基于模糊神經(jīng)網(wǎng)絡(luò)的火電廠鍋爐主蒸汽溫度控制方法

王天曉

（國(guó)家能源集團(tuán)國(guó)源電力有限公司，北京 100033）

對(duì)鍋爐主蒸汽溫度進(jìn)行精確、快速、穩(wěn)定控制是火電廠正常運(yùn)行的關(guān)鍵。然而，傳統(tǒng)火電廠鍋爐主蒸汽溫度控制方法存在一些問(wèn)題。例如，一些基于規(guī)則的控制器速度雖然較快，但它們通常是固定的，不能適應(yīng)復(fù)雜的工況變化。另外，一些基于模型的控制器雖然能夠?qū)崿F(xiàn)精確控制，但它們通常需要精確的模型，實(shí)際應(yīng)用中通常難以得到。因此，尋找一種新型的火電廠鍋爐主蒸汽溫度控制方法對(duì)提高火電廠的運(yùn)行效率和安全性具有重要的實(shí)際意義。目前，作為一種新型的智能控制方法，模糊神經(jīng)網(wǎng)絡(luò)在許多領(lǐng)域中得到了廣泛應(yīng)用。模糊神經(jīng)網(wǎng)絡(luò)結(jié)合了模糊邏輯和神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)，既具有模糊邏輯的魯棒性和自適應(yīng)性，又具有神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)和自適應(yīng)性。因此，模糊神經(jīng)網(wǎng)絡(luò)在處理具有不確定性和非線(xiàn)性的復(fù)雜系統(tǒng)時(shí)具有較大優(yōu)勢(shì)。為此本文提出基于模糊神經(jīng)網(wǎng)絡(luò)的火電廠鍋爐主蒸汽溫度控制方法，為火電廠鍋爐主蒸汽溫度控制提供借鑒和參考。

1 建立火電廠鍋爐數(shù)學(xué)模型

火電廠鍋爐主蒸汽的溫度主要受鍋爐擾動(dòng)因素，如保留尾部煙道的煙氣溫度擾動(dòng)、鍋爐負(fù)荷擾動(dòng)以及過(guò)熱器減溫水側(cè)擾動(dòng)等的影響，可隨工況的變化，利用線(xiàn)性化分布參數(shù)建模方法建立火電廠鍋爐主蒸汽溫度參數(shù)數(shù)學(xué)模型，并利用傳遞函數(shù)（傳遞函數(shù)是一種表示系統(tǒng)輸入和輸出間關(guān)系的數(shù)學(xué)模型）對(duì)系統(tǒng)進(jìn)行線(xiàn)性、時(shí)不變的描述。由于傳遞函數(shù)可描述系統(tǒng)的動(dòng)態(tài)響應(yīng)，因此在控制理論中是一種常見(jiàn)的做法。火電廠鍋爐主蒸汽溫度參數(shù)數(shù)學(xué)模型如公式（1）所示。

式中：T表示火電廠鍋爐主蒸汽溫度；Dsp表示火電廠鍋爐減溫水流量；KDT表示火電廠鍋爐負(fù)荷；e表示火電廠鍋爐尾部煙道的煙氣溫度；ε表示工質(zhì)流過(guò)整個(gè)受熱管的平均時(shí)間；α表示動(dòng)態(tài)參數(shù)；Tm表示金屬蓄熱時(shí)間常數(shù)[1]。

公式（1）中，工質(zhì)流過(guò)整個(gè)受熱管的平均時(shí)間如公式（2）所示。

式中：V表示火電廠鍋爐環(huán)節(jié)容積；ρ表示鍋爐環(huán)節(jié)內(nèi)工質(zhì)的平均密度；D表示火電廠鍋爐主蒸汽流量[2]。

