火電機組主蒸汽溫度優化系統控制策略的研究

崔家政

摘要：火電機組主蒸汽溫度優化系統控制策略主要是對熱效率、有害物質排放等，進行嚴格控制，提高火電機組的運行效率，改善排氣質量。

關鍵詞：火電機組；神經網絡；模糊控制

1.前言

我國環境污染日益嚴重，作為火力發電需要持續改善其技術水平，而發電機組高效，環保的運行，是未來一大趨勢。

2火電機組研究意義

2.1火電機組研究背景

由于技術水平的限制，小機組燃燒效率低，無法有效控制燃煤量。燃燒效率不能合理控制。只有添加脫硫脫氮裝置和廢熱回收裝置才能提高燃燒效率。因此，提高煤炭利用率，改善環境是我國煤電發展的重要目標，也是實現煤電可持續發展戰略的重要手段之一。

目前的情況引發了如何應對火電廠經濟安全的新問題。這些問題需要通過實踐研究和新的技術手段加以解決。主蒸汽溫度控制系統是火電廠鍋爐的重要控制系統之一。其任務是確保過熱器出口處的蒸汽溫度在預設值的小范圍內穩定。控制效果不僅影響火電機組的效率。它也影響設備的安全運行，甚至影響整個社會的供電平衡。如果蒸汽溫度超過穩定范圍，較高的溫度會影響過熱器金屬管壁的強度，嚴重威脅安全生產。較低的蒸汽溫度也會導致整個工廠的熱效率下降，導致火力發電廠的經濟效益不合理。它也增加了汽輪機最后階段的腐蝕可能性。

2.2火電機組研究的目的

每降低5°C的蒸汽溫度將導致熱效率下降約1%，由此造成的能源浪費令人擔憂。因此，過熱器出口處的蒸汽溫度與機組的安全性和經濟性密切相關。通常，與設定值的偏差保持在-10°C至+5°C的范圍內。長期以來，主汽溫控制是火電機組的難點。主要原因如下：

（1）影響主蒸汽溫度變化的因素很多。例如：整個裝置的負載變化，噴霧流量和噴霧水溫的變化，煙氣側的溫度變化以及煙氣阻尼器的擺動角度。同時，整個主蒸汽溫度系統的大延遲和大慣性特性溫度變化的影響也更加劇烈；

（2）主汽溫系統不是穩定的、不變的，正相反，主汽溫系統受各種因素的影響，是時變的、非線性的，不能用統一的、穩定的數學模型來描述；

（3）隨著經濟發展和政策變化，火電廠主蒸汽溫度的控制要求將會增加。火電廠主蒸汽溫度的穩定性為單位負荷，經濟性和安全性提供了良好的保證。同時，還可以提高火電機組的鍋爐燃燒效率，減少有害物質的排放，滿足國家政策要求，滿足社會發展的需要.

3.火電機組主汽溫控制策略

3.1模糊控制

模糊控制是智能控制技術之一。它是一種將控制理論和模糊集合論相結合的新型控制技術。傳統控制方法的大部分前提已經很清楚了，或者可以近似得到控制對象的傳遞函數。但是，現代設備的整合越來越高，往往是一個多輸入，多輸出的系統，每個輸入輸出之間。沒有簡單的線性時間不變關系。有一個復雜的耦合非線性關系。建立這種系統的精確或近似模型很困難。此時，模糊控制是解決這個問題的一種方法。

模糊控制的一般流程包括輸入模糊化，模糊規則判斷和去模糊處理。由于模糊邏輯更貼近人類的邏輯思維和語言表達，因此模糊控制系統的應用比傳統的二元系統具有更為明顯的優勢，因此理解起來非常直觀，直觀。其意義可以從以下兩個角度來分析：

（1）模糊控制提出了一種基于語義描述規則實現控制規律的新控制概念。這個過程結合了專家系統，模糊理論和控制理論。它在工程應用上有很大的發展前景。

（2）模糊控制為非線性控制器的設計提供了一種簡便的方法，因為它不需要對受控對象進行建模，所以當受控對象存在不確定性或難以使用傳統的線性控制理論時，設計時模糊控制就是更加有效。許多實驗表明，模糊系統得出的結論比傳統方法得到的結論更優越，特別是對于一些不確定且難以定性分析的系統，模糊系統可以獲得更滿意的控制效果。

