基于多水質(zhì)參數(shù)融合的鍋爐連排復(fù)合控制

王 恭 周曉東 張騰宇 趙鑫巖 王冰礁 曹生現(xiàn)

(1.東北電力大學(xué)自動(dòng)化工程學(xué)院，吉林 吉林 132012；2.山西新華化工有限責(zé)任公司，太原 030008； 3.華能羅源發(fā)電有限責(zé)任公司，福州 350026)

隨著火電機(jī)組容量的不斷增大，對(duì)鍋爐連續(xù)排污的控制要求也進(jìn)一步提高。目前，鍋爐連排普遍采用以爐水電導(dǎo)率為被控量的PID反饋控制系統(tǒng)。隨著電廠(chǎng)控制技術(shù)的發(fā)展，鍋爐連排控制技術(shù)不斷改進(jìn)，文獻(xiàn)[1，2]指出小容量鍋爐在工業(yè)生產(chǎn)的連排過(guò)程中，以排污率為標(biāo)準(zhǔn)，根據(jù)蒸汽量計(jì)算得到連排流量，對(duì)其進(jìn)行有效控制，可取得較好的排污效果。文獻(xiàn)[3]基于鍋爐連排流量由多水質(zhì)參數(shù)共同影響的特點(diǎn)，應(yīng)用現(xiàn)場(chǎng)實(shí)驗(yàn)數(shù)據(jù)，建立了爐水電導(dǎo)率和二氧化硅濃度與連排流量的函數(shù)關(guān)系。綜合比較這些控制策略在爐水連排中的控制效果，筆者根據(jù)爐水連排控制的實(shí)際情況和過(guò)程特點(diǎn)，建立了一種能夠應(yīng)對(duì)連排過(guò)程中大遲延、多變量和強(qiáng)時(shí)變性的多水質(zhì)參數(shù)連排復(fù)合控制系統(tǒng)，并進(jìn)行了仿真驗(yàn)證。

1.1 復(fù)合控制系統(tǒng)策略的確定

鍋爐連排控制存在多變量及大遲延等特點(diǎn)，而前饋-反饋控制策略在克服遲延和擾動(dòng)方面具有一定的優(yōu)勢(shì)[4,5]，為確保爐水pH值、電導(dǎo)率、磷酸根離子和二氧化硅4個(gè)水質(zhì)參數(shù)指標(biāo)適應(yīng)鍋爐運(yùn)行的要求，設(shè)計(jì)了鍋爐連排復(fù)合控制系統(tǒng)，系統(tǒng)結(jié)構(gòu)如圖1所示。其中被控量為爐水電導(dǎo)率，執(zhí)行器為連排流量閥，輸出為連排流量的調(diào)整值。在該控制系統(tǒng)設(shè)計(jì)中，前饋控制器采用數(shù)據(jù)融合算法[6～10]，實(shí)現(xiàn)多水質(zhì)參數(shù)與連排流量的關(guān)聯(lián)，融合結(jié)果作為前饋控制量，而在反饋環(huán)節(jié)中采用了模糊自整定PID控制方式，既具備了模糊控制的魯棒性又兼顧了PID控制高精度的特點(diǎn)[11]，可根據(jù)排出爐水電導(dǎo)率實(shí)時(shí)值對(duì)PID的控制參數(shù)進(jìn)行連續(xù)調(diào)整，以適應(yīng)參數(shù)時(shí)變的控制過(guò)程。

圖1 鍋爐連排復(fù)合控制系統(tǒng)結(jié)構(gòu)框圖

1.2 控制系統(tǒng)參數(shù)辨識(shí)

