智能控制技術(shù)在火電廠應(yīng)用研究現(xiàn)狀與展望

閆 冬

（中國(guó)有色金屬建設(shè)股份有限公司，北京 100029）

隨著清潔能源整體裝機(jī)容量的日益增加，對(duì)于環(huán)保指標(biāo)的檢查、監(jiān)督與考核的力度越來(lái)越強(qiáng)，但因在對(duì)煤種進(jìn)行燃燒的過程中經(jīng)常發(fā)生不可預(yù)測(cè)的變化，使得火電機(jī)組在工作時(shí)經(jīng)常處于不穩(wěn)定的環(huán)境之中。為了在根本上促使火電機(jī)組可以充分滿足環(huán)保各項(xiàng)要求，以及擁有調(diào)節(jié)范圍、負(fù)荷速率、負(fù)荷精度等能力，需進(jìn)一步強(qiáng)化對(duì)控制系統(tǒng)的要求。因?yàn)镻ID控制器具備架構(gòu)簡(jiǎn)潔、易實(shí)現(xiàn)、魯棒性較強(qiáng)的特點(diǎn)，致使其在火電機(jī)組控制中占據(jù)關(guān)鍵地位，但是在本質(zhì)上講，PID控制器也存在著一些明顯的缺陷，而這些缺陷的存在造成控制效果還有一定提升空間。隨著火電機(jī)組對(duì)運(yùn)行條件的提升，傳統(tǒng)PID控制方式已經(jīng)不能很好滿足其需求，而合理的應(yīng)用控制技術(shù)理論可以有效地緩解此情況的發(fā)生，同時(shí)還可以在一定程度上提升控制的質(zhì)量與水平。

1 智能控制技術(shù)

1.1 神經(jīng)網(wǎng)絡(luò)控制

在神經(jīng)網(wǎng)絡(luò)控制中，神經(jīng)網(wǎng)絡(luò)作為其重點(diǎn)內(nèi)容，主要是依靠模擬人類大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的方式對(duì)數(shù)據(jù)信息加以處理、學(xué)習(xí)與分類[1]。換句話說，神經(jīng)網(wǎng)絡(luò)是利用大量神經(jīng)元以及它們之間的連接，實(shí)現(xiàn)權(quán)值的共享與重分配，進(jìn)而達(dá)到自動(dòng)學(xué)習(xí)和訓(xùn)練的目的。現(xiàn)有研究中將神經(jīng)網(wǎng)絡(luò)應(yīng)用于火電機(jī)組有以下方式：一是利用神經(jīng)網(wǎng)絡(luò)構(gòu)建描述對(duì)象輸入和輸出的映射模型，比如鍋爐燃燒模型、氮氧化合物排放模型、機(jī)械設(shè)備故障預(yù)測(cè)模型等；二是給定指標(biāo)性能以及學(xué)習(xí)方式，利用神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)能力使PID控制器以及被控制對(duì)象尋找模型參數(shù)最優(yōu)；三是將其他算法與神經(jīng)網(wǎng)絡(luò)進(jìn)行相互之間的結(jié)合，比如粒子群優(yōu)化算法、遺傳算法等。

對(duì)比傳統(tǒng)的模型構(gòu)建的方法，要想在根本上充分利用神經(jīng)網(wǎng)絡(luò)進(jìn)行建模工作，需要大量樣本的支持，同時(shí)神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時(shí)的不確定性較大，因此神經(jīng)網(wǎng)絡(luò)大部分會(huì)應(yīng)用在離線研究中。

