基于混合策略麻雀算法的鍋爐主汽溫系統(tǒng)參數(shù)優(yōu)化

國(guó)能浙江北侖第一發(fā)電有限公司 鄔正濤

近年來，電力工業(yè)作為支撐國(guó)家經(jīng)濟(jì)發(fā)展的支柱行業(yè)，在我國(guó)經(jīng)濟(jì)高速發(fā)展和社會(huì)對(duì)電力需求的持續(xù)需求下得到了迅猛的發(fā)展[1]。當(dāng)前，在碳中和、碳達(dá)峰的宏觀背景和新時(shí)期電力工業(yè)轉(zhuǎn)型挑戰(zhàn)下，大型火力發(fā)電廠所面臨的機(jī)遇和挑戰(zhàn)都是空前的。在電源側(cè)，以高比例、大規(guī)模光伏發(fā)電和風(fēng)力發(fā)電為代表的新型能源結(jié)構(gòu)發(fā)電形式并入電網(wǎng)，火電機(jī)組需要承擔(dān)更重的調(diào)頻任務(wù)，同時(shí)也對(duì)大型火力發(fā)電機(jī)組提出了更高的控制要求[2]。

由于新能源機(jī)組出力具有間歇性、隨機(jī)性和大幅波動(dòng)性；為平衡區(qū)域電網(wǎng)內(nèi)能量供需，火電機(jī)組需要實(shí)時(shí)調(diào)整機(jī)組發(fā)電負(fù)荷，由于機(jī)組負(fù)荷升降速率的提升，傳統(tǒng)的鍋爐過熱蒸汽溫度控制系統(tǒng)面臨著較大的挑戰(zhàn)。本文將混合策略的改進(jìn)麻雀算法應(yīng)用至大型火電機(jī)組的主汽溫系統(tǒng)參數(shù)優(yōu)化中，為行業(yè)中相關(guān)問題提供借鑒和參考。

1 鍋爐主汽溫被控對(duì)象特性

超臨界機(jī)組過熱蒸汽溫度的穩(wěn)定不僅代表鍋爐系統(tǒng)中設(shè)備的安全穩(wěn)定運(yùn)行，許多控制回路中都將此參數(shù)作為輔助調(diào)節(jié)變量，因此鍋爐主蒸汽溫度控制系統(tǒng)是鍋爐十分重要控制系統(tǒng)之一。大型火電機(jī)組過熱器普遍布置在爐膛上部以及高溫?zé)煹乐校诟骷?jí)過熱器間布置減溫器，減溫水一般從鍋爐給水管道中的給水調(diào)門后引出[3]。過熱蒸汽溫度系統(tǒng)簡(jiǎn)化流程圖如圖1所示。

圖1 典型超臨界直流鍋爐主蒸汽溫度系統(tǒng)簡(jiǎn)化流程圖

一般將鍋爐汽水分離器出口的過熱蒸汽溫度稱為中間點(diǎn)溫度，中間點(diǎn)溫度的值與機(jī)組實(shí)時(shí)水煤比直接相關(guān)。根據(jù)質(zhì)量守恒、能量守恒定理，某超臨界直流爐機(jī)組主蒸汽溫度系統(tǒng)的熱平衡方程如式（1）所示：

式中：D 為給水流量，kg/s；B 為鍋爐給煤量，kg/s；hr為過熱器出口蒸汽比焓，kJ/kg；hw為給水比焓，kJ/kg；η 為鍋爐效率，%；Qb為單位燃煤發(fā)熱量，kJ/kg；φl為再熱器相對(duì)吸熱量，%；Ea為排煙熱損失，kJ/s；Eb為散熱損失，kJ/s。

根據(jù)式（1），得到過熱器出口蒸汽比焓hr如式（2）所示：

由式（2）可知，出口蒸汽的比焓值直接取決于燃料量與給水量的比值。

影響過熱蒸汽溫度的因素有很多，但主要是以下三種擾動(dòng)情況：蒸汽流量擾動(dòng)、煙氣側(cè)傳熱量擾動(dòng)以及噴水減溫環(huán)節(jié)擾動(dòng)。

