熱電廠水汽管道加氧控制方法
【技術領域】
[0001] 本發明涉及一種控制方法，尤其涉及一種熱電廠水汽管道加氧控制方法，屬于發 電設備技術領域。
【背景技術】
[0002] 火力發電廠的水汽管道腐蝕一直是威脅電廠安全可靠運行的重大隱患，為預防和 減輕超臨界、超超臨界火力發電機組的水汽管道的腐蝕，需向給水和凝結水系統中加入適 量的氧氣和其它制劑。根據相關的研究結論，氧氣的加入量不能過多或過少，水中氧含量保 持在50~150μg/L為最佳。由于機組的水質和水量不穩定，為保持水中氧含量相對穩定 在最佳值，加氧速率不能為定值，應根據水質和水量等情況實時調整以控制加氧過程。
[0003] 現在電廠一般采用可編程序控制器（PLC)結合流量控制閥來控制加氧速率，將取 樣裝置的給水或凝結水含氧量信號送入PLC的模擬量輸入模塊，PLC對這兩個信號分別進 行PID運算，然后輸出兩個4~20mA信號，分別控制給水、凝結水的流量控制閥的開度，從 而達到控制加氧速率的目的。
[0004] 但是，由于水含氧量取樣裝置的取樣點到分析儀表之間的水汽管路較長，因此取 樣裝置的含氧量信號滯后現象比較嚴重；同時，加氧管路將氧氣輸送至凝結水中到改變水 氧含量也存在遲滯現象，尤其是水質、水量變化時，導致調節精度不穩定，容易使凝結水含 氧量發生震蕩或偏離調節目標值。
[0005]因此，研究熱電廠水汽管道加氧控制的新方法，解決凝結水含氧量發生震蕩或偏 離調節目標值的技術問題十分必要。
【發明內容】
[0006] 本發明的目的在于提供一種熱電廠水汽管道加氧控制方法，解決凝結水含氧量發 生震蕩或偏離調節目標值的技術問題。
[0007] 本發明的目的通過以下技術方案予以實現：
[0008] -種熱電廠水汽管道加氧控制方法，包括以下步驟：
[0009] 1)根據對熱電廠水汽管道的水質參數的記錄，統計出凝結水栗入口水溫、水流量、 水含氧量、加氧點氧氣流量，對應時刻的省煤器入口水含氧量的數據；將凝結水栗入口水 溫、水流量、水含氧量、加氧點氧氣流量作為輸入參量，將省煤器入口水含氧量作為輸出參 量，建立神經網絡，根據已有的歷史監測數據，使用BP神經網絡，附加動量學習規則，訓練 神經網絡；
[0010] 2)根據熱電廠水汽管道省煤器入口水含氧量的規定值，由粒子群算法，求解神經 網絡的最優輸入參量，即凝結水栗入口水溫、水流量、水含氧量、加氧點氧氣流量；
[0011] 3)根據上一循環神經網絡估計誤差判斷是否需要人工采樣，如需要，通過人工采 樣然后離線分析，對比得出實測的省煤器入口水含氧量與神經網絡估計出的省煤器入口水 含氧量的誤差，然后將這組實測的省煤器入口水含氧量數據，以及神經網絡估計與實測的 誤差數據一起，使用附加動量學習規則，更新訓練神經網絡；如不需要人工采樣，則返回步 驟2)。
[0012] 本發明的目的還可以通過以下技術措施來進一步實現：
[0013] 前述熱電廠水汽管道加氧控制方法，其中粒子群算法，步驟如下：
[0014] 1)初始化粒子群：確定粒子群大小NP，粒子群算法迭代次數NG，初始化粒子位置， 計算每個粒子的適應度并初始化全局最優解與個體最優解；
[0015] 計算粒子適應度的函數為：
[0016]
[0017] 其中，0錄不柙經|WJ絡湔出冋量的第i個元素，0 /為理論期望的輸出向量的第i 個元素；
[0018] 2)更新粒子群：粒子群的運動方程如下：
[0019] v(t) =ω?v(t-l)+c1· (lbest-χ(t))+c2 · (gbest-x(t))
[0020] x(t+l) =x(t)+c3 ·v(t)
[0021] 其中ω取為
