基于神经网络建模和粒子群化的锅炉汽温控制研究毕业论文.docxVIP

PAGE  PAGE 12 基于神经网络建模和粒子群优化的 锅炉汽温控制研究 摘 要 过热蒸汽温度是大型燃煤机组的主要控制参数，对机组的安全性和经济性影响很大，是锅炉安全、经济运行的重要参数之一。过热器出口温度是全厂工质温度的最高点，也是金属壁温度的最高处，在过热器正常运行时已接近材料允许的最高温度，如果过热蒸汽温度过高，会直接危及过热器及汽轮机等设备的安全，影响安全运行；而温度过低，又会降低全厂热效率，并增大汽轮机的排气湿度，进而影响汽轮机的安全。所以过热蒸汽温度过高、过低都会对机组的安全经济运行构成威胁，一般要求过热蒸汽温度维持额定值，偏差在-5℃～+5℃范围。 锅炉运行过程中，影响蒸汽温度变化的因素很多，可分为两种：来自蒸汽侧和烟气侧。来自蒸汽侧影响因素的有：锅炉负荷、减温水量、给水温度等；来自烟气侧的影响因素有：燃料性质、 送风量、受热面清洁程度、燃烧器运行方式等。所以正常运行时，蒸汽温度也难免波动，必须采取非常有效的调温措施才能保证汽温符合要求。 喷水减温是过热汽温控制的常见手段。现有的过热汽温控制方法有两种，一种是传统串级PID控制的方法，另一种是智能控制方法。由于锅炉结构复杂，系统庞大，过热汽温系统是一个非线性、大迟延、大惯性、强耦合的复杂大系统。传统方法由于当负荷大范围变化时原先整定好的PID参数往往不适合新的工况，严重影响汽温控制品质，而PID参数的优化整定又耗时耗力。而智能控制非常适合于非线性、强耦合、多变量系统的建模与优化，因此得到了越来越多的重视。 本文主要研究了基于神经网络的预测控制方法的过热汽温控制方案。文中采用BP网络和Elman网络完成了建模，并对这两种建模方法进行了分析。分析了锅炉过热器特性及过热汽温的影响因素。在此基础上，针对600MW超临界锅炉的过热汽温系统，借助MATLAB建立神经网络模型，确定控制方案并进行详尽的控制仿真试验。试验结果表明：与原串级PID控制系统相比，该预测控制方法明显减小了系统的超调量，大大缩短了系统的稳态时间，明显改善了过热汽温的控制品质。 关键词??过热汽温，预测控制，粒子群算法，BP网络，Elman网络 目录 第一章绪论 第二章第2章 人工神经网络的基本概念 第三章 第四章 第6章 结论 攻读硕士学位期间发表的论文及其它成果 参考文献 致 谢 综上，研究一种智能的火电厂锅炉燃烧优化控制系统是电厂在当前的能源 和环境形势下的需要，而建立快速、准确的锅炉蒸汽温度模型是优化控制系统的重要基础和必要前提。 神经网络是一种按照人脑的组织和活动原理而构造的一种非线性映射模型, 可以实现任何复杂的因果关系映射,特别适用于处理复杂问题,在预测评估、智能控制、模式识别、信号处理、非线性优化、函数逼近、自适应控制和预测及管理工程等领域具有广泛的应用。近年来人们采用神经网络建立过程的非线性模型获得了满意的效果。 粒子群优化(PSO)算法作为一种高效的并行搜索算法，非常适于对复杂环境中的优化问题求解，目前，粒子群优化算法已经成功地应用于系统辨识、神经网络训练、模糊系统控制、化工、医疗等各个研究和应用领域。 智能控制理论是一门新兴的交叉学科，是控制理论发展的高级阶段。它是人工智能控制论、系统论和信息论等多种学科的高度综合与集成，是当今国内外自动化学科中一个十分活跃和具有挑战性的领域。主要用来解决那些用传统方法难以解决的复杂系统的控制问题。 具体说来，智能控制的研究对象具有不确定性的模型、高度的非线性和复杂的任务要求。智能控制是自动控制理论与人工智能相结合的产物。简单说来，智能控制所要解决的问题是:如何将人工智能技术中较少依赖模型的问题求解方法与常规的控制方法相结合。智能控制理论包括下面几种:专家系统;遗传算法;Petri网;人机系统理论;大系统理论;神经网络理论;模糊集合论等。 第1章 绪论 1.1 课题背景 能源是人类社会赖以生存和发展的重要物质基础。随着经济的发展，社会对能源的需求也在与日俱增。对全球未来七十年的能源需求及能量利用结构的预测表明，人类生产和生活对能量的需求为现在的三倍，而对电能的需求将增加到五倍，煤炭将作为发电的主要燃料以满足世界能源需求，预计其需求量将增加到目前的七倍。随着我国国民经济的迅速发展，我国电力设备装机容量以每年7%-8%的速率递增，其中燃煤机组占有很大比重[2]。为响应国家节能减排的号召，改善环境，电厂作为耗能大户，必须加大节能减排研究、提高锅炉机组的热效率，而加大单机容量是一种有效的手段。 超临界机组作为世界上比较成熟的一项技术，具有热效率高、可靠性好、环保指标先进、可复合变压运行、调峰性能好等优势，所以运用高效、高参数、大容量的超临界机组建设燃煤电厂是我国本世纪初电力技术发展的必然趋势[3,4]。目前机组的蒸汽