关于RBF网络的GPC在火电单元机组中的应用研究.pdf

学兔兔 第6期 (总第151期) 机 械 工程 与 自动 化 No．6 2008年12月 MECHANICAL ENGINEERING ＆ AUT0MAT10N DeC． 文章编号：1672．641 3(2008)06—0005—04 基于RBF网络的GPC在火电单元机组中的应用研究 宋 涛，凌呼君，王春风，冯家鹏 (内蒙古工业大学信息学院，内蒙古 呼和浩特 010080) 摘要：大型火电单元机组是一个多变量、强耦合、大时滞的非线性系统，用传统的控制方法很难得到最佳的运 行效果 采用基于RBF网络的广义预测控制(GPC)策略，用RBF算法建立模型，用广义预测解决时滞问题。 该算法具有良好的动态响应和较强的鲁棒性，仿真结果表明了其有效性。 关键词：RBF神经网络；广义预测控制；火电单元机组 中图分类号：TM31：TP183 文献标识码：A 0 引言 干扰能力。 ‘ 火电单元机组是一个具有不确定性的复杂多变量 1 理论研究 被控对象，电网综合自动化对单元机组协调控制系统 1．1 基于RBF神经网络的预测模型 (CCS)的控制品质提出了越来越高的要求。事实上，许 RBF神经网络在结构上通常由输人层、隐含层和 多电厂的CCS并不能很好地投入自动化运行。实现大 输出层组成，在网络特征上与BP网络相似，也属于一 型单元机组鲁棒性的协调控制，可显著提高电力企业 种多层前向网络。与BP网络的不同之处在于RBF网 的经济效益，明显降低生产过程的能源消耗，减少设 络的作用函数采用的是径向基函数，它具有输出对参 备故障率，是实现电厂综合自动化的关键部分。 数局部线性的特点，网络训练可避开非线性优化，因 广义预测控制(GPC)是随着自适应控制的研究而 而不存在局部极小问题，而且在学习过程中即可确定 发展起来的一种预测控制方法。GPC是1978年Clark 网络的拓扑结构，使网络权系数计算的复杂性得以降 等人在最小方差控制的基础上提出的，引入了不相等 低，学习过程得以加速，所以RBF算法的学习速度要 的预测水平和控制水平，系统设计灵活方便，具有预 比BP算法快得多。RBF网络的结构见图1。 测模型、滚动优化和在线反馈校正等特征，呈现出优 良的控制性能和鲁棒性。然而，广义预测控制只是针 对线性系统的，对于非线性系统的预测控制，由于很 难得到精确的模型，现在还没有很好的解决办法。 径向基函数(RBF，Radial Basis Function)神经网 络是一种新颖有效的前馈式神经网络，具有较高的运 算速度。特别是它的较强的非线性映射能力，能以任 意精度全局逼近一个非线性函数。本文提出了一种基 图 1 RBF网络的结构图 于RBF神经网络的广义预测控制方法，首先用RBF RBF基函数选用高斯函数，即： 网络对非线性、不确定性对象进行辨识，然后将其作 lI：g--CilI 2 为预测模型，通过预测控制算法实时给出优化控制量。 a，( )：== ，(1I z—f ／ ，)一e一— 。 … (1) 该算法具有算法简单、控制量给出迅速及优化跟踪效 其中：c 是第J个基函数中心； 是一个可以自由选择 果好