鍋爐典型非線性過程的神經網絡建模和控制研究.pdf

1、熱工過程的建模與控制是保證熱力設備安全、經濟、環(huán)保運行的必要措施和手段。隨著我國電力工業(yè)對環(huán)境保護的日益重視，電站鍋爐污染物排放控制問題也越來越受到人們的關注。鍋爐特性往往具有典型的非線性和不確定性等特點，常規(guī)的線性建模方法無法準確描述鍋爐典型非線性過程的整體特性，難于實施理想的優(yōu)化控制。人工神經網絡具有較強的逼近非線性函數的能力，并具有自適應學習、并行分布處理和較強的魯棒性及容錯性等優(yōu)點，為未知不確定非線性系統(tǒng)的建模和控制提供了一種有

2、效的解決途徑。 針對電站鍋爐NOx排放過程和過熱汽溫的非線性和不確定性，本文著重研究了這兩個典型非線性過程的神經網絡建模和控制方法。 電站鍋爐NOx排放量的模型分為三類：基于化學反應動力學的CFD模型、人工神經網絡模型、集總參數模型。不少學者分別對這三類模型進行過研究，但還沒有把這三類模型結合起來進行研究的報道。本文首先對多層前向神經網絡 BP的基本構成、常用及改進的學習算法作了簡要的介紹，對燃煤過程中的NOx生成機理進

3、行了詳細分析，通過將BP神經網絡建模方法與NOx生成機理的有機結合，提出了基于NOx生成機理的非線性神經網絡模型。在此基礎上，利用所建立的非線性NOx排放神經網絡模型對某電廠鍋爐NOx的排放特性進行了預測，算法不僅可預測鍋爐總的NOx排放量，還可預測各層一次風粉單元的NOx排放量，通過預測計算可以定量地獲得如下結論：①鍋爐各層一次風粉單元生成的氮氧化物量是不相同的，中間幾組一次風粉單元生成的氮氧化物量很少，最底層和最上層一次風粉單元所生

4、成的氮氧化物較多；②在保證空氣過量系數的前提下，采用過燃風及減少對燃燒區(qū)的供氧，是降低NOx排放量的有效措施。顯然，這些結論對于有效抑制鍋爐NOx的生成及排放具有非常重要的指導意義。另外，由于該NOx神經網絡模型具有隱節(jié)點數少、泛化能力強及學習速度快的優(yōu)點，可以有效地對鍋爐NOx排放特性進行在線預測和控制。 在RBF網絡中，隱層節(jié)點的數目和中心分布將直接影響到RBF網絡的函數逼近和泛化能力，RBF網絡的隱層節(jié)點數和中心位置的動態(tài)

5、調整已越來越受到人們的重視。本文在對RBF網絡的結構、構建和訓練算法作了簡要的介紹后，從提高網絡泛化能力出發(fā)，分析了資源分配網絡(RAN)和最小資源分配網絡(MRAN)的基本算法，通過加入懲罰策略和合并策略，對最小資源分配網絡算法的隱節(jié)點刪減策略進行了有效改進，使改進的MRAN網絡具有學習速度快、泛化能力強、計算精度高且具有更加緊湊的結構，十分適合于網絡的在線實時調整。在此基礎上，本文進一步采用改進的MRAN網絡，并結合某300MW燃煤

6、鍋爐NOx排放和效率試驗數據，建立了電站鍋爐NOx排放與效率的非線性神經網絡模型，通過計算比較，驗證了采用改進MRAN網絡所建立的鍋爐NOx排放與效率模型具有較高的精度，能滿足鍋爐NOx排放過程非線性、時變性和不確定性的要求。 影響電站鍋爐NOx排放和燃燒效率的因素基本相同，但效果往往相反，如何實現鍋爐高效率低NOx排放是人們關注的重要問題。為了實現這一目的，本文在對現有鍋爐高效低NOx排放措施進行總結后，對前面所提出的改進MR

7、AN網絡學習算法作了進一步的改進，即在每一采樣點對過去若干樣本點進行反復的EKF學習，使改進的MRAN網絡能對在樣本點附近區(qū)域的樣本有較高的預測精度。另外，論文還進一步提出了基于實數編碼的遺傳算法和改進的模擬退火算法，并把這兩種優(yōu)化方法分別應用于對電站鍋爐高效率低NOx排放燃燒的優(yōu)化調整上，計算結果表明：采用這兩種優(yōu)化調整方法后，鍋爐可以在高效率低NOx排放量的優(yōu)化工況下運行。 電站鍋爐過熱汽溫被控過程具有大慣性、時變、非線性等

8、難于控制的特點。本文在分析神經網絡與自適應控制方法相結合的基礎上，利用改進的MRAN網絡，提出了三種動態(tài)神經網絡自適應控制算法：神經PID控制(NNPID)策略、神經內?？刂?NNIMC)策略和神經PID協(xié)調控制(NN-PID Coordinator)策略。并以某電廠過熱汽溫控制為研究對象，進行了仿真比較研究，結果表明：這三種基于動態(tài)神經網絡的汽溫自適應控制系統(tǒng)均比常規(guī)的PID控制系統(tǒng)具有更好的控制品質。三種非線性汽溫控制方案中，NNP