基于Elman 神經網絡的火電廠鍋爐主汽溫自動控制方法研究

朱明澤

（哈爾濱電氣國際工程有限責任公司，黑龍江 哈爾濱150028）

能源是決定國家經濟發展的重要因素之一。目前，火力發電仍是我國電力工業的重要組成部分，而鍋爐，則是火電廠的重要設備之一[1-2]，主蒸汽溫度是火電廠鍋爐熱工過程控制的關鍵參數[3]，因此，必須對主蒸汽溫度加以有效控制[4-5]。主蒸汽溫度控制方法將影響主蒸汽溫度控制效果。電廠蒸汽溫度控制系統大多采用串級比例微分積分（Proportion Integral Differential，PID）控制方式[6]。

由于汽溫系統具有非線性和不確定性，常規的汽溫串級PID 控制已經不能完全滿足汽溫控制質量的要求。人工神經網絡在處理復雜非線性系統的控制問題上有較大優勢，對于復雜不確定問題具有自適應能力和自學習能力[7]。

1 鍋爐主蒸汽溫度控制系統

常規鍋爐控制系統由蒸汽溫度、燃燒、以及汽包水位控制系統等組成。

目前，單元制機組熱力發電系統仍是火電廠主要的發電系統，該系統主要包括汽包，爐膛燒嘴，過熱器，燃料，預熱器，過熱蒸汽，減溫器，水，空氣，煙氣等。鍋爐的燃燒過程主要為燃料經燃燒調節器進入爐膛，與空氣充分混合后燃燒，使鍋爐產生高溫高壓蒸汽，經用氣調節閥發出主蒸汽。

目前，火電廠主蒸汽溫度控制系統大多采取串級PID 控制系統，該系統主要分為主回路與副回路調節。主調節器、副回路系統、被控對象的惰性區部分、測溫變送器構成了主回路的主要部分。

其中，副回路系統的主要任務是控制降溫水的流量，通過比例調節提高主蒸汽溫度的抗干擾能力，主要包括副調節器、執行元件、被控對象的導前區部分和測溫變送器。

2 基于Elman 神經網絡的改進PID 蒸汽溫度控制方法

2.1 Elman 神經網絡基本理論

Elman 網絡的主要結構是前饋連接，包括輸入層、隱含層、輸出層，在這種網絡中，除了普通的隱含層外，還有一個特別的隱含層，稱為關聯層（或聯系單元層），相當于狀態反饋。

輸入層包含r 個神經元，表示為u=[u1，u2，…，ur]，輸出層包含m 個神經元，表示為y=[y1，y2，…，ym]，隱含層輸出向量h=[h1，h2，…，hn]，承接層輸出向量t=[t1，t2，…，tn]。w1表示輸入層與隱含層間的連接權值矩陣、w2表示隱含層與輸出層間的連接權值矩陣、w3表示關聯層與隱含層間的連接權值矩陣，前兩個權值矩陣在迭代訓練中不斷地更新修正，而w3是一個固定的權值矩陣。則Elman 神經網絡的迭代計算公式如式（1）、式（2）和式（3）所示。

式中，α 在[0，1]間取值，表示連接反饋增益因子。f（·）、by分別表示隱含層神經元的激活函數與閾值矩陣，g（·）、bh分別表示輸出層神經元的激活函數與閾值矩陣。

2.2 基于Elman 神經網絡的改進PID 蒸汽溫度控制

本文基于傳統PID 主蒸汽溫度控制方法，提出基于Elman神經網絡的改進溫控方案，通過對主蒸汽狀態參數進行辨識，提高系統自適應性。基于Elman 神經網絡的改進溫控系統結構如圖1 所示。

圖1 基于Elman 神經網絡的改進溫控系統結構圖

基于Elman 神經網絡的多參數辨識步驟如下：

（1）獲取蒸汽壓力、蒸汽溫度、產氣量、爐膛溫度、爐膛壓力、煙氣含氧量等關鍵參數值；

（2）利用小波包對輸出信號進行分解，計算小波包系數，得到全部的頻域特征；

（3）計算各個參數待辨識狀態與正常狀態小波包系數的馬氏距離，根據馬氏距離的大小進行關鍵特征選取；

（4）步驟3 獲得的關鍵特征作為Elman 神經網絡的訓練集，完成Elman 神經網絡的建立；

（5）利用步驟4 建立的Elman 神經網絡完成鍋爐蒸汽多參數辨識。

3 仿真驗證

在仿真實驗中，利用Elman 網絡依據被控系統的性能動態地調整參數kp，ki，kd，并對上述三個PID 控制器參數進行特定指標下的尋優，最終使得增量式PID 控制器相對于常規的PID 控制器呈現更加良好的性能。

控制誤差可根據增量式PID 控制器得到：

PID 的3 項輸入為：

控制算法為：

相關文獻中，取被控對象蒸汽溫度數學模型為：

在圖2 的仿真曲線中，仿真時間設定為5 秒，階躍輸入r 取值為1。

根據圖2 的結果可分析出，kp，ki，kd三個參數值快速收斂，當收斂值基本穩定時，可認為此時的取值為最優參數。上述結果說明通過不斷地實時地調節參數，可以達到系統的輸入值和輸出值的靜態指標需求，同時，也進一步證明系統的動態性能較好。

圖2 輸入曲線和輸出響應曲線

4 結論

分析了單元制機組熱力發電過程，研究了影響蒸汽質量的各項參數指標。

通過分析傳統PID 蒸汽溫度控制方法，提出了基于Elman神經網絡算法的改進PID 控制策略，提出了基于馬氏距離的蒸汽參數辨識流程。

通過仿真分析，證明了所提Elman 神經網絡算法提高PID控制方法動態性能的有效性，為實現火電廠鍋爐主蒸汽溫度自動控制提供了參考。