3.2神經網絡

神經網絡技術是一種具有自學習能力的算法，它逐漸指向控制領域。系統建模和故障診斷中有實際的應用實例。基于神經網絡的各種自學習算法在控制系統中的應用主要是克服被控對象的非線性和時滯。因此，神經網絡能很好地描述非線性系統，并能通過相應的控制策略跟蹤目標值。然而，神經網絡在訓練過程中需要大量的迭代計算，這也是限制神經網絡實際應用的主要問題。人工神經網絡是模擬建立人類神經結構的理論系統。在這個理論體系中，神經網絡完全連接在層之間，但層不連通。在網絡中，數據處理通過層間數據傳輸來執行。每個神經元都是一個小的非線性系統。每個神經元都有很多輸入。在網狀連接之后，數據被存儲并傳輸計算。人工神經網絡在控制領域的應用：

（1）在足夠的神經網絡層和神經元的前提下，人工神經網絡可以完全逼近任意復雜的非線性系統的輸入輸出；

（2）人工神經網絡能夠充分地學習和模擬不確定系統的動態特性；

（3）神經網絡層間權重的設置完成數據的傳輸和存儲，實現數據模式的全面學習，具有很強的魯棒性；

（4）神經網絡的并行數據處理模型使神經網絡能夠快速處理大量數據并獲取數據。這些特征都表明，神經網絡在解決高度非線性和嚴重不確定系統的控制方面具有巨大的潛力。發電廠的主蒸汽溫度具有滯后大，慣性大，非線性，及時變性的特點。研究這種特性的人工神經網絡是理所當然的。

神經網絡辨識動態系統已通過仿真驗證，證明神經網絡對動態系統辨識具有較好的效果。用神經網絡，模糊理論和廣義預測控制來控制主蒸汽溫度，這與預期結果一致。自適應神經模糊推理系統和控制算法的PID控制方案經過多年的發展，逐漸呈現出傳統控制理論，模糊邏輯，神經網絡等優化技術融合發展的趨勢。

4.火電機組主蒸汽溫度神經模糊模型

4.1機組主蒸汽溫度神經模糊軟測量模型輸入變量的選擇

根據火電廠機組主蒸汽溫度工藝機理分析、靈敏性、特異性、精確性選擇輔助變量。主蒸汽溫度與4個變量有關：一級減溫水流量x1、二級減溫水流量x2、主蒸汽流量x3、高溫過熱器入口溫度x4，用非線性關系描述：

式中，yr為主蒸汽溫度，記X=[x1，x2，x3，x4，yr]。

4.2機組主蒸汽溫度神經模糊模型

機組主蒸汽溫度神經模糊模型由五層前向網絡構成，第一層為輸入層，由4個神經元構成，每個神經元分別對應著一級減溫水流量x1、二級減溫水流量x2、主蒸汽流量x3、高溫過熱器入口溫度x4，神經元起著將輸入信號直接傳給下一層的作用；第二層為模糊化層，由4×N個神經元組成（N表示模糊規則數），每個神經元表示一個隸屬度函數；第三層為模糊條件層，由N個神經元組成，每個神經元表示一條模糊規則；第四層為模糊決策層，由兩個神經元組成；第五層為輸出層，由1個神經元組成，對應著主蒸汽溫度。模型的輸出為：

式中，μj（xi）為高斯型隸屬度函數，Aji（i=1，2，3，4；j=1，2，…，N）為第j條規則中個輸入分量的模糊子集，cji為模糊子集Aji的高斯型隸屬度函數的中心，bj為模糊子集Aji的高斯型隸屬度函數的寬度，hj為后件參數。cji，bj，hj為機組主蒸汽溫度神經模糊模型的可調參數。

5.結束語

根據對火電機組主蒸汽溫度優化系統控制策略的研究，充分保證了火電機組的燃燒率的前提下，同時改善了其有害氣體的排放量，為能源節約，環境改善做出了重要貢獻。

參考文獻：

[1]陳景通，李忠舒.火電廠鍋爐主汽溫模糊控制系統的研究[J].沈陽師范大學學報（自然科學版）.2016，04：510-513

[2]楊仲睿.基于模糊理論的主蒸汽溫度PID控制系統的研究[J].科技信息.2016，24：152-153