【技术实现步骤摘要】
本专利技术涉及锅炉水煤比控制领域，具体地涉及一种基于神经网络逆模型的水煤比控制方法、一种基于神经网络逆模型的水煤比控制系统、一种计算机设备以及一种计算机可读存储介质。
技术介绍
1、由于电煤紧张，掺烧煤种复杂，主燃煤种严重偏离了设计煤种，燃水比很难控制，造成主汽压力、主汽温度等主要参数不稳定，严重地影响了大机组的经济性和安全性。因此优化大机组水煤比控制策略，提高调节品质，是提高大机组效率重要手段之一。然而，现有的水燃比控制方案不能满足大规模变负荷和变压力的要求，也不能同时兼顾机组运行的快速性和准确性，且燃煤电厂的热惯性相当大，限制了电力系统的灵活性，进而影响了经济性能。调节水煤比是电厂控制的主要难点之一，也是调节直流锅炉的关键，因此选择合适的水煤比控制方法对电厂的生产至关重要。
2、现有技术有多种控制水煤比的技术手段，但对于临界机组来说，水煤比控制存在强烈的非线性特性，直接或间接的干扰中点温度，造成经济损失。
技术实现思路
1、为了解决上述技术缺陷，本专利技术提供基于神经网络逆模型的水煤比控制方法及系统，所述基于神经网络逆模型的水煤比控制方法，通过根据调节对象以及被控对象的历史运行数据训练预先构建的神经网络逆模型，得到训练完成的水煤比控制神经网络逆模型，水煤比控制神经网络逆模型根据输入的被控对象的控制数据输出调节对象的调节量，完成对水煤比的控制，神经网络逆模型能够消除机组的非线性以及耦合性，确保锅炉机组的中间点温度能够在不同负荷下高效、准确地跟踪给定的信号，具有良好的控
2、本专利技术第一个方面提供一种基于神经网络逆模型的水煤比控制方法，所述方法包括：
3、确定与发电厂机组的水煤比相关联的多个调节对象以及多个被控对象，获取多个调节对象以及多个被控对象的历史运行数据；
4、将多个调节对象以及多个被控对象的历史运行数据作为训练集输入预先构建的神经网络逆模型中进行训练，得到训练完成的水煤比控制神经网络逆模型；
5、对多个被控对象的实时运行数据进行调节，得到多个被控对象的控制数据；
6、将多个被控对象的控制数据输入所述水煤比控制神经网络逆模型中，得到多个调节对象的调节量，根据多个调节对象的调节量控制发电厂机组的水煤比。
7、在本专利技术实施例中，所述调节对象包括给水量以及给煤量，所述被控对象包括中点温度以及主蒸汽压力。
8、在本专利技术实施例中，所述根据多个被控对象的实时运行数据得到多个被控对象的控制数据，包括：
9、根据多个调节对象以及多个被控对象的历史运行数据建立水煤比数学函数模型；
10、将多个调节对象的实时运行数据输入水煤比数学函数模型中，得到多个被控对象的实时运行数据；
11、对多个被控对象的实时运行数据进行比例积分微分调节，得到多个被控对象的控制数据。
12、在本专利技术实施例中，所述根据多个调节对象以及多个被控对象的历史运行数据建立水煤比数学函数模型，包括：
13、根据多个调节对象以及多个被控对象的历史运行数据对调节对象以及被控对象进行系统辨识，得到每一调节对象与每一被控对象关联的传递函数；
14、根据多个传递函数建立水煤比数学模型。
15、在本专利技术实施例中，所述传递函数包括：
16、给水量与中点温度的传递函数：；
17、给水量与主蒸汽压力的传递函数：；
18、给煤量与中点温度的传递函数：；
19、给煤量与主蒸汽压力的传递函数：；
20、其中，s为复数域的变量。
21、在本专利技术实施例中，所述对多个被控对象的实时运行数据进行比例积分微分调节，得到多个被控对象的控制数据，包括：
22、计算各个被控对象的实时运行数据与期望值之间的偏差值；
23、对各被控对象的实时运行数据与期望值之间的偏差值进行比例积分微分调节，获得各被控对象的期望设定值；
24、将各被控对象的期望设定值进行积分调节，获得各被控对象的控制数据。
25、本专利技术第二个方面提供一种基于神经网络逆模型的水煤比控制系统，包括：
26、数据获取单元，用于确定与发电厂机组的水煤比相关联的多个调节对象以及多个被控对象，获取多个调节对象以及多个被控对象的历史运行数据；
27、调节单元，用于根据多个被控对象的实时运行数据得到多个被控对象的控制数据；