根據(jù)鍋爐對(duì)流放熱系數(shù)確定模型中動(dòng)態(tài)參數(shù)，如公式（3）所示。

式中：β表示鍋爐對(duì)流放熱系數(shù)；A表示鍋爐環(huán)節(jié)內(nèi)表面積；C表示鍋爐環(huán)節(jié)內(nèi)工質(zhì)的平均定壓比熱[3]。

公式（3）中鍋爐對(duì)流放熱系數(shù)計(jì)算過(guò)程如公式（4）所示。

式中：B表示一常數(shù)；δ表示鍋爐流體熱導(dǎo)率；η表示鍋爐流體的動(dòng)力黏度[4]。

根據(jù)鍋爐管壁金屬的質(zhì)量和比熱，計(jì)算出鍋爐金屬蓄熱時(shí)間常數(shù)，其計(jì)算過(guò)程如公式（5）所示。

式中：M表示鍋爐管壁金屬的質(zhì)量；S表示鍋爐管壁金屬的比熱[5]。

再根據(jù)鍋爐噴水處蒸汽焓和減溫水焓確定火電廠鍋爐負(fù)荷，原因是鍋爐的負(fù)荷會(huì)直接影響鍋爐的運(yùn)行狀態(tài)，而噴水處蒸汽焓和減溫水焓則是與鍋爐蒸汽質(zhì)量、溫度相關(guān)的物理量。鍋爐噴水處蒸汽焓是指噴入鍋爐的水蒸氣的比內(nèi)能，而減溫水焓則是指降溫水的比內(nèi)能。這些參數(shù)的變化與鍋爐負(fù)荷密切相關(guān)，通過(guò)計(jì)算和監(jiān)測(cè)這些物理量的變化，可以確定鍋爐的負(fù)荷情況，并對(duì)鍋爐運(yùn)行狀態(tài)進(jìn)行調(diào)節(jié)和控制，其計(jì)算過(guò)程如公式（6）所示。

式中：I表示鍋爐噴水處蒸汽焓；Isp表示鍋爐減溫水焓；F表示鍋爐環(huán)節(jié)出口工質(zhì)的定壓比熱。

通過(guò)上述對(duì)火電廠鍋爐主蒸汽的溫度特性分析，建立火電廠鍋爐溫度參數(shù)數(shù)學(xué)模型。該模型旨在分析鍋爐主蒸汽的溫度特性，以便更好地理解和描述鍋爐主蒸汽溫度的變化規(guī)律，并為后續(xù)的溫度控制和系統(tǒng)優(yōu)化提供理論支持和技術(shù)依據(jù)。

