基于LSTM的主汽壓力預測控制研究

李飛舟

（浙江浙能溫州發電有限公司，浙江 溫州 325600）

0 引言

鍋爐燃燒過程控制系統通常被分為三個關鍵子控制系統，分別是燃料控制系統、送風控制系統和引風控制系統。每個子控制系統都在鍋爐的正常運行中扮演著至關重要的角色，以確保主蒸汽壓力的穩定以及整個鍋爐系統的高效運行。

燃料控制系統能夠調節進入爐膛的燃料量，以維持主蒸汽壓力的穩定。這一系統的關鍵作用在于控制燃料的供應，以滿足當前負荷需求，通過精確地調整燃料量，確保主蒸汽壓力在合適的范圍內小幅波動，從而保障鍋爐系統運行的安全性和穩定性。此外，燃料控制系統還能夠影響鍋爐的燃燒效率，有助于減少能源浪費，降低運行成本。

送風控制系統能夠通過調節進入爐膛的送風量，確保燃料燃燒所需的適量氧氣，同時保持燃燒過程的經濟性。這個系統的關鍵作用在于維持理想的空燃比，以提高燃燒效率和降低污染物排放，通過智能調整送風量，確保鍋爐在不同負荷下都能保持高效燃燒，減少過多的空氣流入爐膛，降低熱損失，提高能源利用率。

引風控制系統能夠通過調整引風量，確保送風量和引風量之間的平衡，維持爐膛壓力的穩定。這一系統的作用在于保持鍋爐內部氣壓平衡，防止過多的空氣進入或排出爐膛，從而維護鍋爐系統的穩定性。引風控制系統的精確調節也有助于減少氣流湍動和振蕩，降低設備的損耗，延長鍋爐的壽命。

綜上，通過協調這三個子控制系統，特別是通過調節燃料控制系統以維持主蒸汽壓力的穩定，對整個鍋爐系統的正常運行具有關鍵性作用。保持主蒸汽壓力的穩定性不僅關系到工業生產的連續性和產品質量，還有助于提高能源利用率，減少環境污染。因此，主蒸汽壓力的穩定控制在工業鍋爐系統中具有不容忽視的重要意義。

1 問題概述

超臨界機組鍋爐具有大慣性和時滯性的特點，這也為機組正常一次調頻、二次調頻增加了困擾，影響了機組正常運行以及電網頻率穩定。因此，超臨界機組的汽壓響應特性與超前控制策略成為研究熱點。目前研究人員提出了包括解耦的協調控制、變結構控制、動態前饋控制等，取得了相應的效果[1]。預測控制可以充分利用影響因素在時間上的先驗信息，實現控制效果的超前性，適用于具有多因素、大慣性的系統預測。

大型高參數機組的高主蒸汽溫度和壓力對機組的燃燒系統提出了更為嚴格的要求。主蒸汽壓力過高可能導致機組設備受損，而過低的壓力則無法保障機組正常運行，主蒸汽壓力的不穩定性不僅會對機組設備和整個發電過程產生顯著的負面影響，還會給企業帶來重大經濟損失。盡管不同機組的負荷特性因其用途而異，但機組控制的關鍵目標之一都是克服各種干擾因素，以確保主汽壓力在規定范圍內保持穩定，從而保障機組的安全運行。

通常情況下，火電機組采用調整燃料供應和風量的方式來調節鍋爐主蒸汽壓力。然而，從燃料供應到主蒸汽壓力的傳遞通道具有較大的滯后和慣性時間常數。主汽壓力波動的原因多種多樣，但本質上都是機組熱量的不平衡變化引起的。而機組熱量不平衡的主要影響因素包括鍋爐燃燒的波動和蒸汽側的波動。

影響主汽壓力波動的主要因素是內部干擾，即燃料供應的變化，這種干擾對主汽壓力的影響最為顯著。同時，蒸汽側的波動也會對主汽壓力產生一定影響，可以看作是外部干擾因素。為確保機組的主蒸汽壓力維持在適當范圍內，必須確保鍋爐中燃燒的煤粉所產生的熱量能夠跟隨蒸汽側熱量波動的變化，以盡可能維持機組的熱量平衡。這一過程對于機組的穩定運行至關重要。

