基于神經(jīng)網(wǎng)絡(luò)模型的鍋爐燃燒優(yōu)化控制研究.pdf

1、熱工過程的建模與控制是保證熱力設(shè)備安全、經(jīng)濟(jì)、環(huán)保運(yùn)行的必要措施和手段。隨著我國電力工業(yè)對(duì)環(huán)境保護(hù)的日益重視，火電站鍋爐排放控制問題也越來越受到人們的關(guān)注。
　　 要想通過控制系統(tǒng)調(diào)整，使鍋爐運(yùn)行于最佳工況，熱效率最高、污染物排放量最低，首先就要了解鍋爐的當(dāng)前特性，即建立符合鍋爐目前運(yùn)行特性的模型。以此模型為基礎(chǔ)，通過一定的優(yōu)化算法，在各運(yùn)行參數(shù)的取值范圍內(nèi)，搜尋到一個(gè)變量組合，使鍋爐在此組合的作用下，性能達(dá)到最優(yōu)。可見，鍋爐穩(wěn)

2、態(tài)最優(yōu)化控制分為兩個(gè)步驟：第—步是建立反映鍋爐當(dāng)前特性的模型：第二步是基于該模型的燃燒優(yōu)化。
　　 鍋爐是典型的復(fù)雜熱工系統(tǒng)，其燃燒產(chǎn)生的高壓蒸汽驅(qū)動(dòng)汽輪機(jī)發(fā)電。鍋爐燃燒過程是一個(gè)具有強(qiáng)干擾的非線性、時(shí)變多變量過程。鍋爐特性往往具有典型的非線性和不確定性等特點(diǎn)，常規(guī)的線性建模方法無法準(zhǔn)確描述鍋爐典型非線性過程的整體特性，難于實(shí)施理想的優(yōu)化控制。人工神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的逼近非線性函數(shù)的能力，并具有自適應(yīng)學(xué)習(xí)、并行分布處理和較強(qiáng)的魯棒

3、性及容錯(cuò)性等優(yōu)點(diǎn)，為未知不確定非線性系統(tǒng)的建模和控制提供了一種有效的解決途徑。
　　 鍋爐燃燒優(yōu)化是通過鍋爐的運(yùn)行調(diào)整，達(dá)到最高的鍋爐效率和最低的污染物排放量。電站鍋爐N0x排放量的模型分為三類：基于化學(xué)反應(yīng)動(dòng)力學(xué)的CFD模型、人工神經(jīng)網(wǎng)絡(luò)模型、集總參數(shù)模型。不少學(xué)者分別對(duì)這三類模型進(jìn)行過研究，但還沒有把這三類模型結(jié)合起來進(jìn)行研究的報(bào)道。本文提出了一種基于人工神經(jīng)網(wǎng)絡(luò)的鍋爐燃燒優(yōu)化方法。
　　 本文敘述了BP神經(jīng)網(wǎng)絡(luò)的應(yīng)

4、用現(xiàn)狀及發(fā)展情況，重點(diǎn)對(duì)其在建模上的應(yīng)用進(jìn)行了分析，并結(jié)合具有快速收斂功能的Levenberg—Marquardt算法對(duì)BP算法進(jìn)行了優(yōu)化。文中分析了影響鍋爐運(yùn)行經(jīng)濟(jì)性的因素，探討了NOx氣體生成機(jī)理和控制方法。采用BP神經(jīng)網(wǎng)絡(luò)，建立了預(yù)測(cè)鍋爐排放NOx和運(yùn)行效率的綜合模型。
　　 模型預(yù)測(cè)控制(MPC)是一種基于模型的閉環(huán)優(yōu)化控制策略，已在煉油、化工等復(fù)雜工業(yè)過程控制中得到廣泛的應(yīng)用，取得了良好的效果。MPC處理如大滯后、變量

5、約束、非最小相位等復(fù)雜系統(tǒng)的控制具有較強(qiáng)的適應(yīng)性，同時(shí)對(duì)于模型不精確時(shí)也具有較強(qiáng)的魯棒性，并能方便處理過程被控變量和操縱變量中的各種約束。
　　 目前線性MPC算法已經(jīng)成熟，本文利用改進(jìn)MPC控制理論，建立電廠鍋爐燃燒的動(dòng)態(tài)優(yōu)化控制模型，用于實(shí)時(shí)優(yōu)化有關(guān)參數(shù)，并通過目前廣泛應(yīng)用的DCS平臺(tái)實(shí)現(xiàn)了閉環(huán)控制鍋爐的燃燒過程。通過對(duì)實(shí)際應(yīng)用過程中相關(guān)數(shù)據(jù)的分析，燃燒優(yōu)化控制系統(tǒng)改善了鍋爐燃燒狀況，達(dá)到了提高鍋爐燃燒效率、減少污染物排放的