一種基于誤差估計及蒸汽負荷預測的熱電鍋爐蒸汽量控制方法
【技術領域】
[0001] 本發明屬于熱電鍋爐技術領域，尤其涉及一種基于誤差估計及蒸汽負荷預測的熱 電鍋爐蒸汽量控制方法。
【背景技術】
[0002] 當今，我國空氣質量已受到威脅，霧霾天氣嚴重。其根源主要是能源的消耗過程中 產生的氣體。我國年消耗煤炭量已近21億噸，主要消耗于燃煤鍋爐，除大型發電鍋爐外，我 國的熱電鍋爐、工業鍋爐大多數存在運行效率低，單位煤耗高，浪費現象十分嚴重。為了適 應現代低碳經濟發展的需要，結合熱電行業的特點，只有做好熱電鍋爐負荷的準確估計與 合理控制，才能做到節能減排，走出一條低能耗、低排放、高增長的新型工業化之路。
[0003] 環流化床鍋爐是用熱能來加熱工質（一般為水）產生蒸汽的設備，由鍋爐本體和 輔助設備兩大部分組成，循環流化床鍋爐本體是鍋爐設備的主體，它包括鍋本體和爐本體； 鍋即汽水系統，它的主要作用是吸收熱量，使水蒸發變成過熱蒸汽。主要由汽包、省煤器、下 降管、水冷壁、過熱器、再熱器等組成；爐即燃燒系統，它的主要作用是讓燃料在爐內燃燒放 熱，它由爐膛、燃燒器、分離器及空氣預熱器等組成；輔助系統由燃料供應系統、給水系統、 通風系統、除灰除塵系統、水處理系統、測量和控制系統等輔助系統以及相應的附屬設備和 儀器儀表等組成。
[0004] 循環流化床鍋爐獨特的流體動力特性和結構使其具備了許多獨特的優點，主要 有；燃料適應性廣、燃燒效率高、污染物排放低、燃燒熱強度大等。
[0005] 循環流化床鍋爐雖然具有較其它類型鍋爐優越的性能和特點，但在其商用化和大 型化的過程中還存在著許多函待解決的問題；其中除了循環流化床鍋爐自身設計上存在的 問題外，對循環流化床鍋爐的自動控制已經成為其推廣的重要障礙。目前循環流化床鍋爐 的自動化水平普遍比較低，其燃燒控制系統基本都不能投上自動，絕大多數還是依靠手動 操作。主要存在以下不足：
[0006] 1、鍋爐運行時過于依賴有經驗的操作人員；
[0007] 2、操作不當會致使運行效率低、不能滿足負荷的需求；
[0008] 3、人工控制下的燃燒效率不理想。
【發明內容】
[0009] 本發明的目的在于提供一種基于誤差估計及蒸汽負荷預測的熱電鍋爐蒸汽量控 制方法，旨在解決現有的鍋爐運行自動化水平較低，過于依賴有經驗的操作人員，操作不當 會致使運行效率低、不能滿足負荷的需求，人工控制下的燃燒效率不理想的問題。
[0010] 本發明是這樣實現的，一種基于誤差估計及蒸汽負荷預測的熱電鍋爐蒸汽量控制 方法是一種基于蒸汽負荷預測且兼顧其可信度的熱電鍋爐蒸汽量bang-bang與模糊控制 方法，其特征在于，該基于誤差估計及蒸汽負荷預測的熱電鍋爐蒸汽量控制方法采用基于 高斯核函數的徑向基函數神經網絡建立模型，將建立的模型與實際值進行誤差估計；確定 模型的可信度；設計bang-bang控制器和模糊控制器，對比模型的可信度和模型的輸出值。
[0011] 進一步，所述的基于誤差估計及蒸汽負荷預測的熱電鍋爐蒸汽量控制方法采用基 于高斯核函數的徑向基函數神經網絡建立模型之前需要選取燃料量U作為徑向基函數神 經網絡模型的輸入，將循環流化床鍋爐的主蒸汽壓力y作為徑向基函數神經網絡模型的輸 出。
[0012] 進一步，徑向基函數神經網絡為輸入層、隱含層、輸出層三層網絡結構。
