超临界机组大滞后性对象动态过程控制优化

论文摘要

电站热工控制领域中,对象多为大热容量系统,各自间存在耦合和干扰关系,控制时具有大滞后、惯性特性。基于经典控制理论的传统PID控制器在设计时均依据稳定性和安全性原则,虽能保证在设计工况下的控制品质,但对于变环境、变工况下动态过程的调节很难保证控制的最优性,自适应能力、鲁棒性能和克服强非线性的能力均差。特别是,直流锅炉燃料量、主蒸汽流量等关键参数难以在线准确检测,使得大型超临界机组变工况运行、模型失配等条件下的优化控制依然是目前研究的重点。论文从以下三个方面进行了着重研究:首先,针对燃料量不易准确测量和燃料发热量难以在线精确检测,应用信息融合-径向基（RBF）神经网络算法,设计了基于RBF神经网络-PID混合控制的超临界锅炉燃料量优化控制系统。该优化控制综合了RBF神经网络的强自学习、并行计算能力和信息融合方法的互补性、冗余性等特点,重构燃料发热量系数,在燃烧内扰时用来在线精确修正实际燃料量,外扰时作为燃料量需求的前馈控制,以保证燃料量实时符合机组负荷变化或锅炉内扰下各工况的实际需求。仿真实验结果表明,此控制系统可保证燃料量控制的准确性和快速性,以及内外扰动下锅炉工况的稳定性。其次,通过引入混结构隐含层,改善传统RBF神经网络变工况控制时的非线性和扰动适应能力,设计了基于混结构RBF神经网络（MS-RBFNN）的超临界锅炉燃水比控制系统,即用MS-RBFNN综合学习当前主要相关状态参数,以锅炉受热面中间点温度与其设计值的均方差作为学习训练信号,实时并行计算出最优的燃水比控制量,以及时修正锅炉燃烧率并对主蒸汽温度进行粗调。仿真实验结果表明,此优化方案相对传统PID控制,可更好克服主蒸汽温度控制时的大滞后性,具备更好的变工况适应能力,同时保证了机组的热效率。最后,设计了基于模糊控制器的超临界锅炉直吹式中速磨组启动控制系统,利用模糊控制的鲁棒性和克服非线性能力,优化了对磨组启动过程中咬合时间、咬合电流等不确定参数的控制。仿真实验结果表明,该方案在磨组启动中MCS（模拟量控制系统）和BMS（燃烧器管理系统）可更好地协调控制,并保证了超临界机组燃烧工况在动态过程中的平稳控制。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 论文研究目的及意义
• 1.1.1 研究的目的
• 1.1.2 研究的意义
• 1.2 国内外研究现状
• 1.2.1 电站热工过程控制理论的研究现状
• 1.2.2 超临界发电技术现状及其大滞后性对象的动态过程控制
• 1.3 论文主要研究内容
• 2 超临界机组燃料量控制系统优化设计
• 2.1 引言
• 2.2 超临界机组燃料量控制特性
• 2.2.1 燃烧过程对象控制特性
• 2.2.2 超临界机组燃料量控制特点
• 2.3 燃料量控制传统方法及其问题
• 2.3.1 传统控制方法
• 2.3.2 存在问题
• 2.4 基于RBFNN-信息融合算法的燃料量控制系统优化
• 2.4.1 RBFNN-信息融合算法
• 2.4.2 在燃料量控制系统中的应用
• 2.5 实验和结果分析
• 2.5.1 燃料量系统控制仿真实验
• 2.5.2 内部扰动下燃料量控制实验
• 2.5.3 外部扰动下燃料量控制实验
• 2.6 本章小结
• 3 超临界机组燃水比控制系统优化设计
• 3.1 引言
• 3.2 超临界机组的燃水比控制特性
• 3.2.1 锅炉过热汽温一般控制特性
• 3.2.2 直流锅炉过热汽温控制特点
• 3.3 燃水比的传统控制方法及其问题
• 3.3.1 传统控制方法
• 3.3.2 存在问题
• 3.4 基于MS-RBFNN 算法的燃水比控制系统优化
• 3.4.1 传统RBFNN 算法的缺点
• 3.4.2 MS-RBFNN 算法及其燃水比优化控制
• 3.5 实验和结果分析
• 3.5.1 燃水比MS-RBFNN 控制系统仿真
• 3.5.2 在负荷扰动下燃水比控制实验
• 3.6 本章小结
• 4 超临界机组直吹式中速磨启动控制系统优化设计
• 4.1 引言
• 4.2 直吹式中速磨制粉系统的控制特性
• 4.2.1 中速直吹式制粉系统的特点
• 4.2.2 直流锅炉直吹式中速磨的运行特点
• 4.3 直吹式中速磨启动传统控制方法及其问题
• 4.3.1 传统控制方法
• 4.3.2 存在问题
• 4.4 基于模糊控制器的中速磨启动控制系统优化
• 4.4.1 模糊控制算法
• 4.4.2 直吹式中速磨启动的模糊控制
• 4.5 实验和结果分析
• 4.5.1 磨组启动给煤量模糊控制实验
• 4.5.2 中速直吹磨组启动控制试验
• 4.6 本章小结
• 5 结论与展望
• 5.1 主要结论
• 5.2 后续研究工作的展望
• 致谢
• 参考文献
• 附录
• A. 作者在攻读硕士学位期间发表的论文目录
• B. 作者在攻读硕士学位期间参加的科研项目
• C. 论文中一些数据补充