基于神經(jīng)網(wǎng)絡(luò)的超臨界機(jī)組過熱汽溫設(shè)定值優(yōu)化補(bǔ)償

馬良玉， 陳婷婷， 劉文杰， 李倩倩

(華北電力大學(xué) 控制與計(jì)算機(jī)工程學(xué)院，河北保定 071003)

過熱蒸汽溫度(以下簡稱過熱汽溫)是電廠鍋爐運(yùn)行中的關(guān)鍵參數(shù)，其過高或過低都會顯著影響鍋爐機(jī)組的安全性和經(jīng)濟(jì)性。由于鍋爐過熱汽溫的影響因素較多，且具有較大的慣性和遲延，大型鍋爐普遍采用串級比例積分微分(PID)控制器來改善過熱汽溫的控制品質(zhì)。但隨著風(fēng)電、太陽能等新能源大規(guī)模入網(wǎng)，火電機(jī)組參與電網(wǎng)一次調(diào)頻和自動發(fā)電控制(AGC)，經(jīng)常處于深度變負(fù)荷工況下運(yùn)行，現(xiàn)有的串級汽溫控制策略往往達(dá)不到理想的控制效果。為適應(yīng)機(jī)組負(fù)荷的頻繁變化，往往需要對各PID控制器參數(shù)進(jìn)行分段優(yōu)化整定，但是需要整定的PID參數(shù)較多，調(diào)試工作量很大，費(fèi)時費(fèi)力[1]。隨著人工智能技術(shù)的發(fā)展，一些數(shù)據(jù)驅(qū)動的先進(jìn)控制策略如神經(jīng)網(wǎng)絡(luò)逆控制、神經(jīng)網(wǎng)絡(luò)模型預(yù)測優(yōu)化控制等，已開始嘗試應(yīng)用在火電機(jī)組上[2-7]。但總體來說這些算法尚存在完備性、全工況適應(yīng)性和可靠性等問題，還不能完全替代廣泛使用的PID控制器。

除此之外，另外一種改善汽溫控制效果的新思路是在原PID控制器的頂層對PID設(shè)定值進(jìn)行實(shí)時優(yōu)化補(bǔ)償，使原有汽溫控制系統(tǒng)跟蹤調(diào)整后的參考值，將過熱汽溫更好地控制在期望目標(biāo)。柴天佑等[8-11]對采用設(shè)定值實(shí)時優(yōu)化方法提升控制品質(zhì)的原理進(jìn)行了分析，并給出了成功應(yīng)用的案例。

筆者針對某600 MW超臨界機(jī)組過熱器噴水減溫系統(tǒng)，基于機(jī)組的歷史運(yùn)行數(shù)據(jù)，建立過熱汽溫對象的神經(jīng)網(wǎng)絡(luò)預(yù)測模型，采用模型預(yù)測前饋補(bǔ)償和反饋補(bǔ)償結(jié)合的方法，對過熱汽溫設(shè)定值進(jìn)行實(shí)時優(yōu)化補(bǔ)償，達(dá)到改善汽溫控制效果的目的。

1 過熱汽溫對象神經(jīng)網(wǎng)絡(luò)建模

1.1 機(jī)組及噴水減溫系統(tǒng)簡介

研究對象為某實(shí)際運(yùn)行的600 MW超臨界機(jī)組，型號為DG-1900/25.4-Ⅱ，為單爐膛、一次再熱、平衡通風(fēng)、固態(tài)排渣和全懸吊結(jié)構(gòu)Π型鍋爐。

該鍋爐過熱汽溫采用兩級噴水減溫控制，各級噴水均分為左、右兩側(cè)，可以分別調(diào)節(jié)。第一級噴水減溫器在低溫過熱器出口集箱與屏式過熱器入口集箱之間，用于控制屏式過熱器出口汽溫。第二級噴水減溫器在屏式過熱器出口集箱與末級過熱器入口集箱之間的連接管道上，用于精確控制末級過熱器出口汽溫，使之穩(wěn)定在額定值。鍋爐噴水減溫系統(tǒng)如圖1所示。實(shí)際機(jī)組汽溫控制系統(tǒng)中，兩級噴水均采用串級PID控制方案。