[0013] 進一步，徑向基函數神經網絡的隱含層神經元的核函數采用高斯函數；
[0014] 徑向基函數神經網絡的數學表達式為：
【主權項】
1. 一種基于誤差估計及蒸汽負荷預測的熱電鍋爐蒸汽量控制方法是一種基于蒸汽 負荷預測且兼顧其可信度的熱電鍋爐蒸汽量bang-bang與模糊控制方法，其特征在于，該 基于誤差估計及蒸汽負荷預測的熱電鍋爐蒸汽量控制方法采用基于高斯核函數的徑向基 函數神經網絡建立模型，將建立的模型與實際值進行誤差估計；確定模型的可信度；設計 bang-bang控制器和模糊控制器，對比模型的可信度和模型的輸出值。
2. 如權利要求1所述的基于誤差估計及蒸汽負荷預測的熱電鍋爐蒸汽量控制方法，其 特征在于，采用基于高斯核函數的徑向基函數神經網絡建立模型之前需要選取燃料量u作 為徑向基函數神經網絡模型的輸入，將循環流化床鍋爐的主蒸汽壓力y作為徑向基函數神 經網絡模型的輸出。
3. 如權利要求1所述的基于誤差估計及蒸汽負荷預測的熱電鍋爐蒸汽量控制方法，其 特征在于，徑向基函數神經網絡為輸入層、隱含層、輸出層三層網絡結構。
4. 如權利要求3所述的基于誤差估計及蒸汽負荷預測的熱電鍋爐蒸汽量控制方法，其 特征在于，徑向基函數神經網絡的隱含層神經元的核函數采用高斯函數； 徑向基函數神經網絡的數學表達式為：
式中，神經元的個數n為5, ％為隱層到輸出層的權值，〇為基寬，Xp= (up(k)， yp(k) V為第P個輸入樣本（P = 1，2,. . .，100)，up(k)為燃料量，yp(k)為當前時刻的主蒸 汽壓力，y(k+l)為下一時刻的主蒸汽壓力，I Ixp-CiI I2為歐式范數；c i為高斯函數的中心， 神經網絡經過對模型中參數采用梯度下降法進行辨識后，便進行建模。
5. 如權利要求4所述的基于誤差估計及蒸汽負荷預測的熱電鍋爐蒸汽量控制方法，其 特征在于，參數〇和C i通過梯度下降法得出，具體包括： 第一步，給定初始的燃料量值為25t/h，和收斂的精度0. 5,且系數K的值定為0 ; 第二步，計算函數梯度，并構造搜索方向：叉▽表示求導數，Xk代表神經網 絡中要訓練的參數； 第三步，搜索最優步長a k，并求出新的迭代點：
第四步，收斂判斷，滿足，就迭代終止，否則，k = k+1，轉入第二步再次 計算，直到滿足要求；其中||V/ 表示求范數。
6. 如權利要求1所述的基于誤差估計及蒸汽負荷預測的熱電鍋爐蒸汽量控制方法，其 特征在于，將建立的模型與實際值進行誤差估計具體方法包括： 將徑向基函數神經網絡輸出的主蒸汽壓力序列減去實測的主蒸汽壓力序列，得到殘差 序列；對殘差序列建立適當的數學模型，并給出相應的數值指標，即為殘差的可信度，具體 表達式為：
式中：{yi，i = 1，2，...，N}和儀,/ = 1，2，...,7^分別為實測的主蒸汽壓力序列和徑向基 函數神經網絡輸出的主蒸汽壓力序列；Xi為第i個主蒸汽壓力的可信度；y i為第i個主蒸 汽壓力的權重，^即為實測的主蒸汽壓力和徑向基函數神經網絡輸出的主蒸汽壓力殘差的 可信度指標。
7. 如權利要求1所述的基于誤差估計及蒸汽負荷預測的熱電鍋爐蒸汽量控制方法，其 特征在于，bang-bang控制器設計的具體方法包括： bang-bang控制器數學表達式表示為：
