火电厂燃烧系统的优化研究

火电厂燃烧系统的优化研究

刘丽丽

(东北电力大学自动化工程学院

吉林

吉林

132012)

【摘要】火电厂燃烧系统是一个具有非线性、大滞后、参数时变性和不确定性特点的系统,本文设计了一种火电厂燃烧过程的优化系统,并进行了仿真,结果表明,系统的鲁棒性和抗干扰能力优于原来的系统。

关键词】燃烧控制系统;智能控制;辐射能量【【Abstract】Thecombustionsystemofthethermalpowerplantisasystemwiththecharacterofnonlinear,largedelay,parametertimevaryinganduncertainty,inthispaper,wedesignasystemforthecombustionprocessofthethermalpower,andtheresultofthesimulationindicatesthattherobustanddisturbanceofthenewsystemarebetterthantheoldsystem.

【Keywords】boilercombustioncontrol;intelligentcontrol;radiantenergysignal

1.引言

火电厂锅炉燃烧过程控制系统的基本任务是使燃料燃烧所产生的热量适应蒸汽负荷的需要,同时还要保证锅炉的安全经济运行[1]。提高锅炉的运行热效率、降低能耗以及减少环境污染,是多年来技术改造和节能工作中意义深远的课题[2]。本文针对电厂锅炉燃烧系统的实际情况,从测量信号和控制技术两个方面对燃烧控制系统进行了研究,提出了用智能控制部分代替传统PID控制;用辐射能量代替燃料量信号、热量信号的控制方案,提出了新型燃烧控制系统,并进行了仿真研究,结果表明,该系统对于火电厂的燃烧系统具有优化作用,并具有一定的现实意义。

再加以人工修正。建立的模糊自寻优控制规则表和控制表。

实际模糊自寻优过程就是通过查表2进行的:根据实测炉膛总辐射能变化量△Y确定其模糊语言变量△Y的模糊值,并已知上一周期的送风摄动强度△Xk-1的模糊值,本次送风摄动强度△Xk在表5-2中的行、列随之确定,即查得△Xk的模糊值。当炉膛总辐射能变化量在较小的送风摄动条件下在PO,NO附近摆动4次,自寻优模糊控制器认为已经寻找到该工况下的最佳燃烧状态。

4.仿真

-3s

2e,13s+1

燃料流量至蒸汽压力关系为:G(s)=3,蒸汽压力至燃料流量关系为:G(s)=1/3,蒸汽压力检测变换系统数学模型为:G(s)=1。

在本文中,采用的仿真传递函数为:被控对象为:G(s)

2.火电站燃烧系统的控制特点

电厂燃烧控制系统是火电厂热工控制的重要组成部分,一般的,燃烧控制系统由三个相对的子系统即燃料控制系统、送风控制系统、引风控制系统组成。燃烧控制系统有三个控制任务:(1)维持主汽压以保证运行的品质;(2)维持最佳的风煤比以保证燃烧的经济性;(3)维持炉膛内具有一定的负压以保证运行的安全性。。它往往表现出强耦合、非线性、大惯性、参数时变性和不确定性,对其建立精确的数学模型十分困难。

[1]

可以证明,采用模糊自适应控制可以取得比常规PID控制器更好

的控制效果,而且系统的鲁棒性和抗干扰能力均有所提高,达到了设计目的。

5.结论

在原有燃烧过程控制系统的基础之上设计了采用炉膛辐射能信号替代原有系统中的燃料量信号,用智能控制代替原有PID控制的新型燃烧控制系统。仿真结果表明采用该系统后,燃烧过程鲁棒性和抗干扰能力有了提高,达到设计目的。科●

参考文献】【

3.燃烧系统的优化控制

由于火电厂燃烧控制系统具有以上的特性,本文建立了燃烧控制

系统的优化控制的总体结构。该系统包括以下几个部分:

