火电机组主蒸汽温度优化系统控制策略的研究

崔家政

摘要：火电机组主蒸汽温度优化系统控制策略主要是对热效率、有害物质排放等，进行严格控制，提高火电机组的运行效率，改善排气质量。

关键词：火电机组；神经网络；模糊控制

1.前言

我国环境污染日益严重，作为火力发电需要持续改善其技术水平，而发电机组高效，环保的运行，是未来一大趋势。

2火电机组研究意义

2.1火电机组研究背景

由于技术水平的限制，小机组燃烧效率低，无法有效控制燃煤量。燃烧效率不能合理控制。只有添加脱硫脱氮装置和废热回收装置才能提高燃烧效率。因此，提高煤炭利用率，改善环境是我国煤电发展的重要目标，也是实现煤电可持续发展战略的重要手段之一。

目前的情况引发了如何应对火电厂经济安全的新问题。这些问题需要通过实践研究和新的技术手段加以解决。主蒸汽溫度控制系统是火电厂锅炉的重要控制系统之一。其任务是确保过热器出口处的蒸汽温度在预设值的小范围内稳定。控制效果不仅影响火电机组的效率。它也影响设备的安全运行，甚至影响整个社会的供电平衡。如果蒸汽温度超过稳定范围，较高的温度会影响过热器金属管壁的强度，严重威胁安全生产。较低的蒸汽温度也会导致整个工厂的热效率下降，导致火力发电厂的经济效益不合理。它也增加了汽轮机最后阶段的腐蚀可能性。

2.2火电机组研究的目的

每降低5°C的蒸汽温度将导致热效率下降约1%，由此造成的能源浪费令人担忧。因此，过热器出口处的蒸汽温度与机组的安全性和经济性密切相关。通常，与设定值的偏差保持在-10°C至+5°C的范围内。长期以来，主汽温控制是火电机组的难点。主要原因如下：

（1）影响主蒸汽温度变化的因素很多。例如：整个装置的负载变化，喷雾流量和喷雾水温的变化，烟气侧的温度变化以及烟气阻尼器的摆动角度。同时，整个主蒸汽温度系统的大延迟和大惯性特性温度变化的影响也更加剧烈；

（2）主汽温系统不是稳定的、不变的，正相反，主汽温系统受各种因素的影响，是时变的、非线性的，不能用统一的、稳定的数学模型来描述；

（3）随着经济发展和政策变化，火电厂主蒸汽温度的控制要求将会增加。火电厂主蒸汽温度的稳定性为单位负荷，经济性和安全性提供了良好的保证。同时，还可以提高火电机组的锅炉燃烧效率，减少有害物质的排放，满足国家政策要求，满足社会发展的需要.

3.火电机组主汽温控制策略

3.1模糊控制

模糊控制是智能控制技术之一。它是一种将控制理论和模糊集合论相结合的新型控制技术。传统控制方法的大部分前提已经很清楚了，或者可以近似得到控制对象的传递函数。但是，现代设备的整合越来越高，往往是一个多输入，多输出的系统，每个输入输出之间。没有简单的线性时间不变关系。有一个复杂的耦合非线性关系。建立这种系统的精确或近似模型很困难。此时，模糊控制是解决这个问题的一种方法。

模糊控制的一般流程包括输入模糊化，模糊规则判断和去模糊处理。由于模糊逻辑更贴近人类的逻辑思维和语言表达，因此模糊控制系统的应用比传统的二元系统具有更为明显的优势，因此理解起来非常直观，直观。其意义可以从以下两个角度来分析：

（1）模糊控制提出了一种基于语义描述规则实现控制规律的新控制概念。这个过程结合了专家系统，模糊理论和控制理论。它在工程应用上有很大的发展前景。

（2）模糊控制为非线性控制器的设计提供了一种简便的方法，因为它不需要对受控对象进行建模，所以当受控对象存在不确定性或难以使用传统的线性控制理论时，设计时模糊控制就是更加有效。许多实验表明，模糊系统得出的结论比传统方法得到的结论更优越，特别是对于一些不确定且难以定性分析的系统，模糊系统可以获得更满意的控制效果。

