循环流化床锅炉床温自动控制系统的优化

王卫国

（山西潞安矿业（集团）有限责任公司五阳热电厂，山西 长治 046000）

引言

在循环流化床使用的过程中，我国的火电厂大多基于传统的锅炉温度控制系统进行升级采用单回路调节的方式对床温进行控制，依据床温的偏差进行一次风量的调整，从而实现对床温的控制，这种控制方式的自动化程度较低[1-2]，对床温的控制效果有限，甚至需要采用手动的方式进行床温的控制。为解决这一问题，针对循环流化床的床温控制系统，采用粒子群优化算法对床温的控制系统进行优化[3]，从而提高循环流化床锅炉的床温自动化控制水平，提高煤炭的利用率并降低污染物水平，提高火力发电厂的经济性及环保性。

1 循环流化床锅炉床温的控制原理

循环流化床采用煤炭进行燃烧的过程中，可以保证煤炭在炉膛内长时间的保留，从而实现煤炭较高的利用率，并可以实现煤炭的脱硫，气态燃料及固态燃料的混合均匀度较高，可以在多种工况下进行稳定运行。循环流化床对床温的控制以床温的稳定及蒸汽参数的稳定为目标，床温的变化受到多种因素的影响，其中，给煤量、一次风量对床温的影响作用最大，是可控的因素。

给煤量对床温的控制具有直接的影响作用，由于床温热惯性的存在，通过改变给煤量来实现对床温的控制需要较长的时间，其时效性无法控制，对于床温的控制提出了较大的挑战。因此，在床温的控制过程中，进行床温的控制主要通过对一次风量的调节来实现，只有出现一次风量调节量不足的情况时，通过改变给煤量进行床温的控制。一次风量对床温的控制主要体现在可以带走一部分热量，降低床温，同时可以为锅炉内的煤炭燃料提供新鲜的氧气，提高燃烧的效率，从而升高床温，一次风量对床温的控制是相反的过程，对于控制的准确性要求较高。

2 粒子群算法对床温控制系统的优化

2.1 粒子群算法的原理及优化

粒子群算法作为一种常用的优化算法，其进行寻优的过程为：首先给定随机的初始化种群，在初始种群中由具有可行解的粒子群进行速度、位移及适应值的随机变化，在随机变化的过程中，确定了目标函数的值，在粒子运动的过程中进行可行解的最优化，经过不断的迭代，实现进化过程中的最优解。

对粒子群算法的使用，针对个体粒子利用低的问题，采用个体粒子的适应值与惯性权值进行实时对应的方式进行优化，从而可以提高粒子的局部寻优能力，各粒子根据不同的情况建立相应的对应关系，从而从局部寻优向全局寻优进化。

2.2 床温控制系统与给煤量的函数关系

在循环流化床的控制系统中，给煤量对床温的控制过程较为持续缓慢，煤炭颗粒在炉膛内的反应过程可以分为挥发反应与焦炭反应两个阶段，给煤量对床温变化的影响函数具有惯性及逆向反应的特性。

在满负荷的状态下对给煤量与床温的传递函数进行分析，随着时间的进行，不断地变化给煤量，并测定不同时间的床温，运用优化的粒子群算法对给煤量的传递函数进行模拟分析，经过对比，可得出如图1所示的床温随时间的变化曲线。

图1 满负荷下给煤量与床温的变化曲线

从图1 中可以看出，采用优化的粒子群算法对给煤量对床温的模拟具有较好的模拟效果，曲线变化与实际的变化结果一致，图中出现的毛刺表明实际测量的床温数据存在一定的干扰，由此确定给煤量对床温的变化函数为下页式（1）：

2.3 床温控制系统与一次风量的函数关系

在循环流化床的温度控制系统中，一次风量对温度的调节作用要小于给煤量的作用，对一次风量的影响作用进行分析，需同时考虑给煤量的变化，在满负荷的工况下，给煤量与床温的函数关系如式（1）所述，在考虑给煤量与一次风量两个输入的情况下，对一次风量及床温的变化进行统计，可得如图2 所示的床温随时间的变化曲线。

图2 给煤量与一次风量与床温变化关系曲线

从图2 中可以看出，对床温变化的模拟曲线与实际变化曲线具有较好的拟合，与实际的工况更为接近，从而确定了采用优化的粒子群算法对给煤量与一次风量对床温的模拟具有较好效果，将给煤量的函数确定之后，由此确定一次风量对床温的变化函数为式（2）：

2.4 优化粒子群算法对床温控制器的PID 参数优化

通过上述的分析可知，分别确定了给煤量与一次风量对床温的影响关系，由此可将给煤量与一次风量的影响函数应用于床温的PID 控制中。采用粒子群算法对床温的PID 参数进行寻优控制，在床温控制中，对准确性及速度具有较高的要求，选择时间乘绝对误差积分准则作为目标函数，对床温的PID 控制参数进行优化。

PID 对床温的控制系统中，确保能寻到最优解，并确定PID 参数的上下限，首先确定初始的参数进行分析，然后通过调节上下限扩大参数的范围，采用Matlab 进行目标函数与优化粒子群算法的运行，对得到的参数不断进行寻优，从而得到最优解控制参数为PID 值[0.0042，279.3，1.64]，对参数模型进行控制效果的分析如图3 所示。从图3 中可以看出，经过粒子群优化算法后对床温的控制具有较好的调节效果，系统的波动较小，在较短的时间内达到稳定状态，系统的调节及时有效。

图3 床温优化效果对比分析

3 总结

针对循环流化床床温控制自动化程度不足的问题，采用优化的粒子群算法对床温控制系统进行优化。首先依据粒子群算法对循环流化床的床温的主要影响因素给煤量及一次风量进行分析。确定了其影响函数关系。然后对床温的PID 参数进行优化，确定了其最优值，对控制效果进行仿真分析，结果表明，经过优化后具有较好的控制效果，提高床温控制系统的响应速度及稳定性，提高循环流化床的自动化控制水平。