圖1 噴水減溫系統(tǒng)布置圖

本文仿真建模與控制優(yōu)化試驗(yàn)在針對該600 MW機(jī)組開發(fā)的全范圍仿真機(jī)上完成。該仿真系統(tǒng)由保定華仿科技股份有限公司開發(fā)，已通過現(xiàn)場驗(yàn)收，具有較高精度和良好的動態(tài)特性，可提供連續(xù)實(shí)時的仿真環(huán)境，模擬各種不同的升降負(fù)荷工況。

1.2 模型建立

考慮鍋爐噴水減溫系統(tǒng)特性以及過熱汽溫的影響因素，最終選定模型參數(shù)見表1。

表1 過熱汽溫系統(tǒng)神經(jīng)網(wǎng)絡(luò)模型變量選取Tab.1 Selection of input/output variables for neural network models of the superheated steam temperature system

為準(zhǔn)確模擬過熱汽溫系統(tǒng)的動態(tài)特性，以BP神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，將表1中各輸入變量的當(dāng)前時刻值和上一時刻值以及輸出變量的上一時刻值作為模型的輸入項(xiàng)，輸出變量的當(dāng)前時刻值作為模型的輸出項(xiàng)，建立各級噴水減溫系統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型[6-7]。模型的具體結(jié)構(gòu)見圖2。

圖2 神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)圖

為使所建立的模型能全面準(zhǔn)確地反映被控對象特性，神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練數(shù)據(jù)應(yīng)包括不同工況下的穩(wěn)態(tài)數(shù)據(jù)和變工況下的動態(tài)數(shù)據(jù)。為此，筆者借助600 MW超臨界機(jī)組仿真機(jī)，采集負(fù)荷分別為600 MW、540 MW和480 MW時的穩(wěn)態(tài)數(shù)據(jù)，以及以12 MW/min變負(fù)荷率、1 MPa/min變壓速率在480～600 MW之間變負(fù)荷的動態(tài)數(shù)據(jù),共7 218組數(shù)據(jù)，采樣周期為1 s，樣本數(shù)與采樣時間相對應(yīng)。

神經(jīng)網(wǎng)絡(luò)選取具有1個輸入層、1個隱含層和1個輸出層的3層BP神經(jīng)網(wǎng)絡(luò)，隱含層激勵函數(shù)選用tansig，輸出層激勵函數(shù)選用purelin。借助Matlab神經(jīng)網(wǎng)絡(luò)工具箱建立包含噴水減溫器的屛式過熱器和末級過熱器出口汽溫預(yù)測模型。各參數(shù)初始設(shè)置如下：最大訓(xùn)練周期為1 000，目標(biāo)均方誤差(MSE)為1×10-6，訓(xùn)練方法采用L-M算法。經(jīng)多次訓(xùn)練確定2個過熱汽溫預(yù)測模型的隱含層節(jié)點(diǎn)數(shù)分別為19和23。訓(xùn)練結(jié)果見圖3。圖中一級、二級過熱汽溫分別對應(yīng)屛式過熱器出口汽溫(左)和末級過熱器出口汽溫(右)，誤差是指汽溫預(yù)測模型預(yù)測輸出與實(shí)際汽溫的絕對誤差。

