超临界锅炉烟气脱硝喷氨量混结构–径向基函数神经网络最优控制

喷氨量大小不仅影响超临界锅炉选择性催化还原(selective catalytic reduction,SCR)烟气脱硝装置的效率,过量喷氨也会导致下游空预器受热面的积灰、腐蚀和造成资源浪费、二次污染,且在变负荷时,传统PID控制方式很难实现最佳控制。通过引入混结构隐含层,改善传统RBF神经网络变工况控制时的非线性和扰动适应能力,设计了基于混结构RBF神经网络(MS-RBFNN)的喷氨流量最优控制系统,用MS-RBFNN综合学习当前主要相关状态参数,以SCR脱硝装置出口NOx排放量最小作为学习训练信号,实时并行计算出最优喷氨控制流量。实验结果表明,此优化方案相对传统PID控制,具有更好的NOx排放控制效果和变工况适应能力,同时节约了喷氨量。

基于混沌DNA遗传算法与PSO组合优化的RNN短期风电功率预测

提高短期风电功率的预测精度对保证电力系统安全、稳定地运行具有重大意义。针对风速信号的强奇异性,采用脊波神经网络建立短期风电功率的预测模型;同时利用混沌DNA遗传算法确定脊波神经网络的隐层结构,采用粒子群算法优化网络的连接权值及方向向量。对新疆某风电场的输出功率进行了预测实验,并比较了优化前后脊波网络模型的预测性能。研究结果表明采用粒子群与混沌DNA遗传算法组合优化后的脊波神经网络均方根误差降至12.3%,预测精度得到显著提高。

风电机组输出功率超短期预测的组合模型研究

为了提高风电功率的预测精度,基于多模型的预测MS-RBF神经网络的进行组合,通过Bayesian分类训练各子模型的权值,然后根据权重计算最终预测值;基于新疆某风电场实测历史数据,采用该组合模型与RBFNN模型分析对比,验证结果表明该组合模型有效减少了较大误差出现的频率,提高了整体的预测精度。

烟气脱硝喷氨量SA-RBF神经网络最优控制

对于选择性催化还原(SCR)烟气脱硝装置喷氨量的精确控制,传统PID控制器的参数是基于设计负荷预先整定,在变工况下系统呈现出强非线性和滞后性,难以确保最佳控制量。通过引入动态结构的RBF神经网络,利用敏感度法来增加和删除神经元,解决RBF神经网络结构过大或过小的问题,保证预测网络结构的精度。该网络综合学习SCR脱硝装置主要相关参数,以NOx排放量与设定值之间误差最小作为训练信号,实现喷氨量的最优控制。实验结果表明,在变工况下,此方案与传统PID相比,能满足SCR出口NOx排放量,有效减少了氨气逃逸量,具有良好的变工况适应能力。

基于混合神经网络的非线性预测函数控制

针对基本预测函数控制只能用于线性对象的控制这一不足,提出了基于混合神经网络的非线性预测函数控制.混合神经网络由BP网络和线性神经网络串连组成.采用混合神经网络对可用Hammerstein模型描述的非线性对象进行有效的辨识.其中,BP网络反映了非线性静态增益,线性神经网络反映了线性动态子系统.利用BP网络求出非线性静态增益的逆并与非线性对象串联,抵消非线性对象中的非线性静态增益部分,将非线性对象的控制问题转化为对线性对象的控制问题,实现了对非线性对象的预测函数控制.当被控对象的特性发生变化时,可对混合神经网络权值及时进行修正并调整控制器参数使控制系统始终保持良好的控制性能.仿真结果表明,此控制系统具有良好的控制效果.

变水量与变风量的中央空调节能控制策略

为了解决中央空调系统中水泵、风机定速运行时的能源浪费问题,设计了一种能够实现变水量、变风量控制的中央空调节能控制系统。该系统利用变压变频技术,开发了基于西门子大中功率变频器的冷冻水、冷却水变水量节能子系统,与基于通用小功率变频器的风机盘管变风量节能子系统。经现场测试分析,结果证实此系统具有良好的空调节能效益和房间温度控制效果,圆满达到设计目标;此方案可以加以推广,积极推进节能降耗的宏伟目标。

