基于神经网络的超临界机组过热汽温设定值优化补偿

基于历史运行数据对过热器喷水减温系统特性进行神经网络建模,在不改变机组原过热汽温控制逻辑和PID参数的前提下,采用基于预测模型的前馈补偿和反馈补偿相结合的策略,在控制回路的顶层对过热汽温设定值进行实时优化补偿,以改善过热汽温控制效果,并借助600 MW超临界机组仿真机进行仿真试验研究.结果表明:采用设定值优化补偿方案可明显提升过热汽温的控制品质,验证了优化方案的有效性.     

改进的自适应模型算法控制在过热汽温控制中的应用

针对锅炉过热汽温对象具有大惯性、大迟延、时变性等特点,提出一种基于最小均方算法的自适应模型算法控制-比例串级预测控制系统.通过最小均方自适应滤波器在线实时辨识被控对象的预测模型参数,再结合改进的自适应模型算法控制在线修正控制器参数.仿真结果表明:该控制策略实施简单、超调小,控制效果明显优于PID-P串级控制;且在降负荷实验中能有效适应对象参数时变,保证调节性能较好.     

基于混沌理论的过热汽温最优预测控制策略

由于非线性混沌时间序列内部确定的规律性，其重构相空间具有高精度短期预测性。因此，为实现锅炉过热汽温的非线性、大时滞系统的自适应控制，根据具有混沌特性的过热汽温时间序列重构相空间，计算相空间饱和嵌入维数、最大Lyapunov指数和系统的可预报尺度，并以此为指导，建立神经网络预测模型对过热汽温系统作高精度的短期预测，在此基础上，通过反馈校正，将校正误差和控制增量引入性能函数，寻优得最优控制策略，实现了对过热汽温的非线性、大时滞系统高精度的自适应预测控制。仿真表明了控制的有效性、快速性和鲁棒性。     

应用免疫算法的联合循环余热锅炉过热汽温的优化控制

过热蒸汽温度对象具有时变性、不确定性和非线性等特点，是联合循环余热锅炉中一个较难控制的过程。借鉴免疫系统原理，提出一种新的免疫并行算法，进而运用该算法提出一种PID参数优化方法，并将其用于余热锅炉过热汽温的优化控制中。仿真结果证实了该方法的有效性。图9表1参9     

基于自适应神经元网络的过热汽温智能控制

过热汽温调节过程是一个非线性时变过程，目前广泛使用的ＰＩＤ控制虽然有结构简单，鲁棒性强的优点，但也存在自适应性能差的缺点。该结构可以实现参数的自整定，具有较强的自学习能力。最后通过仿真验证了该智能控制的有效性。     

过热汽温的非线性广义预测控制与优化

针对锅炉过热汽温被控对象大惯性、时变性和非线性等特点,提出了一种基于神经网络前馈补偿的在线自适应非线性预测控制算法.采用高阶惯性环节加神经网络补偿的混合非线性模型作为预测模型代替传统的可控自回归积分滑动平均(CARIMA)模型,并在此基础上推导出非线性广义预测控制(GPC)算法的控制规律,通过仿真实验得到典型工况下的最佳预估长度和控制长度,拟合出其与锅炉负荷的非线性关系.结果表明:该控制算法对于某些非线性被控对象具有良好的跟踪品质;在锅炉降负荷实验中,能有效克服对象参数和结构的时变,具有一定工程实用价值.     

基于支持向量机的过热汽温内模控制

提出一种基于支持向量机回归的内模控制算法并应用于过热气温控制。首先,简介支持向量机回归算法和内模控制原理;其次,提出基于支持向量机回归算法构造的被控过程的逆模型,将该逆模型作为控制器,并在主控系统中增加鲁棒控制器以增加系统的鲁棒性及跟踪性能。仿真结果表明提出的控制算法的控制品质优于传统的PID控制算法。     

电厂过热汽温的智能预测控制方法

电厂过热汽温对象具有大惯性、大迟延和非线性等特性,常规控制策略难取得满意的控制效果。为此,提出一种基于免疫优化的智能预测控制方法,它将离线辨识得到的模型作为预测模型,然后利用实数编码的免疫优化算法在线实现预测控制的滚动优化,给出每个采样时刻的最优控制量。将其应用于过热汽温控制系统进行仿真研究,结果表明该智能预测控制方法具有优良的控制品质。     

PID补偿神经网络逆控制在超临界机组过热汽温控制中的应用

考虑超临界锅炉过热汽温系统的非线性、大惯性、大时延等特性,建立了过热汽温喷水减温系统的非线性动态神经网络逆模型,运用机组的历史运行数据对模型进行训练与校验。以训练好的模型为基础,构建了具有PID补偿环节的神经网络逆控制器,在MATLAB平台编制了实时控制程序。借助600 MW超临界机组全仿真系统,对过热汽温进行设定值扰动、大范围变工况扰动等仿真试验。结果表明:具有PID补偿的神经网络逆控制方案可有效降低动态变负荷过程中过热汽温的控制偏差,缩短汽温控制的稳定时间,与机组原控制方案相比具有更好的控制效果。     

电厂过热汽温控制系统的改进及其PID鲁棒整定

根据某300MW火电机组锅炉过热器的结构特点，对原有的过热汽温控制系统结构进行了改进，改进后的控制系统能够减小过热蒸汽混合前两侧温度的偏差，从而减小过热器出口温度的波动，同时有利于锅炉的安全运行。考虑到汽温对象在负荷变化过程中的不确定性，引入了鲁棒性指标，并采用遗传算法寻优对PID控制器的参数进行了整定，实际运行结果显示了改进后控制系统的实用性。图8参6     

基于鲸鱼算法优化极限学习机的微电网故障诊断

提出一种基于鲸鱼算法优化极限学习机的微电网故障诊断方法.首先利用小波包分解对三相故障电压进行分析,计算小波包能量熵组成特征向量作为数据样本;然后通过鲸鱼算法优化极限学习机建立诊断模型对故障类型进行识别和诊断.最后利用鲸鱼算法优化极限学习机的输入权值和隐层神经元阈值,解决了输入权值和隐层神经元阈值随机初始化易影响网络性能...     

