鍋爐典型非線性過程的神經(jīng)網(wǎng)絡(luò)建模和控制研究.pdf

1、熱工過程的建模與控制是保證熱力設(shè)備安全、經(jīng)濟(jì)、環(huán)保運行的必要措施和手段。隨著我國電力工業(yè)對環(huán)境保護(hù)的日益重視，電站鍋爐污染物排放控制問題也越來越受到人們的關(guān)注。鍋爐特性往往具有典型的非線性和不確定性等特點，常規(guī)的線性建模方法無法準(zhǔn)確描述鍋爐典型非線性過程的整體特性，難于實施理想的優(yōu)化控制。人工神經(jīng)網(wǎng)絡(luò)具有較強的逼近非線性函數(shù)的能力，并具有自適應(yīng)學(xué)習(xí)、并行分布處理和較強的魯棒性及容錯性等優(yōu)點，為未知不確定非線性系統(tǒng)的建模和控制提供了一種有

2、效的解決途徑。 針對電站鍋爐NOx排放過程和過熱汽溫的非線性和不確定性，本文著重研究了這兩個典型非線性過程的神經(jīng)網(wǎng)絡(luò)建模和控制方法。 電站鍋爐NOx排放量的模型分為三類：基于化學(xué)反應(yīng)動力學(xué)的CFD模型、人工神經(jīng)網(wǎng)絡(luò)模型、集總參數(shù)模型。不少學(xué)者分別對這三類模型進(jìn)行過研究，但還沒有把這三類模型結(jié)合起來進(jìn)行研究的報道。本文首先對多層前向神經(jīng)網(wǎng)絡(luò) BP的基本構(gòu)成、常用及改進(jìn)的學(xué)習(xí)算法作了簡要的介紹，對燃煤過程中的NOx生成機理進(jìn)

3、行了詳細(xì)分析，通過將BP神經(jīng)網(wǎng)絡(luò)建模方法與NOx生成機理的有機結(jié)合，提出了基于NOx生成機理的非線性神經(jīng)網(wǎng)絡(luò)模型。在此基礎(chǔ)上，利用所建立的非線性NOx排放神經(jīng)網(wǎng)絡(luò)模型對某電廠鍋爐NOx的排放特性進(jìn)行了預(yù)測，算法不僅可預(yù)測鍋爐總的NOx排放量，還可預(yù)測各層一次風(fēng)粉單元的NOx排放量，通過預(yù)測計算可以定量地獲得如下結(jié)論：①鍋爐各層一次風(fēng)粉單元生成的氮氧化物量是不相同的，中間幾組一次風(fēng)粉單元生成的氮氧化物量很少，最底層和最上層一次風(fēng)粉單元所生

4、成的氮氧化物較多；②在保證空氣過量系數(shù)的前提下，采用過燃風(fēng)及減少對燃燒區(qū)的供氧，是降低NOx排放量的有效措施。顯然，這些結(jié)論對于有效抑制鍋爐NOx的生成及排放具有非常重要的指導(dǎo)意義。另外，由于該NOx神經(jīng)網(wǎng)絡(luò)模型具有隱節(jié)點數(shù)少、泛化能力強及學(xué)習(xí)速度快的優(yōu)點，可以有效地對鍋爐NOx排放特性進(jìn)行在線預(yù)測和控制。 在RBF網(wǎng)絡(luò)中，隱層節(jié)點的數(shù)目和中心分布將直接影響到RBF網(wǎng)絡(luò)的函數(shù)逼近和泛化能力，RBF網(wǎng)絡(luò)的隱層節(jié)點數(shù)和中心位置的動態(tài)

5、調(diào)整已越來越受到人們的重視。本文在對RBF網(wǎng)絡(luò)的結(jié)構(gòu)、構(gòu)建和訓(xùn)練算法作了簡要的介紹后，從提高網(wǎng)絡(luò)泛化能力出發(fā)，分析了資源分配網(wǎng)絡(luò)(RAN)和最小資源分配網(wǎng)絡(luò)(MRAN)的基本算法，通過加入懲罰策略和合并策略，對最小資源分配網(wǎng)絡(luò)算法的隱節(jié)點刪減策略進(jìn)行了有效改進(jìn)，使改進(jìn)的MRAN網(wǎng)絡(luò)具有學(xué)習(xí)速度快、泛化能力強、計算精度高且具有更加緊湊的結(jié)構(gòu)，十分適合于網(wǎng)絡(luò)的在線實時調(diào)整。在此基礎(chǔ)上，本文進(jìn)一步采用改進(jìn)的MRAN網(wǎng)絡(luò)，并結(jié)合某300MW燃煤

6、鍋爐NOx排放和效率試驗數(shù)據(jù)，建立了電站鍋爐NOx排放與效率的非線性神經(jīng)網(wǎng)絡(luò)模型，通過計算比較，驗證了采用改進(jìn)MRAN網(wǎng)絡(luò)所建立的鍋爐NOx排放與效率模型具有較高的精度，能滿足鍋爐NOx排放過程非線性、時變性和不確定性的要求。 影響電站鍋爐NOx排放和燃燒效率的因素基本相同，但效果往往相反，如何實現(xiàn)鍋爐高效率低NOx排放是人們關(guān)注的重要問題。為了實現(xiàn)這一目的，本文在對現(xiàn)有鍋爐高效低NOx排放措施進(jìn)行總結(jié)后，對前面所提出的改進(jìn)MR

7、AN網(wǎng)絡(luò)學(xué)習(xí)算法作了進(jìn)一步的改進(jìn)，即在每一采樣點對過去若干樣本點進(jìn)行反復(fù)的EKF學(xué)習(xí)，使改進(jìn)的MRAN網(wǎng)絡(luò)能對在樣本點附近區(qū)域的樣本有較高的預(yù)測精度。另外，論文還進(jìn)一步提出了基于實數(shù)編碼的遺傳算法和改進(jìn)的模擬退火算法，并把這兩種優(yōu)化方法分別應(yīng)用于對電站鍋爐高效率低NOx排放燃燒的優(yōu)化調(diào)整上，計算結(jié)果表明：采用這兩種優(yōu)化調(diào)整方法后，鍋爐可以在高效率低NOx排放量的優(yōu)化工況下運行。 電站鍋爐過熱汽溫被控過程具有大慣性、時變、非線性等

8、難于控制的特點。本文在分析神經(jīng)網(wǎng)絡(luò)與自適應(yīng)控制方法相結(jié)合的基礎(chǔ)上，利用改進(jìn)的MRAN網(wǎng)絡(luò)，提出了三種動態(tài)神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制算法：神經(jīng)PID控制(NNPID)策略、神經(jīng)內(nèi)?？刂?NNIMC)策略和神經(jīng)PID協(xié)調(diào)控制(NN-PID Coordinator)策略。并以某電廠過熱汽溫控制為研究對象，進(jìn)行了仿真比較研究，結(jié)果表明：這三種基于動態(tài)神經(jīng)網(wǎng)絡(luò)的汽溫自適應(yīng)控制系統(tǒng)均比常規(guī)的PID控制系統(tǒng)具有更好的控制品質(zhì)。三種非線性汽溫控制方案中，NNP