2 基于模糊神經(jīng)網(wǎng)絡(luò)的溫度誤差補(bǔ)償控制

根據(jù)上文建立的鍋爐主蒸汽溫度參數(shù)數(shù)學(xué)模型，利用無(wú)線(xiàn)傳感器采集模型中各參量數(shù)據(jù)信息。參量包括在鍋爐主蒸汽溫度、鍋爐尾部煙道的煙氣溫度、鍋爐減溫水流量、鍋爐負(fù)荷、鍋爐噴水處蒸汽焓、過(guò)熱器減溫水側(cè)擾動(dòng)、火電廠鍋爐環(huán)節(jié)容積、鍋爐環(huán)節(jié)內(nèi)工質(zhì)的平均密度、鍋爐環(huán)節(jié)出口工質(zhì)的定壓比熱、鍋爐管壁金屬的質(zhì)量和比熱以及其他影響鍋爐主蒸汽溫度的因素，如環(huán)境溫度、濕度等。上述參數(shù)信息可以幫助監(jiān)測(cè)和分析鍋爐主蒸汽溫度的變化情況，從而進(jìn)行溫度誤差的預(yù)測(cè)和補(bǔ)償控制。采集模型中各參量數(shù)據(jù)信息后，利用模糊神經(jīng)網(wǎng)絡(luò)對(duì)參量信息融合分析，對(duì)鍋爐主蒸汽溫度誤差預(yù)測(cè)并確定溫度誤差補(bǔ)償量，由控制器對(duì)溫度補(bǔ)償量執(zhí)行，實(shí)現(xiàn)對(duì)鍋爐主蒸汽溫度的控制[6]。模糊神經(jīng)網(wǎng)絡(luò)是模糊理論與神經(jīng)網(wǎng)絡(luò)的融合，主要由輸入層、模糊化層、模糊推理層和輸出層4個(gè)部分組成，將采集的參量輸入模糊神經(jīng)網(wǎng)絡(luò)的輸入層中，輸入層中各節(jié)點(diǎn)的輸入為鍋爐主蒸汽溫度數(shù)學(xué)模型中的各參量。引入模糊神經(jīng)網(wǎng)絡(luò)的原因包括6個(gè)方面。1）適應(yīng)性強(qiáng)。模糊神經(jīng)網(wǎng)絡(luò)能夠處理模糊不確定的信息，對(duì)某些復(fù)雜、不確定的系統(tǒng)具有較強(qiáng)的適應(yīng)能力。2）非線(xiàn)性映射能力強(qiáng)。模糊神經(jīng)網(wǎng)絡(luò)能夠?qū)Ψ蔷€(xiàn)性問(wèn)題進(jìn)行有效建模和處理，適用于各種實(shí)際場(chǎng)景中的非線(xiàn)性關(guān)系。3）良好的魯棒性。模糊神經(jīng)網(wǎng)絡(luò)對(duì)輸入數(shù)據(jù)的擾動(dòng)和噪聲有一定程度的魯棒性，能夠保持較好的穩(wěn)定性。4）推理能力強(qiáng)。模糊神經(jīng)網(wǎng)絡(luò)采用模糊推理，可以進(jìn)行靈活的推理和決策，能夠應(yīng)對(duì)常規(guī)神經(jīng)網(wǎng)絡(luò)難以解決的問(wèn)題。5）適用于數(shù)據(jù)不完整的情況。模糊神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)不完整或存在缺失的情況下依然能夠進(jìn)行有效的建模和分析。6）易于與專(zhuān)家知識(shí)結(jié)合。模糊神經(jīng)網(wǎng)絡(luò)利用模糊集合理論，可以較好地集成專(zhuān)家經(jīng)驗(yàn)和知識(shí)，從而提高系統(tǒng)的智能化水平。因此模糊神經(jīng)網(wǎng)絡(luò)在處理模糊、不確定和非線(xiàn)性問(wèn)題方面具有一定的優(yōu)勢(shì)，適用于火電廠鍋爐主蒸汽溫度控制。根據(jù)上文建立的主蒸汽溫度參數(shù)數(shù)學(xué)模型中變量的數(shù)量，并結(jié)合模糊神經(jīng)網(wǎng)絡(luò)，確定輸入層節(jié)點(diǎn)數(shù)量。輸入層輸入向量如公式（7）所示。

式中：f1表示輸入層節(jié)點(diǎn)1輸入向量；X表示鍋爐主蒸汽溫度控制變量；xn表示第n個(gè)控制變量數(shù)值。

在模糊神經(jīng)網(wǎng)絡(luò)的控制過(guò)程中，如果不同輸入變量的量綱相差較大，可能會(huì)影響學(xué)習(xí)過(guò)程，甚至出現(xiàn)梯度爆炸或梯度消失等問(wèn)題。通過(guò)歸一化處理，可以降低這些問(wèn)題發(fā)生的可能性，提高神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性和魯棒性，幫助模型更好地學(xué)習(xí)數(shù)據(jù)的特征，并提高訓(xùn)練的效率和精度。因此，將控制變量進(jìn)行歸一化處理還可以使不同量綱的變量具有統(tǒng)一的量綱和數(shù)值范圍，這對(duì)模型的收斂速度和穩(wěn)定性有利。因此，在輸入層中對(duì)所有控制變量進(jìn)行歸一化，將控制變量數(shù)值規(guī)范到區(qū)間0～1，消除變量量綱[7]。將歸一化后的變量輸入模糊化層，在模糊化層預(yù)估主蒸汽溫度誤差和誤差變化率，如公式（8）所示。

