带监督项的模糊前馈反馈控制在船用锅炉水位控制中应用

船用蒸汽动力装置锅炉锅筒水位控制对象由于存在“虚假水位”,以及精确数学模型难以建立,采用常规的控制策略无法保证控制质量,特别是在工况频繁变化的情况下易导致“满水”或“干锅”的故障。为此,提出了带模糊监督控制的模糊前馈反馈控制方案,该控制方案利用模糊前馈补偿可测干扰对系统输出的影响;利用模糊监督控制抑制系统中非最小相位环节的影响,将所提的控制规律在某实验机组上验证,表明该方法的控制结果令人满意。     

基于神经网络模型的锅炉广义预测控制

针对目前电站锅炉运行中,控制性能不佳,热效率低下等不足,提出了运用基于神经网络模型的ＧＰＣ控制方法（ＮＮＧＰＣ）以改善控制器性能的策略,并通过大量的仿真研究对其进行了验证。另外,为简化模型结构,便于实时在线计算,又利用改造后的Elman网络模型代替原有的多层前向ＢＰ网络模型进行了对比实验,效果令人满意。最后,利用仿真结果,讨论了ＮＮＧＰＣ的参数选择及工程应用中的实际问题。     

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。     

循环流化床锅炉的模型预测控制

利用系统辨识技术建立锅炉的预测模型,对模型预测控制算法在多变量系统中的应用进行了讨论,用于控制循环流化床的蒸汽压力、蒸汽温度和炉床温度.在MATLAB/SIMULINK环境下对模型预测控制系统进行了仿真.研究结果表明,利用系统辨识技术建立的系统模型结构简单,可以在有限时域内实现系统输出的精确预测,适合在线控制应用;模型预测控制算法适用于循环流化床锅炉的控制,其仿真控制结果明显优于经典控制系统.     

基于PLS和ε-FT的电站锅炉NO_x排放特性研究

为了有效控制电站锅炉的NO_x排放量,以某600 MW电站锅炉历史运行数据为样本,应用偏最小二乘(PLS)和ε-模糊树(ε-FT)方法建立了NO_x排放特性模型.针对热工过程变量之间的强相关性和耦合性,采用PLS对模型输入热工数据进行重要变量信息提取和变量选择,将得到的最优变量作为ε-FT模型的输入,建立了NO_x排放特性的PLS-ε-FT模型,并将模型与其他建模方法进行对比.结果表明:该模型通过PLS进行变量选择,消除了变量的相关性,降低了模型的维数和复杂程度,提高了模型的预测精度和泛化能力.     

基于状态空间的前馈风扰动模型预测变桨距控制器设计

针对如何减小风扰动对双馈风电机组动态载荷影响的问题,采用基于状态空间的风扰动前馈模型预测控制算法,进行变桨距控制器设计。以3MW双馈风电机组为例,通过AeroDyn、FAST和MATLAB三个仿真工具建立联合运动仿真集成环境,仿真研究结果表明基于状态空间的风扰动前馈模型预测控制算法在减小风电机组传动链扭振、叶片挥舞和塔筒前后摆动幅值方面效果明显,证明了算法的有效性。     

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.     

基于LSTNet-Mod模型的锅炉效率预测研究

建立快速准确的锅炉效率预测模型,选取12个测点作为输入,以锅炉效率作为输出,利用锅炉运行历史数据建立数据集,对比多个时序数据预测模型的效果。结果显示：长短期时间序列网络（Long-and Shortterm Time-series network, LSTNet）模型的平均绝对误差最小,为0.12,该模型的预测效果优于其他模型。对LSTNet模型进行微调,为了提高模型的表达能力,将门控循环单元（Gate Recurrent Unit, GRU）调整为长短期记忆网络（Long Short-Term Memory, LSTM）;为了提高模型推理速度,适当缩减LSTM的神经元数量,最终得到长短期时间序列微调网络（LSTNet-Mod）模型,其平均绝对误差为0.027,推理时间缩短了约7.88 s。     

动力锅炉系统中隐式广义预测控制的应用

针对动力锅炉的数学模型进行研究,使用广义预测控制对被控对象模型进行了仿真。结果表明,动力锅炉系统中应用广义预测控制响应速度快,超调小,控制效果理想。     

火电机组锅炉过热汽温的约束模型预测控制研究

提出了一种具有输入硬约束的模型预测控制算法,该算法无需在线迭代求解或矩阵在线求逆,具有算法简单,在线计算量小的优点,将其应用于火电机组锅炉过热汽温控制进行仿真研究,结果表明该算法是有效的。     

基于改进型多模型预测控制的喷氨优化算法及其应用

由于大时滞、非线性的控制难点,典型火电机组选择催化还原(Selective Catalytic Reduction,SCR)脱硝系统的控制效果难以保障.作为一种先进控制算法,与PID控制相比模型预测控制对大时延、大惯性的被控对象有着较好的控制效果,因此在脱硝控制系统优化中多有应用.然而SCR被控对象的非线性以及未知的外...     

基于多模型集的主汽温多模型预测控制方法

针对一类可以采用一阶惯性加纯滞后模型描述不同工况下动态特性且随工况变化的工业过程,提出一种基于对象特征参数极大极小值的多模型集建立方法,采用递推贝叶斯概率加权方法获得全局预测模型,并以此设计多模型预测控制器以满足工况大范围变化的控制要求,同时在进行误差校正时,预先补偿由于工况动态变化所带来的模型预测误差,以提高预测精度.对电站锅炉主汽温系统的仿真结果表明在各工况下均有很好的定值跟踪能力,在大范围工况变化时,能够将主汽温度稳定在设定值附近.     