中央空调系统节能运行改造的控制策略与方案

鉴于中央空调定流量水系统存在能源浪费的缺点,提出了基于变频器和工控机的变流量水系统节能运行控制方案;基于系统的大延迟和大惯性,提出了神经网络与预测控制相结合控制策略,克服了单纯PID控制对大迟延、大惯性对象调节品质差、抗干扰能力弱的缺点;采用组态软件LabVIEW编写了控制程序;系统的实际运行情况表明,该控制系统具有节能效果良好、稳定性高、维护方便等优点,值得推广。

集中空调水系统的变流量节能改造

为了实现集中空调水系统的节能控制,分析了集中空调定流量水系统改造为变流量运行的可行性,并结合工程实例给出了利用变频器和工控计算机实现该项目的水系统变流量节能控制方案.硬件系统采用计算机加变频器的电机调速,通过RS-485连接,结构简单、性能可靠;软件部分采用V isualC++6.0编写整个程序,结构清晰、稳定可靠.运行结果表明,采用变频器对中央空调水系统施行变流量改造可以带来良好的节能效果.

基于PLC和专家PID控制器的电解槽预焙烧控制系统

传统的电解槽预焙烧方法对电解槽寿命的影响很大,为延长电解槽的寿命,提出了燃料直接焙烧启动法,并设计其控制系统。该控制系统以PLC为核心,并采用基于专家控制器的PID算法。应用结果表明,该方法能克服传统方法的缺点,为提高电解铝生产技术提供了一种切实可行的方案。

应用径向基函数神经网络-信息融合方法改进超临界锅炉燃料量控制

针对超临界锅炉燃料量不易准确测量和燃料发热量难以在线检测的问题,通过分析某厂直流锅炉燃料量控制系统缺点,设计了基于径向基函数神经网络(RBFNN)-信息融合方法的燃料量优化控制方案.该优化控制综合了RBFNN的强自学习、并行计算能力和信息融合方法的互补性、冗余性等特点,重构燃料发热量系数,在燃烧内扰时用来在线精确修正实际燃料量,外扰时作为燃料量需求的前馈控制,以保证燃料量实时符合机组负荷变化或锅炉内扰下各工况的实际需求.通过磨煤机切换内扰下燃料量控制实验和负荷变换外扰下燃料量控制实验表明:在内外扰动工况下,此控制系统可保证燃料量控制的准确性、快速性和稳定性.

中速直吹磨组径向基函数神经网络信息融合-模糊启动控制

中速直吹磨煤机组的大延迟及惯性、燃料量的直接测量和发热量的在线检测是保持超临界燃煤发电机组燃烧控制稳定性和安全性的难点。通过讨论某厂直流锅炉燃料量控制及其中速直吹磨煤机组启动控制系统,引入基于径向基函数神经网络的信息融合方法重构燃料发热系数,以在线精确修正实际燃料量,并以此为基础利用模糊控制的鲁棒性和克服非线性能力,优化了对磨组启动过程中咬合时间、电流等不确定参数的控制。实验结果表明,此方案中燃料量控制可兼顾快速性和准确性,在磨组启动中模拟量控制系统和燃烧器管理系统可更好地协调控制,并保证了燃烧工况的平稳过渡。

可调引射混合式低压加热器的性能试验

可调引射混合式低压加热器增加进口水的调节装置，可以有效地调节不同工况下的引射参数，对于提高引射器效率具有重要作用。试验对不同引射蒸气压力下的引射性能和加热性能进行研究。在工作流体定压（0．3MPa）、引射蒸汽压力Ps=0．10～0．20MPa条件下，当Ps为0．10MPa时，面积比m从7．34～11．70可调，引射蒸汽质量（Qs）变化为59-50kg／h；当Ps为0．20MPa时，m从3．4～11．70可调，Qs变化为83～56kg／h。以上条件均能使加热器出口水温高于104℃。结果表明可调引射混合式低压加热器可在很大的范围内调节来满足变工况要求，可以在热力发电厂的低压加热系统中应用。

