智能控制技术在火电厂应用研究现状与展望

2022-03-02闫冬

数字通信世界 2022年1期

闫冬

（中国有色金属建设股份有限公司，北京 100029）

随着清洁能源整体装机容量的日益增加，对于环保指标的检查、监督与考核的力度越来越强，但因在对煤种进行燃烧的过程中经常发生不可预测的变化，使得火电机组在工作时经常处于不稳定的环境之中。为了在根本上促使火电机组可以充分满足环保各项要求，以及拥有调节范围、负荷速率、负荷精度等能力，需进一步强化对控制系统的要求。因为PID控制器具备架构简洁、易实现、鲁棒性较强的特点，致使其在火电机组控制中占据关键地位，但是在本质上讲，PID控制器也存在着一些明显的缺陷，而这些缺陷的存在造成控制效果还有一定提升空间。随着火电机组对运行条件的提升，传统PID控制方式已经不能很好满足其需求，而合理的应用控制技术理论可以有效地缓解此情况的发生，同时还可以在一定程度上提升控制的质量与水平。

1 智能控制技术

1.1 神经网络控制

在神经网络控制中，神经网络作为其重点内容，主要是依靠模拟人类大脑神经网络结构的方式对数据信息加以处理、学习与分类[1]。换句话说，神经网络是利用大量神经元以及它们之间的连接，实现权值的共享与重分配，进而达到自动学习和训练的目的。现有研究中将神经网络应用于火电机组有以下方式：一是利用神经网络构建描述对象输入和输出的映射模型，比如锅炉燃烧模型、氮氧化合物排放模型、机械设备故障预测模型等；二是给定指标性能以及学习方式，利用神经网络自学习能力使PID控制器以及被控制对象寻找模型参数最优；三是将其他算法与神经网络进行相互之间的结合，比如粒子群优化算法、遗传算法等。

对比传统的模型构建的方法，要想在根本上充分利用神经网络进行建模工作，需要大量样本的支持，同时神经网络在训练时的不确定性较大，因此神经网络大部分会应用在离线研究中。

1.2 模糊控制

模糊控制是在模糊数学、模糊推理、模糊语言的基础上所形成的一种智能控制技术，同时又是仅凭专家经验而不借助模型的控制方式，因此在处理不确定性较强的系统和非线性系统中拥有较强的优势[2]。但是，模糊控制在学习能力方面较差，不能很好地对对象进行有效科学的控制。而将模糊控制使用到火电机组时，需要通过其他可行性高的技术予以支持，例如在PID控制系统中利用有针对性的模糊规则，以达到合理控制对象的输出以及对相关参数调整的目的。模糊控制还可以与神经网络进行相互融合，从而建立起高复杂度的形式化模型。

目前，模糊控制在火电机组控制中展现出了良好的优势和试验效果，但是在其实际应用中，专家经验、模型复杂度、模型参数等是影响其是否可以正确应用的关键所在。

1.3 智能优化算法

智能优化算法一般分为进化计算和群智能两个类别，而且都在一定程度上受到自然现象的启发，是通过提取简化的自然规则发展起来的计算算法。进化计算类的算法涵盖了遗传算法、遗传规划等，群智能囊括了粒子群优化算法、蚁群优化算法等，这些算法在最近被广泛应用于各个领域，其中遗传算法、粒子群优化算法、蚁群优化算法是火电厂应用和研究的重点。

遗传算法主要是对生物界的模拟、选择、进化等形成的一种具有高适应性的随机优化搜索算法，它可以在局部获得最佳解，适用于大型规模且非线性的函数。而粒子群优化算法则是通过对鸟群社会的研究所形成的，它主要是利用个体协作与竞争的方式实现对复杂空间的最优解搜索，与遗传算法和其他算法相比较，粒子群优化算法具有操作简便、易实现、鲁棒性高等特点。蚁群优化算法是通过对蚁群觅食行为的模拟而形成的一种高质量进化算法，它是以指导为搜索方向，可以最大限度解决组合优化问题。

在将这三种方法应用到火电厂之后，可以进一步对机组的优化与分配、控制器参数的调优、控制策略的选择等起到一定的积极的作用。

2 智能控制技术在火电厂应用

2.1 主蒸汽温度控制

在根本上来讲，主蒸汽整体温度作为火电机组在开展工作过程当中的一项衡量指标，其自身控制质量的好坏与火电机组的安全性、稳定性有着极大联系。对于主蒸汽温度，其自身具备惯性大、变化多的特点，正因为此特性的存在使得传统PID控制方式不能在各复合阶段获得较为满意的结果。当前，将智能化技术与PID控制方式进行融合成为该方向中研究热点。

主蒸汽温度控制原理如图1所示。首先，在以往PID控制中，基本上是对主控制器中的P、I、D三个参数进行有针对性优化[3]，比如通过最小二乘法的方式来识别主蒸汽温度对象，然后在利用遗传算法或前馈神经网络对控制器中的参数进行优化。与此同时，通过智能优化算法将搜索到的特性融入到神经网络之中，并对相关参数进行调整；再如利用蚁群算法和遗传算法对前馈神经网络神经元连接权重进行优化。其次，通过使用模糊控制与PID控制集成的方式方法对主蒸汽整体的温度进行有针对性的调整，当误差处于一定范围之内时，即可利用PID控制方式进行下一步的精细化调整。