考慮到連排流量和爐水電導(dǎo)率之間的關(guān)系在電廠(chǎng)生產(chǎn)中難以確定，因此，筆者基于電廠(chǎng)鍋爐排污實(shí)際運(yùn)行情況，設(shè)計(jì)了控制系統(tǒng)參數(shù)模擬實(shí)驗(yàn)平臺(tái)，具體結(jié)構(gòu)如圖2所示。實(shí)驗(yàn)系統(tǒng)模擬了恒壓環(huán)境下影響爐水含鹽量的補(bǔ)給水、鍋爐連排及蒸發(fā)等環(huán)節(jié)的鍋爐水循環(huán)過(guò)程，然后根據(jù)實(shí)驗(yàn)數(shù)據(jù)對(duì)系統(tǒng)被控對(duì)象進(jìn)行參數(shù)辨識(shí)。實(shí)驗(yàn)得到的階躍響應(yīng)曲線(xiàn)如圖3所示，由曲線(xiàn)分析可知該系統(tǒng)具有明顯二階過(guò)阻尼特性，且為自平衡系統(tǒng)，參考文獻(xiàn)[12]系統(tǒng)辨識(shí)的算法，利用被控對(duì)象階躍響應(yīng)多組實(shí)驗(yàn)數(shù)據(jù)，辨識(shí)對(duì)象的傳遞函數(shù)，確定的系統(tǒng)傳遞函數(shù)如下：

(1)

圖2 模擬鍋爐連排系統(tǒng)結(jié)構(gòu)

1.3 前饋控制器的設(shè)計(jì)

前饋控制器的設(shè)計(jì)采用數(shù)據(jù)融合算法，兩級(jí)融合模型采用局部并行總體串行的復(fù)合結(jié)構(gòu)，然后通過(guò)BP神經(jīng)網(wǎng)絡(luò)融合算法，預(yù)測(cè)鍋爐連排流量，并以此克服水質(zhì)參數(shù)擾動(dòng)對(duì)系統(tǒng)帶來(lái)的影響。

(2)

二級(jí)融合。二級(jí)融合采用BP神經(jīng)網(wǎng)絡(luò)算法，建立各水質(zhì)參數(shù)與連排流量的關(guān)聯(lián)，根據(jù)各水質(zhì)參數(shù)數(shù)據(jù)實(shí)時(shí)、準(zhǔn)確地完成鍋爐連排流量的預(yù)測(cè)。

設(shè)xk表示第k次迭代的權(quán)值和閾值所組成的向量，新的權(quán)值和閾值組成的向量xk+1可根據(jù)下式求得：

xk+1=xk+Δx

(3)

對(duì)于牛頓法，則有下式：

Δx=-′2E(x)J-1·′E(x)

(4)

式中 ′E(x)——梯度；

′2E(x)——誤差指標(biāo)函數(shù)E(x)的Hessian矩陣。

確定誤差目標(biāo)函數(shù)后，由Jacobian矩陣推導(dǎo)出的L-M表達(dá)式如下：

Δx=[JT(x)J(x)+μI]-1J(x)e(x)

(5)

式中I——單位矩陣；

μ——常數(shù)，μ>0。

μ作為調(diào)整因子用于控制L-M算法的迭代，通過(guò)自適應(yīng)調(diào)整該值，L-M算法可以使梯度下降法與高斯牛頓法較好的結(jié)合。

二級(jí)融合的輸入為一級(jí)融合后的數(shù)據(jù)，輸出為連排流量。BP神經(jīng)網(wǎng)絡(luò)采取單隱含層、四輸入、一輸出的三層網(wǎng)絡(luò)結(jié)構(gòu)。將隱含層神經(jīng)元個(gè)數(shù)設(shè)為7，相鄰層的傳遞函數(shù)依次選取“tansig”、“purelin”函數(shù)。訓(xùn)練函數(shù)選取“trainlm”。設(shè)定的網(wǎng)絡(luò)參數(shù)為：學(xué)習(xí)速率0.05，動(dòng)量因子0.9，訓(xùn)練目標(biāo)最小誤差0.001。

為實(shí)現(xiàn)連排流量的準(zhǔn)確預(yù)測(cè)，二級(jí)融合網(wǎng)絡(luò)選用某火電廠(chǎng)600MW亞臨界機(jī)組110組樣本數(shù)據(jù)(表1)，對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和驗(yàn)證。

表1 樣本數(shù)據(jù)

(續(xù)表1)

1.4 反饋控制器設(shè)計(jì)

