《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 其他 > 業(yè)界動態(tài) > 鍋爐燃燒系統(tǒng)穩(wěn)態(tài)運行參數(shù)優(yōu)化

鍋爐燃燒系統(tǒng)穩(wěn)態(tài)運行參數(shù)優(yōu)化

2009-01-15
作者:徐禮國 徐 玲 須文波 鄒

  摘? 要: 建立了一個鍋爐燃燒系統(tǒng)穩(wěn)態(tài)參數(shù)優(yōu)化模型,。該模型利用神經(jīng)網(wǎng)絡(luò)表示主要物理量之間的關(guān)系,,在約束條件下反映鍋爐的運行條件,,優(yōu)化目標(biāo)是追求能源消耗量最小,。給出了優(yōu)化模型的罰函數(shù)法求解算法,介紹了該模型的結(jié)果同底層自動控制系統(tǒng)進(jìn)行連接的方式,,并給出了一個實際的應(yīng)用例子,。理論計算和實際使用表明該模型有相當(dāng)?shù)木龋梢燥@著提高系統(tǒng)的能源利用率,。

  關(guān)鍵詞: 鍋爐燃燒系統(tǒng)? 穩(wěn)態(tài)優(yōu)化? 神經(jīng)網(wǎng)絡(luò)? 罰函數(shù)

?

  鍋爐燃燒系統(tǒng)的運行狀態(tài)一直是人們關(guān)心的有關(guān)能源利用和環(huán)境保護(hù)的問題,。由于鍋爐燃燒過程中各個物理量之間存在著強非線性關(guān)系,不易得到系統(tǒng)的數(shù)學(xué)模型,,給實現(xiàn)自動控制帶來了困難,。已有相當(dāng)多的文獻(xiàn)對鍋爐燃燒系統(tǒng)的自動控制進(jìn)行討論,討論的重點在兩個方面,,其一是追求運行的優(yōu)化效果,,許多自動控制的新理論都曾經(jīng)在這個問題上進(jìn)行過嘗試[3][4][7][8];其二是如何使得鍋爐自動控制系統(tǒng)能夠長時間穩(wěn)定運行[3~4]

  由于鍋爐運行的絕大部分時間是處在穩(wěn)定狀態(tài),,影響鍋爐燃燒系統(tǒng)節(jié)能效果的主要因素是它在穩(wěn)定狀態(tài)的工作是否良好,。如果鍋爐穩(wěn)定在經(jīng)濟(jì)燃燒的狀態(tài),,其經(jīng)濟(jì)指標(biāo)就能得到保證。因此鍋爐自動控制系統(tǒng)的任務(wù)就是要保證在各種擾動作用的情況下使系統(tǒng)調(diào)節(jié)在最優(yōu)的狀態(tài)[2],?;谶@個認(rèn)識,本文將鍋爐燃燒控制系統(tǒng)設(shè)計為二級控制系統(tǒng),,底層的控制系統(tǒng)回路保證各種主要指標(biāo)穩(wěn)定在設(shè)定值上,,而設(shè)定值則由上一級的優(yōu)化系統(tǒng)進(jìn)行計算設(shè)置。

  鍋爐燃燒控制系統(tǒng)的底層控制回路的選擇有多種方式,。通過分析,,本文針對主蒸汽壓力、氧含量,、爐膛負(fù)壓三個主要參數(shù)實施自動控制,,并著重解決控制系統(tǒng)設(shè)定值即鍋爐穩(wěn)態(tài)運行參數(shù)的優(yōu)化問題。文中給出了鍋爐燃燒系統(tǒng)穩(wěn)態(tài)運行參數(shù)的模型和模型求解算法,,利用前饋神經(jīng)網(wǎng)絡(luò)描述了鍋爐燃燒系統(tǒng)中的主要物理量之間的關(guān)系,,這些關(guān)系作為優(yōu)化模型的約束條件,使得模型能夠模擬鍋爐的運行,,從而可以獲得較高精度的優(yōu)化結(jié)果,。整個系統(tǒng)的優(yōu)化控制如圖1所示,。

?

