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。     

电厂锅炉排烟温度自动控制装置的研究与应用

论述电厂锅炉排烟温度自动控制系统原理、节煤效益计算方法及计算结果.黄台电厂6号机组采用电厂锅炉排烟温度程控装置控制锅炉排烟温度、进风温度和冷端壁温后,达到了锅炉运行冷端壁温与要求控制冷端壁温之差在±1℃的预期目标.     

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。     

基于改进神经网络的垃圾焚烧锅炉设备床温预测方法

垃圾成分的不确定性给垃圾焚烧锅炉设备床温预测带来了极大的影响,一旦预测不准确,会导致垃圾处理不当,对生态环境造成破坏。由于垃圾焚烧锅炉的燃烧过程受到多种因素的影响,因素的变化会导致燃烧过程的不稳定,从而影响床温的预测,因此研究一种基于改进神经网络的垃圾焚烧锅炉设备床温预测方法。该方法利用相关系数法筛选出对垃圾焚烧锅炉设备床温产生影响的主要因素,以此作为神经网络的输入,采集床温数据,以此作为神经网络的输出,以有效避免燃烧过程受到多种因素的影响,确保对动态变化的处理能力。然后通过输入与输出对神经网络进行训练,以并采用水波优化算法来寻优神经网络参数,实现神经网络的改进,最终利用改进后的神经网络实现床温预测。结果表明：所研究方法应用下,可有效实现对测试样本的床温预测,其误差在±5℃以下,具有较强的稳定性,且其熵值结果在0.9以上,适应能力较强。     

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IMC-PID方法的火电厂锅炉跟随控制优化研究

传统的锅炉随动控制(BFC)策略在应对锅炉负荷波动时,存在响应速度慢、超调大、误差偏高等问题,难以满足现代火力发电厂对高效节能的要求。为了解决这些问题,本文提出了基于内模控制比例-积分-微分(IMC-PID)调节方法的BFC系统优化策略。使用一阶惯性纯滞后模型参数对IMC-PID控制器进行调参,通过IMC-PID方法获得控制器参数,并利用该参数对BFC系统进行控制。通过对设定点变化(±5%)的闭环测试,结果表明,在+5%设定点变化时,MO为0.00%,IAE为120,321.7;而PIC控制的MO为0.30%,IAE为14,707.2。在-5%设定点变化下,其在降低超调和误差的同时也显著提高了系统响应速度。与传统的PID调节相比,该方法在动态响应、精度控制及稳定性方面具有明显优势,适用于燃煤电厂的负荷调节与控制优化,具有重要的工业应用价值。     

基于SMC的模型预测控制性能验证方法研究

针对FCSMPC性能验证问题,引入了一种基于统计模型检测(SMC)的验证方法.以三相逆变器及其FCSMPC为例,完成了FCSMPC算法设计,并通过Simulink基准模型开展了仿真计算,并进行了实验.在UPPAAL SMC工具箱中,将系统建模为随机时间自动机网络,并与等效的Simulink基准模型和实验结果相互映证.通...     

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。     

基于优化赋权模型预测控制的风储协调策略研究

风储系统多目标之间存在难以协调控制的问题,权重系数的选择对多目标控制效果具有显著影响。首先,构建以储能充放平衡、并网波动最小和储能输出最小的风储系统多目标函数,考虑各子目标权重系数对风储系统的影响,提出一种改进鲸鱼算法（IWOA）优化模型预测控制（MPC）的风储协调运行方法,采用组合隶属度函数进行满意度评价,得到混合储能最优总控制量和权重系数。然后,采用集合经验模式分解（ICEEMDAN）算法对混合储能总控制量进行分解,利用Pearson相关系数对分解分量进行重构,实现混合储能功率的分配。最后,以新疆某风电场数据进行仿真,验证所提优化模型的有效性和功率分配策略的合理性。