燃煤机组过热汽温宽负荷模型前馈控制

为了对燃煤机组过热汽温宽负荷运行时进行更精确地前馈控制,提出一种基于物理引导神经网络(PGNN)的预测前馈信号模型,并基于间隙度量法确定了多模型的负荷段分配。多模型间隙度量PGNN预测方法采用多模型间隙度量方法对负荷区段进行合理划分,结合过热器机理引导的长短期记忆神经网络,可以对强耦合、大惯性的过热汽温宽负荷前馈信号进行精准预测。结果表明:在机组宽负荷运行时,随着负荷降低控制对象的非线性程度逐渐增强,需要更多的模型数量,采用多模型间隙度量PGNN前馈控制方法可以在不同工况下采用与当前工况相适应的前馈信号,有效提升过热汽温的调节精度和稳定性。

基于相位补偿的过热汽温自抗扰控制

随着可再生能源接入电网比例的逐步增大,热力发电厂需要应对更加频繁、更大范围的负荷变化,给电厂的高阶大惯性过热汽温过程的控制带来严峻的挑战。为此,文中针对一类高阶大惯性过热汽温过程,提出一种基于相位补偿的自抗扰控制(phase compensation based active disturbance rejection control,PC-ADRC)方法。首先,阐述过热汽温系统的工作原理和控制难点。然后,采用低频近似法详细推导相位补偿(phase compensation,PC)网络模型,提出采用PC网络对模型动态特性进行补偿,得到等效降阶模型的简化思路。为便于工程应用,给出PC-ADRC系统的简单实现方法和等效模型分析。最后,对PC-ADRC系统的稳定性和鲁棒性进行研究。理论分析和仿真结果表明,所提出的PC-ADRC系统能有效提升高阶过程控制系统的鲁棒性和快速响应能力。

基于混合量子麻雀算法的过热汽温模型参数辨识

建立高精度的过热汽温模型便于控制器的设计和参数整定,从而提升汽温的控制品质。首先针对传统的麻雀优化算法在闭环数据驱动辨识中容易陷入局部最优,收敛速度慢的问题,提出了一种混合量子行为的麻雀优化算法(QSSA)。该算法在基本麻雀算法迭代一次后采用量子策略对劣势群体进行变异,加强空间搜索能力,提高辨识精度;对于较优势群体引入Lévy随机游走策略,增加种群多样性,克服量子策略迭代后期种群性减少,易陷入局部最优的问题。其次对比多种优化算法在基准函数测试中的优化结果,验证了所提算法的优越性。最后运用某600 MW超临界机组过热汽温的现场运行数据进行模型参数的QSSA辨识,表明了所提算法的有效性,为现场过热汽温控制系统的进一步优化提供了新的途径。

基于多模型加权调度的锅炉过热汽温广义预测串级控制

针对采用常规串级比例积分微分(proportion-integral-derivative,PID)控制器调节锅炉过热汽温系统存在不易整定参数、自适应性不佳的问题,设计一种基于多模型加权调度的锅炉过热汽温广义预测串级控制器。首先,根据典型工况下喷水量扰动时的过热汽温动态特性建立模型子集,采用递推最小二乘法辨识可控自回归积分滑动平均模型参数;其次,根据辨识得到的模型参数求解各子控制器最优输出,采用高斯隶属度函数得出各子控制器输出的加权系数;然后,通过单一工况下考虑减温水调节阀特性的预测控制仿真试验,比较广义预测串级控制器和常规串级PID控制器的鲁棒性;最后,通过变负荷仿真试验及抗干扰测试,验证多模型加权调度广义预测串级控制器对变负荷时模型失配的适应性。试验结果表明,相比常规串级PID控制器,广义预测串级控制器拥有更好的鲁棒性,设定值扰动试验中最大超调量控制在2℃左右。多模型加权调度广义预测串级控制器对模型失配具有良好的适应性,并具有良好的抗干扰性能。

基于动态特性机理分析的锅炉过热汽温自适应模糊控制系统研究

本文在对某超临界600MW直流锅炉高温过热器动态特性进行机理分析的基础上，研究了锅炉主要工况车数（压力P、温度T和流量D）对过热汽温过程动态特性（或模型参数）的影响，提出了一种新颖的自适应模糊汽温控制系统。仿真结果表明，用这种方法建立的汽温控制系统具有较好的控制品质和较强的自适应能力。