基于分层模型预测控制的源荷协调控制策略研究

风电的随机性和波动性增大了电网系统的调节压力,文章提出一种基于分层模型预测控制的源荷协调控制策略,该策略采用长、短时间尺度的多时间尺度滚动优化控制。长时间优化控制以最小弃风运行成本最优为目标,以长时间风电预测为状态变量,以常规电源功率、高载能负荷功率和风电出力为控制变量,优化求解计划基点。短时间滚动优化控制以风电实际出力与计划出力偏差最小为目标,以短时间风电预测出力为状态变量,以连续可调高载能负荷为控制变量,优化求解控制指令,对预测误差的影响做出修正。采用二次规划法对优化控制模型进行求解。最后以新疆某地区电网为例,验证了所提出控制策略的有效性和可行性。     

基于IFAP的循环流化床锅炉燃烧系统应用研究

针对循环流化床锅炉动态特性复杂、参数强耦合的特点,提出利用无辨识自适合预估技术(IFAP)应用于其燃烧控制系统,对床温-主汽压子系统应用串级控制,主副调节器均采用IFAP控制器。同时采用300MW机组循环流化床锅炉进行试验研究,试验结果表明,应用IFAP技术具有较强的鲁棒性和适应性,控制系统具有优良的动态性能。     

基于模型预测控制技术的电厂优化运行研究

发电厂由于其对分布式能源资源的有效管理和控制,已经成为分散式发电产业的驱动力。发电厂的运营策略大多是根据日前的预测来设计的。然而,可再生能源（RES）和负荷在电力调度中的预测误差会导致次优运行。提出了一种基于带反馈校正（FC）的模型预测控制（MPC）技术的电厂实时优化能量管理策略,以补偿预测误差。该策略是在真正的电厂运行上实施的。仿真结果表明了该策略的有效性,更好地跟踪实际可用资源,能够将需求与供给之间的不匹配将至最低。     

基于自适应模型预测的风电场低压穿越控制机制研究

风电场并网需满足并网导则的电压要求,双馈型风电场的无功功率输出主要来源于风力发电机网侧换流器、风力发电机定子和静态同步补偿器,因此在风电并网过程中,特别是低压穿越过程中,须要调节三者的无功功率输出,来保证风力发电机并网的可靠性。文章在建立无功功率调节方式数学模型的基础上,实现低压穿越过程中3种无功补偿方法的协同参与,并利用自适应模型控制风力发电机的定子。此外,根据电压的跌落情况,确定风力发电机网侧换流器和静态同步补偿器的无功功率输出,进而确定风力发电机定子控制过程中的最优化跟踪目标函数,以实现多种无功功率调节方式的协同参与。最后,利用风电场单机等值模型仿真结果对自适应模型预测方法进行验证。分析结果表明,相比于传统模型预测控制方法,采用自适应模型预测控制方法后,风电场静态同步补偿器的输出功率减小了14%。     

基于实测的循环流化床锅炉空气预热器及烟气处理设施对SO3脱除作用的研究

为了研究循环流化床锅炉(circulating fluidized bed boiler, CFB)的空气预热器和烟气处理设施对SO_3的脱除作用,利用控制冷凝法分别对装机容量在150～330 MW之间的10台循环流化床锅炉进行了实测。结果表明:空气预热器对SO_3的脱除率受空气预热器烟气出口温度的影响,在6.7%～36.5%之间,回转式空气预热器的SO_3脱除率高于管式空气预热器;布袋除尘器和电袋除尘器对SO_3的脱除率在40%以上;静电除尘器的SO_3脱除率在6.1%～10.8%之间;湿法脱硫的SO_3脱除率在41.7%～73.4%之间,其中双塔双循环的SO_3脱除率最高;炉外CFB半干法脱硫的SO_3脱除率达89.7%～97.9%,测试条件下炉内干法+炉外CFB半干法的工艺能使脱硫出口SO_3降至0.3 mg/m~3以下。     

基于模型的发动机空燃比控制策略研究与仿真

空燃比的精确控制是现代车用汽油机控制最为关键的技术。发动机平均值模型由于其模型简单、计算时间短、使用方便,且能满足控制设计的要求而被广泛应用。基于模型的空燃比控制技术是当前国内外研究的热点。在建立某型汽油发动机空燃比平均值数学模型的基础上设计了稳态工况下模糊自适应PID控制器,并与传统的PID控制器空燃比控制效果进行了对比。设计了瞬态工况下燃油前馈补偿控制器并进行仿真。仿真结果表明在稳态工况下模糊自适应PID控制策略不仅能够满足实际控制需要,而且比传统的PID控制策略控制效果更好。前馈补偿控制策略能满足瞬态工况下空燃比的控制要求。     

基于星地多源数据与GA-DNN模型的江苏省GPM产品降尺度研究

针对GPM降水产品低空间分辨率的缺陷,基于多源环境数据提取了表征区域地形、水汽、地表覆被、海陆位置等20个辅助变量,采用遗传算法(GA)提取最相关变量做为降尺度因子,运用深层神经网络(DNN)算法建立2019年江苏省GPM逐月产品的降尺度模型,并利用地面站点数据进行验证。结果表明,GA算法能很好地排除冗余信息、约简降尺度模型;基于地面资料的独立验证表明降尺度后数据的决定系数R~2介于0.43～0.93之间,相对误差M_(RE)在7.47%～23.77%之间,平均绝对误差M_(AE)、均方根误差R_(MSE)分别为2.18～26.84、3.23～29.54mm;与GPM原始产品相比,降尺度后的平均R~2增加了0.05,M_(AE)、R_(MSE)分别减小了1.44、2.04mm,M_(RE)降低了2.97%。提出的GA-DNN降尺度模型可为粗级降水产品的精细化提供技术参考。