基于SIS的预测控制应用研究

火力发电厂厂级监控信息系统(SIS)作为一种以优化机组运行、提高运行经济性为主要目标的信息系统,已在火电厂厂级管理方面发挥了重要作用.为了更加有效地利用SIS平台上的大量数据,提出了基于SIS平台的动态矩阵预测控制.以湖北某电厂SIS为例,将锅炉过热蒸汽温度作为控制对象,蒸汽流量作为扰动量来反映锅炉运行工况的变化.采用神经网络辨识方法建立被控对象的动态模型并将动态矩阵控制算法应用到蒸汽温度控制系统.仿真结果表明,基于仿真数据建立的过热蒸汽温度神经网络动态模型,能够很好地预测被控对象在不同运行工况下的动态特性,基于神经网络模型的动态矩阵控制策略优于传统PID的控制效果.     

基于局部神经网络模型的过热汽温多模型预测控制的研究

针对锅炉过热汽温的特点，设计串级过热汽温控制系统。主调节器采用基于局部神经网络模型的多模型预测控制，即由主蒸汽流量确定的不同工作点，用神经网络建立局部动态模型，进而建立一组局部神经网络预测控制器，然后通过加权合成的方式获得最终的控制信号；副调节器采用基于多个简单比例控制器的加权合成比例控制。该控制方案融合了神经网络、多模型控制和预测控制的特点。仿真结果表明，在负荷大范围变化的工况下，控制系统仍保持了良好的控制性能，具有较强的鲁棒性。     

基于多变量广义预测控制算法的两级过热汽温协调联动控制

大型火力发电机组过热汽温被控对象具有大迟延、大惯性、受干扰因素多以及不同负荷下的被控对象模型变化大等特性,同时面临着煤质多变、环境多变等各种复杂恶劣的工况,以传统PID控制和单变量广义预测控制为基础的汽温控制效果有限。利用递推最小二乘法（recursive least square,RLS）建立了过热汽温系统3个典型工况下的模型,并基于多变量广义预测控制构建了两级过热汽温联动控制优化策略,同时将该策略应用于某电厂330 MW亚临界机组。结果表明,无论是稳态工况还是复杂的变负荷工况,优化控制策略都能够很好地控制过热器出口汽温。     

基于GMDH神经网络的超超临界机组过热蒸汽温度预测模型及仿真研究

由于超超临界1 000MW机组过热蒸汽温度控制对象具有大滞后、非线性、动态参数随工况变化大等特点,使得传统的控制方法难以适应过热蒸汽温度的控制,出现过热蒸汽温度波动大,甚至超温等问题。对此,采用数据处理群集方法(GMDH)神经网络建立了过热蒸汽温度动态预测模型,以预测过热蒸汽温度的变化趋势。仿真结果表明,基于GMDH神经网络的过热蒸汽温度预测效果优于线性神经网络和BP神经网络,具有较好的移植性和实用性。     

基于多模型切换的过热汽温广义预测控制

火电厂过热汽温对象具有时滞、惯性和参数时变的特性.固定参数常规PID控制器在对象特性发生变化后,控制品质会有所下降.基于多模型切换的过热汽温广义预测控制策略,对若干典型工况点下的固定模型设计子控制器,当系统工况发生变化后,通过有效的切换策略及时准确地切换到最适控制器.提出一种新的平滑切换方法,可有效抑制切换时对象出现的大幅扰动现象.仿真结果验证了该控制策略的有效性.     

