基于神经元辨识的锅炉过热汽温控制方法技术

本发明专利技术公开了基于神经元辨识的锅炉过热汽温控制方法，具体步骤包括：(a)获得模型：根据受控自回归积分滑动平均(CARIMA)模型和神经元数值学习算法循环修正误差与参数，直至满足阈值辨识出模型；(b)多步预报；(c)自适应控制：(d)偏差检验。本发明专利技术在基于锅炉过热汽温机理模型和神经元辨识算法的基础上，提前多步预报过热蒸汽温度，再通过与实际汽温比较而获得的偏差来进行自适应控制，在模型中充分考虑蒸汽流量的干扰以及相关白噪声的影响，使得蒸汽温度更好的跟踪设定值，有利于实时控制与模型的在线校正，提高过程系统的反应速度和控位精度。

【技术实现步骤摘要】

本专利技术涉及锅炉自动控制的
，特别是锅炉的过热蒸汽模型辨识的温度预估控制的

技术介绍
蒸汽过热系统的控制任务是维持过热器出口蒸汽温度在允许范围，保护过热器管壁温度不超过允许的工作温度。从干扰分析的角度看，过热器是具有较大延迟的多容惯性环节，测温元件具有较大惯性，影响过热器出口蒸汽温度变化的主要因素是：蒸汽流量的扰动、减温水量的扰动、烟气热量的扰动。对于蒸汽流量的扰动，辐射式过热器的特点是：蒸汽流量上升，蒸汽温度下降，而对流式过热器则是随着蒸汽流量的上升而温度上升；即是在负荷变化时，温度变化特点是有滞后、惯性和自平衡能力。减温水量的扰动则是扰动地点(过热器入口)与测温地点(过热器出口)有较大距离，产生纯滞后；过热器管壁储量和表面传热阻力造成容量滞后。烟气热量的扰动包括烟气侧热量扰动，烟气流速和烟气温度的扰动；其中，烟气温度对蒸汽温度的影响没有传递滞后。从锅炉过热蒸汽的扰动分析来看，为保证过热汽温按规定的升温曲线变化，一般采用串级加前馈的形式；其中，主调节器控制过热汽温，副调节器接受主调节器的校正信号和减温器出口气温信号，燃料量及其微分作为前馈信号。目前也有对锅炉过热蒸汽温度的控制方法，如CN201010042035，一种锅炉过热汽温模糊控制方法,建立了一种估算过热器导前区出口欧温度目标值的方法，通过两个独立的二维模糊控制器，根据过热器出口温度信息以及过热器导前区出口温度信息进行模糊推理，产生相应的控制分量，并通过两个控制分量的加权综合产生控制量，但是由于模糊控制的方式缺乏相关的模型，并且在线计算较为困难，所以应用时一般需要离线计算，并不能很好的进行实时控制。
技术实现思路
本专利技术的目的就是解决现有技术中的问题，提出基于神经元辨识的锅炉过热汽温控制方法，提前预估预报汽温偏差，减小各类干扰对过程控制的影响，从而有效地提高过程系统的控制精度和控制效果。为实现上述目的，本专利技术提出了基于神经元辨识的锅炉过热汽温控制方法，是在基于锅炉过热汽温机理模型和神经元辨识算法的基础上，提前预报过热蒸汽温度，再利用预报偏差进行自适应控制，从而获得更好的控制效果，具体步骤包括：(a)获得模型：根据受控自回归积分滑动平均(CARIMA)模型和神经元数值学习算法循环修正误差与参数，直至满足阈值辨识出模型；(b)多步预报：基于(a)步骤的单步预报模型，推导出多步预报模型；(c)自适应控制：根据预报模型与实际汽温的偏差值，进行自适应控制；(d)偏差检验：检验偏差是否在稳定情况，失稳时，偏差e由e＝r-y(k)代替。作为优选，所述(a)步骤中，受控自回归积分滑动平均(CARIMA)模型是以k时刻汽温值为被控量，减温水流量为控制量，蒸汽流量为干扰项，并考虑白噪声与时滞的影响。作为优选，所述(a)步骤中，神经元数值学习算法是通过采取最新的N个周期的值为样本，通过修改相应参数使得汽温预估值与实际值的偏差平方和为最小，从而获得模型的辨识参数。作为优选，所述(d)步骤中，预报偏差在失稳情况下，预报值在发生较大偏离时，在偏差检验环节进行及时的判断并进行调整。本专利技术的有益效果：本专利技术在基于锅炉过热汽温机理模型和神经元辨识算法的基础上，提前多步预报过热蒸汽温度，再通过与实际汽温比较而获得的偏差来进行自适应控制，在模型中充分考虑蒸汽流量的干扰以及相关白噪声的影响，使得蒸汽温度更好更好的跟踪设定值，有利于实时控制与模型的在线校正，提高过程系统的反应速度和控位精度。本专利技术的特征及优点将通过实施例结合附图进行详细说明。【附图说明】图1是本专利技术基于神经元辨识的锅炉过热汽温控制方法的结构原理图。【具体实施方式】参阅图1，本专利技术基于神经元辨识的锅炉过热汽温控制方法，具体步骤包括：步骤一、根据受控自回归积分滑动平均(CARIMA)模型和神经元数值学习算法循环修正误差与参数，直至满足阈值辨识出模型；步骤二、基于(a)步骤的单步预报模型，推导出多步预报模型；步骤三、根据预报模型与实际汽温的偏差值，进行自适应控制；步骤四、检验偏差是否在稳定情况，失稳时，偏差e由e＝r-y(k)代替。步骤一中，受控自回归积分滑动平均(CARIMA)模型为：y(k)=Σay(k-1)+Σbu(k-i-du)+ΣcD(k-i-dD)+ξ(k)Δ]]>式中y(k)为k时刻汽温值；u(k)为减温水流量；D(k)为蒸汽流量；ξ(k)为零均值高斯白噪声；du,dD为时滞。在取最新的N个周期样本时，通过修改参数使得下式最小：J=0.5*Σ{[Δy^(k-j)-Δy(k-j)]2本文档来自技高网...