1.2 模糊控制

模糊控制是在模糊數(shù)學(xué)、模糊推理、模糊語(yǔ)言的基礎(chǔ)上所形成的一種智能控制技術(shù)，同時(shí)又是僅憑專家經(jīng)驗(yàn)而不借助模型的控制方式，因此在處理不確定性較強(qiáng)的系統(tǒng)和非線性系統(tǒng)中擁有較強(qiáng)的優(yōu)勢(shì)[2]。但是，模糊控制在學(xué)習(xí)能力方面較差，不能很好地對(duì)對(duì)象進(jìn)行有效科學(xué)的控制。而將模糊控制使用到火電機(jī)組時(shí)，需要通過其他可行性高的技術(shù)予以支持，例如在PID控制系統(tǒng)中利用有針對(duì)性的模糊規(guī)則，以達(dá)到合理控制對(duì)象的輸出以及對(duì)相關(guān)參數(shù)調(diào)整的目的。模糊控制還可以與神經(jīng)網(wǎng)絡(luò)進(jìn)行相互融合，從而建立起高復(fù)雜度的形式化模型。

目前，模糊控制在火電機(jī)組控制中展現(xiàn)出了良好的優(yōu)勢(shì)和試驗(yàn)效果，但是在其實(shí)際應(yīng)用中，專家經(jīng)驗(yàn)、模型復(fù)雜度、模型參數(shù)等是影響其是否可以正確應(yīng)用的關(guān)鍵所在。

1.3 智能優(yōu)化算法

智能優(yōu)化算法一般分為進(jìn)化計(jì)算和群智能兩個(gè)類別，而且都在一定程度上受到自然現(xiàn)象的啟發(fā)，是通過提取簡(jiǎn)化的自然規(guī)則發(fā)展起來(lái)的計(jì)算算法。進(jìn)化計(jì)算類的算法涵蓋了遺傳算法、遺傳規(guī)劃等，群智能囊括了粒子群優(yōu)化算法、蟻群優(yōu)化算法等，這些算法在最近被廣泛應(yīng)用于各個(gè)領(lǐng)域，其中遺傳算法、粒子群優(yōu)化算法、蟻群優(yōu)化算法是火電廠應(yīng)用和研究的重點(diǎn)。

遺傳算法主要是對(duì)生物界的模擬、選擇、進(jìn)化等形成的一種具有高適應(yīng)性的隨機(jī)優(yōu)化搜索算法，它可以在局部獲得最佳解，適用于大型規(guī)模且非線性的函數(shù)。而粒子群優(yōu)化算法則是通過對(duì)鳥群社會(huì)的研究所形成的，它主要是利用個(gè)體協(xié)作與競(jìng)爭(zhēng)的方式實(shí)現(xiàn)對(duì)復(fù)雜空間的最優(yōu)解搜索，與遺傳算法和其他算法相比較，粒子群優(yōu)化算法具有操作簡(jiǎn)便、易實(shí)現(xiàn)、魯棒性高等特點(diǎn)。蟻群優(yōu)化算法是通過對(duì)蟻群覓食行為的模擬而形成的一種高質(zhì)量進(jìn)化算法，它是以指導(dǎo)為搜索方向，可以最大限度解決組合優(yōu)化問題。

在將這三種方法應(yīng)用到火電廠之后，可以進(jìn)一步對(duì)機(jī)組的優(yōu)化與分配、控制器參數(shù)的調(diào)優(yōu)、控制策略的選擇等起到一定的積極的作用。

2 智能控制技術(shù)在火電廠應(yīng)用

2.1 主蒸汽溫度控制

在根本上來(lái)講，主蒸汽整體溫度作為火電機(jī)組在開展工作過程當(dāng)中的一項(xiàng)衡量指標(biāo)，其自身控制質(zhì)量的好壞與火電機(jī)組的安全性、穩(wěn)定性有著極大聯(lián)系。對(duì)于主蒸汽溫度，其自身具備慣性大、變化多的特點(diǎn)，正因?yàn)榇颂匦缘拇嬖谑沟脗鹘y(tǒng)PID控制方式不能在各復(fù)合階段獲得較為滿意的結(jié)果。當(dāng)前，將智能化技術(shù)與PID控制方式進(jìn)行融合成為該方向中研究熱點(diǎn)。

