方法具有更强的抗干扰能力和更好的控制品质。     

模糊自适应PID控制在主汽温控制中的应用研究

因常规的PID控制在对大滞后、大惯性、非线性复杂过程进行控制时,在稳定性和调节速度上都难以满足较高的控制要求,因而提出基于模糊控制理论设计的具有自调整能力的模糊PID控制,并对2种控制方式下的主蒸汽温度控制进行仿真比较。结果表明:模糊PID控制的调节效果要优于常规PID控制。     

信息熵改进免疫遗传算法在火电厂主蒸汽温度控制系统中应用

为提高火电厂主蒸汽温度控制系统控制品质,一般选择非线性PID(NPID)控制器,但NPID控制器参数整定尚无系统方法。本文提出一种基于信息熵改进免疫遗传(GAIE)算法的火电厂主蒸汽温度控制方法,该算法在免疫遗传算法中加入信息熵思想,改善了免疫遗传算法易陷入局部最优、寻优慢的情况。通过采集的电厂实际运行数据,对主蒸汽温度控制系统进行辨识,然后根据所辨识的系统传递函数采用GAIE算法寻优NPID控制器进行控制。实际数据验证及仿真结果表明:GAIE算法辨识模型的输出更好地拟合了现场实际输出,比免疫遗传算法模型平均精度提高40.18%,模型参数寻优速度提高了86.67%;GAIE算法寻优NPID控制器控制效果明显优于传统PID控制器。     

基于混合学习算法的RBF神经网络主蒸汽温度控制

针对火电厂主蒸汽温度的大迟延、模型不确定性特点,提出一种使用径向基(RBF)神经网络整定PID串级主蒸汽温度控制策略.采用一种最近邻聚类法和梯度下降法相结合的混合学习算法构造RBF神经网络,在线辨识被控对象并对PID主控制器参数进行在线调整.仿真结果表明,基于混合学习算法的RBF神经网络PID控制器具有控制精度高、响应速度快的优点,系统动态品质优于常规算法的RBF神经网络PID控制.     

基于改进型动态矩阵预测的主蒸汽温度串级控制策略研究

在常规PID主蒸汽温度串级控制系统的主控制回路中加入动态矩阵预测(DMC)控制器构成DMC-PID主蒸汽温度串级控制系统,以实现在非精确数学模型下对具有大延迟主蒸汽温度控制对象进行长时域的预测输出。根据系统的阶跃响应建立了系统的DMC模型,设置了优化函数和预测参考轨迹,并提出了对模型动态矩阵进行实时更新和大延迟校正的改进方法,从而改善了预测控制的动态性能。以某660MW机组为例,对DMC-PID主蒸汽温度串级控制系统进行仿真试验,结果表明DMC-PID主蒸汽温度串级控制系统较常规PID主蒸汽温度串级控制系统具有更好的稳定性和快速响应性,且抗干扰能力强。     

基于改进型动态矩阵预测的主蒸汽温度串级控制策略研究

在常规PID主蒸汽温度串级控制系统的主控制回路中加入动.态矩阵预测(DMC)拄制器构成DMC-PID主蒸汽温度串级控制系统,以实现在非精确数学模型下对具有大延迟主蒸汽温度控制对象进行长时域的预测输出.根据系统的阶跃响应建立了系统的DMC模型,设置了优化函数和预测参考轨迹,并提出了对模型动态矩阵进行实时更新和大延迟校正的改进方法,从而改善了预测控制的动态性能.以某660 MW机组为例,对DMC-PID主蒸汽温度串级控制系统进行仿真试验,结果表明DMC-PID主蒸汽温度串级控制系统较常规PID主蒸汽温度串级控制系统具有更好的稳定性和快速响应性,且抗干扰能力强.     

基于递推最小二乘法的主蒸汽温度控制系统辨识与优化

采用递推最小二乘法对主蒸汽温度控制系统进行闭环辨识,依据串级控制结构的特点,通过双线性变换法转换辨识模型及划分辨识环节,从而推导得出辨识参数方程;基于时间乘绝对误差的积分准则(ITAE)实现PID参数的离线优化,并在仿真模型上验证了上述方法的有效性.将该辨识模型用于某电厂600MW机组主蒸汽温度控制系统PID参数的优化,结果表明主蒸汽温度控制系统动态调节性能显著提高,同时可达到离线优化控制系统的目的.     

基于模型预测控制的火电厂主蒸汽温度优化

正主蒸汽温度是火力发电厂热力系统中的重要参数,主蒸汽温度控制品质的优劣直接影响到整个机组的安全和经济运行。主蒸汽温度过高会缩短过热器、汽轮机等部件的使用寿命,长期超温还会导致过热器爆管等;主蒸汽温度过低,则会降低机组的循环热效率,一般蒸汽温度每降低5~10℃,效率约降低1%。从系统外部来看,主蒸汽温度受扰动因素比较多,扰动量大而且扰动频繁;从系统内部来看,主蒸汽温度被控对象具有大迟延、大惯性、时变性等特点,这些都增加了主蒸汽温度控制的难度。常规的机组控制方案结合前馈补偿、串级等控制策略,采用基于PID线性控制算法的多个单入单出反馈控制回路组     

基于RBF神经网络辨识的过热蒸汽温度控制

提出一种基于RBF神经网络辨识的PID串级主蒸汽温度控制策略,即将RBF神经网络与常规PID串级控制相结合构成RBF-PID控制器.该控制器不仅具有常规PID控制器的特性,而且还具有智能控制器的自学习能力,增强了系统对不确定因素的适应性.仿真研究结果表明,RBF-PID控制系统动态调节品质显著优于常规PID串级控制,能适应对象参数的变化,具有较强的鲁棒性和自适应能力.