1 鍋爐燃燒系統(tǒng)穩(wěn)態(tài)優(yōu)化模型

  鍋爐燃燒系統(tǒng)的主要物理量是給煤量,、引風(fēng)量、送風(fēng)量,、主蒸汽流量,、主蒸汽壓力、煙氣氧含量以及爐膛負(fù)壓等,。從燃燒系統(tǒng)看,,給煤量、引風(fēng)量和送風(fēng)量是系統(tǒng)的輸入量,,而煙氣氧含量,、爐膛負(fù)壓是系統(tǒng)的輸出量,主蒸汽流量是系統(tǒng)要適應(yīng)的變化量,,無法預(yù)先確定,。鍋爐燃燒系統(tǒng)穩(wěn)態(tài)優(yōu)化就是要確定合適的輸入量,使得鍋爐燃燒系統(tǒng)在提供足夠的主蒸汽流量并保持主蒸汽壓力恒定的條件下最經(jīng)濟(jì)燃燒,,即使得燃燒系統(tǒng)的能源消耗最小,。

鍋爐穩(wěn)態(tài)優(yōu)化模型的形式化描述如下:

  

  cl、c2,、c3分別為送風(fēng)量,、引風(fēng)量和給煤量的單位價格;x1,、x2、x3分別為送風(fēng)量,、引風(fēng)量和給煤量,,是模型的決策變量;yl是蒸汽壓力,它是x1,、x2,、x3和負(fù)荷的函數(shù)。函數(shù)f(x1,,x2,,x3,fh)是一個用BP神經(jīng)網(wǎng)絡(luò)表示的模型,。

  yf_min,、yf_max分別表示引風(fēng)量的最小、最大限制

  sf_min,、sf_max分別表示送風(fēng)量的最大,、最小限制

  mei_min、mei_max分別表示給煤量的最小,、最大限制

  yl_min,、yl_max分別表示蒸汽壓力的最小、最大限制

  模型(1)的約束條件由兩部分構(gòu)成,,其一是關(guān)于決策變量(給煤量,、引風(fēng)量和送風(fēng)量)的范圍約束,即式(1.2)~(1.4);其二是關(guān)于主蒸汽壓力范圍的約束,,該約束在模型中的作用是模擬鍋爐系統(tǒng)運行,。在主蒸汽流量一定的情況下,選擇決策變量的取值時要保證鍋爐主蒸汽壓力在一定范圍內(nèi),。

  模型(1)是一個有約束的線性優(yōu)化模型,。為了求解,將其轉(zhuǎn)換為如下形式:

    

  模型(2)是一個無約束最小化問題,,它將模型(1)的約束條件用罰函數(shù)的方式表現(xiàn)在目標(biāo)函數(shù)中,,罰函數(shù)系數(shù)Mi的取值將隨著出現(xiàn)非可行解的次數(shù)增加。該模型的具體求解算法如下:

 ?、偃i(i=1,,2,…8)初始值為1000,,允許誤差ε,,k=1;

  ②求無約束極值問題模型(2)的最優(yōu)解;

  ③若對某一個j(1≤j≤8)有-gj(x1,,x2,,x3,yl)≥ε,,則取Mk+1=10×Mk,,令k=k+1,轉(zhuǎn)第②步,,否則停止迭代,。

  模型②求解的結(jié)果,是在給定的主蒸汽流量下,,使得鍋爐主蒸汽壓力穩(wěn)定,,同時使得鍋爐燃燒系統(tǒng)消耗最小的給煤量、送風(fēng)量,、引風(fēng)量的值,,即鍋爐燃燒系統(tǒng)穩(wěn)態(tài)參數(shù)的優(yōu)化值。

