神经元网络控制器在热网中的应用研究.pdfVIP

神经元网络控制器在热网中的应用研究朱林,等

神经元网络控制器在热网中的应用研究

StudyandApplicationofNeuralNetworkControllerintheHeatSupplyNetwork

朱林吴冬雪柴玲112

(内蒙古科技大学信息工程学院,内蒙古包头014010;江苏金恒信息科技有限公司,江苏南京210035)12

摘要:城市供热管网运行质调节和量调节之间的耦合制约了质量并调的控制效果。针对这个问题,提出采用PID神经元网络解耦

控制器对质量并调供热系统进行解耦控制。深入分析了PID神经元网络的优缺点和适用范围,采用PSO学习算法优化PID神经元网

络初始权值;并对PSO优化后的PID神经元网络控制器进行了仿真验证。分析表明,PSO优化的PID神经元网络控制器可在供热管

网质量并调控制中实现解耦。

关键词:PSO算法PID神经元网络初始权值解耦热网仿真

中图分类号:TP183文献标志码:A

Abstract:Inurbanheatsupplynetworkoperation,thecouplingbetweenqualitative(temperature)regulationandquantitative(flow)

regulationconstrainsthecontroleffectforcollaborativequalityandquantitycontrol.Aimingatthisproblem,thedecouplingcontrolbasedon

PIDneuralnetworkde-couplerforsuchcontrolsystemisproposed.Depthanalysisontheadvantages,disadvantages,andscopeofapplication

forPIDneuralnetworkisconducted;theinitialweightsofPIDneuralnetworkareoptimizedbyadoptingPSOlearningalgorithm;andthePID

neuralnetworkcontrolleroptimizedbyPSOissimulatedandverified.TheanalysisindicatesthatthePIDneuralnetworkcontrolleroptimizedby

PSOcanbeusedinheatsupplynetworkfordecouplingandimplementcollaborativecontrol.

Keywords:Particleswarmoptimization(PSO)algorithmPIDneuralnetworkInitialweightsDecouplingHeatsupplynetworkSimulation

络采用的学习算法是梯度学习法,初始值随机得到,权

0引言

值在学习过程中可能陷入局部极小值。

传统的解耦控制方法通过对系统传递函数的分本文在选用PID神经元网络构建供热管网解耦控

解,实现其对角化或对角优势化,以达到解耦的目制器时,先通过粒子群算法对PID神经元网络初始权

[1]

的。但该方法鲁棒性较差,精确性不易保证。值进行优化,再进行对比仿真分析。

文献[2]对自适应解耦控制和模糊PID解耦控制

1供热管网质量并调系统

进行了介绍,并对多变量PID自适应解耦控制进行了

仿真。该方法仍具有