反饋控制器采用模糊自整定PID控制算法，實(shí)現(xiàn)對(duì)PID參數(shù)KP、KI、KD的在線(xiàn)調(diào)整。模糊控制器有兩個(gè)輸入，分別為設(shè)定的爐水電導(dǎo)率和出水電導(dǎo)率的偏差E和偏差變化率Ec，取其對(duì)應(yīng)的基本論域?yàn)閇-6,6]和[-5,5]，量化因子為5和2。輸出量為PID控制器的增量ΔKP、ΔKI、ΔKD，取其對(duì)應(yīng)的基本論域?yàn)閇-0.6,0.6]、[-0.012,0.012]和[-1.2,1.2]，比例因子為0.2、0.04和0.40。為提高系統(tǒng)的靈敏度，模糊子集選取{NB,NM,NS,ZO,PS,PM,PB}。為了便于算法實(shí)現(xiàn)，隸屬函數(shù)選取隸屬度幅值等于模糊論域步長(zhǎng)的三角形隸屬度函數(shù)，建立模糊控制規(guī)則(表2)，利用重心法求解模糊控制量。

表2 三參數(shù)模糊控制規(guī)則表

通過(guò)上述步驟，計(jì)算模糊控制器的3個(gè)輸出值ΔKP、ΔKI、ΔKD，利用臨界比例帶法確定的式(1)所示控制對(duì)象的初始控制參數(shù)為KP=1.2，KI=0.031，KD=11.27。至此模糊自整定PID控制器的參數(shù)實(shí)時(shí)調(diào)整如下：

(6)

2 控制系統(tǒng)仿真分析

在一級(jí)融合過(guò)程中選取某火電廠(chǎng)600MW亞臨界機(jī)組爐水中磷酸根離子某一段時(shí)間的測(cè)量值進(jìn)行處理，處理結(jié)果如圖4所示。由數(shù)據(jù)曲線(xiàn)可以看出，融合后數(shù)據(jù)曲線(xiàn)較為平滑，原始數(shù)據(jù)均方差為0.37，而融合后數(shù)據(jù)均方差為0.11。由此說(shuō)明經(jīng)數(shù)據(jù)融合算法處理的數(shù)據(jù)可提高測(cè)量數(shù)據(jù)的準(zhǔn)確度。

圖4 一級(jí)融合數(shù)值與原始數(shù)值對(duì)比

二級(jí)融合處理結(jié)果如圖5所示，圖中實(shí)際值和預(yù)測(cè)值能基本吻合，只有少數(shù)預(yù)測(cè)值與實(shí)際值有所差別，經(jīng)計(jì)算其平均絕對(duì)誤差為3.78%。因此設(shè)計(jì)的二級(jí)融合網(wǎng)絡(luò)能夠較為準(zhǔn)確地實(shí)現(xiàn)連排流量的預(yù)測(cè)。

圖5 二級(jí)融合數(shù)值與實(shí)際值對(duì)比

選取30組測(cè)試數(shù)據(jù)分別采用兩級(jí)融合和BP神經(jīng)網(wǎng)絡(luò)進(jìn)行排污流量預(yù)測(cè)，計(jì)算結(jié)果如圖6所示，兩級(jí)融合算法平均誤差為2.92%，BP神經(jīng)網(wǎng)絡(luò)平均誤差為5.76%。由此說(shuō)明設(shè)計(jì)的兩級(jí)數(shù)據(jù)融合算法在滿(mǎn)足系統(tǒng)實(shí)時(shí)性的要求下，預(yù)測(cè)值更為準(zhǔn)確。

圖6 兩級(jí)融合與BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值對(duì)比

鑒于爐水加藥對(duì)連排流量影響較大，特別是爐水加磷對(duì)爐水電導(dǎo)率影響最為顯著，為此選取磷酸根濃度作為干擾量。采用了典型的一階慣性模型，比例系數(shù)設(shè)為1.5，慣性時(shí)間常數(shù)T設(shè)為20，基于Simulink分別對(duì)前饋-反饋控制器、傳統(tǒng)PID控制和筆者設(shè)計(jì)的復(fù)合控制進(jìn)行仿真，仿真曲線(xiàn)如圖7所示。

仿真結(jié)果表明：前饋-反饋控制器相比傳統(tǒng)PID控制，超調(diào)量由34.0%下降到19.6%，調(diào)整時(shí)間由傳統(tǒng)PID的237s縮短到185s，且系統(tǒng)振蕩周期明顯縮短；當(dāng)加入干擾量時(shí)，系統(tǒng)的爐水電導(dǎo)率波動(dòng)較小，且能快速消除擾動(dòng)帶來(lái)的影響。引入模糊自整定PID控制器后，系統(tǒng)超調(diào)量控制到10.5%，調(diào)整時(shí)間相比前饋-反饋控制縮短了27s，外界擾動(dòng)的影響趨于平穩(wěn)，表明建立的復(fù)合控制模型能更好地適應(yīng)實(shí)際工況，與傳統(tǒng)控制系統(tǒng)對(duì)比，具有控制精度高、反應(yīng)速度快、抗干擾能力強(qiáng)及動(dòng)態(tài)性能穩(wěn)定等特點(diǎn)。