圖3 過熱汽溫預(yù)測模型訓(xùn)練結(jié)果

從圖3可以看出，一級、二級過熱汽溫預(yù)測模型預(yù)測誤差較小，神經(jīng)網(wǎng)絡(luò)輸出均能較好地?cái)M合樣本輸出。

為驗(yàn)證模型對不同工況的預(yù)測效果，將模型連入仿真機(jī)，設(shè)置變負(fù)荷率為15 MW/min，變壓速率為1 MPa/min，負(fù)荷由600 MW、540 MW、480 MW、540 MW和600 MW依次先降后升，進(jìn)行變負(fù)荷驗(yàn)證試驗(yàn)，結(jié)果如圖4所示。從圖4可以看出，采用與訓(xùn)練工況不同的變負(fù)荷率升降負(fù)荷時，一級、二級過熱汽溫預(yù)測模型有一定的預(yù)測誤差，但誤差較小。表明該模型預(yù)測效果較好，滿足工程應(yīng)用要求。

圖4 過熱汽溫預(yù)測模型驗(yàn)證Fig.4 Verification of superheated steam temperature prediction models

2 過熱汽溫設(shè)定值優(yōu)化補(bǔ)償方案

2.1 設(shè)定值優(yōu)化補(bǔ)償原理

研究[8-11]表明，在復(fù)雜控制對象的PID控制回路頂層，借助機(jī)組的歷史運(yùn)行數(shù)據(jù)建立數(shù)據(jù)驅(qū)動的工況預(yù)測模型，并根據(jù)當(dāng)前控制誤差反饋，對其設(shè)定值進(jìn)行實(shí)時優(yōu)化補(bǔ)償，使原有控制系統(tǒng)跟蹤優(yōu)化后的新參考值，在不改變PID本身閉環(huán)穩(wěn)定性、收斂性的前提下，可將被控變量更好地控制在原工藝設(shè)定目標(biāo)，得到更好的控制效果。

基于上述思路，結(jié)合過熱汽溫對象特性的神經(jīng)網(wǎng)絡(luò)建模，提出一種模型預(yù)測前饋補(bǔ)償和反饋補(bǔ)償結(jié)合的過熱汽溫設(shè)定值優(yōu)化方案，其原理見圖5。

圖5 設(shè)定值優(yōu)化補(bǔ)償原理

該優(yōu)化方案由過熱汽溫神經(jīng)網(wǎng)絡(luò)預(yù)測模型、設(shè)定值前饋補(bǔ)償模塊、設(shè)定值反饋補(bǔ)償模塊三部分構(gòu)成。

(1) 過熱汽溫神經(jīng)網(wǎng)絡(luò)預(yù)測模型：對過熱汽溫系統(tǒng)的特性進(jìn)行分析，選取合理的模型輸入、輸出變量，建立各級過熱汽溫神經(jīng)網(wǎng)絡(luò)預(yù)測模型。

(2) 設(shè)定值前饋補(bǔ)償模塊：根據(jù)過熱汽溫設(shè)定值y*(k)與神經(jīng)網(wǎng)絡(luò)模型汽溫預(yù)測值y′(k)的偏差，產(chǎn)生前饋補(bǔ)償量yF(k)。

(3) 設(shè)定值反饋補(bǔ)償模塊：根據(jù)過熱汽溫設(shè)定值y*(k)與實(shí)際汽溫y(k)的偏差，產(chǎn)生反饋補(bǔ)償量yB(k)。

(1)

2.2 神經(jīng)網(wǎng)絡(luò)前饋補(bǔ)償器

機(jī)組大幅度、高頻率的變負(fù)荷過程必然會導(dǎo)致鍋爐過熱汽溫發(fā)生波動，甚至難以穩(wěn)定到期望值。前饋補(bǔ)償?shù)哪康氖菍C(jī)組負(fù)荷及各種擾動引起的過熱汽溫變化提前作出反應(yīng)，及時調(diào)整設(shè)定值，以改善過熱汽溫的控制品質(zhì)。神經(jīng)網(wǎng)絡(luò)前饋補(bǔ)償器借助過熱汽溫神經(jīng)網(wǎng)絡(luò)預(yù)測模型得到汽溫預(yù)測值y′(k)，計(jì)算過熱汽溫設(shè)定值y*(k)與過熱汽溫預(yù)測值y′(k) 的偏差eF(k)=y*(k)-y′(k)，進(jìn)而求取過熱汽溫設(shè)定值的前饋補(bǔ)償量yF(k)，其計(jì)算式為：

yF(k)=kfpeF(k)+kfd[eF(k)-eF(k-1)]