主蒸汽溫度控制原理如圖1所示。首先，在以往PID控制中，基本上是對(duì)主控制器中的P、I、D三個(gè)參數(shù)進(jìn)行有針對(duì)性優(yōu)化[3]，比如通過最小二乘法的方式來(lái)識(shí)別主蒸汽溫度對(duì)象，然后在利用遺傳算法或前饋神經(jīng)網(wǎng)絡(luò)對(duì)控制器中的參數(shù)進(jìn)行優(yōu)化。與此同時(shí)，通過智能優(yōu)化算法將搜索到的特性融入到神經(jīng)網(wǎng)絡(luò)之中，并對(duì)相關(guān)參數(shù)進(jìn)行調(diào)整；再如利用蟻群算法和遺傳算法對(duì)前饋神經(jīng)網(wǎng)絡(luò)神經(jīng)元連接權(quán)重進(jìn)行優(yōu)化。其次，通過使用模糊控制與PID控制集成的方式方法對(duì)主蒸汽整體的溫度進(jìn)行有針對(duì)性的調(diào)整，當(dāng)誤差處于一定范圍之內(nèi)時(shí)，即可利用PID控制方式進(jìn)行下一步的精細(xì)化調(diào)整。

圖1 主蒸汽溫度控制原理

此外，研究者通過神經(jīng)網(wǎng)絡(luò)的特性對(duì)模糊控制中內(nèi)存規(guī)則進(jìn)行有針對(duì)性微調(diào)，同時(shí)在現(xiàn)有的基礎(chǔ)上設(shè)計(jì)出以主蒸汽溫度為中心的模糊控制神經(jīng)網(wǎng)絡(luò)控制器，進(jìn)一步提高了模糊控制器的自學(xué)習(xí)能力和適應(yīng)能力。還有研究者利用粒子群算法，對(duì)沒有模型支撐的控制器參數(shù)進(jìn)行深度優(yōu)化，從而在減少算法參數(shù)調(diào)整時(shí)間的同時(shí)，提高算法魯棒性。經(jīng)大量實(shí)驗(yàn)結(jié)果證實(shí)，在應(yīng)用智能控制技術(shù)之后，其整體效果要比PID控制效果好。

2.2 磨煤機(jī)控制

對(duì)于大多數(shù)磨煤機(jī)比如中儲(chǔ)式鋼球磨煤機(jī)、直吹式中速磨煤機(jī)，它們都有多輸入和輸出、大延遲等特性[4]，同時(shí)這些磨煤機(jī)動(dòng)態(tài)的特征會(huì)隨著在工作中執(zhí)行的情況或者環(huán)境的不同會(huì)產(chǎn)生很大的變化。傳統(tǒng)一些控制方案如PID等很難去應(yīng)對(duì)磨煤機(jī)存在的多變量耦合情況，因此需利用一些智能高效技術(shù)在此領(lǐng)域中提高磨煤機(jī)的控制系統(tǒng)品質(zhì)特征，從而來(lái)進(jìn)行更有效的操作。對(duì)于不同的磨煤機(jī)類型，有不同的解決方案，例如，直吹式中速磨煤機(jī)，大多數(shù)采取的方法有利用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)進(jìn)行供給煤量以來(lái)構(gòu)造合適的神經(jīng)網(wǎng)絡(luò)模型，或者使用模型預(yù)測(cè)控制技術(shù)來(lái)控制冷熱風(fēng)的解耦等；經(jīng)過PID控制方式與模糊控制的有效結(jié)合，進(jìn)一步讓磨煤機(jī)在開展工作的過程當(dāng)中可以有效地對(duì)冷、熱一次風(fēng)擋板進(jìn)行調(diào)整，避免了因擋風(fēng)板漏風(fēng)嚴(yán)重、低流量等問題對(duì)精度帶來(lái)的影響。而對(duì)于中儲(chǔ)式鋼球類型的磨煤機(jī)，它主要是依照和利用模糊控制規(guī)則調(diào)整磨煤機(jī)控制器的數(shù)值，或者利用神經(jīng)網(wǎng)絡(luò)對(duì)模糊控制器進(jìn)行優(yōu)化與完善，讓神經(jīng)元代替模糊控制器內(nèi)含的子單元，同時(shí)將神經(jīng)元節(jié)點(diǎn)的相關(guān)函數(shù)與模糊函數(shù)進(jìn)行替換，利用相關(guān)推理機(jī)制，從而實(shí)現(xiàn)對(duì)磨煤機(jī)出口溫度等的解耦控制[5]。

