孫成龍,趙景波,胡春霞
(青島理工大學 自動化工程學院,山東 青島266033)
鍋爐的主蒸汽溫度與火電廠的經濟性和安全性有重要的關系,是火電廠的一個極其重要的參數,其控制的好壞直接影響到電廠的整個經濟效益。主蒸汽溫度的控制任務是:(1)維持主蒸汽溫度在允許的范圍之內。對于亞臨界機組的主蒸汽溫度為540℃±10℃,長期運行應控制在540℃±5℃,對于超臨界及超臨界主蒸汽溫度控制在(540℃~610℃)±10℃,長期運行應控制在(540℃~610℃)±5℃;(2)保護過熱器,使其管壁不超過允許的工作溫度。氣溫過高,會燒毀過熱器的高溫段,氣溫每降5℃,熱經濟性下降1%,氣溫偏低會使蒸汽機尾部蒸汽濕度增大甚至帶水,嚴重影響汽機的安全運行。
影響主汽溫的擾動因素很多,主要有蒸汽量擾動、煙氣量擾動和減溫水量擾動。而對主汽溫的控制策略通常有兩種:
(1)在火電廠實際生產過程中,針對主汽溫控制是一個存在大時滯、時變性、大干擾、具有不確定性和非線性的復雜熱工對象,常規氣溫控制系統設計為串級PID控制,如圖1所示。

圖1 主汽溫串級控制框圖
其中,r為主汽溫設定值,G1(s)、G2(s)分別為控制系統對象的導前區和惰性區的傳遞函數,M1、M2分別為副變送器和主變送器傳遞函數。
(2)利用神經網絡的非線性特性和不依賴于對象精確模型的優點,對主汽溫的控制方案加入BP神經網絡,搭建成基于BP神經網絡的PID控制系統,用以完成對鍋爐主汽溫的控制。該方案如圖2所示。

圖2 主汽溫基于BP神經網絡的PID控制框圖
在傳統PID的基礎上增加了一個BP神經網絡,用神經網絡在線實時輸出PID的比例、積分和微分三個參數。
上文中BP神經網絡采用三層結構:j表示輸入層節點,i表示隱含層節點,l表示輸出層節點。輸入層有m個輸入節點,隱含層有q個隱含節點,輸出層有3個輸出節點。輸入節點對應所選的系統運行狀態量,輸出節點分別對應 PID控制器的三個參數 kp、ki、kd,輸出層神經元激活函數取非負的Sigmoid函數。BP神經網絡的輸入層輸出為:

隱層輸入:

隱層輸出:


最后網絡輸出層三個節點的輸入為:

最后的輸出層的三個輸出為:

即:


取性能指標函數:

用梯度下降法修正網絡的權系數,并附加使搜索快速收斂全局極小的慣性項,則有:

其中,η為學習率,α為慣性系數。BP神經網絡輸出層權的計算公式為:

同理可得隱層權的計算公式:

采用如圖1和圖2所示的控制策略,主蒸汽溫度的導前區數學模型為G1(s),惰性區數學模型為G2(s)。仿真時采用600 MW直流鍋爐主汽溫對象的動態特性,如表1所示。

表1 600 MW直流鍋爐主汽溫的對象動態特性
其中,串級控制的副控制器采用P控制,kp2=1;主控制器采用 PI控制,kp1=0.05,ki=0.05。基于 BP神經網絡的PID控制方案中,采用PID控制,BP神經網絡取三層神經網絡,有3個輸入,分別為輸入信號、輸出信號、輸入與輸出之差,閾值取為 1;有 3個輸出 kp、ki和kd,隱含層取 5個節點。學習步長 η=0.6,慣性系數?=0.06。對于惰性區傳遞函數采用近似方法用 e-10s來代替。
限于篇幅仿真結果只列出負荷為50%和100%時兩種控制策略的仿真曲線和100%負荷時BP神經PID控制下的3個參數變化曲線。圖3、圖4所示分別為負荷為50%、100%時階躍響應曲線。
圖中虛線代表串級控制下的階躍響應曲線,實線代表BP神經PID控制下的階躍響應曲線。
負荷為100%時BP神經PID控制下的3個參數變化曲線如圖5所示。仿真結果分析如表2所示。
從以上仿真結果分析,基于BP神經網絡的自整定PID控制能依據被控對象的變化自適應地調整PID的3個參數,依據一定的最優準則滿足不同負荷下的控制要求。在不同負荷下,也即從鍋爐的啟動到穩定運行的整個過程,都可以實現較好的控制,且調節時間短,超調量小。當負荷為100%變化時,基于BP神經網絡的PID控制與串級控制的調節時間相近,但是超調量卻明顯優于串級控制;當負荷比較低時,串級控制的效果極差,而基于BP神經網絡的PID控制仍然有比較好的控制效果。




表2 各種負荷下的仿真結果
[1]劉金琨.先進 PID控制及其 MATLAB仿真[M].北京:電子工業出版社,2004.
[2]馬平,朱燕飛,牛征.基于神經網絡的主汽溫控制系統[J].華北電力大學學報,2001,28(2):52-55.
[3]薛陽,葉建華,錢虹,等.火電機組過熱汽溫神經網絡控制的研究[J].上海電力學院學報,2009,25(1):33-38.
[4]王華春.基于模糊神經網絡的主汽溫控制系統的研究[D].保定:華北電力大學,2003.
[5]COMINOS P,MUNRO N.PID controlles:recent tuning methods and design to specification[C].IEEE Proceeedings control theory and application 2002,149(1):46-53