基于混合策略麻雀算法的锅炉主汽温系统参数优化

国能浙江北仑第一发电有限公司 邬正涛

近年来，电力工业作为支撑国家经济发展的支柱行业，在我国经济高速发展和社会对电力需求的持续需求下得到了迅猛的发展[1]。当前，在碳中和、碳达峰的宏观背景和新时期电力工业转型挑战下，大型火力发电厂所面临的机遇和挑战都是空前的。在电源侧，以高比例、大规模光伏发电和风力发电为代表的新型能源结构发电形式并入电网，火电机组需要承担更重的调频任务，同时也对大型火力发电机组提出了更高的控制要求[2]。

由于新能源机组出力具有间歇性、随机性和大幅波动性；为平衡区域电网内能量供需，火电机组需要实时调整机组发电负荷，由于机组负荷升降速率的提升，传统的锅炉过热蒸汽温度控制系统面临着较大的挑战。本文将混合策略的改进麻雀算法应用至大型火电机组的主汽温系统参数优化中，为行业中相关问题提供借鉴和参考。

1 锅炉主汽温被控对象特性

超临界机组过热蒸汽温度的稳定不仅代表锅炉系统中设备的安全稳定运行，许多控制回路中都将此参数作为辅助调节变量，因此锅炉主蒸汽温度控制系统是锅炉十分重要控制系统之一。大型火电机组过热器普遍布置在炉膛上部以及高温烟道中，在各级过热器间布置减温器，减温水一般从锅炉给水管道中的给水调门后引出[3]。过热蒸汽温度系统简化流程图如图1所示。

图1 典型超临界直流锅炉主蒸汽温度系统简化流程图

一般将锅炉汽水分离器出口的过热蒸汽温度称为中间点温度，中间点温度的值与机组实时水煤比直接相关。根据质量守恒、能量守恒定理，某超临界直流炉机组主蒸汽温度系统的热平衡方程如式（1）所示：

式中：D 为给水流量，kg/s；B 为锅炉给煤量，kg/s；hr为过热器出口蒸汽比焓，kJ/kg；hw为给水比焓，kJ/kg；η 为锅炉效率，%；Qb为单位燃煤发热量，kJ/kg；φl为再热器相对吸热量，%；Ea为排烟热损失，kJ/s；Eb为散热损失，kJ/s。

根据式（1），得到过热器出口蒸汽比焓hr如式（2）所示：

由式（2）可知，出口蒸汽的比焓值直接取决于燃料量与给水量的比值。

影响过热蒸汽温度的因素有很多，但主要是以下三种扰动情况：蒸汽流量扰动、烟气侧传热量扰动以及喷水减温环节扰动。

各扰动环节对过热蒸汽系统的影响如下：蒸汽流量扰动下，过热蒸汽温度具有自平衡特性，且蒸汽温度的惯性和迟延都比较小，流量扰动下主汽温响应曲线如图2所示。由于烟气侧传热量扰动会有诸多例如锅炉负荷、燃料量、燃料的品质、送引风量等参数的改变，从而影响过热系统内部的传热情况，当烟气传热量改变时与蒸汽流量改变时对主汽温的影响是类似的。减温水扰动下过热汽温动态特性如图3所示。

图2 蒸汽流量扰动下主汽温响应曲线

图3 蒸汽流量扰动下主汽温响应曲线

根据上述分析，过热蒸汽系统可类比于多个单容环节所组成的多容环节系统。根据现场经验，过热蒸汽温度具有较大的容积延迟，而导前区温度具有明显的导前特点，因此工程上常采用串级控制的方式应用在过热蒸汽温度系统上，过热蒸汽温度控制系统方框图如图4所示。由于直流锅炉设计的特点，需要在运行过程中根据实时负荷及运行工况在线调整给煤量与给水量的比值，以维持水煤比的实时平衡，即采用外环进行调整水煤比、内环调整喷水减温流量的串级PID 控制方式。其中，主环控制器的被控量为惰性区温度，副环控制器的被控量为导前区温度。

图4 过热蒸汽温度串级控制系统方框图

过热蒸汽温度串级PID 控制系统的整定方法与普通串级回路整定方法类似。针对本文所述系统，导前区温度对内部回路的扰动更加敏感，同时由于主环系统与副环系统的工作频率不同，在进行串级系统整定时，需要将主、副环间的影响考虑在内，以减小两者间的相互影响。

在实际应用中，一般采用逐步逼近法或者两步整定法，但是这种方法同样存在着弊端，即当现场工况发生改变时，不能及时地根据实际运行情况动态的调整PID 参数。因此，针对这一问题，目前有许多例如自适应控制、最优控制、模糊控制等先进控制理念或思想应用到其中。

2 混合策略麻雀算法

在原始麻雀算法中，种群中个体被分为三种类型，即发现者、跟随者和警戒者[4]。麻雀优化算法的数学模型如下所述：一是初始化算法参数，设置种群数量，针对具体的寻优问题设置适应度函数；二是根据模型公式更新发现者的位置；三是根据模型公式更新跟随者的位置；四是根据模型公式更新警戒者位置[5]。基于本文所述被控对象，针对性的对原始麻雀算法进行改进。

首先针对麻雀算法本身，由于原始算法采用随机初始化种群策略，但是初始化对首代群体的位置分布情况影响较大，因此本文加入混沌初始化的方式。

其次针对本文的被控对象，过热蒸汽温度串级控制器参数寻优，不同于国际标准的CEC 测试集，很难提前获知理论上最优控制器参数，实际应用中往往需要将寻优程序迭代到最大次数，才能满足程序的终止条件。因此，需要将原始麻雀算法的收敛速度加以提高，并加入特定的判定语句，及时地终止程序。具体改进措施如下：在算法中加入选择算子，将群体中适应度较差的个体替换为优良个体；同时，通过加入个体适应度标准差来判断群体是否收敛，以此来终止程序的迭代。混合改进策略麻雀算法伪代码见表1。

表1 混合改进策略麻雀算法伪代码

3 试验验证

工程上常用的过热蒸汽温度系统控制器参数寻优常采用工程整定法，以华东某660MW 机组为被控对象模型参数，基于MATLAB 平台，将本文提出的混合策略麻雀算法与工程整定法进行对比试验。其中，算法的个体适应度采用主蒸汽温度控制系统输出与设定值偏差的绝对误差积分，如式（3）所示：

主蒸汽温度系统方框图如图5所示，其中主环和副环控制器均采用PI 型控制器，如式（4）所示：

图5 过热蒸汽温度串级系统方框图

在锅炉负荷为68%额定负荷工况下进行控制器参数寻优。设置麻雀群体数目N=20、最大迭代次数M=1000，原始算法与混合策略麻雀算法的收敛曲线如图6所示。

图6 两种算法寻优收敛曲线

根据图6可知，在加入混沌初始化和选择算子后，改进SSA 算法能够快速收敛，同时精度并没有较原始SSA 下降。将上述两种算法与工程整定法的参数进行负荷响应实验，三种方法在68%额定负荷工况下的输出响应曲线如图7所示。

图7 三种方法输出响应曲线

由图7可知，两种寻优算法的响应曲线均较工程整定法更优，同时改进SSA 能够在不降低寻优精度的同时，提高收敛速度。综上所述，随着群集智能优化算法的不断发展和创新，该技术能够在以后电力系统中推广和应用，从而提高整个电力行业的信息化及智能化水平。