神经网络燃烧优化控制系统在莱城发电厂应用.docVIP

神经网络燃烧优化控制系统在莱城发电厂应用 　　【摘要】南京大陆中电科技股份有限公司的 “神经网络燃烧优化控制系统”于2004年年初在山东莱城发电厂正式投运，经过对机组各项技术数据的分析和系统投入运行前后的各项指标的分析对比，可以明显提高机组的经济性，同时，对于控制NOX指标也具有良好效果。。 　　【关键词】火电厂；锅炉；DCS；神经网络 　　随着我国改革的深化，人工神经网络是智能化技术发展的一个重要方向，是基于数据对非线性系统进行建模及分析的工具。用神经网络模拟实际的物理过程模型，具有识别、学习、逻辑思维和分析判断的能力。基于人工神经网络基础和优化控制理论的锅炉燃烧优化系统通过对锅炉运行历史数据和试验数据的分析判断，以热效率和氮氧化物、一氧化碳的排放量及机组的安全性为目标的优化燃烧，从而在不断变化的特定的系统运行状况下找出最佳匹配的操作参数，选择最优化的系统运行方案，这些技术已经成为未来发展的一个趋势。 　　国内电站锅炉煤耗高、效率低、污染物排放量大，而且与锅炉燃烧有关的事故多。开发锅炉燃烧优化控制系统能提高火力发电厂运行的经济性、安全性及自动化水平，并能有效地降低污染物排放量。 　　本文结合山东莱城电厂#1炉投运的首台“神经网络燃烧优化控制系统”在提高火力发电厂运行的经济性、安全性及自动化水平，降低污染物排放量方面进行简要的介绍。 　　一、系统实现功能 　　（1） 神经网络燃烧优化系统通过与DCS有机结合，通过闭环控制的方式进行燃烧优化调整； 　　（2） 神经网络燃烧优化系统为多目标多变量优化系统，用户可以根据机组的实际情况选择优化回路，通过投切优化回路变换，实现系统灵活配置； 　　（3） 系统为开放式系统，用户可以根据电厂实际情况，加入优化对象，实现对后续对象的优化； 　　（4） 系统具有动态预测功能； 　　（5） 神经网络燃烧优化系统 提供离线仿真系统。该系统可以用来查找模型的失谐和偏差扰动的纠正能力。同时，神经网络燃烧优化系统可以采用动态反馈来升级模型，通过使用动态反馈，可以迅速的消除扰动偏差、模型的失谐以及传感器的噪声； 　　二、系统原理和结构 　　1、系统的原理 　　该系统是一种基于人工神经网络、现代控制理论和非线性优化算法的多变量动态锅炉燃烧优化控制系统。系统拥有很强的适用于复杂环境和多目标控制要求的能力，并具有以任意精度逼近任意非线性连续函数的特性（自组织，自学习，自适应）而适用于复杂的热工控制领域。 　　系统利用机组DCS本身具有的数据库的数据作为系统数据分析的基础，经过神经网络模型在线分析，迅速得出运行参数的最优修正值，然后输出到DCS，对控制量进行修正。 　　首先，系统通过DCS获取锅炉运行历史数据以及通过附加的分步燃烧调整试验获取实验数据，然后对这些大量数据通过专用分析工具进行综合分析判断，在此基础上，形成系统机组燃烧优化模型，以表征锅炉运行参数的变化、环境条件的改变及不可预测扰动对机组热效率、不完全燃烧热损失、主要附机电耗和氮氧化物等的影响，通过神经网络技术，在模型基础上经过计算、预测过程，对特定目标进行优化，从而在不断变化的特定的系统运行状况下找出最佳匹配的操作参数，选择最优化的系统运行方案，以实时在线的方式直接将优化参数作为DCS控制系统的设定值，实现闭环控制。 　　2、系统的特点 　　该系统作为一种高级优化控制系统，它依赖于机组现有 DCS进行过程及协调控制，同时工作在独立的微机上，不会对机组现有DCS的安全及联锁进行干预，不改变机组原有DCS的控制思想。同时还有如下特点： 　　1.它是基于多变量（MV’s）的多目标（CV’s）综合优化； 　　2.它是对机组进行实时在线优化，.提供机组的优化预测功能； 　　3.实现闭环控制，真正与DCS融合； 　　4.优化的控制策略基于整个机组大量试验基础上，因此： 　　a）其优化步长适度，是安全的， 　　b）考虑了变量的延迟特性，是高效的； 　　5.重要优化目标参量可以根据用户需要进行自由扩展，系统具有良好的开放性。 　　神经网络是由数据驱动的，这意味着它们必须输入大量关于系统过去的特性的数据由其分析，称为“培训”。在“培训”期间，神经网络系统研究它收到的原始的随机性的数据，重建它们的数学关系，将之转换为连续性的有数学规律性的形式，结果是得到一个适合这些数据的模型（称为建模）。即神经网络系统依据被控系统的输入输出数据对，通过学习得到一个描述系统输入输出关系的非线性映射。然后神经网络系统还会自动对它本身的模型进行调整，所以神经网络系统还有“推断”功能。 　　三、系统的核心技术 　　该项目采用的关键技术包括： 　　电站锅炉燃烧优化控制系统的人工神经网络模型、传感器确认模型；神经网络训练模型；模糊权系数模型