烟气脱硫智能控制系统研究

目前,在我国能源结构中,火力发电投入的比例很大,故此控制SO_2的排放尤为重要。烟气脱硫控制系统具有时变、滞后大、非线性和大惯性的特点,大滞后性问题可以利用Smith预估控制方案来解决。但传统的Smith控制器需要精准的模型才能得到较好的效果。但在脱硫系统往往无法提供精准的模型。在此基础上,提出了自适应Smith预估器烟气脱硫控制模型,并用MATLAB进行了仿真。结果表明,自适应Smith控制器在烟气脱硫控制系统中有较好的效果,明显提高了其抗干扰性能,使系统具有了良好的鲁棒性,缩短了调节时间,降低了超调量。

湿法脱硫自适应Smith实时跟踪控制系统设计

Smith预估控制系统能解决工业湿法脱硫控制系统参数复杂多变、滞后严重、无法实时跟踪控制等问题,但对数学精度要求高,且实时负荷波动频率较高时,对系统控制性能会产生很大影响。针对该问题,设计自适应Smith实时跟踪控制系统,不仅能解决滞后问题,还能实现系统实时跟踪、误差快速稳定。对自适应Smith实时跟踪控制系统进行仿真实验,并与Smith预估控制系统进行对比,结果表明,自适应Smith实时跟踪控制系统能实时跟踪负荷变化,及时调节系统误差,抗干扰性和鲁棒性更优,具有较强应用价值。

负荷实时跟踪精细化氨法脱硫智能控制系统

传统的氨法脱硫控制系统存在延迟时间较长、无法实现实时跟踪负荷的局限性;针对该问题提出的Smith预估补偿装置,通过抵消系统中的纯滞后环节来提高控制系统的实时性;虽然该方法有效解决了长延时问题,但系统中PID参数调整采用的是试凑法并依赖于调试操作经验,偶然性和因人而异导致系统波动较大;提出了BP(back propagation)神经网络的PID参数整定方法,该方法能实现对任意非线性函数的逼近,通过神经网络学习得到最佳的比例、微分、积分系数组合;运用该方法建模并进行长时过程控制仿真,结果验证了算法的可行性,其误差小,大幅提高了氨法脱硫系统的实时性和稳定性,实现了智能化精准控制效果。