28、水煤比控制神经网络逆模型，用于根据输入的多个被控对象的控制数据，输出获得多个调节对象的调节量。
29、在本专利技术实施例中，所述调节单元包括：
30、水煤比数学函数模型，用于根据输入的多个调节对象的实时运行数据，输出获得多个被控对象的实时运行数据；
31、比例积分微分控制器，用于根据各被控对象的实时运行数据以及期望值之间的偏差值进行比例积分微分调节，获得各被控对象的期望设定值；
32、积分控制器，用于根据将各被控对象的期望设定值进行积分调节，获得各被控对象的控制数据。
33、本专利技术第三个方面提供一种计算机设备，包括：
34、存储器；
35、处理器；以及
36、计算机程序；
37、其中，所述计算机程序存储在存储器中，并被配置为由处理器执行以实现如上所述的基于神经网络逆模型的水煤比控制方法。
38、本专利技术第四个方面提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行以实现如上所述的基于神经网络逆模型的水煤比控制方法。
39、本专利技术通过根据调节对象以及被控对象的历史运行数据训练预先构建的神经网络逆模型，得到训练完成的水煤比控制神经网络逆模型，水煤比控制神经网络逆模型根据输入的被控对象的控制数据输出调节对象的调节量，完成对水煤比的控制，神经网络逆模型能够消除机组的非线性以及耦合性，确保锅炉机组的中间点温度能够在不同负荷下高效、准确地跟踪给定的信号，具有良好的控制性能和较强的鲁棒性，确保机组安全、稳定运行，且提高了电厂的经济效益。
40、本专利技术技术方案的其它特征和优点将在下文的具体实施方式部分予以详细说明。
本文档来自技高网...【技术保护点】
1.一种基于神经网络逆模型的水煤比控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于神经网络逆模型的水煤比控制方法，其特征在于，所述调节对象包括给水量以及给煤量，所述被控对象包括中点温度以及主蒸汽压力。
3.根据权利要求2所述的基于神经网络逆模型的水煤比控制方法，其特征在于，所述根据多个被控对象的实时运行数据得到多个被控对象的控制数据，包括：
4.根据权利要求3所述的基于神经网络逆模型的水煤比控制方法，其特征在于，所述根据多个调节对象以及多个被控对象的历史运行数据建立水煤比数学函数模型，包括：
5.根据权利要求4所述的基于神经网络逆模型的水煤比控制方法，其特征在于，所述传递函数包括：
6.根据权利要求3所述的基于神经网络逆模型的水煤比控制方法，其特征在于，所述对多个被控对象的实时运行数据进行比例积分微分调节，得到多个被控对象的控制数据，包括：
7.一种基于神经网络逆模型的水煤比控制系统，其特征在于，包括：
8.根据权利要求7所述的基于神经网络逆模型的水煤比控制系统，其特征在于，所述
9.一种计算机设备，其特征在于，包括：
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行以实现权利要求1至权利要求6任一项所述的基于神经网络逆模型的水煤比控制方法。
...【技术特征摘要】
1.一种基于神经网络逆模型的水煤比控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于神经网络逆模型的水煤比控制方法，其特征在于，所述调节对象包括给水量以及给煤量，所述被控对象包括中点温度以及主蒸汽压力。
3.根据权利要求2所述的基于神经网络逆模型的水煤比控制方法，其特征在于，所述根据多个被控对象的实时运行数据得到多个被控对象的控制数据，包括：
4.根据权利要求3所述的基于神经网络逆模型的水煤比控制方法，其特征在于，所述根据多个调节对象以及多个被控对象的历史运行数据建立水煤比数学函数模型，包括：
5.根据权利要求4所述的基于神经网络逆模型的水煤比控制方...
【专利技术属性】
技术研发人员：王文彬，谢天，何宁，高满达，高思远，晋世仲，
申请(专利权)人：国家能源集团新能源技术研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。