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