135MW循环流化床机组过热汽温优化控制方案研究

大多数火力发电厂的过热汽温控制采用的是DCS自带的经典PID控制。这类控制系统对于滞后性较大的高阶被控对象、现场执行机构死区大和减温阀线性差等工况,其控制品质较差。如果将无辨识自适应控制器IFA、预估与大数据智能诊断等先进技术引入到锅炉过热汽温控制系统中来,优化DCS系统算法逻辑,这不仅能控制过热汽温在额定值允许范围这内,而且可以适当提高过热汽温,提高蒸汽品质。另一方面可以省去升级改造喷水减温装置即可投入自动,其经济效益是相当可观的。     

基于免疫进化算法的过热汽温自整定PID控制研究

根据生物免疫系统特性 ,提出了一种基于免疫进化算法的PID控制器参数自整定方法。免疫进化算法引入记忆细胞和抗体浓度调节机制 ,具有种群多样性 ,能保证快速稳定地收敛到全局最优点。通过对过热汽温控制系统的仿真 ,表明该算法是有效的。     

减小过热汽温两侧偏差的控制系统改进方案

根据某 3 0 0MW火电机组锅炉过热器的结构特点 ,对原有的过热汽温控制系统结构进行了改进 ,改进后的控制系统能够减小过热器两侧的温度偏差 ,有利于机组的安全运行。     

基于插值和拟合技术的过热汽温非线性控制研究

针对过热汽温对象特征参数在负荷范围内变化较大的特点,提出一种基于插值和拟合技术的过热汽温非线性自适应控制方法,通过调节控制器参数使其随负荷自动变化来保证系统的鲁棒性。首先简单介绍了过热汽温串级控制和采用插值与拟合技术获取控制器参数的方法,然后提出一种连续变速积分不完全微分数字比例、积分、微分(PID)控制算法。基于典型工况下的PID参数和插值及拟合技术建立了过热汽温全工况下的自适应控制器,并对某超临界600 MW直流锅炉过热汽温对象进行了仿真。分析了不同插值和拟合方法下自适应PID控制的控制效果,证明了本文方法的有效性。     

单元机组过热汽温控制系统的负荷适应性

为了增强过热汽温控制系统的负荷适应能力,以一个600MW机组的过热汽温系统为研究对象,设计了由4组局部控制器组成的负荷调度控制系统,并以主蒸汽流量作为系统的调度变量。每一组局部控制器对应一种典型工况,采用串级内模原理进行设计和整定,其中,高阶的外回路控制器通过Taylor级数展开的方法简化为实际PID形式。控制系统各局部控制器之间的跟踪与无扰切换通过Hanus方法实现。系统保留了传统串级控制系统克服内回路扰动、提高系统工作频率的优点。在不同负荷下的仿真试验以及大范围变工况试验均表明,该系统具有良好的负荷适应能力。图5表3参3     

基于自适应差分进化算法优化极限学习机的干旱预测方法

针对极限学习机在实际应用时随机选取初始权值与阈值易导致其稳定性弱及泛化能力差的问题,利用自适应差分进化算法对其进行改进,构建了自适应差分进化极限学习机预测模型,并选用海表异常温度作为该模型的输入因子,对研究区域的干旱进行预测。结果表明,以海表异常温度作为模型的输入因子,应用极限学习机能有效地进行干旱预测,通过自适应差分进化算法优化的极限学习机应用于干旱预测,其精度与稳定性均有所提高。     

基于免疫进化算法的过热汽温自整定PID控制天空

根据生物免疫系统特性，提出了一种基于免疫进化算法的PID控制器参数的自整定方法，免疫进化算法引入记忆细胞和抗体浓度调节机制，具有种群多样性，能保证快速稳定地收敛到全局最优点。通过对过热汽温控制系统的仿真，表明该算法是有效的。     

过热汽温的动态特性与控制

给出了过热器动态特性的简便计算方法.按过热器的结构和热力参数计算出单级和多级过热汽温的传递函数.与实测数据相比较,证实这种方法准确而且简便.首次提出在过热气温控制中,采用取实根的相位补偿,即2个串联的超前/滞后环节,在工程中实现很方便.经大量仿真试验证实,其过渡过程时间缩短1半左右,最大动态偏差缩减2-3倍.还给出整定计算公式及多种整定计算数据的取法,以及在一级喷水过热汽温控制的工程应用实例.该方法极大地改善了过热汽温控制品质,电站锅炉过热器可采用一级喷水减温,使过热器系统结构简化,设备投资减少.由于汽温控制品质大大提高,可把汽温控制系统的设定值定在稍高于额定值.在不影响机组运行安全性的同时,提高机组运行的经济性.