一种变压器空载试验微机化测试方法

分析了传统变压器空载试验的主要弊端 ,提出了一种变压器空载试验微机化测试的新方法 ,并给出了相应的软、硬件设计。实践表明 ,该法方便、快捷 。

蒸汽发生器水位SDRNN优化自抗扰控制

针对蒸汽发生器(SG)水位控制过程存在的主要问题,引入水位自抗扰控制(ADRC)方案.通过扩张状态观测器实时估计系统内、外扰动,并采用前馈方式予以动态补偿,同时依据状态误差矢量进行非线性反馈调节,缓解控制系统快速与超调之间的矛盾.并引入二阶对角递归神经网络(SDRNN)动态辨识SG Jacobian信息,实时优化自抗扰控制器参数.分别在水位、蒸汽和给水扰动下进行SG水位仿真实验,并对比了前馈串级PI控制与SDRNN-ADRC控制的响应曲线.结果表明:在扰动工况及控制对象参数时变下,此SG水位控制系统的控制响应迅速、超调小且稳态误差小,具有优良的动、静态性能.

汽轮机故障在线智能诊断系统

叙述了汽轮机故障诊断系统的应用必要性。根据系统功能,采用了分布式上下位机网络结构,给出了硬件设备的组成,上下位机之间以RS 232协议通信。提出了系统诊断的总体结构和诊断流程;讨论了反向传播神经网络和专家系统这两种诊断算法的诊断原理与诊断流程;探讨了BP网络激活函数的改进;介绍了应用于汽轮机几种典型故障的情况;编制出了具有丰富功能的上位机诊断软件。在转子模拟实验台上进行的实验表明,该系统稳定可靠,有较好的使用价值。

超临界机组燃水比GAP-DRFNN的优化控制

分析某厂直流锅炉燃水比控制系统,设计出基于生长剪枝动态递归模糊神经网络(Growing and pruning dynamic recurrent fuzzy neural network,GAP-DRFNN)的燃水比优化控制系统,GAP-DRFNN以汽水分离器出口工质温度偏差最小为导出信号,综合学习燃水比控制主要状态参数,实时输出燃水比最佳控制量。随着当前主要相关状态参数的输入,GAP-DRFNN通过结构学习,自动增加和修剪神经元,而且根据梯度下降法,动态调整网络的隶属函数参数以及神经网络递归权值。实验结果表明:此方案中燃水比控制可兼顾快速性和准确性,在变工况时系统仍具有优异的动静态性能,控制效果优于传统PID控制。

基于小波分析的转炉轴承在线振动故障诊断系统

利用计算机实时数据采集对攀枝花新钢钒炼钢厂4,5号提钒转炉轴承实施在线振动故障诊断监测。根据小波分析对提钒转炉轴承故障发生时其相应的部位将产生周期性的特征振动信号进行多层次多频带分解,分离特征频率与噪音的频率段,达到去除噪音的目的。信号重构后再进行频谱分析准确地判断出轴承发生故障的准确部位。

基于改进Elman网络的自适应预测函数控制

基于改进Elman网络的自适应预测函数控制算法,使用网络作被控对象的预测模型,按实际输入输出数据建立对象的网络预测模型(NPM)。当预测误差大于规定值时,在线修正对象数据NPM权值,使其准确反映对象的动态特性,将预测误差控制在规定范围。以电液伺服舵机为对象仿真,选择合适网络结构、权值初值和学习速率,自动修正网络权值以适应变化的被控对象,实现了快变过程的鲁棒控制。

一种改进BP算法在转炉轴承故障诊断中的应用

轴承故障的及时诊断非常重要,针对传统BP算法在炼钢转炉轴承等机械设备故障诊断应用中存在故障识别速度慢、精度不高的缺点,提出了同时调整神经元温度常数T、位置常数θ和联接权值W的观点,并推导出相应的改进算法公式;对比试验结果表明,改进BP算法能加快网络训练速度,提高识别精度,在轴承故障诊断领域中显示出良好的非线性模式识别能力;该算法经过一年多的现场实际运行,效果良好,证实此方法可靠,易于推广。

预测控制在中央空调净化系统中的应用

针对常规PID控制在非线性、大惯性系统中存在滞后、精度低等弱点,构建了神经网络与预测算法相结合的控制系统.采用预控算法,充分利用预测控制的滚动优化和反馈校正的特性,采用神经网络建立系统的动态模型作为预测控制器的预测模型,实现了对大滞后系统的自适应控制,具有实时控制和预测性能,有效地提高了控制精度和可靠性,增强了稳定性.现场运行结果表明,在空气净化器系统中使用该方法效果良好,易于推广.