(2)

式中：kfp、kfd為前饋補(bǔ)償器的2個系數(shù)，其值根據(jù)試驗(yàn)合理確定。

2.3 誤差反饋補(bǔ)償器

基于過熱汽溫預(yù)測模型的設(shè)定值前饋補(bǔ)償器能夠預(yù)估工況變化對過熱汽溫的影響，實(shí)現(xiàn)提前補(bǔ)償，但考慮模型預(yù)測可能存在誤差，為更好地消除各種干擾對過熱汽溫的影響，設(shè)計(jì)了過熱汽溫設(shè)定值反饋補(bǔ)償模塊。根據(jù)期望過熱汽溫設(shè)定值y*(k)與過熱汽溫實(shí)際值y(k)之間的偏差eB(k)=y*(k)-y(k)，獲得過熱汽溫設(shè)定值的反饋補(bǔ)償量yB(k)，其計(jì)算式為：

yB(k)=kbpeB(k)+kbd[eB(k)-eB(k-1)]

(3)

式中:kbp、kbd為反饋補(bǔ)償器的2個系數(shù)，其值根據(jù)試驗(yàn)合理確定。

3 汽溫設(shè)定值優(yōu)化補(bǔ)償仿真試驗(yàn)研究

將設(shè)定值優(yōu)化補(bǔ)償方案應(yīng)用于該600 MW超臨界機(jī)組全范圍仿真機(jī)，驗(yàn)證方案的有效性。仿真系統(tǒng)各級過熱器噴水減溫控制邏輯、過熱汽溫設(shè)定值均與實(shí)際機(jī)組一致。其中，一級過熱汽溫設(shè)定值隨工況自動調(diào)整，二級過熱汽溫設(shè)定值為固定值571 ℃。

3.1 參數(shù)優(yōu)化確定試驗(yàn)

由于圖1所示二級過熱器噴水減溫系統(tǒng)設(shè)定值優(yōu)化所需確定的參數(shù)較多，本試驗(yàn)中前饋補(bǔ)償器、反饋補(bǔ)償器的系數(shù)kfd、kbd均設(shè)置為0，則需優(yōu)化確定的參數(shù)有kfp1、kbp1、kfp2和kbp2。

以kbp2的優(yōu)化為例，在機(jī)組以12 MW/min的變負(fù)荷率由600 MW降至540 MW的變負(fù)荷工況下，kbp2分別取4、6、8和10時進(jìn)行重復(fù)試驗(yàn)，比較不同取值下的末級過熱汽溫控制效果曲線，以汽溫整體偏差最小且不發(fā)生振蕩為指標(biāo)對參數(shù)進(jìn)行優(yōu)選，初步確定kbp2為8。

同樣地，對其他幾個參數(shù)進(jìn)行多次試驗(yàn)，初步確定4個補(bǔ)償系數(shù)值?？紤]前饋反饋共同作用可能會使設(shè)定值校正過強(qiáng)導(dǎo)致振蕩，在各參數(shù)初步確定后，需要進(jìn)行前饋反饋組合校正試驗(yàn)，并根據(jù)試驗(yàn)結(jié)果對個別系數(shù)進(jìn)行調(diào)整。最終確定各系數(shù)的最優(yōu)取值為kfp1=0.5，kbp1=2，kfp2=0.6，kbp2=8。

