主汽温串级控制系统仿真研究论文.doc

主汽温串级控制系统仿真研究毕业论文 1绪论 论文的意义和选题背景 在现代火力发电厂的热工过程控制系统中，锅炉过热器出口温度（主汽温）对整个电厂的效率和安全具有十分重要的作用若温度过高，过热器和高压锅炉会被损坏，若温度过低，电厂的效率会被降低。过热器内部温度变化也要很好的抑制，否则，剧烈的温度变化会引起较大的机械压力，可能会引起锅炉破裂，从而会减少加热系统单元的生命并且增加维护费用。因此合理控制主汽温对保证电厂的安全经济运行有重大影响。在实际中，由于过热汽温系统具有大迟滞，大惯性等特点，并且具有温度波动允许范围小，模型失配，参数不确定等因素，控制主汽温并不是一件容易的工作。(只有被调量一个反馈回路)虽然是一种最基本的、使用最广泛的调节系统，但由于现场实际对象多半属于大迟延大惯性，用单回路调节系统性能指标很差，若调节质量要求较严时就无能为力了，采用传统的单回路控制难以达到控制要求一般采用串级系统对生产流程加以控制。据此本文设计了控制系统，取得了较好的仿真结果。PID串级控制策略。在主蒸汽温度串级PID控制系统中，有时会将负荷信号、燃料量信号、主蒸汽压力信号、给水流量信号以前馈形式引入到串级系统的副调节器中，以实现“超前”调节。但以调节参数固定不变的PID控制器来控制主蒸汽温度这种时变的复杂对象时，控制效果仍会很不理想。为此，以智能控制技术的思想被广泛的用于主蒸汽温度控制过程控制中，不少学者和技术人员开展了对主蒸汽温度控制的相关研究，主要有以下几个方面： (1) 预测控制技术在主汽温控制的应用 预测控制的最大优点是对模型精度要求不高，且跟踪性能好，比较适用于复杂工业过程的控制，特别是比较适合于大滞后被控过程的自动控制。由于主蒸汽温度被控对象是一 个大迟延系统，能实现“超前”控制是改善控制效果的一个有效手段。由于预测控制具有优良的性能，国内外不少学者对预测控制技术在火电机组热工过程控制中应用进行了一些研究，并针对主汽温系统多扰动、大迟延、大惯性、动态特性复杂等，给出了控制策略。仿真结果表明都能较好地克服对象的多扰动特性和大时滞特性，有较强的抗干扰能力和鲁棒性。 （2) 模糊控制技术在蒸汽温度控制中的应用 文[2]针对传统PID控制中的非线性和不确定性在实际电厂运行过程中对电厂运行效率的不利影响，提出一种基于神经网络模糊控制理论的非线性预测控制器(NFGPC)，该控制器中包含了一个局部的神经网络线性模块，用于200Mw的电站锅炉的过热蒸汽的控制。将模糊控制理论、神经网络等技术用于对电厂的主汽温控制、过热汽温的控制成为了很多学者经常采用的一种手段，实践也证明这种方法取得了不错的效果。 文[3]设计了一种具有变论域思想的自适应预测模糊控制器，并应用于600 Mw主汽温控制系统中，获得了良好的控制品质；并且针对多变量控制系统，设计了一种基于遗传算法的受限模糊广义预测控制算法，此算法可以优化任何形式的目标函数同时能够使系统快速收敛。将其应用于300Mw的某燃油单元机组协调控制系统中，有效减小了系统的超调量，提高了系的快速性。文[3]针对主汽温具有影响因素多、时滞较大及模型时变的特点，提出了主汽温自整定模糊控制算法，该算法利用解析公式形式，对主汽温偏差及其变化率、导前汽温变化率进行了综合考虑，并可根据运行工况自动调整各模糊变量的加权因子，其控制效果优于常规的控制系统。 文[4]提出一种聚焦式模糊变结构控制算法，能使系统在多种干扰下具有较强鲁棒性的同时，具有较快的响应速度，仿真结果表明：新算法具有很好的动态品质，可以有效地消除系统的稳态误差，其控制效果良好。Eliasi等IMJ将自适应模糊控制理论应用于核电站主蒸汽的控制中，在负荷变化时采用预测控制与模糊理论相结合，在实践中取得了不错的效果。 (3) 神经网络技术在主汽温控制中的应用 基于神经网络的自学习模糊PID控制器在控制品质方面明显优于常规PID控制系统，尤其在变工况时，控制效果更加明显。此类控制的特点是将神经网络所具有的自学习能力与PID控制器的鲁棒性相结合，实现了对非线性、大时滞系统模型的控制。神经网络采用多层前传网络结构，针对BP算法容易陷入局部最小的缺陷，提出了数值积分寻优和BP算法相结合的IBP神经网络训练算法。仿真结果表明了所设计控制系统优良的控制性能。 (4) 遗传算法在电厂主汽温控制中的应用 针对电厂过程控制中主蒸汽温度的大迟延性、非线性和时变性，文[5]在充分分析主蒸汽温度被控对象动态特性和现场实际情况的基础上，将现代控制理论中的状态观测器技术，用于实现主蒸汽温度的导前汽温的重构；采用神经网络技术，实现了准确性较高的主蒸汽温度前馈控制：采用模糊控制技术，在很难获得主蒸汽温度被控对象的数学模型的情况下，实现了对主蒸汽温度的有效控制；设计出适用于过程控制的基于遗传算法机理的模糊控