其中，Au表示控制器的輸出值，u_為設定的最大控制量，即燃料量的最大調節量，中 1!_取3〖/1!;6表示期望的主蒸汽壓力值與模型預測出的主蒸汽壓力的差值，|e|表示誤差 e的絕對值，U b表示差值的臨界值，u b取0. 004Mpa。
8. 如權利要求1所述的基于誤差估計及蒸汽負荷預測的熱電鍋爐蒸汽量控制方法，其 特征在于，模糊控制器的設計方法具體包括： 第一步，模糊控制器采用二維的模糊控制器，將得到的主蒸汽壓力值與所期望的主蒸 汽壓力值做比較，得到的誤差e，以及誤差的變化率e。作為模糊控制器模糊化前的輸入，以 燃料量的增量AuJt為輸出，值可正可負，正值表示燃料量增加，負值表示燃料量減少； 第二步，e和e。經量化因子k 6和k。模糊化后得到控制器的輸入E和E中量化因子分 別取0. 9和I. 1 ; 第三步，確定E、E。和A V 1的模糊集均為{NB，NM，NS，ZO, PS，PM，PB}，（分別表示狀 態：負大，負中，負小，正好，正小，正中，正大），E、EjP Au':的隸屬度函數均采用三角形 隸屬度函數； 第四步，當主蒸汽壓力誤差為正大，主蒸汽壓力誤差變化率為正大時，表示主蒸汽壓力 比期望的值高很多，且溫度升高的速度很快，那么減少燃料量； 第五步，將得到的結果進行去模糊，去模糊化的方法采用加權平均法，數學表達式為：
其中，Af是清晰化燃料量增量；Au'是模糊推理出的燃料量增量；y是模糊隸屬度 函數；Af通過比例因子便得到最終的引風量增量Au p
9. 如權利要求1所述的基于誤差估計及蒸汽負荷預測的熱電鍋爐蒸汽量控制方法，其 特征在于，對比模型的可信度和模型的輸出值具體方法包括： 根據計算出的可信度和徑向基函數神經網絡模型的輸出值來確定采用模糊和 bang-bang控制策略中的哪種控制策略； 當可信度^>0.92時，期望的主蒸汽壓力值與模型預測出的主蒸汽壓力差值的絕對值 大于0? 004MPa時，采用bang-bang控制策略；當可信度p >0.92時，期望的主蒸汽壓力值與 模型預測出的主蒸汽壓力差值的絕對值小于0. 〇〇4MPa時，采用模糊控制策略。
10.如權利要求4所述的基于誤差估計及蒸汽負荷預測的熱電鍋爐蒸汽量控制方法， 其特征在于，所述的建模的具體方法為： 步驟一、確定神經元的個數為5 ; 步驟二、采用梯度下降法對神經網絡的權值、寬度和中心進行辨識； 步驟三、將辨識好的參數帶入到神經網絡模型中，使神經網絡模型有具體的數學表達 式，完成了神經網絡模型的建立。
【專利摘要】本發明公開了一種基于誤差估計及蒸汽負荷預測的熱電鍋爐蒸汽量控制方法，采用基于高斯核函數的徑向基函數神經網絡建立模型，將建立的模型與實際值進行誤差估計；確定模型的可信度；設計bang-bang控制器和模糊控制器，對比模型的可信度和模型的輸出值。本發明可以有效地降低循環流化床鍋爐運營成本，提高了循環流化床鍋爐運行的安全性和穩定性，延長了運行時間和壽命；提高了燃燒效率，達到節能減排的目的，較好的解決了現有的鍋爐運行自動化水平較低，過于依賴有經驗的操作人員，操作不當會致使運行效率低、不能滿足負荷的需求，人工控制下的燃燒效率不理想的問題。
【IPC分類】F22B35-00, F23C10-28
【公開號】CN104819449
【申請號】CN201510197675
【發明人】申濤, 鄭鑒君, 代桃桃, 任萬杰, 欒維磊
【申請人】濟南大學
【公開日】2015年8月5日
【申請日】2015年4月24日