供暖锅炉集中控制系统研究

论文摘要

锅炉集中优化控制技术,主要目的是在保证良好的供热效果的前提下,改变单锅炉独立运行的方式,将多台锅炉集中采用计算机统一调配,并根据随时变化的供暖负荷需求,实时进行负荷优化配比,减少能耗浪费。电热锅炉与传统的燃煤锅炉和燃油锅炉相比,具有良好的环保效果与经济效益,因而建立电热锅炉集中控制系统,具有重大的社会效益和经济效益。论文在对电热锅炉的工作原理、工艺特点、技术要求深入分析和研究的基础上,采用PLC和变频技术设计了对三台电热锅炉进行集中控制的控制系统。该系统采用分阶段改变流量的质调节方法对电热锅炉供暖系统的运行状态进行调节。其原理为把室外温度分成若干阶段,当室外温度高时,降低循环水流量；当室外温度低时,增大循环水流量。而在同一阶段内,保持流量不变,调节系统的出水温度。这样既保证了用户的供暖需求,又节约了能源。论文在实验室搭建的电热锅炉集中控制系统实验平台上进行出水温度控制的研究。依据采集到的电热锅炉出水温度阶跃响应输出序列的数据,运用最小二乘离线系统辨识的方法,得到了电热锅炉的数学模型；对BP(Back Propagation)神经网络PID控制算法进行了深入研究,对标准BP神经网络算法中易产生振荡,收敛速度缓慢等缺点进行了改进,并将其应用于电热锅炉集中供暖系统的出水温度控制,仿真结果证明采用BP神经网络PID控制算法,控制精度高、系统响应速度快,稳定性好。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景与意义
• 1.2 国内外锅炉温度控制系统发展现状
• 1.3 本文主要研究内容
• 第2章 电热锅炉集中控制系统的组成
• 2.1 电热锅炉的工作原理与工艺介绍
• 2.1.1 电热锅炉的工作原理
• 2.1.2 电热锅炉的控制要点
• 2.2 电热锅炉的运行调节
• 2.3 可编程控制器
• 第3章 BP神经网络PID控制的研究
• 3.1 神经网络的理论基础
• 3.1.1 人工神经元模型
• 3.1.2 神经网络的结构及工作方式
• 3.1.3 神经网络的学习
• 3.2 BP神经网络
• 3.2.1 BP神经网络模型结构
• 3.2.2 BP神经网络的学习算法
• 3.3 BP神经网络算法的改进
• 3.3.1 引入梯度方向的历史改变量的影响
• 3.3.2 学习速率的自适应调整
• 3.3.3 在隐含层的激活函数中引入增益因子
• 3.4 BP神经网络PID算法原理
• 第4章 运行调节控制算法的仿真结果及数据分析
• 4.1 多阶段运行调节的控制算法
• 4.2 实验平台的设计
• 4.2.1 实验平台硬件系统设计
• 4.2.2 平台软件设计
• 4.3 电热锅炉的数学模型
• 4.3.1 系统辨识简介
• 4.3.2 最小二乘系统辨识
• 4.4 基于标准BP神经网络算法的仿真
• 4.5 基于改进的BP神经网络算法的仿真
• 4.6 两种算法在扰动下的响应效果比较
• 第5章 总结与展望
• 5.1 总结
• 5.2 未来与展望
• 参考文献
• 致谢