基于主元分析与现场数据的过热汽温动态建模研究

为克服试验建模与机理建模方法的不足,对利用现场数据建立过热汽温的动态模型进行了研究.通过对影响过热汽温的12个主要过程变量的运行数据进行主元分析,得到了2～3个主元,计算了各主元的贡献率、T2统计量以及在T2统计量较大时12个过程变量对第1主元的贡献,确定出过热器喷水流量是引起过热汽温变化的主导因素.基于现场数据,证明了过热汽温控制系统满足闭环可辨识性条件;并且建立了过热器喷水流量扰动下过热汽温的动态数学模型.对所建立的模型进行了仿真验证,模型反映了过热汽温的实际运行状况.

基于Laguerre模型的过热汽温自适应预测PI控制系统

针对火电厂锅炉过热汽温控制的特点,设计1种基于Laguerre模型的自适应预测PI控制器。该预测控制器采用对时延具有良好逼近能力的正交Laguerre函数模型作为预测模型,利用带遗忘因子的最小二乘法在线辨识Laguerre预测模型的系数,以提高系统适应工况变化的能力;滚动优化指标采用比例积分型结构,以提高系统的快速性和鲁棒性。通过对具有严重参数不确定性、扰动以及大迟滞的电厂过热汽温被控对象进行仿真研究,结果表明该方法能够很好地适应对象特性的变化,且控制系统的性能比常规串级控制系统有较大提高。

自适应模糊神经网络控制在锅炉过热汽温控制中的应用

常规的模糊控制系统不能自动地将专家知识经验转化为推理规则库,缺乏有效的方法来改进隶属度函数,而自适应神经模糊推理系统(ANFIS)将模糊逻辑和神经元相结合,采用反向传播算法和最小二乘法的混合算法来调整前提参数和结论参数,并能自动产生模糊规则.在此基础上提出了一种自适应模糊神经网络控制器,并将其应用于火电厂锅炉过热汽温控制中.结果表明:与常规的PID控制相比,该方法提高了锅炉汽温控制系统的动态稳定性和抗干扰性.

基于改进PSO算法的过热汽温神经网络预测控制

将改进粒子群优化算法(MPSO)融合到神经网络预测控制中,提出了基于MPSO-RBF混合优化策略的模型预测器,以及基于MPSO算法的非线性优化控制器.针对过热汽温的控制。构造了基于神经网络预测控制的串级控制系统,并就该系统在实现时所涉及到的预测模型、滚动优化算法、反馈校正、仿真参数设置问题等进行了分析,给出了MPSO算法的粒子编码、操作设计和混合优化算法步骤.对某超临界600 MW直流锅炉高温过热器的过热汽温控制,进行了仿真试验,结果表明该方法具有良好的性能指标和应用前景.

基于自适应神经元网络的过热汽温智能控制

过热汽温调节过程是一个非线性时变过程。目前广泛使用的ＰＩＤ控制虽然有结构简单、鲁棒性强的优点，但也存在自适应性能差的缺点。作者利用神经元的学习特性，给出了一种神经元网络控制模型，并将其与串级控制相结合，形成了过热汽温智能控制结构。该结构可以实现参数的自整定，具有较强的自学习能力。最后通过仿真验证了该智能控制的有效性。

过热汽温增益自适应Smith预估控制

过热蒸汽温度是机组运行过程中需要监控的重要参数,为解决实际中的过热汽温普遍存在着滞后、非线性等问题,利用实际工程中过热蒸汽系统阶跃响应特性的数据,采用最小二乘法建立了控制对像的数学模型,在串级双回路控制的基础上引入了增益自适应SMITH预估控制。实际投运时过热汽温稳态偏差不超过2℃,负荷波动30%BMCR时动态偏差不超过4℃,结果表明,采用该控制策略具有较强的可实现性和较好的控制品质。

参数及延迟摄动过热汽温系统鲁棒控制器的设计

利用串级控制系统特点，对导前区及惰性区具有多个参数及延迟摄动的锅炉过热汽温鲁棒控制器的设计进行了研究。讨论了权函数的选择，求解了鲁棒PID控制器。仿真结果表明，用本文方法设计的过热汽温控制系统比常规的PID控制具有较好的鲁棒性能。

