基于粒子群算法的海洋平臺熱介質鍋爐PID參數優化

郝寶齊　沈彬　孫勤江

【摘 要】文中采用串級控制作為海洋平臺熱介質鍋爐的控制方案，采用粒子群算法對PID控制器的比例帶δ、積分時間Ti進行最優化，從而實現熱介質鍋爐溫度的自動控制。通過粒子群算法進行串級控制系統PID參數優化，提高了控制系統的控制精度、可靠性、穩定性，具有工業應用價值。

【關鍵詞】熱介質鍋爐；粒子群算法；PID；串級控制系統

【Abstract】This paper uses the cascade control as the control scheme of the offshore platform heat medium boiler. The particle swarm algorithm has been used to optimized proportional band δ and integration time Ti， achieve medium heat boiler automatic temperature control. Through PID cascade control system parameters optimized by PSO， the control accuracy ， reliability and effectiveness of the said method have been proven，has industrial applications

【Key words】Heating medium boiler；Particle swarm；Proportion integration differentiation；Cascade control system

0.引言

海上平臺以及FPSO（Floating Production Storage & Offloading Unit，浮式生產儲存卸貨裝置）是油氣處理、儲存的生產設施，原油中油氣水分離的處理過程需要一定的熱源。一般在海上都配備幾臺熱介質鍋爐，通過燃燒燃料來加熱熱介質油，作為生產流程和儲油艙等的加熱源。海洋平臺熱介質鍋爐的主要工作原理是：熱介質油經循環泵加壓進入鍋爐盤管后被加熱，然后輸送至換熱器，通過換熱器與原油進行熱能傳遞，換熱后，冷的熱介質油回流至熱油膨脹罐，如此反復循環，提供穩定的熱源。由于海洋平臺的能源供給成本比較高，且海上作業環境危險性較大，因此尋求和開發節約海洋平臺熱介質鍋爐能源的方法和途徑成為研究熱點。現如今大部分熱介質鍋爐采用PID控制方法，但是PID控制參數是通過現場工程整定獲得，控制精度不高，容易造成資源的浪費[1]。

粒子群（PSO）算法是一種基于群體智能的全局優化算法，其模擬社會的群體行為，在多維空間中構造粒子群進行尋優，且每個粒子通過迭代過程中的群體和自身最優值修正自身前進方向和速度。本文將粒子群算法用于海洋平臺熱介質鍋爐的PID參數辨識，具有重要的實際應用價值。

1.串級控制系統設計

串級控制系統設置兩套溫度檢測變送器和兩個調節器，前一個調節器的輸出值作為后一個調節器的設定值，后一個調節器的輸出量送往調節閥。此串級控制系統中，以燃料流量作為操縱變量，爐膛溫度作為中間被控變量。當爐膛溫度發生變化時，調節器可及時動作，提高響應速度。控制系統框圖如圖1所示：

在串級控制系統中引入副回路，可以及早發現并克服引入副回路的干擾，提高控制系統的穩定性。

2.粒子群算法描述

3.粒子群算法流程

粒子群算法的流程如下[2]：

（1）初始化粒子的位置和速度。

（2）計算每個粒子的適應值。

（3）對于每個粒子，將其適應值與個體極值pbesti進行比較，若優于pbesti，將粒子此時的位置作為當前的最好位置。

（4）對于每個粒子，將其適應值與全局極值gbest進行比較，若優于gbest，將粒子此時的位置作為當前的群體最好位置。

（5）對粒子的位置和速度進行更新。

（6）如果沒有滿足結束條件，通常為達到一個預設的最大代數或足夠好的適應值，則返回步驟2）。

4.參數優化

通過仿真曲線可知，系統初期存在震蕩環節，且震蕩兩次之后達到穩定，調節時間相對會比較長。然而在PID參數優化過程中，可通過調整參數的范圍，使系統存在一次震蕩即可達到穩定，但是在此種情況下PID控制器的輸出存在較大的超調量，不符合海洋平臺操作規范，同時也會造成系統的不穩定。綜合海洋平臺安全生產，采取延長系統調節時間的策略，已保證系統安全穩定運行。

5.結果

本文設計海洋平臺熱介質鍋爐串級控制系統，且采用粒子群算法進行PID參數優化，通過仿真曲線可以看出，本文的設計方案及參數優化達到了較好的控制效果，有效保障海上作業人員和設備的運行安全；然而，在保證系統安全的情況下，系統的調節時間相對比較長，應進一步研究在保證系統安全穩定的情況下，減少系統的調節時間。 [科]

【參考文獻】

[1]董海杰海上油田熱介質鍋爐常見故障淺析[J]設備管理與維修，2011，12：32-33.

[2]楊維.粒子群優化算法綜述[J].中國工程科學，2004，6（5）：87-94.

[3]韓璞，呂玲，張倩，董澤.基于經驗整定公式的熱工系統控制器參數智能優化[J]華北電力大學學報，2010，37（5）：73-77.

[4]韋根原，王兵樹，，馬磊等.基于粒子群算法的 1000MW 火電機組模型辨識[J]計算機仿真，2013，30（7）：400-403.