2 神經(jīng)網(wǎng)絡(luò)模型

  在鍋爐燃燒系統(tǒng)穩(wěn)態(tài)優(yōu)化中要用蒸汽壓力恒定來表示鍋爐的運行狀態(tài),。而影響主蒸汽壓力的因素很多,,在燃燒系統(tǒng)方面主要是給煤量、送風(fēng)量,、引風(fēng)量,。在不同的負(fù)荷下(即不同的主蒸汽流量),相同的燃燒系統(tǒng)輸入產(chǎn)生的主蒸汽壓力也是不同的,,所以還要考慮主蒸汽流量的影響,。

  由于主蒸汽壓力和給煤量、送風(fēng)量,、引風(fēng)量以及主蒸汽流量的關(guān)系是一個非線性關(guān)系,,本文采用一個四層BP神經(jīng)網(wǎng)絡(luò)來描述。具體的神經(jīng)網(wǎng)絡(luò)模型是一個4×10×10×1的前饋神經(jīng)網(wǎng)絡(luò),,第一層是輸入層,第四層是輸出層,,第二和第三層是中間層,。設(shè)第q層(q=1,2,,3,,4)的神經(jīng)網(wǎng)絡(luò)元的個數(shù)為nq(n1=4,n2=10,,n3=10,,n4=1),輸入到第q層的第i個神經(jīng)網(wǎng)絡(luò)元的連接權(quán)系數(shù)為,。該網(wǎng)絡(luò)的輸入/輸出變換關(guān)系為:

  

  建立主蒸汽壓力同主蒸汽流量,、給煤量,、送風(fēng)量、引風(fēng)量之間關(guān)系的模型就是要訓(xùn)練這個四層的BP神經(jīng)網(wǎng)絡(luò),,使得它的輸入/輸出關(guān)系滿足實際的輸入/輸出關(guān)系,。本文采用的訓(xùn)練方法為反向傳播(Back Propagation)學(xué)習(xí)算法。采用BP神經(jīng)網(wǎng)絡(luò)的原因是它具有較好的泛化功能,。具體的學(xué)習(xí)算法表示如下:

  設(shè)給定P組輸入輸出樣本為:

?? ??  

  所謂神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)就是調(diào)整它的權(quán)重,,使得其代價函數(shù)最小?;镜腂P算法可以表示成如下的形式:

  

  上述基本算法的缺點是收斂速度慢,、局部極小。對此可采用變步長方法改進(jìn)收斂速度慢的問題,。變步長方法的算法為:

  

  當(dāng)連續(xù)兩次迭代的梯度方向相同時,,表明下降太慢,可增加學(xué)習(xí)率;如果學(xué)習(xí)率太大,,連續(xù)兩次梯度方向相反,,表明修正過頭,則減少學(xué)習(xí)率,。

3 優(yōu)化模型的應(yīng)用及結(jié)論

  本文對某廠一個75t/h的鍋爐進(jìn)行了建模,。實際使用情況表明這個神經(jīng)網(wǎng)絡(luò)在建立主蒸汽壓力模型時可達(dá)到相當(dāng)高的精度。圖2是實際測量值與模型估計值的殘差,,可見其誤差很小,。統(tǒng)計檢驗表明,估計值的均值與測量值的均值相等,,誤差的方差為0.0114,。需要指出的是在進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練時,要對訓(xùn)練數(shù)據(jù)進(jìn)行無因子化處理,。本文使用的無因子化方法是最大值去除法,。

?

  表1給出了在神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上優(yōu)化計算的結(jié)果。表2給出該廠兩個月實際運行的耗煤量和優(yōu)化計算估計的耗煤量,??梢钥闯鲇嬎憬Y(jié)果有大約6%左右的節(jié)能率。實際運行中操作人員按照我們優(yōu)化結(jié)果做指導(dǎo),,節(jié)能率大約在2~3%,。

?

?

?