下文試驗(yàn)過程均采用上述最優(yōu)取值，而機(jī)組原汽溫控制邏輯和各PID控制器的參數(shù)均保持不變。

3.2 訓(xùn)練工況下變負(fù)荷試驗(yàn)結(jié)果

機(jī)組采用12 MW/min變負(fù)荷率、1 MPa/min變壓速率，負(fù)荷從600 MW滿負(fù)荷以滑壓方式連續(xù)降到540 MW和480 MW，再以同樣方式升到600 MW的變工況條件下進(jìn)行仿真試驗(yàn)(試驗(yàn)工況1)。負(fù)荷變化、優(yōu)化前后汽溫控制效果、過熱汽溫設(shè)定值變化以及各級噴水閥開度的變化對比如圖6所示。

圖6 試驗(yàn)工況1控制效果比較

從圖6可以看出，在機(jī)組負(fù)荷變化過程中，采用原控制二級過熱汽溫在566～576 ℃，偏離設(shè)定值±5 K，基本滿足汽溫控制要求，但過熱汽溫控制品質(zhì)相對較差。加入設(shè)定值補(bǔ)償后的二級過熱汽溫在570～572 ℃，偏離設(shè)定值±1 K，且調(diào)節(jié)時間明顯縮短，大大提升了過熱汽溫控制品質(zhì)。

3.3 不同中間負(fù)荷點(diǎn)連續(xù)升降負(fù)荷試驗(yàn)結(jié)果

為驗(yàn)證優(yōu)化方案在不同穩(wěn)態(tài)負(fù)荷點(diǎn)下的效果，機(jī)組以12 MW/min變負(fù)荷率、1 MPa/min變壓速率，在600 MW、560 MW、520 MW、480 MW之間依次分階段降/升負(fù)荷(試驗(yàn)工況2)，進(jìn)行設(shè)定值優(yōu)化補(bǔ)償試驗(yàn)，并與原控制效果進(jìn)行對比，結(jié)果見圖7。由圖7可知，當(dāng)機(jī)組選取不同的中間負(fù)荷進(jìn)行升/降負(fù)荷試驗(yàn)時，設(shè)定值優(yōu)化補(bǔ)償后的控制效果仍優(yōu)于機(jī)組原控制效果。

圖7 試驗(yàn)工況2控制效果對比

4 結(jié) 論

在深入研究600 MW超臨界機(jī)組過熱汽溫特性的基礎(chǔ)上采用神經(jīng)網(wǎng)絡(luò)方法建立了一級、二級過熱汽溫特性的神經(jīng)網(wǎng)絡(luò)預(yù)測模型，并對模型進(jìn)行了驗(yàn)證。在不改變原過熱汽溫控制邏輯和PID參數(shù)的前提下，在汽溫控制回路頂層設(shè)計(jì)了基于預(yù)測模型前饋補(bǔ)償和反饋補(bǔ)償相結(jié)合的設(shè)定值優(yōu)化補(bǔ)償方案。基于Matlab編制了過熱汽溫設(shè)定值實(shí)時優(yōu)化補(bǔ)償算法，并借助超臨界機(jī)組仿真系統(tǒng)進(jìn)行了詳細(xì)的控制仿真試驗(yàn)。結(jié)果表明，與機(jī)組原控制相比，增加設(shè)定值優(yōu)化補(bǔ)償方案后，無論從超調(diào)量還是調(diào)節(jié)時間，過熱汽溫的控制品質(zhì)均得到了明顯提升，達(dá)到了預(yù)期效果。

需要指出，本文研究工作均借助火電機(jī)組仿真機(jī)完成，當(dāng)應(yīng)用于實(shí)際機(jī)組時神經(jīng)網(wǎng)絡(luò)建模數(shù)據(jù)應(yīng)采用機(jī)組真實(shí)歷史數(shù)據(jù)，且負(fù)荷范圍應(yīng)涵蓋AGC深度調(diào)峰的最大變化范圍。此外，由于仿真機(jī)與實(shí)際機(jī)組的特性存在差異，本文優(yōu)化方案也需要在真實(shí)機(jī)組中進(jìn)一步檢驗(yàn)和完善。