基于pid算法的锅炉燃烧控制系统研究

基于pid算法的锅炉燃烧控制系统研究

这种联系是工业生产过程中动态特征的普遍现象。在多变量系统中，由于每个变量的耦合效应，输入数量的变化会导致多个输出数量的变化，耦合降低了控制体系的调整质量，当合作严重时，系统无法投入运行。因此，人们对节点的分解进行了大量研究。传统的控制理论通常采用“分离”的方法，将不同的控制系统相互独立，将不同梁之间的多变量系统转化为相互依存的单个变量系统，然后控制每个变量。然而，解开器的设计要求控制对象的数学模型是线性的，并且它是线性的，因此在实际过程中很难满足这些条件。单元系统的相关性和集成使得计算内部参数的时更复杂。单元装置和控制器是相互分离的两部分。这往往难以考虑，设计过程复杂。此外，还有大量非对称多变量工业对象（输入和输出金额不同）。因此，传统的解开环控制难以应用。PID型单神经元控制具有传统PID控制和神经网络的优点,可解决单变量系统的控制问题.多个PID型单神经元交叉关联组成的神经网络可用于多变量系统的协调控制,通过各个控制量对被控参数的协调作用,使被控参数按照给定值的要求变化,实现系统的广义解耦控制.锅炉燃烧过程是典型的具有强耦合、非线性、时变性、多变量的复杂系统,它可被看作是一个3输入3输出的相互关联的多变量对象.锅炉燃烧控制系统主要由3个子系统组成,即燃料量控制、送风控制和引风控制.由于被控对象变量间存在严重的耦合关系,所以3个主要子系统间应协调考虑.锅炉燃烧对象难以建立精确的数学模型来描述,使得基于数学模型带固定参数的常规PID等控制方案难以获得理想的控制效果,锅炉燃烧控制也因此成为火电厂过程控制中的一大难题.本文将PID型神经网络应用于火电厂汽包锅炉燃烧控制系统,使整个机组达到安全和经济运行.仿真结果表明,该方法是完全可行的,该方法的解耦机制和优良的控制品质,在不同负荷下都能获得满意的控制效果,具有较好的鲁棒性和负荷跟踪性能.1调整煤粉系统的转速,避免燃料自发和自发扰动根据制粉系统的不同,汽包锅炉可分为中间储仓式和直吹式两种.在中间储仓式锅炉中,燃料系统和燃烧过程是相互独立的,燃料系统的任务是将原煤制成煤粉并存入煤粉仓,进入炉膛的燃料量是由给粉机将存于煤粉仓的煤粉送入炉膛,改变给粉机转速就能立即改变进入炉膛的煤粉量,因此在适应负荷变化或消除燃料自燃、自发性扰动方面都比较及时.而直吹式锅炉中,制粉系统与锅炉紧密联系,改变给煤机转速后,还需经过制粉过程,才能使进入炉膛的煤粉量变化,大大增加了燃烧过程通道的惯性和迟延,在适当负荷变化或消除燃料自发性扰动方面都比较慢,从而引起较大的波动.1.1锅炉燃烧系统的组成锅炉燃烧工况的好坏对锅炉及整个机组的安全性和经济性都有很大影响.锅炉燃烧控制系统的基本任务是:既要提供热量适应蒸汽负荷的需要,又要保证燃烧的经济性和锅炉运行的安全性.其具体任务又随单元机组的制粉系统、燃烧设备、锅炉运行方式及控制手段的不同而有所区别.但其共同任务是维持蒸压稳定,保持燃烧过程的经济性(最佳空燃比),保证炉膛负压不变.与此相应,应有调节燃料量、送风量和引风量3个控制回路,从而构成了多参数的燃烧过程控制系统.图1为锅炉燃烧系统的简化结构原理图.1.2控制手段与投入的匹配燃烧控制系统的被控对象是一个多输入多输出强耦合的复杂对象.图2为燃烧控制系统被控对象的物理量关系的示意图.由图2可以看出被控对象输出与输入之间的关系,结合被控对象的动态特性,选择控制系统控制手段与被控量之间的配对,为设计满足机组运行特性的合理控制方案奠定基础.1.3燃料、回收过程控制子系统燃烧控制系统中,由于被控对象之间存在着严重的耦合关系,3项主要控制任务的调节过程是相互关联的,故控制系统中的3个主要子系统(燃料、送风和引风)的设计方案应协调考虑.燃烧控制系统有多种组成形式.在具体应用中选择哪种形式,取决于锅炉的运行方式、燃料的种类、选择中间粉仓还是直吹式制粉设备,以及采用磨煤设备的形式等.锅炉燃烧控制系统中的3个主要子系统有诸多控制方案,但控制系统的基本构成存在下列共性.