基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的煙氣含氧量軟測(cè)量方法

袁俊文，周正興，王 麗，任繼紅

(1.黑龍江省電力科學(xué)研究院，黑龍江哈爾濱150030;2.天津國(guó)投津能發(fā)電有限公司，天津300480)

0 引言

目前，測(cè)量煙氣含氧量的氧量分析儀精度差、費(fèi)用高、使用壽命短，且測(cè)量滯后較大，不利于燃燒過(guò)程的在線實(shí)時(shí)監(jiān)視，不能準(zhǔn)確地提供在線閉環(huán)控制所需的反饋信號(hào)，從而直接影響著燃燒控制系統(tǒng)的性能指標(biāo)。為此，提出采用軟測(cè)量技術(shù)［1－5］，即基于BP神經(jīng)網(wǎng)絡(luò)原始算法改進(jìn)的基礎(chǔ)上，通過(guò)對(duì)網(wǎng)絡(luò)的訓(xùn)練學(xué)習(xí)構(gòu)造煙氣含氧量的預(yù)測(cè)模型，實(shí)現(xiàn)鍋爐燃燒系統(tǒng)的閉環(huán)控制和優(yōu)化。

1 基于改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)模型

BP神經(jīng)網(wǎng)絡(luò)［6－8］的結(jié)構(gòu)一般包括輸入層、隱含層和輸出層。網(wǎng)絡(luò)的各層之間由輸入層向輸出層依次相互連接起來(lái)，并對(duì)連接進(jìn)行加權(quán)，從而形成網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)。理論上已經(jīng)證明，當(dāng)隱含層神經(jīng)元數(shù)目足夠多時(shí)，BP神經(jīng)網(wǎng)絡(luò)可以以任意精度逼近任何一個(gè)具有有限間斷點(diǎn)的非線性函數(shù)。

BP算法即誤差逆向傳播學(xué)習(xí)算法是人工神經(jīng)網(wǎng)絡(luò)最為常用的算法之一。但在實(shí)際應(yīng)用中，傳統(tǒng)的BP算法存在兩個(gè)問(wèn)題:收斂速度慢，目標(biāo)函數(shù)存在局部極小。為了克服這兩個(gè)問(wèn)題，本文運(yùn)用了改進(jìn)算法。

采用反對(duì)稱函數(shù)代替通常的Sigmoid函數(shù)，比如最常用的是雙曲正切函數(shù)，即

一般取 a=1.716，b=0.667。采用該激勵(lì)函數(shù)時(shí)，收斂速度通常比采用Sigmoid函數(shù)時(shí)快。

加動(dòng)量項(xiàng)，學(xué)習(xí)步長(zhǎng)η的選擇很重要，η大收斂速度快，但過(guò)大則可能引起不穩(wěn)定;η小可避免不穩(wěn)定，但收斂速度就慢了。加動(dòng)量項(xiàng)可以解決這一矛盾，即式中0＜α＜1，第一項(xiàng)為BP算法的修正量，第二項(xiàng)為動(dòng)量項(xiàng)。在保證算法的穩(wěn)定的同時(shí)，動(dòng)量BP算法的收斂速度較快，學(xué)習(xí)時(shí)間較短。

在基本的BP算法中，學(xué)習(xí)率是固定不變的。實(shí)際學(xué)習(xí)率對(duì)收斂速度的影響很大，因此學(xué)習(xí)速率的在線調(diào)整可以大大提高收斂速率。當(dāng)誤差以減小的方式趨于目標(biāo)時(shí)，說(shuō)明修正方向正確，可使步長(zhǎng)增加;而當(dāng)誤差增加超過(guò)事先設(shè)定值時(shí)，說(shuō)明修正過(guò)頭應(yīng)減小步長(zhǎng)，同時(shí)舍去使誤差增加的前一次修正過(guò)程，即:

式中:kinc表示增量因子;kdec表示減量因子;E(k)表示第k次運(yùn)算局部誤差。

綜合以上三個(gè)改進(jìn)算法提出了學(xué)習(xí)率自適應(yīng)的動(dòng)量BP算法，該算法自適應(yīng)于系統(tǒng)誤差及誤差曲面變化，有利于提高BP網(wǎng)絡(luò)的收斂速度及避開(kāi)局部極小點(diǎn)。

2 改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練與學(xué)習(xí)