各擾動(dòng)環(huán)節(jié)對(duì)過熱蒸汽系統(tǒng)的影響如下：蒸汽流量擾動(dòng)下，過熱蒸汽溫度具有自平衡特性，且蒸汽溫度的慣性和遲延都比較小，流量擾動(dòng)下主汽溫響應(yīng)曲線如圖2所示。由于煙氣側(cè)傳熱量擾動(dòng)會(huì)有諸多例如鍋爐負(fù)荷、燃料量、燃料的品質(zhì)、送引風(fēng)量等參數(shù)的改變，從而影響過熱系統(tǒng)內(nèi)部的傳熱情況，當(dāng)煙氣傳熱量改變時(shí)與蒸汽流量改變時(shí)對(duì)主汽溫的影響是類似的。減溫水?dāng)_動(dòng)下過熱汽溫動(dòng)態(tài)特性如圖3所示。

圖2 蒸汽流量擾動(dòng)下主汽溫響應(yīng)曲線

圖3 蒸汽流量擾動(dòng)下主汽溫響應(yīng)曲線

根據(jù)上述分析，過熱蒸汽系統(tǒng)可類比于多個(gè)單容環(huán)節(jié)所組成的多容環(huán)節(jié)系統(tǒng)。根據(jù)現(xiàn)場(chǎng)經(jīng)驗(yàn)，過熱蒸汽溫度具有較大的容積延遲，而導(dǎo)前區(qū)溫度具有明顯的導(dǎo)前特點(diǎn)，因此工程上常采用串級(jí)控制的方式應(yīng)用在過熱蒸汽溫度系統(tǒng)上，過熱蒸汽溫度控制系統(tǒng)方框圖如圖4所示。由于直流鍋爐設(shè)計(jì)的特點(diǎn)，需要在運(yùn)行過程中根據(jù)實(shí)時(shí)負(fù)荷及運(yùn)行工況在線調(diào)整給煤量與給水量的比值，以維持水煤比的實(shí)時(shí)平衡，即采用外環(huán)進(jìn)行調(diào)整水煤比、內(nèi)環(huán)調(diào)整噴水減溫流量的串級(jí)PID 控制方式。其中，主環(huán)控制器的被控量為惰性區(qū)溫度，副環(huán)控制器的被控量為導(dǎo)前區(qū)溫度。

圖4 過熱蒸汽溫度串級(jí)控制系統(tǒng)方框圖

過熱蒸汽溫度串級(jí)PID 控制系統(tǒng)的整定方法與普通串級(jí)回路整定方法類似。針對(duì)本文所述系統(tǒng)，導(dǎo)前區(qū)溫度對(duì)內(nèi)部回路的擾動(dòng)更加敏感，同時(shí)由于主環(huán)系統(tǒng)與副環(huán)系統(tǒng)的工作頻率不同，在進(jìn)行串級(jí)系統(tǒng)整定時(shí)，需要將主、副環(huán)間的影響考慮在內(nèi)，以減小兩者間的相互影響。

在實(shí)際應(yīng)用中，一般采用逐步逼近法或者兩步整定法，但是這種方法同樣存在著弊端，即當(dāng)現(xiàn)場(chǎng)工況發(fā)生改變時(shí)，不能及時(shí)地根據(jù)實(shí)際運(yùn)行情況動(dòng)態(tài)的調(diào)整PID 參數(shù)。因此，針對(duì)這一問題，目前有許多例如自適應(yīng)控制、最優(yōu)控制、模糊控制等先進(jìn)控制理念或思想應(yīng)用到其中。