(1)在燃料量控制子系统中,燃煤量的直接测量问题尚未得到很好解决,所以,需要选择一些便于检测的信号且通过运算形成能够反映炉内燃料量的软测量信号.通常考虑给粉机转速(中间粉仓式)、给煤机转速(直吹式)、锅炉热量信号、调速级压力信号或通过运算构成的综合信号等.(2)燃料量控制子系统的具体控制任务与协调控制的控制方式相关.炉跟机控制方式的控制任务为维护机前压力(蒸汽压力),机跟炉控制方式的控制任务为满足外界负荷要求,机炉协调控制方式的控制任务要综合考虑负荷和蒸汽压力两个指标.(3)送风量控制子系统必须要增加能反映燃料量变化的前馈信号,并在燃料和送风两个子系统中设计相关的运算回路,构成增负荷先增风、减负荷先减煤的调节方式,保证动态过程中为燃料提供充分燃烧的风量.(4)在送风量控制子系统中设计烟气含氧量校正运算调节回路.氧量给定值不是常数,而是锅炉负荷的函数,如负荷增大时烟气含氧量随一定的函数关系减小.代表锅炉负荷的物理量可以选择锅炉热量信号、调速级压力信号或主蒸汽流量信号等.(5)在炉膛压力控制子系统中,取送风量控制子系统执行机构的位置信号作为本系统的前馈信号,确保负荷变化时炉膛压力动态调节过程的调节品质.此外,由于实际过程中燃料的配比不稳定,燃料的热值时好时坏,“负荷流量”的需要量时高时低,致使被控对象极不稳定.而且燃烧系统需要经过汽包分离系统才能形成蒸汽,这又使得主蒸汽压力的响应特性具有较大的滞后性.1.4传统的扑灭机制是对锅炉燃烧控制系统的控制(1)荷平衡的平衡燃料量控制子系统是串级加前馈的复合控制系统.调节过程如下:通过调整给粉机转速,控制进入炉膛的给粉量,维持主蒸汽压力为设定值(定压运行方式).主调节器为主蒸汽压力调节器,用于调整锅炉燃烧率与外界负荷要求的平衡;副调节器为燃料量调节器,接受主调节器的输出和给粉机出力经过锅炉热量信号修正后形成的实际燃烧率信号.为克服锅炉燃烧过程存在的大延迟和大惯性,提高负荷适应性,主副调节器出口分别引入了反映机组出力大小的能量信号和锅炉燃烧率指令作为前馈信号.送风量控制子系统主要由烟气含氧校正回路和送风量控制回路两部分组成.氧量调节器用来修正送风量的测量值,保证在不同负荷下,过量空气系数满足最佳经济燃烧的要求.送风量调节器则依据锅炉燃烧率指令信号和能够满足最佳经济燃烧的送风量信号之间的偏差调节送风挡板开度.引风量控制子系统是一个简单的单回路定值调节系统,并引入了送风挡板的位置信号作为前馈信号.(2)锅炉燃料控制系统的改进其3个主要子系统的原则性控制方案与中间粉仓式锅炉燃烧控制系统相似,只是燃料控制子系统的控制手段改为调整进入磨煤机的原煤量.另外,由于磨煤机所制成的煤粉是直接进入炉膛的,则磨煤机及制粉系统的工作过程成为燃料控制系统被控对象中不可或缺的组成部分,在控制系统的设计与调试过程中应该注意.为保证锅炉燃烧过程的安全、经济及负荷适应性,除了上述介绍的子系统以外,需要增加磨煤机一次风量等控制子系统.磨煤机一次风量控制子系统的任务是控制各磨煤机一次冷风门挡板开度保持磨煤机一次风量与给煤量的比值不变,从而保证磨煤机的经济运行.该控制方案的最大缺点在于把多变量耦合燃烧控制系统硬性拆成多个有一定前馈耦合的独立子控制系统,这种分解法没有很好地考虑多变量之间的耦合性、非线性与时变性,因此控制效果较差,耦合系统控制应该采用解耦控制方法.2耦合系统设计方法较单一在一个工程中,由于耦合的存在,常使控制遇到一些问题,如耦合系统的各回路不能分开独立考虑,回路参数的整定要多次,且难以得到满意的整定结果;耦合系统的分析与设计所要求的有关系统的信息远多于解耦系统所要求的信息;解耦后的系统可应用常规标准设计方法进行设计,而耦合系统还没有通用简便的精确设计方法;解耦后的系统可随时按照控制要求在线整定各回路,而耦合系统则因关联因素太多而难以随时进行在线整定.因此,耦合系统需要进行解耦控制.下面介绍解耦控制发展的情况.(1)解耦补偿矩阵包括时域方法和频域方法两种,其中主要有对角矩阵法、相对增益分析法、特征曲线分析法、状态变量法、逆奈氏阵列法等.