神经网络智能串级控制在过热器喷水减温系统中的应用

某600 MW超超临界机组参与电网一次调频和自动发电控制(AGC),机组负荷频繁变化、经常处于深度快速变负荷工况运行,且锅炉燃煤品种多变,导致机组过热汽温波动大、控制品质差。为此,将人工神经网络(ANN)与传统PID串级控制思想结合,提出一种外环采用神经网络逆控制、内环采用PID控制器的过热器喷水减温智能串级控制策略。首先利用该机组的历史运行数据对各级过热器的汽温特性进行逆建模,在此基础上基于罗克韦尔PLC控制器开发了汽温外挂优化控制系统,经调试后在现场稳定投运。应用结果表明,采用本文的智能控制策略,有效减小了一次调频和AGC深度变负荷过程中机组过热汽温的波动,大大提高了汽温的动态和稳态控制品质,减少了运行人员对汽温设定值的频繁干预,增强了机组对AGC深度调峰的适应能力。

PID补偿神经网络逆控制在超临界机组过热汽温控制中的应用

考虑超临界锅炉过热汽温系统的非线性、大惯性、大时延等特性,建立了过热汽温喷水减温系统的非线性动态神经网络逆模型,运用机组的历史运行数据对模型进行训练与校验。以训练好的模型为基础,构建了具有PID补偿环节的神经网络逆控制器,在MATLAB平台编制了实时控制程序。借助600 MW超临界机组全仿真系统,对过热汽温进行设定值扰动、大范围变工况扰动等仿真试验。结果表明:具有PID补偿的神经网络逆控制方案可有效降低动态变负荷过程中过热汽温的控制偏差,缩短汽温控制的稳定时间,与机组原控制方案相比具有更好的控制效果。