2 混合策略麻雀算法

在原始麻雀算法中，種群中個(gè)體被分為三種類型，即發(fā)現(xiàn)者、跟隨者和警戒者[4]。麻雀優(yōu)化算法的數(shù)學(xué)模型如下所述：一是初始化算法參數(shù)，設(shè)置種群數(shù)量，針對(duì)具體的尋優(yōu)問題設(shè)置適應(yīng)度函數(shù)；二是根據(jù)模型公式更新發(fā)現(xiàn)者的位置；三是根據(jù)模型公式更新跟隨者的位置；四是根據(jù)模型公式更新警戒者位置[5]。基于本文所述被控對(duì)象，針對(duì)性的對(duì)原始麻雀算法進(jìn)行改進(jìn)。

首先針對(duì)麻雀算法本身，由于原始算法采用隨機(jī)初始化種群策略，但是初始化對(duì)首代群體的位置分布情況影響較大，因此本文加入混沌初始化的方式。

其次針對(duì)本文的被控對(duì)象，過熱蒸汽溫度串級(jí)控制器參數(shù)尋優(yōu)，不同于國(guó)際標(biāo)準(zhǔn)的CEC 測(cè)試集，很難提前獲知理論上最優(yōu)控制器參數(shù)，實(shí)際應(yīng)用中往往需要將尋優(yōu)程序迭代到最大次數(shù)，才能滿足程序的終止條件。因此，需要將原始麻雀算法的收斂速度加以提高，并加入特定的判定語(yǔ)句，及時(shí)地終止程序。具體改進(jìn)措施如下：在算法中加入選擇算子，將群體中適應(yīng)度較差的個(gè)體替換為優(yōu)良個(gè)體；同時(shí)，通過加入個(gè)體適應(yīng)度標(biāo)準(zhǔn)差來判斷群體是否收斂，以此來終止程序的迭代。混合改進(jìn)策略麻雀算法偽代碼見表1。

表1 混合改進(jìn)策略麻雀算法偽代碼

3 試驗(yàn)驗(yàn)證

工程上常用的過熱蒸汽溫度系統(tǒng)控制器參數(shù)尋優(yōu)常采用工程整定法，以華東某660MW 機(jī)組為被控對(duì)象模型參數(shù)，基于MATLAB 平臺(tái)，將本文提出的混合策略麻雀算法與工程整定法進(jìn)行對(duì)比試驗(yàn)。其中，算法的個(gè)體適應(yīng)度采用主蒸汽溫度控制系統(tǒng)輸出與設(shè)定值偏差的絕對(duì)誤差積分，如式（3）所示：

主蒸汽溫度系統(tǒng)方框圖如圖5所示，其中主環(huán)和副環(huán)控制器均采用PI 型控制器，如式（4）所示：

圖5 過熱蒸汽溫度串級(jí)系統(tǒng)方框圖

在鍋爐負(fù)荷為68%額定負(fù)荷工況下進(jìn)行控制器參數(shù)尋優(yōu)。設(shè)置麻雀群體數(shù)目N=20、最大迭代次數(shù)M=1000，原始算法與混合策略麻雀算法的收斂曲線如圖6所示。

圖6 兩種算法尋優(yōu)收斂曲線

根據(jù)圖6可知，在加入混沌初始化和選擇算子后，改進(jìn)SSA 算法能夠快速收斂，同時(shí)精度并沒有較原始SSA 下降。將上述兩種算法與工程整定法的參數(shù)進(jìn)行負(fù)荷響應(yīng)實(shí)驗(yàn)，三種方法在68%額定負(fù)荷工況下的輸出響應(yīng)曲線如圖7所示。

圖7 三種方法輸出響應(yīng)曲線

由圖7可知，兩種尋優(yōu)算法的響應(yīng)曲線均較工程整定法更優(yōu)，同時(shí)改進(jìn)SSA 能夠在不降低尋優(yōu)精度的同時(shí)，提高收斂速度。綜上所述，隨著群集智能優(yōu)化算法的不斷發(fā)展和創(chuàng)新，該技術(shù)能夠在以后電力系統(tǒng)中推廣和應(yīng)用，從而提高整個(gè)電力行業(yè)的信息化及智能化水平。