火电厂锅炉主蒸汽压力控制仿真研究

李栋

摘要：大多数的火电厂都是靠蒸汽带动同轴转子发电的，将蒸汽的热能通过转子转化为机械能。如果主蒸汽压力质量达不到要求，那么就会影响到后面所有程序的进行，还会冲击汽轮机转子影响汽轮机的寿命，降低电厂的工作效益、经济效益。

关键词：锅炉主蒸汽压力;PID控制;模糊控制;遗传算法优化

一、系统整体设计

本文研究了关于PID控制主蒸汽压力的三种比较方法，设计了传统PID控制主蒸汽压力。将模糊控制规则与PID控制结合起来，形成了优势互补，PID控制需要精确的数学模型而模糊控制不需要，模糊控制会存在很大的稳态误差，恰好积分时间在理论上可以完全消除静态偏差，所以再进一步的设计中我们采用模糊PID控制。在队友寻优方面，考虑到最常用最适合的遗传算法来优化PID的三个参数，把参数编码形成对应的二进制字符串，用遗传算子对Kp、Ki、Kd，进行复制、交叉、变异等操作，最后收敛得到最优解。这种方法速度快，原理简单，应用广泛。

二、程序仿真设计

2.1PID仿真设计

本文选取PID控制，它是一直具有着最强的生命力，同时也是经久不衰的基本控制方式之一。除了在最基本的情况下可以使用开关量的顺序控制外，它就是唯一的控制方式。随着科学技术的进步和发展，直到计算机领域的个命技术的更新换代，PID仍然在许多先进控制算法中，保持强大的生命力，由于PID自身具有这些优点，所以PID仍然是使用最广泛的基本控制方式。PID控制应用广泛，具有大量的实际实验基础，PID的控制简单，操作方便，具有很强的适应性，鲁棒性强的特点。PID的控制参数，Kp=0.1;Ki=1;Kd=0.采用的传递函数为。

2.2模糊PID仿真设计

本文设计了模糊PID控制，模糊控制对初始数据不是特别敏感，只要知道了研究对象大概的模糊模型就能有效的实施模糊控制，模糊控制的首要问题就是根据被控对象的特性来找出合适的模糊模型，这就是模糊系统的建模，就是要建立“黑匣子”里面系统的模糊模型。因此就需要一个系统的输入和输出、编辑语言的个数及其隶属函数，以及能反应其输入输出的模糊关系，或者其模糊语言规则。模糊逻辑推理是根据人的想法的外特性，用模糊逻辑规则进行建模和控制的方法。模糊控制主蒸气压力的优点在于不必要也不需要知道被控对象的精确的数学模型，而是把被控对象当成一个黑匣子，通过其外特性建立了研究系统的模糊模型。

模糊PID复合控制指的是要将模糊控制策略与传统的PID控制算法结合起来的一种控制算法。这种控制方法很常见，由于模糊控制过程中存在着静态误差，所以我们采用两种控制相结合来消除模糊控制这一缺陷，防止模糊控制不能完成系统对较高精度的要求，因为PID调节的积分作用在理论上是可以完全消除稳态误差的，它具有很好的消除误差的作用。因此把模糊控制和PID控制结合起来以增加稳态性能。当常规的PID控制难以达到控制精度且系统的稳定性差时，可以引入模糊PID控制来提高系统的动态精度。

2.3遗传算法PID仿真研究

遗传算法（GA）引入优化参数形成的编码串联群体中，按所选择的适配值函数并通过遗传中的复制、交叉及变异算子对个体进行筛选，使适配值高的个体被保留下来，组成新的群体，新的群体既继承了上一代的信息，又优于上一代。这样周而复始，群体中个体适应度不断提高，直到满足一定的条件。染色体解码复制是多点开始水解复制快，根据染色体的水解方式，遗传算法具有并行解码操作。它的并行特性决定控制迅速，这样的算法对于操作人员操作简单方便，时间短，是一种应用相当广泛的全局寻优算法。

首先需要对参数进行编码，确定参数之间的编码长度和每个参数的大致范围;然后由计算机来生成初始种群P（0），P（0）是由N个个体组成的;对行程编码的各个个体进行解码操作，用解码出来的对应参数求代价参数值及适应度函数，二者之间成倒数关系;开始遗传因子操作，要使用遗传因子包括复制、交叉和变异算子初始种群P（t）进行，从而生成优化新生代优化种群P（t+1）;重复循环求代价函数和适应度函数产生新生代种群的步骤，当产生的新生代种群个体符合预订目标或者收敛的时候为止。

采样时间定义为auto，遗传算法中使用的样本size个数为30;编码长度CodeL为10;G迭代次数为100次;交叉概率和变异概率分别为Pc=0.06，Pm=0.001;Kp的取值范围[0-1]，Ki的取值范围为[0-0.1]，Kd的取值为0.经过100代进化得到的优化参数为：1586.60140448786

在进行100次进化迭代次数之后，GA_PID的Simulink中顯示优化曲线，在MATLAB命令窗口中输入plot（siomout）显示如图3所示，然后在画图中添加横坐标时间、纵坐标Y输出。

三、系统实验结果

传统PID控制方法在面对主蒸汽压力这样的被控特性时，面对扰动和工况的产生难以精确控制;模糊PID相结合，实验结果表明积分控制可以消除稳态误差，建立合适模糊规则，模糊PID控制可以取得效果良好的曲线，能够既快又好的达到稳定。遗传算法优化PID具有更快的响应速度，超调量明显减小，增加了系统的稳定性要求。

四、结论

本文通过对火电厂锅炉主蒸汽压力的仿真研究，分析单变量二维控制系统的动、静态特性，根据实际生产过程中出现的问题，及调查的有关经验，对常规PID控制方法、模糊PID控制方法及遗传算法优化（GA）PID的方法进行了深入比较。研究围绕了主蒸气压力被控对象的被控特性，利用Matlab展开了实验研究，实验结果表明，传统PID的控制精度，调节时间及相应的系统的快速性和稳定性较模糊PID控制效果要差，在多次的仿真实验中，模糊PID的控制既可以消除稳态误差又可以提高系统的精度要求，但是模糊PID与遗传算法优化PID比较，前期工作量大，而且受模糊规则影响很大。遗传算法可以全局寻优，速度快，寻优准确，是目前应用广泛的一种方法。

参考文献：

[1]葛超.基于模糊神经网络的锅炉蒸气压力控制系统.河南理工大学.2010，（1）：87～89

[2]丁虎，张建沛.PID参数整定新方法在锅炉蒸气压力系统中的应用.哈尔滨工业大学学报，2010，42（1）：164～168

[3]刘金坤主编.先进的PID控制及其Matlab仿真，智能控制：第1版.北京航天大学出版社，2004.1～2，210～214

[4]杨瑞星.锅炉蒸汽压力模糊控制器的设计.锅炉制造.2010，（2）：16～20

[5]张海良.锅炉主蒸气压力控制：[硕士学位论文].江苏：江苏工业大学，2008.16～17

[6]王宁.超临界直流锅炉主汽压力控制的仿真与研究：[硕士学位论文].河北：华北电力大学，2010.3～4