基于神经网络模型及预测控制DMC的火电机组脱硝控制策略

燃煤火电机组的NO_x排放值是受国家环保部门实时监督考核的重要环保安全指标。由于NO_x被控对象的纯时延大时滞特性,常规的PID控制很难将烟气NO_x排放指标控制到理想范围内。介绍了一种基于BP神经网络模型和预测控制的动态矩阵控制（DMC）算法相结合的新型火电机组脱硝控制策略,其中BP神经网络可逼近DMC算法中脱硝对象的零输入响应,利用神经网络的泛化能力,逼近实际工业过程在不同负荷下模型参数时变的特性,使预测控制中的模型预测部分可以更精确地逼近实际过程对象,提高整个预测控制算法的控制精度。现场应用表明,这种新型脱硝控制策略可有效提高火电机组NO_x的控制品质。     

基于神经网络的过热汽温模型预测控制

通过神经网络系统辨识实现非线性系统的模型预测控制MPC(Model Predictive Contro1),建立了基于神经网络系统辨识的过热汽温模型预测控制系统。仿真结果表明,较之传统的过热汽温串级调节系统,采用该模型预测控制策略的过热汽温控制系统的控制性能有很大的提高。     

基于多变量广义预测控制算法的两级过热汽温协调联动控制

大型火力发电机组过热汽温被控对象具有大迟延、大惯性、受干扰因素多以及不同负荷下的被控对象模型变化大等特性,同时面临着煤质多变、环境多变等各种复杂恶劣的工况,以传统PID控制和单变量广义预测控制为基础的汽温控制效果有限。利用递推最小二乘法（recursive least square,RLS）建立了过热汽温系统3个典型工况下的模型,并基于多变量广义预测控制构建了两级过热汽温联动控制优化策略,同时将该策略应用于某电厂330 MW亚临界机组。结果表明,无论是稳态工况还是复杂的变负荷工况,优化控制策略都能够很好地控制过热器出口汽温。     

基于SIS的电厂运行可控指标优化

为了更加有效地利用火力发电厂厂级监控信息系统(SIS)平台上的大量数据,根据火电厂经济指标的特性将其分为可控指标与不可控指标.建立了动态可控指标的优化模型,选取发电量、厂用电率和单项指标等可控指标进行优化评价,并在SIS平台上建立了基于神经网络模型的动态优化策略在运行轮班内进行评比.以某发电厂的SIS应用为例,通过采用优化可控指标作为各值监控参数,基于SIS数据所建立的动态指标优化模型,能够较好地全面反映机组运行状态,基于神经网络模型的动态优化策略优于传统的指标评价体系的管理效果.     

锅炉过热汽温系统的DRNN网络自整定PID控制

火电厂过热汽温控制系统具有大惯性、大迟延、参数慢时变的特点，受到的扰动因素较多；随机组负荷的变化又表现出参数快时变的特性，常规的按照典型工况整定的固定参数PID控制难以适应负荷变化，往往未能取得满意的调节效果。为此，提出一种基于DRNN的两级神经网络的过热汽温系统自整定PID控制策略，其中两级神经网络分别为静态网络SNN和动态网络DNN，SNN依据机组运行工况如负荷进行PID参数的粗调整定，以适应机组负荷的较大范围变化，如参与调峰；DNN依据偏差和偏差变化率进行PID参数的细调整定，以克服机组负荷的小范围变化、参数的慢时变漂移和各种扰动。为了克服系统的大惯性和大迟延，引入灰色预测器对未来信号进行预测，预测结果作为DNN使用的整定信息。对某汽温系统的计算机仿真研究结果表明：基于两级神经网络自整定控制策略的主汽温控制系统获得了良好的动态调节品质，具有较强的鲁棒性。     

过热汽温智能控制系统研究

经过分析某超临界600MW直流锅炉高温过热器动态特性,过热器动态特性随机组的运行工况变化而变化,可以认为用蒸汽流量就能近似表示运行工况。在此基础上,提出了串级过热汽温智能控制系统。该智能控制系统中的副调节器仍然采用比例调节器;设计该主调节器时,把整个副回路和主对象看成广义被控对象,主调节器是一个自整定PID控制器,需要用到被控对象的Jacobian信息。随后构造了一个径向基函数(RBF)神经网络对被控对象进行辨识,从而求出了被控对象的Jacobian信息。最后将文中提出的智能控制系统用到了某超临界600MW直流锅炉的过热汽温控制中,仿真结果表明,用这种方法建立的过热汽温控制系统在机组运行工况发生变化时,具有较好的控制品质和较强的自适应能力。     