它是通过解耦补偿器的设计,使解耦补偿器与被控对象组成的广义系统的传递函数矩阵为对角阵,从而把耦合多变量系统化为多个无耦合单变量系统.但补偿矩阵设计完全依赖于被控对象的精确数学模型,而实际被控过程通常是时变的和非线性的,因此线性定常的解耦补偿器不具有适应性,很难保证控制品质,甚至导致系统不稳定.(2)自校正前馈控制是将被控对象的解耦、控制和辨识结合起来,可以实现参数未知或时变系统的在线精确解耦控制.它将耦合项作为可测干扰,采用自校正前馈控制的方法,对耦合进行动、静态补偿.这种解耦方法需要求解Diophantine方程,且求出的方程解只会是近似解.此法虽在一定程度上解决了系统不确定性问题,但是此法要求在线辨识对象模型,因此算法复杂,计算量很大,它对过程动态建模和扰动的适应能力较差.(3)非负性解耦器设计方法是通过设计鲁棒预补偿器,使摄动系统为鲁棒对角优势,从而将多变量系统化为多个单变量系统.它常采用H∞方法和结构奇异值理论、线性矩阵不等式方法,以及代数方法来设计补偿器.鲁棒解耦一般只是针对特定系统讨论特殊的解耦设计方法,以减少解耦控制器对系统参数的敏感性,但未能系统地解决一般不确定系统的鲁棒解耦问题.(4)神经网络解耦主要用于非线性系统的解耦控制,它主要分为模糊解耦和神经网络解耦两种,模糊解耦又分直接法和间接法.直接模糊解耦法是先对控制对象进行解耦,然后针对解耦得到的各单变量过程进行模糊控制系统设计;而间接模糊解耦法是通过对多模糊控制规则进行模糊子空间的分解实现解耦.模糊解耦控制的理论及应用还都不成熟,还处于研究发展阶段.神经网络解耦主要是基于神经网络可以以任意精度逼近任意解析非线性函数,而且神经网络具有自学习、自适应能力,又有很强的容错能力.神经网络解耦是基于逆系统控制的思想,神经网络一般都采用3层前向静态网络,但是单独的神经网络控制很难满足系统的要求,它常与其他算法结合实现解耦控制.由于神经网络有着自身无法解决的问题,而且非线性对象不像线性对象那样容易分解和交换,因此非线性解耦理论与神经网络结合较为困难,难以找到通用的解耦条件判据,神经网络解耦理论发展较慢,更多的解耦策略都带有尝试性,只能依靠仿真来佐证.当然,除上述几种解耦控制方法外,还有预测解耦、内模解耦、卡尔曼滤波解耦等其他控制方法.每种方法均有其独特优点,也会有其局限性.3pid型神经网络PID控制是历史最悠久、生命力最强、通用性最好的控制方式,它具有结构简单、易于操作且模型误差具有鲁棒性等优点,其主要缺点在于它不适于非线性、时变系统的控制.神经网络具有自学习、自适应、非线性映射能力以及较强的容错性等优点,但它存在着结构较为复杂、无明确的物理意义、初始权值对结果影响较大等问题.将PID控制规律融入神经网络之中,即构成PID型神经网络.PID型神经网络控制系统的结构计算方法、权值的BP学习算法、权值参数的初值选取等参见文献.4主汽压系统仿真实验仿真中,本文研究的被控对象为300MW单元机组W型火焰直吹式燃煤锅炉,它的动态特性可用传递函数表示为⎡⎣⎢ypmyO2yps⎤⎦⎥=⎡⎣⎢⎢⎢0.0033s(30s+1)−0.35s+1001.830s+10.55s+100−15s+1⎤⎦⎥⎥⎥⎡⎣⎢unugus⎤⎦⎥(1)[ypmyΟ2yps]=[0.0033s(30s+1)00-0.35s+11.830s+1000.55s+1-15s+1][unugus](1)式中:ypm——主汽压,MPa;yO2——烟气含氧量,%;yps——炉膛压力,kPa;un——一次风挡板开度,%;ug——送风机档板开度,%;us——引风机档板开度,%.在其他回路的给定值均为零时,对各回路分别作给定值的单位阶跃扰动试验,可以得到各回路被调量的单位阶跃响应曲线,如图3所示.由图3可见,系统在受到定值扰动时,被调量的过渡过程时间和超调量都较小.由于锅炉燃烧过程为不确定、时变对象,所以作了参数变化时的系统仿真,图4为对象变化的单位阶跃响应曲线.图4中,假定对象的动态特性发生变化,其传递矩阵的对角元素分母的惯性时间常数从原来的30,30,5,分别变为60,60,10.