式中：σ表示鍋爐主蒸汽溫度誤差；Trey表示當(dāng)前鍋爐主蒸汽溫度；?表示鍋爐主蒸汽溫度誤差變化率[8]。

對(duì)以上2個(gè)參量進(jìn)行模糊化處理，如公式（9）所示。

式中：g（σ，?）表示模糊化后的鍋爐主蒸汽溫度控制向量；exp表示高斯函數(shù)；cij表示第i個(gè)信號(hào)與第j個(gè)模糊集合隸屬函數(shù)的均值；bj表示第j個(gè)模糊集合隸屬函數(shù)的標(biāo)準(zhǔn)差。將得到的溫度控制向量輸入模糊推理層，根據(jù)模糊規(guī)則對(duì)溫度控制向量進(jìn)行模糊運(yùn)算，其輸出為該層節(jié)點(diǎn)所有輸入的乘積，如公式（10）所示。

式中：f表示模糊推理層輸出向量；N表示隸屬度函數(shù)節(jié)點(diǎn)數(shù)量。

將其輸入輸出層，在輸出層對(duì)模糊運(yùn)算結(jié)果進(jìn)行加權(quán)計(jì)算，得到鍋爐溫度誤差補(bǔ)償量，如公式（11）所示。

式中：Z表示鍋爐主蒸汽溫度補(bǔ)償量；w表示模糊神經(jīng)網(wǎng)絡(luò)權(quán)值。

將模糊神經(jīng)網(wǎng)絡(luò)分析得到的溫度補(bǔ)償量輸入上文建立的參數(shù)模型中，對(duì)其進(jìn)行補(bǔ)償，如公式（12）所示。

通過(guò)鍋爐主蒸汽溫度誤差補(bǔ)償，將溫度調(diào)整到初始設(shè)置值，以此完成基于模糊神經(jīng)網(wǎng)絡(luò)的火電廠鍋爐主蒸汽溫度控制。

3 試驗(yàn)論證

3.1 試驗(yàn)準(zhǔn)備與設(shè)計(jì)

某火電廠鍋爐型號(hào)為KHJFA-A4F8，鍋爐電壓為380V，阻力損失為1300Pa，脫硫率為98%，鍋爐速度為1.46m/min，處理濃度為10000mg/m3，出口含塵濃度為15.45g/Nm3，處理風(fēng)量為1500m3/h～40000m3/h。對(duì)該鍋爐主蒸汽溫度控制試驗(yàn)，試驗(yàn)時(shí)間為10:30～17:30。在試驗(yàn)時(shí)間內(nèi)采集KYFAEFGAS、OFJWAJGWI共2個(gè)數(shù)據(jù)包，通過(guò)對(duì)數(shù)據(jù)處理和分析，確定鍋爐主蒸汽溫度誤差，得到溫度補(bǔ)償量，由IHFAS-4G7SA控制器對(duì)主蒸汽溫度進(jìn)行控制，具體控制情況見(jiàn)表1。