  表1中還給出了氧含量的估計值,這個值是在建立了一個描述氧含量與給煤量,、送風(fēng)量,、引風(fēng)量和主蒸汽流量之間關(guān)系的神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上根據(jù)模型計算得到的。從該值的變化趨勢看,顯然同經(jīng)驗研究的結(jié)論是符合的,,即當(dāng)負(fù)荷(主蒸汽流量)下降時,,為保證鍋爐經(jīng)濟(jì)燃燒,其煙氣氧含量要上升[1],。

  可通過再建立一個爐膛負(fù)壓與給煤量,、送風(fēng)量、引風(fēng)量和主蒸汽流量之間關(guān)系的神經(jīng)網(wǎng)絡(luò)模型,,計算出最優(yōu)的爐膛負(fù)壓,,再加上上面提到的氧含量,就可以確定底層控制系統(tǒng)的給定值了,。具體實現(xiàn)方法是將優(yōu)化結(jié)果和運行中的一些安全限幅要求結(jié)合起來,,組成一個IF-THEN規(guī)則庫,實時設(shè)定控制系統(tǒng)給定值,。一個很有吸引力的思路是建立在線的神經(jīng)網(wǎng)絡(luò)辨識器,,通過實時的模型辨識、優(yōu)化,,產(chǎn)生控制系統(tǒng)設(shè)定值,,這是下一步的研究方向。

  本文提出的鍋爐燃燒系統(tǒng)穩(wěn)態(tài)參數(shù)優(yōu)化方法,,可在基于鍋爐正常工作數(shù)據(jù)建立系統(tǒng)模型的基礎(chǔ)上比較容易地獲得鍋爐穩(wěn)態(tài)運行的優(yōu)化值,。而鍋爐燃燒系統(tǒng)穩(wěn)態(tài)優(yōu)化的結(jié)果又可以進(jìn)一步用作為人工或者自動控制的參考值。實踐表明該模型的結(jié)果符合實際生產(chǎn)情況,,取得了顯著的節(jié)能效果,。

?

參考文獻(xiàn)

1 金以慧, 方崇智.過程控制.北京:清華大學(xué)出版社,,1989

2 Sehitoglu,,H. Fire By Wire,Optimal Control of Boiler? Fuel Economy With Environmental and Safety Con-

strains.American Control Conference,,1987

3 鄭懷林,, 葉 樺, 陳維南.工業(yè)鍋爐燃燒系統(tǒng)分級智能控制.工業(yè)儀表與自動化裝? 置,,1999(2):16~18

4 石兆三.火電廠鍋爐燃燒過程模糊控制系統(tǒng)的設(shè)計及應(yīng)用.自動化儀表,,1999(9): 32~35

5 孫增圻.智能控制理論與技術(shù).北京:清華大學(xué)出版社,1997

6 《運籌學(xué)》教材編寫組.運籌學(xué).北京:清華大學(xué)出版社,,1990

7 鄭德忠.實現(xiàn)鍋爐優(yōu)化燃燒的新型控制方案.自動化儀表,1998.3

8 周以琳.鍋爐燃燒系統(tǒng)優(yōu)化控制及實現(xiàn)方法.工業(yè)儀? 表與自動化裝置,,1998.4

本站內(nèi)容除特別聲明的原創(chuàng)文章之外,,轉(zhuǎn)載內(nèi)容只為傳遞更多信息,并不代表本網(wǎng)站贊同其觀點。轉(zhuǎn)載的所有的文章,、圖片,、音/視頻文件等資料的版權(quán)歸版權(quán)所有權(quán)人所有。本站采用的非本站原創(chuàng)文章及圖片等內(nèi)容無法一一聯(lián)系確認(rèn)版權(quán)者,。如涉及作品內(nèi)容,、版權(quán)和其它問題,請及時通過電子郵件或電話通知我們,,以便迅速采取適當(dāng)措施,,避免給雙方造成不必要的經(jīng)濟(jì)損失。聯(lián)系電話:010-82306118,;郵箱:[email protected],。