i為粒子群算法的本次迭代次數，Cl，c2,c3為常數，ci，c2 取值為2. 8,c3取值為0. 3,lbest為每個粒子搜索過的個體最優解，gbest為所有粒子搜索 過的全局最優解；
[0022] 3)計算本次迭代的粒子適應度，更新個體最優解與全局最優解：即對每個粒子， 將本次迭代產生的適應度，與當前個體最優解相比，取適應度較小的為個體最優解，與所有 粒子搜索過的全局最優解相比，取適應度較小的為全局最優解；
[0023] 4)判斷是否達到迭代NG次，若是，則輸出全局最優解，若否，則返回步驟2)。
[0024] 前述熱電廠水汽管道加氧控制方法，其中附加動量學習法，更新規則如下式：
[0025]
[0026] 其中Αω⑴=ω(t)-co(t_l)，Ετ為神經網絡的訓練誤差，η為權重，a為動量 因子，取0.9。
[0027] 前述熱電廠水汽管道加氧控制方法還可以通過另一種技術方案予以實現：
[0028] -種熱電廠水汽管道加氧控制方法，包括以下步驟：
[0029] 1)根據對熱電廠水汽管道的水質參數的記錄，統計出凝結水栗入口水溫、水流量、 水含氧量、加氧點氧氣流量，對應時刻的省煤器入口水含氧量的數據；將凝結水栗入口水 溫、水流量、水含氧量、加氧點氧氣流量作為輸入參量，將省煤器入口水含氧量作為輸出參 量，建立神經網絡，根據已有的歷史監測數據，使用BP神經網絡，附加動量學習規則，訓練 神經網絡；
[0030] 2)根據熱電廠水汽管道省煤器入口水含氧量的規定值，由遺傳算法，求解神經網 絡的最優輸入參量，即凝結水栗入口水溫、水流量、水含氧量、加氧點氧氣流量；
[0031] 所述遺傳算法包括以下步驟：
[0032] ①采用實數編碼，初始化染色體，形成初始種群；
[0033] ②利用適應度函數評價各代中的每個染色體；
[0034] ③進行遺傳操作；
[0035] ④重新計算每個個體的適應值；
[0036] ⑤選擇好新種群后，對新種群中的最優個體進行保留，用上代的最優個體取代本 代的最差個體；
[0037] ⑥判斷是否達到進化代數，若沒有，則返回第②步，否則結束；
[0038] ⑦將新種群中的最優個體的值作為和，保持不變，采用BP算法進行學習，直到滿 足性能指標；
[0039] 3)根據上一循環神經網絡估計誤差判斷是否需要人工采樣，如需要，通過人工采 樣然后離線分析，對比得出實測的省煤器入口水含氧量與神經網絡估計出的省煤器入口水 含氧量的誤差，然后將這組實測的省煤器入口水含氧量數據，以及神經網絡估計與實測的 誤差數據一起，使用附加動量學習規則，更新訓練神經網絡；如不需要人工采樣，則返回步 驟2)。
[0040] 前述熱電廠水汽管道加氧控制方法，其中對凝結水栗入口水含氧量的檢測進行濾 波，濾波方法如下：
[0041] 1)對被測參數進行濾波，即對被測參數連續采樣多次，將采樣值進行排序，選取中 間值為本次有效采樣值；
[0042] 2)對被測參數進行有限脈沖響應濾波，先給定理想濾波器的頻率特性Hd(e，；
[0043] 3)計算理想濾波器的單位抽樣響應
[0044] 4)設置濾波器形式、窗函數類型、窗口長度N參數為：采樣頻率fs= 150Hz，通帶 截止頻率fp= 5Hz，阻帶起始頻率fst= 15Hz，阻帶衰減不小于-50dB，窗函數類型采用 Hamming窗，濾波器階數N= 30 ;
[0045] 5)調用MATLAB函數計算濾波器系數w(η);
[0046] 6)計算所設計濾波器的單位抽樣響應h (n)=hd (n) w (η);
[0047] 7)將設計好的Ν個h(η)序列存入對應存儲區；
[0048] 8)將中值濾波結果xl作為X(η)存入對應存儲區