过热汽温多模型预测函数控制策略的研究

过热汽温系统是典型的大时延、大惯性对象,尤其当机组负荷变化时,参数表现出明显的时变特性,大大降低了传统PID串级控制的品质。基于此点,提出先进的多模型切换的过热汽温预测函数控制策略。使用带有Smith预估补偿思想的一阶时滞对象预测函数控制算法,来有效克服对象的大时延、大惯性;并通过建立若干典型工况的固定模型,在线计算其模型匹配度确定控制权重,从而得到控制器的输出的方法,能适应参数的时变。与PID串级控制和单一模型控制的仿真结果对比,证实了本控制策略的有效性。

基于Matlab的锅炉过热汽温模糊控制系统仿真

针对电站锅炉过热蒸汽温度PID串级控制系统的效果并非十分理想的现状 ,应用Matlab的模糊推理工具箱 ,设计了锅炉过热蒸汽温度模糊控制系统 ,并用Simulink进行了对比仿真研究 ,结果表明 ,应用模糊控制可获得比使用传统PID控制更为理想的调节效果 ,不论在何种扰动下 ,其综合控制品质指标都比较高 ,动态过渡过程时间比较短 ,基本上可以消除振荡 。

复合模糊串级系统在火电厂过热汽温控制中的应用

在对火电厂过热汽温控制对象特点分析基础上 ,保留串级控制抗内扰的性能 ,结合模糊控制动态特性好的特点 ,提出了一种复合模糊串级控制设计。仿真结果表明 ,用这种方法建立的过热汽温控制系统具有较好的控制品质和抗干扰能力。

1000MW超超临界机组过热汽温控制设计

为解决过热汽温定值扰动问题,针对外高桥第三发电厂1000 MW超超临界机组过热汽温被控对象的大惯性、大延迟等特性,基于Smith预估器原理,设计了一种改进型Smith预估器控制方法。Matlab仿真结果表明,所设计的控制系统在稳定性、快速性等方面优于常规串级PID控制系统,同时对同类超超临界机组过热汽温控制系统设计也具有很好的参考作用。

云模型算法及在过热汽温控制中的仿真研究

为了实现非线性、大时滞系统的良好控制,提出了一种新型的云模型智能控制算法。该算法是基于云模型控制规则的不确定性推理,用期望值Ex、熵En和超熵He表征定性概念,将概念的模糊性和随机性集成在一起,实现知识库中定量与定性之间的相互转换。该智能控制器采用模糊控制原理,同时为了消除稳态误差,加入了一维云控制,故采用了一种基于混合维的云模型智能控制器,并对600MW超临界机组直流锅炉的过热汽温进行了仿真研究。仿真结果表明,该控制器简易、直观、鲁棒性强,具有良好的控制性能和较好的应用价值。

基于控制历史的过热汽温模糊串级控制

针对过热汽温对象具有大迟延、不确定等特点,设计出了一种基于控制历史的串级控制系统。在对控制对象的动态特性分析的基础上,用历史的控制信息代替偏差变化率作为模糊控制的决策依据,从而及时地反映出被控制量的变化趋势;并在此基础上,引入了比例环节,综合了PID控制器和模糊控制器的优点,克服了传统模糊控制器结构上的缺陷。通过仿真实验,将用该控制器构成的汽温串级控制系统的控制效果与常规PID及传统模糊控制作比较,证明了所提出的控制方案能够有效减小延迟时间对控制效果的影响,具有较强的适应性。

模糊预测控制及其在过热汽温控制中的应用

为了实现对大滞后复杂过程的高质量控制，本文将模糊控制与预测控制相结合，提出了模糊预测控制方法，并给出了相应的控制算法。该方法克服了常规模糊控制方法存在的控制后果不能及时反馈的不足，而与现代控制理论中的预测控制方法相比又具有算法简单、易于实现的优点。应用该方法对锅炉过热汽温控制进行了仿真研究，结果表明本文提出的模糊预测控制是很有效的。

改进的自适应模型算法控制在过热汽温控制中的应用

针对锅炉过热汽温对象具有大惯性、大迟延、时变性等特点,提出一种基于最小均方算法的自适应模型算法控制-比例串级预测控制系统.通过最小均方自适应滤波器在线实时辨识被控对象的预测模型参数,再结合改进的自适应模型算法控制在线修正控制器参数.仿真结果表明:该控制策略实施简单、超调小,控制效果明显优于PID-P串级控制;且在降负荷实验中能有效适应对象参数时变,保证调节性能较好.