圖7 復(fù)合控制系統(tǒng)仿真對(duì)比曲線(xiàn)

3 結(jié)束語(yǔ)

針對(duì)鍋爐連續(xù)排污過(guò)程的特點(diǎn)，利用數(shù)據(jù)融合算法建立了預(yù)測(cè)排污流量的前饋模型，結(jié)合模糊PID控制器作為反饋校正，設(shè)計(jì)了鍋爐連排復(fù)合控制系統(tǒng)，實(shí)現(xiàn)了對(duì)連排流量的實(shí)時(shí)調(diào)整和爐水電導(dǎo)率的有效控制。控制系統(tǒng)仿真結(jié)果表明：該系統(tǒng)具有較好的動(dòng)、靜態(tài)性能，當(dāng)引入較大的外部擾動(dòng)時(shí)，系統(tǒng)表現(xiàn)出較好的魯棒性。

[1] 徐慶新.完善鍋爐連續(xù)排污控制與節(jié)能增效[J].工業(yè)鍋爐，2007，(2)：48～51．

[2] Li M，Zhang H B，Zhang W，et al．Optimal Energy-saving Control of the Steam Boiler Blowdown[J]．Industrial Instrumentation & Automation,2011,(6):77～79．

[3] 郭鵬.模糊前饋與模糊PID結(jié)合的風(fēng)力發(fā)電機(jī)組變槳距控制[J]．中國(guó)電機(jī)工程學(xué)報(bào)，2010，30(8)：123～128.

[4] 韓廣，喬俊飛，薄迎春.溶解氧濃度的前饋神經(jīng)網(wǎng)絡(luò)建模控制方法[J].控制理論與應(yīng)用，2013，30(5)：585～591．

[5] 王德明，王莉，張廣明.基于遺傳BP神經(jīng)網(wǎng)絡(luò)的短期風(fēng)速預(yù)測(cè)模型[J].浙江大學(xué)學(xué)報(bào)(工學(xué)版)，2012，46(5)：837～841，904．

[6] 郭鵬程，羅興锜，王勇勁，等.基于粒子群算法與改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的水電機(jī)組軸心軌跡識(shí)別[J].中國(guó)電機(jī)工程學(xué)報(bào)，2011，31(8)：93～97．

[7] 邵良衫，付貴祥.基于數(shù)據(jù)融合理論的煤礦瓦斯動(dòng)態(tài)預(yù)測(cè)技術(shù)[J].煤炭學(xué)報(bào)，2008，33(5)：551～555.

[8] 王恒，賈民平，陳左亮.基于多傳感器信息融合技術(shù)的球磨機(jī)料位測(cè)控系統(tǒng)[J].電力自動(dòng)化設(shè)備，2012，32(9)：138～141．

[9] 張雪，丁艷軍，鄭康捷，等.基于多信息融合的旋流燃燒器燃燒狀態(tài)評(píng)價(jià)[J].中國(guó)電機(jī)工程學(xué)報(bào)，2010，30(2)：23～28．

[10] 顧丹珍，艾芊，陳陳，等.自適應(yīng)神經(jīng)網(wǎng)絡(luò)在負(fù)荷動(dòng)態(tài)建模中的應(yīng)用[J].中國(guó)電機(jī)工程學(xué)報(bào)，2007，27(16)：31～36．

[11] 王華強(qiáng)，石亞娟，王健波.神經(jīng)網(wǎng)絡(luò)模糊PID在水輪機(jī)調(diào)速系統(tǒng)中的應(yīng)用[J].合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版)，2012，35(9)：1187～1191．

[12] 宋志安，王文馨.由階躍響應(yīng)曲線(xiàn)辨識(shí)傳遞函數(shù)的圖解方法[J].山東科技大學(xué)學(xué)報(bào)(自然科學(xué)版)，2003，22(1)：61～63．