基于BP神经网络的锅炉火焰中心对过热蒸汽温度影响的试验研究

过热汽温控制是大型火电机组中必不可少的重要组成部分,针对大型火电机组锅炉过热气温对象多容、大惯性、大延迟、非线性的特性,利用MATLAB程序设计,基于BP神经网络(Back Propagation Neural Network)算法,进行了改变锅炉火焰中心位置对过热蒸汽温度的影响的试验研究,发现了炉膛各层给煤量与过热蒸汽温度的联系,结合机理分析提出了一种通过改变各层燃烧器给煤量来改变过热蒸汽温度的方法,该方法实施简单、操作方便,仿真结果表明,此种方法具有较好的预测精度和泛化能力。     

基于辐射能信号前馈的串级汽温控制系统

研究电站锅炉炉膛辐射能与过热器出口温度的动态特性，以辐射能信号作为前馈信号，组成前馈一反馈的汽温控制系统，改进过热器减温水喷水控制，提高了蒸汽参数品质及火电机组的经济效益和安全性。     

基于RBF神经网络整定的PID控制器在汽温控制中的应用

通过将RBF神经网络和常规PID控制器结合，提出了一种新的火电厂超临界机组过热汽温控制方案。将这种方法应用于主汽温控制，可以有效克服过热汽温对象的大滞后和大惯性，并能够克服对象在运行中参数变化的影响，获得良好的控制品质。仿真试验表明：所设计的系统在控制品质、鲁棒性方面明显优于常规PID控制系统。     

简化的DMC-PID串级控制及其在汽温系统中的应用

DMC控制(动态矩阵控制)中控制量的计算涉及到矩阵的求逆，计算量较大。提出了一种SDMC(简化的DMC算法)，并且与串级控制相结合，形成SDMC—PID控制策略。应用于电厂过热汽温系统仿真研究表明，该方案使控制系统具有较强的鲁棒性及良好的跟踪性能，提高了系统的动静态性能指标。     

基于RBF神经网络整定的PID控制器在汽温控制中的应用

通过将RBF神经网络和常规PID控制器结合,提出了一种新的火电厂超临界机组过热汽温控制方案。将这种方法应用于主汽温控制,可以有效克服过热汽温对象的大滞后和大惯性,并能够克服对象在运行中参数变化的影响,获得良好的控制品质。仿真试验表明：所设计的系统在控制品质、鲁棒性方面明显优于常规PID控制系统。     

模型预测控制在电厂过热汽温系统中的仿真研究

针对火电厂过热汽温的动态特性,在PID串级控制方案中引入模型预测控制结构,副环采用常规PID控制,快速抑制进入系统的干扰,主环采用动态矩阵控制(DMC),抑制对象的大迟滞特性,以获得优良的跟踪性和鲁棒性。这种控制策略综合利用了预测控制的性能优点和串级控制的结构优点,仿真结果表明,该方法比常规PID串级控制更能有效地克服系统时滞、模型失配和干扰等未知影响,并且有较高的控制精度和较强的鲁棒性,可获得满意的控制效果。     

约束预测控制在低氮燃烧机组过热蒸汽温度控制系统中的应用

针对某低氮燃烧机组运行过程产生的燃烧滞后、汽温波动大等问题,提出一种带有约束优化的预测控制算法,并将其应用到电厂过热蒸汽温度控制系统中,构成串级预测控制系统。仿真结果表明：带有约束的过热蒸汽温度串级预测控制系统的控制量能被有效控制在约束范围内,系统的抗干扰性和鲁棒性均优于常规PID控制系统,过热蒸汽温度控制品质得到很大提升。