3.2神经网络

神经网络技术是一种具有自学习能力的算法，它逐渐指向控制领域。系统建模和故障诊断中有实际的应用实例。基于神经网络的各种自学习算法在控制系统中的应用主要是克服被控对象的非线性和时滞。因此，神经网络能很好地描述非线性系统，并能通过相应的控制策略跟踪目标值。然而，神经网络在训练过程中需要大量的迭代计算，这也是限制神经网络实际应用的主要问题。人工神经网络是模拟建立人类神经结构的理论系统。在这个理论体系中，神经网络完全连接在层之间，但层不连通。在网络中，数据处理通过层间数据传输来执行。每个神经元都是一个小的非线性系统。每个神经元都有很多输入。在网状连接之后，数据被存储并传输计算。人工神经网络在控制领域的应用：

（1）在足够的神经网络层和神经元的前提下，人工神经网络可以完全逼近任意复杂的非线性系统的输入输出；

（2）人工神经网络能够充分地学习和模拟不确定系统的动态特性；

（3）神经网络层间权重的设置完成数据的传输和存储，实现数据模式的全面学习，具有很强的鲁棒性；

（4）神经网络的并行数据处理模型使神经网络能够快速处理大量数据并获取数据。这些特征都表明，神经网络在解决高度非线性和严重不确定系统的控制方面具有巨大的潜力。发电厂的主蒸汽温度具有滞后大，惯性大，非线性，及时变性的特点。研究这种特性的人工神经网络是理所当然的。

神经网络辨识动态系统已通过仿真验证，证明神经网络对动态系统辨识具有较好的效果。用神经网络，模糊理论和广义预测控制来控制主蒸汽温度，这与预期结果一致。自适应神经模糊推理系统和控制算法的PID控制方案经过多年的发展，逐渐呈现出传统控制理论，模糊逻辑，神经网络等优化技术融合发展的趋势。

4.火电机组主蒸汽温度神经模糊模型

4.1机组主蒸汽温度神经模糊软测量模型输入变量的选择

根据火电厂机组主蒸汽温度工艺机理分析、灵敏性、特异性、精确性选择辅助变量。主蒸汽温度与4个变量有关：一级减温水流量x1、二级减温水流量x2、主蒸汽流量x3、高温过热器入口温度x4，用非线性关系描述：

式中，yr为主蒸汽温度，记X=[x1，x2，x3，x4，yr]。

4.2机组主蒸汽温度神经模糊模型

机组主蒸汽温度神经模糊模型由五层前向网络构成，第一层为输入层，由4个神经元构成，每个神经元分别对应着一级减温水流量x1、二级减温水流量x2、主蒸汽流量x3、高温过热器入口温度x4，神经元起着将输入信号直接传给下一层的作用；第二层为模糊化层，由4×N个神经元组成（N表示模糊规则数），每个神经元表示一个隶属度函数；第三层为模糊条件层，由N个神经元组成，每个神经元表示一条模糊规则；第四层为模糊决策层，由两个神经元组成；第五层为输出层，由1个神经元组成，对应着主蒸汽温度。模型的输出为：

式中，μj（xi）为高斯型隶属度函数，Aji（i=1，2，3，4；j=1，2，…，N）为第j条规则中个输入分量的模糊子集，cji为模糊子集Aji的高斯型隶属度函数的中心，bj为模糊子集Aji的高斯型隶属度函数的宽度，hj为后件参数。cji，bj，hj为机组主蒸汽温度神经模糊模型的可调参数。

5.结束语

根据对火电机组主蒸汽温度优化系统控制策略的研究，充分保证了火电机组的燃烧率的前提下，同时改善了其有害气体的排放量，为能源节约，环境改善做出了重要贡献。

参考文献：

[1]陈景通，李忠舒.火电厂锅炉主汽温模糊控制系统的研究[J].沈阳师范大学学报（自然科学版）.2016，04：510-513

[2]杨仲睿.基于模糊理论的主蒸汽温度PID控制系统的研究[J].科技信息.2016，24：152-153