【技术保护点】
基于神经元辨识的锅炉过热汽温控制方法，其特征在于：所述控制方法是在基于锅炉过热汽温机理模型和神经元辨识算法的基础上，提前预报过热蒸汽温度，再利用预报偏差进行自适应控制，具体步骤包括：(a)获得模型：根据受控自回归积分滑动平均(CARIMA)模型和神经元数值学习算法循环修正误差与参数，直至满足阈值辨识出模型；(b)多步预报：基于(a)步骤的单步预报模型，推导出多步预报模型；(c)自适应控制：根据预报模型与实际汽温的偏差值，进行自适应控制；(d)偏差检验：检验偏差是否在稳定情况，失稳时，偏差e由e＝r‑y(k)代替。

【技术特征摘要】
1.基于神经元辨识的锅炉过热汽温控制方法，其特征在于：所述控制方法
是在基于锅炉过热汽温机理模型和神经元辨识算法的基础上，提前预报过热蒸
汽温度，再利用预报偏差进行自适应控制，具体步骤包括：
(a)获得模型：根据受控自回归积分滑动平均(CARIMA)模型和神经元数
值学习算法循环修正误差与参数，直至满足阈值辨识出模型；
(b)多步预报：基于(a)步骤的单步预报模型，推导出多步预报模型；
(c)自适应控制：根据预报模型与实际汽温的偏差值，进行自适应控制；
(d)偏差检验：检验偏差是否在稳定情况，失稳时，偏差e由e＝r-y(k)
代替。
2.如权利要求1所述的基于神经元辨识的锅炉过热汽温控制方法...

【专利技术属性】
技术研发人员：陈昊哲，
申请(专利权)人：陈昊哲，
类型：发明
国别省市：浙江;33