構(gòu)建一個(gè)多輸入單輸出的BP網(wǎng)絡(luò)預(yù)測(cè)模型，模型包括三層。輸入層的輸入量為主蒸汽壓力(MPa)、主蒸汽流量(t/h)、總?cè)剂狭?t/h)、總風(fēng)量(t/h)、一次風(fēng)壓(kPa)、A、B 送風(fēng)機(jī)電流(A)、A、B引風(fēng)機(jī)電流(A)、風(fēng)箱與爐膛差壓(kPa)、給水溫度(℃)、給水流量(t/h);輸出層的輸出量為煙氣含氧量。模型結(jié)構(gòu)如圖1所示。

針對(duì)天津國(guó)投津能一期1號(hào)1 000 MW超超臨界機(jī)組，由于正常運(yùn)行時(shí)機(jī)組負(fù)荷不會(huì)低于500 MW，所以在此采集了多組不同負(fù)荷(大于500 MW)運(yùn)行工況下的數(shù)據(jù)作為試驗(yàn)數(shù)據(jù)，表1給出了鍋爐部分運(yùn)行工況下采集到的數(shù)據(jù)。

圖1 BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型

由于試驗(yàn)測(cè)得的數(shù)據(jù)與樣本數(shù)據(jù)的物理量綱不一樣，而且變化范圍差別較大，作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本的數(shù)據(jù)如不進(jìn)行處理，勢(shì)必使數(shù)值大的輸出分量絕對(duì)誤差大，數(shù)值小的輸出分量絕對(duì)誤差小，而網(wǎng)絡(luò)訓(xùn)練時(shí)只是針對(duì)輸出總誤差調(diào)整權(quán)值，其結(jié)果將使在總誤差中占分額小的輸出分量相對(duì)誤差較大。所以先對(duì)試驗(yàn)數(shù)據(jù)進(jìn)行歸一化處理后，送入神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，同時(shí)逐步調(diào)整和確定模型中隱層神經(jīng)元的數(shù)目，訓(xùn)練中數(shù)目取為64時(shí)，可以滿足網(wǎng)絡(luò)穩(wěn)定性和收斂性較好的要求。將訓(xùn)練樣本之外的8組試驗(yàn)數(shù)據(jù)作為測(cè)試樣本用于神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)效果檢驗(yàn)。圖2為煙氣含氧量實(shí)測(cè)值與預(yù)測(cè)值的對(duì)比結(jié)果，圖3為煙氣含氧量相對(duì)誤差曲線。從結(jié)果來(lái)看，煙氣含氧量的實(shí)測(cè)值和預(yù)測(cè)值較接近，最大絕對(duì)誤差為 0.37，最大相對(duì)誤差為7.421%，這說(shuō)明訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)能較好地預(yù)測(cè)煙氣含氧量的值，從而建立了煙氣含氧量的預(yù)測(cè)模型。

氧量校正及總風(fēng)量指令控制回路如圖4所示。從圖4可以看出由機(jī)組負(fù)荷協(xié)調(diào)控制系統(tǒng)來(lái)的鍋爐負(fù)荷指令，通過(guò)函數(shù)模塊f1(x)處理成鍋爐總風(fēng)量指令信號(hào)，將該風(fēng)量指令信號(hào)和總?cè)剂狭啃盘?hào)經(jīng)函數(shù)模塊f2(x)形成的風(fēng)量信號(hào)送入大值選擇器。大值選擇器輸出的風(fēng)量信號(hào)，經(jīng)乘法器和氧量校正系數(shù)相乘得到氧量校正后的總風(fēng)量指令設(shè)定值。同時(shí)該指令信號(hào)還受到最小風(fēng)量的限制。當(dāng)鍋爐總?cè)剂现噶詈蛯?shí)際總?cè)剂狭啃盘?hào)都小于最小空氣流量信號(hào)時(shí)，則通過(guò)上、下限限幅塊設(shè)定的最小輸出值作為風(fēng)量指令輸出，這樣可以保證鍋爐的風(fēng)量不會(huì)低于最小風(fēng)量，同時(shí)在負(fù)荷變化過(guò)程中保證燃燒總是在富氧狀態(tài)運(yùn)行，防止煙囪冒黑煙現(xiàn)象的發(fā)生。風(fēng)量控制器根據(jù)風(fēng)量設(shè)定值與測(cè)量值之偏差信號(hào)，經(jīng)PID控制器發(fā)出送風(fēng)機(jī)動(dòng)葉開(kāi)度控制指令，完成風(fēng)粉比粗調(diào)作用。

表1 鍋爐部分運(yùn)行工況試驗(yàn)數(shù)據(jù)