超前預測控制是采用數據建模的方式判斷系統觀測量的超前變化趨勢，進而可以提前計算控制量，使得執行器提前動作，其能夠有效改善復雜系統的不確定性和不可控性，適用于主汽壓力控制。超前預測在超臨界機組的應用很廣泛，主要包括機組的蒸汽品質控制、風煙控制、煙氣污染物控制等[2]。

2 主蒸汽壓力波動因素分析

主蒸汽壓力作為鍋爐燃燒控制的另一項主參數，過高會使各承壓部件應力增加，設備損壞風險升高，汽輪機末幾級葉片蒸汽濕度增大，影響葉片壽命；過低除機組經濟性無法保證外，為維持負荷還需增大蒸汽流量，導致汽輪機組軸向位移增加，動靜碰摩的可能性增大。

為了最大程度降低主蒸汽壓力的波動，需要綜合考慮內外部因素，并采取相應的控制措施，以提高鍋爐系統的運行穩定性和效率。

1）燃燒過程不穩定：鍋爐燃燒的不穩定性可能導致主蒸汽壓力波動。這包括燃料供給不均勻、燃燒空氣不足或過量等情況。

2）負荷變化：工業鍋爐通常用于供熱或發電，負荷的變化會導致主蒸汽壓力波動。例如，突然的負荷增加可能會導致主蒸汽壓力下降，反之亦然。

3）鍋爐燃燒設計因素：鍋爐本身的設計方案，如管道、閥門、燃燒室等部件的不合理設計，可能會引起主蒸汽壓力的波動。

4）燃料質量波動：燃料的質量和成分波動可能會影響燃燒過程，導致主蒸汽壓力波動。

3 主蒸汽壓力預測控制方法

基于LSTM（長短時記憶網絡）的主汽壓力預測控制可以用于提前預測主汽壓力的變化趨勢，并根據預測結果來實施控制策略，以維持鍋爐系統的穩定運行。

1）數據收集和預處理：收集歷史主汽壓力數據，包括采樣時間和主汽壓力值、負荷指令、給水主控、燃料主控、閥門狀態等。對數據進行預處理，如去除異常值、歸一化處理等，以準備用于LSTM模型的訓練和測試。

2）數據劃分：將數據分為訓練集、驗證集和測試集。通常，訓練集用于訓練LSTM模型，驗證集用于調整模型參數，測試集用于評估模型性能。

3）LSTM模型建立：使用Keras深度學習框架建立LSTM模型。模型結構為[1，50，50，50，1]，其中前面為帶有Dropout的LSTM層，最后一個全連接層用于輸出主汽壓力的預測結果。

4）模型訓練與預測：使用訓練集對LSTM模型進行訓練。訓練過程中需要定義損失函數和優化器，并監測模型在驗證集上的性能。

實驗采集了某350 MW超臨界機組的主汽壓力值、負荷指令、給水主控、燃料主控、閥門狀態數據，采樣間隔10 s，共30 000個數據點，部分原始數據趨勢如圖1所示。

圖1 負荷指令、燃料主控與主蒸汽壓力趨勢（預處理后）

LSTM預測結果與真實數據的對比如圖2 所示，本實驗采集了30 000個測點數據，將原始數據以2:8的比例劃分為訓練集、測試集，圖2展示了其中主蒸汽壓力波動較為明顯的一段數據，可見預測結果可以跟隨變化趨勢，在設置迭代次數為100時，損失函數為均方差，最終算法最小化偏差的結果為0.073 2。

圖2 LSTM預測結果與原數據對比

圖3為預測控制仿真實驗結果圖，在原鍋爐主控增加預測值前饋后，對比主汽壓控制效果，可見控制品質有明顯改善，其穩定性、精確性都有了明顯的提升。新的控制策略和算法的實施使得主汽壓力響應外部擾動更加快速，減小了系統的波動性。這對于保護機組設備免受高主汽壓力或低主汽壓力可能造成的損害至關重要。

圖3 優化前后仿真實驗結果

4 結論

引入LSTM預測技術后，鍋爐系統對主蒸汽壓力的控制得到了顯著改進。通過LSTM模型的預測，能夠更準確地預測汽壓變化趨勢，改善控制裕度，使得鍋爐系統能夠更及時、更精確地作出反應，進而實現對主蒸汽壓力更為穩定和高效的控制。