表1 火電廠鍋爐主蒸汽溫度控制

3.2 試驗(yàn)結(jié)果與討論

試驗(yàn)利用KYFAEFGAS數(shù)據(jù)包對(duì)鍋爐主蒸汽溫度控制的階躍響應(yīng)性能進(jìn)行檢驗(yàn)，利用OFJWAJGWI數(shù)據(jù)包對(duì)鍋爐主蒸汽溫度超調(diào)量進(jìn)行檢驗(yàn)。在工業(yè)控制理論中，階躍響應(yīng)曲線(xiàn)能夠反短時(shí)間內(nèi)，控制主體輸出在輸入量從零變成1后的狀況，能夠有效、直觀地描述控制方法的動(dòng)態(tài)性響應(yīng)與激勵(lì)。試驗(yàn)在火電廠鍋爐運(yùn)行過(guò)程中加入蒸汽流量擾動(dòng)，使鍋爐主蒸汽溫度波動(dòng)，根據(jù)記錄3種方法控制下10s～60s的火電廠鍋爐主蒸汽溫度變化情況，繪制鍋爐主蒸汽溫度控制階躍響應(yīng)曲線(xiàn)圖（如圖1所示）。在工業(yè)控制理論中，超調(diào)量能夠反映出控制精度。超調(diào)量是指控制值與預(yù)期值的差值，超調(diào)量越大，說(shuō)明控制精度越低。對(duì)該指標(biāo)設(shè)計(jì)8組試驗(yàn)，記錄3種方法超調(diào)量（見(jiàn)表2）。本次試驗(yàn)將本文方法與基于神經(jīng)網(wǎng)絡(luò)的方法、基于模糊PID的方法進(jìn)行比較，完成上述2個(gè)指標(biāo)的對(duì)比試驗(yàn)。

圖1 火電廠鍋爐主蒸汽溫度控制階躍響應(yīng)曲線(xiàn)

表2 火電廠鍋爐主蒸汽溫度超調(diào)量/℃

從圖1可以看出，3種方法的階躍響應(yīng)曲線(xiàn)存在差異，在鍋爐蒸汽流量擾動(dòng)工況下，基于模糊PID的方法在0s～20s溫度波動(dòng)比較大，到23.14s時(shí)鍋爐主蒸汽溫度才穩(wěn)定；基于神經(jīng)網(wǎng)絡(luò)的方法在0s～15s出現(xiàn)鍋爐主蒸汽溫度波動(dòng)，到第15.68s時(shí)鍋爐主蒸汽溫度才穩(wěn)定；基于本文方法的鍋爐主蒸汽溫度在5.62s就恢復(fù)到穩(wěn)定狀態(tài)，階躍響應(yīng)性能最優(yōu)。從表2數(shù)據(jù)可以看出，本文方法超調(diào)量為0.01℃～0.31℃，平均超調(diào)量為0.18℃，基于神經(jīng)網(wǎng)絡(luò)的方法超調(diào)量平均值為27.15℃，基于模糊PID的方法超調(diào)量平均值為18.24℃。從超調(diào)量方面來(lái)看，本文方法表現(xiàn)最佳。通過(guò)上述試驗(yàn)對(duì)比，本文方法能夠?qū)崿F(xiàn)對(duì)火電廠鍋爐主蒸汽溫度的有效控制。

4 結(jié)語(yǔ)

本文提出了一種基于模糊神經(jīng)網(wǎng)絡(luò)的火電廠鍋爐主蒸汽溫度控制方法。通過(guò)將模糊邏輯和神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)相結(jié)合，該方法能夠?qū)崿F(xiàn)更精確、更快速、更穩(wěn)定的溫度控制。試驗(yàn)結(jié)果表明，本文提出的基于模糊神經(jīng)網(wǎng)絡(luò)的火電廠鍋爐主蒸汽溫度控制方法的優(yōu)點(diǎn)如下：可提高溫度控制的精度和穩(wěn)定性，降低溫度偏差和波動(dòng)；縮短溫度達(dá)到設(shè)定值所需時(shí)間，提高控制速度。展望未來(lái)，可以進(jìn)一步探索和研究如下問(wèn)題：優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)的架構(gòu)和參數(shù)，以進(jìn)一步提高溫度控制的性能；將模糊神經(jīng)網(wǎng)絡(luò)與其他先進(jìn)控制方法相結(jié)合，以實(shí)現(xiàn)更高效、更智能的溫度控制。綜上所述，本文提出的基于模糊神經(jīng)網(wǎng)絡(luò)的火電廠鍋爐主蒸汽溫度控制方法為工業(yè)過(guò)程控制領(lǐng)域提供了一種新的有效工具，具有廣泛的應(yīng)用前景和重要的實(shí)際意義。