圖2 煙氣含氧量實(shí)測(cè)值與預(yù)測(cè)值比較

圖3 煙氣含氧量相對(duì)誤差曲線

圖4 氧量校正及總風(fēng)量指令控制回路

機(jī)組給定負(fù)荷通過(guò)函數(shù)塊f6(x)與來(lái)自氧量M/A操作站的偏置信號(hào)相加得到隨負(fù)荷變化的最佳煙氣含氧量動(dòng)態(tài)設(shè)定值。為了防止偏置值的階躍變化對(duì)控制系統(tǒng)的沖擊，設(shè)定值需要經(jīng)過(guò)速率限制塊對(duì)變化率進(jìn)行限制。同時(shí)，為了防止運(yùn)行人員誤將設(shè)定值操作到合理范圍之外，設(shè)定值還需要經(jīng)過(guò)上、下限幅塊的限制。煙氣含氧量測(cè)量值通過(guò)改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)的軟測(cè)量模型得到。氧量設(shè)定值和氧量軟測(cè)量模型輸出之偏差經(jīng)過(guò)氧量校正調(diào)節(jié)器、函數(shù)模塊f5(x)后對(duì)總風(fēng)量信號(hào)進(jìn)行校正，使鍋爐實(shí)際煙氣含氧量等于其最佳值，保證燃燒過(guò)程的經(jīng)濟(jì)性。

氧量M/A操作站切到手動(dòng)方式后，氧量校正調(diào)節(jié)器的輸出跟蹤氧量操作站的手動(dòng)輸出信號(hào)，氧量偏置信號(hào)跟蹤氧量實(shí)際測(cè)量值和氧量給定值的偏差，氧量M/A操作站接通S2端，使氧量M/A操作站的輸出跟蹤風(fēng)煤比，即函數(shù)模塊f4(x)的輸出。

3 結(jié)論

通過(guò)上述的論證，基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的煙氣含氧量軟測(cè)量方法具有如下特點(diǎn)。

a.鍋爐是一個(gè)典型的多變量輸入、輸出、強(qiáng)非線性、無(wú)自平衡的復(fù)雜系統(tǒng)。燃燒過(guò)程是一個(gè)復(fù)雜的物理化學(xué)過(guò)程，對(duì)煙氣含氧量的影響因素很多，所以，適合用神經(jīng)網(wǎng)絡(luò)來(lái)建立煙氣含氧量預(yù)測(cè)模型。

b.通過(guò)測(cè)量表明，本模型預(yù)測(cè)的煙氣含氧量相對(duì)誤差具有波動(dòng)性(圖3所示)，反映該模型有著較強(qiáng)的非線性逼近能力，有著較好的自學(xué)習(xí)和適應(yīng)能力。

c.在實(shí)際應(yīng)用中樣本數(shù)據(jù)庫(kù)可以不斷更新，即在存儲(chǔ)了足夠數(shù)量新樣本后，將舊樣本擠掉，每隔一定時(shí)間在線進(jìn)行網(wǎng)絡(luò)模型訓(xùn)練，對(duì)軟測(cè)量模型進(jìn)行修正，提高測(cè)量精度。

［1］韓璞，喬弘，王東風(fēng)，等.火電廠熱工參數(shù)軟測(cè)量技術(shù)的發(fā)展和現(xiàn)狀［J］.儀器儀表學(xué)報(bào)，2007，28(06):1139－1146.

［2］韓璞，王東風(fēng)，翟永杰.基于神經(jīng)網(wǎng)絡(luò)的火電廠煙氣含氧量軟測(cè)量［J］.信息與控制，2001，30(2):189 －192.

［3］孔德奇，谷俊杰，李洋，等.基于氧量軟測(cè)量的鍋爐在線燃燒優(yōu)化控制［J］.儀器儀表學(xué)報(bào)，2006，27(21):530 －532.

［4］仲蔚，劉愛(ài)倫，俞金壽.多變量系統(tǒng)的軟測(cè)量建模研究［J］.控制與決策，2000，15(2):209－212.

［5］盧勇，徐向東.煙氣含氧量軟測(cè)量新方法研究［J］.熱能動(dòng)力工程，2002，17(6):614 －616.

［6］王寧會(huì)，劉敏.神經(jīng)元網(wǎng)絡(luò)軟測(cè)量技術(shù)的發(fā)展［J］.自動(dòng)化與儀表，2003(1):6－9.

［7］王旭，王宏，王文輝.人工神經(jīng)元網(wǎng)絡(luò)原理和應(yīng)用［M］.沈陽(yáng):東北大學(xué)出版社，2000.

［8］叢爽.面向MATLAB工具箱的神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用［M］.合肥:中國(guó)科學(xué)技術(shù)大學(xué)出版社，2009.