(1)常规控制部分:给煤控制器、送风控制器和引风控制器采用传统PID控制,用于稳定主蒸汽压力、调节送风量和炉膛负压,维持锅炉的正常运行。

(2)开关控制部分:判断锅炉燃烧系统是否处于稳定状态,若满足条件则进行优化,否则就不进行优化。

(3)自适应模糊神经网络控制部分:采用自适应模糊神经网络控制器作为主调节器,与给煤PID控制器一起构成主汽压力控制系统,提高蒸汽压力的鲁棒性,抗干扰能力。

(4)模糊自寻优控制部分:建立模糊自寻优控制器是确认送风摄动强度变化与炉膛总辐射能量变化之间规律,寻找最优风煤比。在实际应用中,为了保证寻优过程的稳定性,适当加入停步判断环节。

3.1自适应模糊推理在主蒸汽压力控制中的应用自适应模糊推理系统(ANFIS)的基本思想是[10-12]:利用所给样本数据,通过神经网络的学习设计出合适的Sugeno型模糊推理系统,使其能够很好地模拟出希望的或是实际的输入、输出关系。

典型的Sugeno型模糊推理系统共分五层:第一层将输入信号模糊化;第二层用于计算各条规则的适用度;第三层进行各条规则适用度的归一化计算;第四层用于计算各条规则的输出;第五层为单节点,用于计算系统的总输出。

3.2风煤比在线智能控制通过模拟人工操作思想,由模糊自寻优控制器施加适当的风量摄动,在使燃烧效率充分接近最高值的同时,搜索最佳风煤比值,达到在线自适应风煤比的目的。通过对不同工况下以及不同燃料条件下的最佳风煤比的搜索及学习过程中,获取用于神经网络训练的学习样本,并以神经网络产生的输入控制量为优化控制量,对风煤比进行在线调整,克服设定固定风煤比所引起的系统性能下降的问题[14-15]。

依据模糊控制理论,把手工操作时对送风摄动强度的调整思想转化为模糊逻辑判断规则,即建立自寻优控制规则表。同时给定△Y和△X的隶属度赋值表,应用模糊控制合成规则,计算出自寻优控制表,

[1]边立秀,周俊霞,赵劲松等.热工控制系统[M].北京:中国电力出版社,2002.[2]卞正岗.电力工业自动化的发展[J].中国仪器仪表,2006.1:29~33.

[3]刘红波,李少远.火电机组先进智能控制及其应用[M]北京:科学出版社2005.[4]郑慧莉.大型火电厂自动化设计的若干问题[J].电力系统自动化,2005,29(24):79~82.

[5]SatoruGotoa,MasatoshiNakamura,ShiroMatsumura.AutomaticRealizationofHumanExperienceforControllingVariablePressureBoilers[J].ControlEngineeringPractice,2002,10:15~22.[6]余其铮.辐射换热原理[M].哈尔滨:哈尔滨工业大学出版社,2000.[7]ModestM.F.RadiativeHeatTransfer[M].NewYork:McGraw-Hill,1992.

[8]万新福,薛益鸣,周怀春等.基于全炉膛火焰图像处理及辐射能检测应用研究[J].华中电力,2003,(5):7~10.

[9]罗自学,杨超,周怀春.炉膛辐射能信号的提取机理及应用研究[J],动力工程,2005,25(3):374~377.

[10]Zurada,JacekM.IntroductiontoArtificialNeuralSystems[M].WestPublishingCompany,1992.

[11]Mesbah.S,Pang.G,Fuzzy-neuralcontrolwithapplicationtoaheatingsystem[J],ComputerAidedControlSystemDesign,1999,533～538.[12]李秀改,侯媛斌.基于神经网络BP算法的模糊自适应控制器的研究与实现,电气传动自动化[J],2000,22(4),24～26.[13]王正林,郭阳宽.过程控制与Simulink应用[M].北京:电子工业出版社,2006.[14]王耀青,刘微.在线调节风/煤比实现经济燃烧控制[J].中国电力,1997,30(2):14~19.

[15]王耀青,刘微.燃烧控制系统最佳风/煤比曲线的在线自学习算法[J].华中理工大学学报,1996.3,24(3):83~87.

作者简介:刘丽丽(1979.6.27—),女,硕士,讲师,研究方向:火电厂智能控制应用研究。

[责任编辑:张新雷]

634