2.3 鍋爐燃燒

鍋爐燃燒作為燃煤機(jī)能源轉(zhuǎn)換的關(guān)鍵組成部分，直接與鍋爐燃燒質(zhì)量、鍋爐燃燒效率等有著直接的聯(lián)系。在本質(zhì)上來(lái)講，鍋爐燃燒具有多輸入和多輸出的特點(diǎn)，同時(shí)它還具備了強(qiáng)耦合性、延時(shí)性強(qiáng)、非線性時(shí)變系統(tǒng)等特性，但是在面對(duì)目標(biāo)沖突時(shí)，其不能利用數(shù)學(xué)方式進(jìn)行有針對(duì)性的建模，進(jìn)而影響了后期工作的有序進(jìn)行。隨著先進(jìn)科學(xué)技術(shù)水平的不斷提升，利用智能控制技術(shù)對(duì)鍋爐燃燒進(jìn)行管控成為當(dāng)前研究熱點(diǎn)。目前，最為主要的探究方向是將鍋爐燃燒的歷史試驗(yàn)數(shù)據(jù)以及運(yùn)行數(shù)據(jù)作為樣本，并在此基礎(chǔ)上建立鍋爐燃燒和排放模型并加以分析。比如通過循環(huán)神經(jīng)網(wǎng)絡(luò)對(duì)所獲數(shù)據(jù)進(jìn)行驗(yàn)證和預(yù)測(cè)，使用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)權(quán)重并構(gòu)建鍋爐效率與NOx排放模型，將改善粒子群算法與支持向量機(jī)算法融合對(duì)建立模型進(jìn)行優(yōu)化，在改善粒子群優(yōu)化算法中融入最小二乘法支持向量機(jī)，構(gòu)建構(gòu)建鍋爐效率與NOx排放模型，使用神經(jīng)網(wǎng)絡(luò)對(duì)煙氣量模型加以構(gòu)建等。

3 智能控制技術(shù)在火電廠應(yīng)用展望

最近幾年，有很多研究人員致力于智能控制技術(shù)在火電廠方面的應(yīng)用研究，然而卻很少應(yīng)用到具體的工程中，大多數(shù)仍然停留在實(shí)驗(yàn)研究等層面。為了能夠有效地提高智能控制技術(shù)在實(shí)際生活中的應(yīng)用，以及提高在火電機(jī)組方面的控制品質(zhì)，建議從以下情況進(jìn)行研究：

第一，在通過神經(jīng)網(wǎng)絡(luò)相關(guān)模型來(lái)對(duì)鍋爐燃燒等復(fù)雜多變量、強(qiáng)耦合、非線性進(jìn)行建模時(shí)，一些不確定因素如樣本數(shù)據(jù)的有效性、準(zhǔn)確性、可利用性等都對(duì)建模和訓(xùn)練模型產(chǎn)生關(guān)鍵的作用，比如在同樣的工作環(huán)境下，磨煤機(jī)的不同組合操作將可能產(chǎn)生差異較大的結(jié)果，如何組合一個(gè)最優(yōu)的結(jié)果目前存在難題。而神經(jīng)網(wǎng)絡(luò)的相關(guān)參數(shù)比如隱含層數(shù)、節(jié)點(diǎn)數(shù)等也會(huì)直接對(duì)神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確度產(chǎn)生影響。因此，將智能控制技術(shù)成功應(yīng)用到火電廠的關(guān)鍵在于需要去獲得在各種工作環(huán)境下大量的樣本數(shù)據(jù)，可以根據(jù)控制操作的對(duì)象特征來(lái)合理地去設(shè)計(jì)建模合適的神經(jīng)網(wǎng)絡(luò)。