图1 主蒸汽温度控制原理

此外，研究者通过神经网络的特性对模糊控制中内存规则进行有针对性微调，同时在现有的基础上设计出以主蒸汽温度为中心的模糊控制神经网络控制器，进一步提高了模糊控制器的自学习能力和适应能力。还有研究者利用粒子群算法，对没有模型支撑的控制器参数进行深度优化，从而在减少算法参数调整时间的同时，提高算法鲁棒性。经大量实验结果证实，在应用智能控制技术之后，其整体效果要比PID控制效果好。

2.2 磨煤机控制

对于大多数磨煤机比如中储式钢球磨煤机、直吹式中速磨煤机，它们都有多输入和输出、大延迟等特性[4]，同时这些磨煤机动态的特征会随着在工作中执行的情况或者环境的不同会产生很大的变化。传统一些控制方案如PID等很难去应对磨煤机存在的多变量耦合情况，因此需利用一些智能高效技术在此领域中提高磨煤机的控制系统品质特征，从而来进行更有效的操作。对于不同的磨煤机类型，有不同的解决方案，例如，直吹式中速磨煤机，大多数采取的方法有利用径向基函数神经网络进行供给煤量以来构造合适的神经网络模型，或者使用模型预测控制技术来控制冷热风的解耦等；经过PID控制方式与模糊控制的有效结合，进一步让磨煤机在开展工作的过程当中可以有效地对冷、热一次风挡板进行调整，避免了因挡风板漏风严重、低流量等问题对精度带来的影响。而对于中储式钢球类型的磨煤机，它主要是依照和利用模糊控制规则调整磨煤机控制器的数值，或者利用神经网络对模糊控制器进行优化与完善，让神经元代替模糊控制器内含的子单元，同时将神经元节点的相关函数与模糊函数进行替换，利用相关推理机制，从而实现对磨煤机出口温度等的解耦控制[5]。

2.3 锅炉燃烧

锅炉燃烧作为燃煤机能源转换的关键组成部分，直接与锅炉燃烧质量、锅炉燃烧效率等有着直接的联系。在本质上来讲，锅炉燃烧具有多输入和多输出的特点，同时它还具备了强耦合性、延时性强、非线性时变系统等特性，但是在面对目标冲突时，其不能利用数学方式进行有针对性的建模，进而影响了后期工作的有序进行。随着先进科学技术水平的不断提升，利用智能控制技术对锅炉燃烧进行管控成为当前研究热点。目前，最为主要的探究方向是将锅炉燃烧的历史试验数据以及运行数据作为样本，并在此基础上建立锅炉燃烧和排放模型并加以分析。比如通过循环神经网络对所获数据进行验证和预测，使用遗传算法优化神经网络权重并构建锅炉效率与NOx排放模型，将改善粒子群算法与支持向量机算法融合对建立模型进行优化，在改善粒子群优化算法中融入最小二乘法支持向量机，构建构建锅炉效率与NOx排放模型，使用神经网络对烟气量模型加以构建等。

3 智能控制技术在火电厂应用展望

最近几年，有很多研究人员致力于智能控制技术在火电厂方面的应用研究，然而却很少应用到具体的工程中，大多数仍然停留在实验研究等层面。为了能够有效地提高智能控制技术在实际生活中的应用，以及提高在火电机组方面的控制品质，建议从以下情况进行研究：

第一，在通过神经网络相关模型来对锅炉燃烧等复杂多变量、强耦合、非线性进行建模时，一些不确定因素如样本数据的有效性、准确性、可利用性等都对建模和训练模型产生关键的作用，比如在同样的工作环境下，磨煤机的不同组合操作将可能产生差异较大的结果，如何组合一个最优的结果目前存在难题。而神经网络的相关参数比如隐含层数、节点数等也会直接对神经网络的准确度产生影响。因此，将智能控制技术成功应用到火电厂的关键在于需要去获得在各种工作环境下大量的样本数据，可以根据控制操作的对象特征来合理地去设计建模合适的神经网络。

第二，由于智能优化算法需要大量的相关计算，而其搜索速度却很缓慢，不能在所需的时间内找出全局最优解，这样容易缺乏控制的实时性。为此，在实际应用中，需要根据现场经验使用合适的计算方法，在不同的环境下优化相关的搜索范围，从而提高控制技术的实效性，协调计算实时性与最优解。

第三，智能控制设计需要在两方面进行协调均衡，一方面希望通过一些通用的方法去面对解决复杂多样的控制相关问题，以此来方便用户的及时掌握与轻松维护等操作；另一方面可以通过操作对象的结构特征以及操作者的相关经验，来提高操作对象的工作效率，从而能有效地降低问题的难度。

第四，对于火电机组的系统，其中大多数需要实时精确操作，而传统的PID控制技术、预测控制技术却能很好地满足这一特征，在控制方面都具备很好的动态性及无偏差性，所以要有效地在实际生活中实现精准控制操作，可以尝试将上述两项控制技术有效地与火电机组结合起来，从而达到一种良好的效果。

第五，当只使用智能控制技术进行操作时，智能控制技术的相关控制命令会根据周围不同环境情况，通过限制一定的条件进行操作，从而避免发生由于模型的泛化能力以及精确度等客观因素的不足过度进行调节，使得一些控制命令进行很大的波动，长期如此将会对执行设备的寿命造成很大的影响。

第六，目前，计算能力不足是一个较大的问题，而神经网络与智能优化算法的建模以及寻找全局最优解等过程都需要对其进行及其复杂的大量运算，而使用分散控制系统现有的组态工具处理相关问题时存在很大的难度。因此，还需要大量的计算机来辅助分散控制系统，从而保证控制系统的安全性。分散控制系统的标准接口和计算平台可以提供一定的开放权限，这对智能控制技术在火电厂的推广应用将起到很大的推动作用。