第二，由于智能優(yōu)化算法需要大量的相關(guān)計(jì)算，而其搜索速度卻很緩慢，不能在所需的時(shí)間內(nèi)找出全局最優(yōu)解，這樣容易缺乏控制的實(shí)時(shí)性。為此，在實(shí)際應(yīng)用中，需要根據(jù)現(xiàn)場(chǎng)經(jīng)驗(yàn)使用合適的計(jì)算方法，在不同的環(huán)境下優(yōu)化相關(guān)的搜索范圍，從而提高控制技術(shù)的實(shí)效性，協(xié)調(diào)計(jì)算實(shí)時(shí)性與最優(yōu)解。

第三，智能控制設(shè)計(jì)需要在兩方面進(jìn)行協(xié)調(diào)均衡，一方面希望通過一些通用的方法去面對(duì)解決復(fù)雜多樣的控制相關(guān)問題，以此來(lái)方便用戶的及時(shí)掌握與輕松維護(hù)等操作；另一方面可以通過操作對(duì)象的結(jié)構(gòu)特征以及操作者的相關(guān)經(jīng)驗(yàn)，來(lái)提高操作對(duì)象的工作效率，從而能有效地降低問題的難度。

第四，對(duì)于火電機(jī)組的系統(tǒng)，其中大多數(shù)需要實(shí)時(shí)精確操作，而傳統(tǒng)的PID控制技術(shù)、預(yù)測(cè)控制技術(shù)卻能很好地滿足這一特征，在控制方面都具備很好的動(dòng)態(tài)性及無(wú)偏差性，所以要有效地在實(shí)際生活中實(shí)現(xiàn)精準(zhǔn)控制操作，可以嘗試將上述兩項(xiàng)控制技術(shù)有效地與火電機(jī)組結(jié)合起來(lái)，從而達(dá)到一種良好的效果。

第五，當(dāng)只使用智能控制技術(shù)進(jìn)行操作時(shí)，智能控制技術(shù)的相關(guān)控制命令會(huì)根據(jù)周圍不同環(huán)境情況，通過限制一定的條件進(jìn)行操作，從而避免發(fā)生由于模型的泛化能力以及精確度等客觀因素的不足過度進(jìn)行調(diào)節(jié)，使得一些控制命令進(jìn)行很大的波動(dòng)，長(zhǎng)期如此將會(huì)對(duì)執(zhí)行設(shè)備的壽命造成很大的影響。

第六，目前，計(jì)算能力不足是一個(gè)較大的問題，而神經(jīng)網(wǎng)絡(luò)與智能優(yōu)化算法的建模以及尋找全局最優(yōu)解等過程都需要對(duì)其進(jìn)行及其復(fù)雜的大量運(yùn)算，而使用分散控制系統(tǒng)現(xiàn)有的組態(tài)工具處理相關(guān)問題時(shí)存在很大的難度。因此，還需要大量的計(jì)算機(jī)來(lái)輔助分散控制系統(tǒng)，從而保證控制系統(tǒng)的安全性。分散控制系統(tǒng)的標(biāo)準(zhǔn)接口和計(jì)算平臺(tái)可以提供一定的開放權(quán)限，這對(duì)智能控制技術(shù)在火電廠的推廣應(yīng)用將起到很大的推動(dòng)作用。

4 結(jié)束語(yǔ)

綜上所述，在人工智能得到極大發(fā)展的背景之下，會(huì)進(jìn)一步充實(shí)與豐富智能控制技術(shù)以及其實(shí)現(xiàn)方式，同時(shí)也會(huì)在一定程度上延伸智能控制技術(shù)的應(yīng)用范圍。依照不同對(duì)象對(duì)火電機(jī)組加以控制的特性，混合智能控制技術(shù)將會(huì)成為今后研究熱點(diǎn)。■