鍋爐燃燒控制系統(tǒng)的仿真與應(yīng)用研究

1、1 鍋爐燃燒控制系統(tǒng)的仿真與應(yīng)用研究隨著工業(yè)的快速發(fā)展和科技水平的顯著提高，更多的現(xiàn)代工廠中都使用建模與控制策略方法來輔助工作， 并起到了較好的效果， 通過此方法能夠更好的對(duì)系統(tǒng)在運(yùn)行過程中出現(xiàn)的動(dòng)態(tài)變化與靜態(tài)特征進(jìn)行描述和分析.。關(guān)鍵詞：仿真；應(yīng)用研究；鍋爐燃燒；控制系統(tǒng)混合模型在火電廠鍋爐燃燒系統(tǒng)經(jīng)過仿真后的各種結(jié)果，在設(shè)計(jì)火電廠的鍋爐燃燒體系的時(shí)候應(yīng)用了混合模型這一方法，運(yùn)用遺傳算法計(jì)算出在300 兆瓦條件下的優(yōu)化結(jié)果， 對(duì)氮氧化合物的增益問題進(jìn)行分析，對(duì)比了運(yùn)用不同模型后計(jì)算出來的數(shù)值 .。1 模型研究1.1 穩(wěn)態(tài)模型建模效果評(píng)估bp（貝葉斯正則化）訓(xùn)練算法以及可變訓(xùn)練速率的梯度下降訓(xùn)

2、練算法（帶有動(dòng)量項(xiàng)）計(jì)算氮氧化物的排放含量以及相對(duì)耗煤量的結(jié)果均比較準(zhǔn)確.。在訓(xùn)練樣本中運(yùn)用 levenberg-marquardt最優(yōu)化計(jì)算方法可以獲得較小的mse 數(shù)值，但是在實(shí)驗(yàn)過程中mse 的數(shù)值卻比較大，沒有良好的泛化能力.。然而通過對(duì)比 bp（貝葉斯正則化）訓(xùn)練算法以及可變訓(xùn)練速率的梯度下降訓(xùn)練算法（帶有動(dòng)量項(xiàng)），這兩種算法計(jì)算結(jié)果相似，訓(xùn)練樣本的計(jì)算結(jié)果差距不到10%，實(shí)驗(yàn)樣本的測(cè)試結(jié)果類似， 泛化能力也比較高， 具有較高水平的訓(xùn)練精度2 .。1.2 混合模型建模效果評(píng)估該文章把火電廠內(nèi)鍋爐的燃燒體系作為樣本來解釋混合模型是如何應(yīng)用的，因?yàn)樵诿褐泻械@一元素， 所以造成了排放大

3、量的氮氧化合物， 在正常運(yùn)作時(shí)，火電廠內(nèi)的鍋爐燃燒體系忽略了排放物中氮的含量，所以造成了無法測(cè)量煤中所2 含的氮元素所占比例，因此，氮元素含量就是屬于擾動(dòng)變量.。1.3 模型評(píng)估反饋系數(shù)存在于一階的自回歸模型中，本文把這個(gè)系數(shù)的數(shù)值限制為大于零小于一 .。對(duì)大量的測(cè)試進(jìn)行總結(jié)，無論反饋的系數(shù)數(shù)值為多少，系數(shù)最后都會(huì)變成大于零小于一 .。在選定正則化系數(shù)時(shí)可以設(shè)置的偏小，本文把正則化系數(shù)設(shè)置為 0.005. ?；旌夏Ｐ偷臄M合度超過98% ，擁有比單一神經(jīng)網(wǎng)絡(luò)建模更佳的擬合精度，這是混合模型添加了系統(tǒng)的動(dòng)態(tài)特性之后獲得的結(jié)果3 . 。1.4 算法實(shí)現(xiàn)算法的實(shí)現(xiàn)步驟主要包括五步：（1）對(duì)混合模型的各

4、個(gè)參數(shù)進(jìn)行初始化.。本次文章最后選出的cv 和 mv如下：可調(diào)參數(shù) mv 總共是 15 個(gè)，各層風(fēng)門開一共九個(gè)， 給煤機(jī)煤量一共四個(gè)，另外兩個(gè)是差壓和機(jī)組氧量.。一共有九個(gè)反應(yīng)參數(shù)，分別是汽壓，單位是兆帕，汽溫，單位是攝氏度，總噴水量，單位是小時(shí)每噸，蒸汽溫度，單位是攝氏度，再噴水量，單位是小時(shí)每噸，飛灰的含碳量，單位是百分?jǐn)?shù)，煙氣的含量，單位是百分?jǐn)?shù)，氮氧化合物的排放量，單位是兆克每立方米，空預(yù)器的出口溫度，單位是攝氏度 .。這些數(shù)據(jù)是本文建立模型的基礎(chǔ).。（2）調(diào)整權(quán)重；（3）判斷終止條件是否滿足，如果滿足則算法結(jié)束轉(zhuǎn)向4，如果不滿足則轉(zhuǎn)向 2，繼續(xù)調(diào)整權(quán)重；（4）模型訓(xùn)練結(jié)束，獲得權(quán)重已

5、經(jīng)調(diào)整好的最終模型；（5）對(duì)模型進(jìn)行評(píng)估，在模型進(jìn)行實(shí)際運(yùn)用后，仍然有時(shí)會(huì)出現(xiàn)偏差，此時(shí)需要分析原因重新訓(xùn)練模型.。3 2 混合模型的實(shí)際應(yīng)用在模型訓(xùn)練好以后， 可以將其應(yīng)用于實(shí)際工況， 求解算法有很多種， 本文不再對(duì)各種求解算法進(jìn)行比較， 直接選擇遺傳算法進(jìn)行全局尋優(yōu)，遺傳算法亦有很多改進(jìn)以提高尋優(yōu)效率， 本文也不再做深入研究， 僅使用傳統(tǒng)遺傳算法， 遺傳算法需要首先確定目標(biāo)函數(shù)，然后全局尋優(yōu).。本節(jié)確定的目標(biāo)函數(shù)是使氮氧化物排放量和熱效率達(dá)到最佳平衡， 在輸入可調(diào)變量給定了目標(biāo)函數(shù)后運(yùn)用遺傳算法對(duì)氮氧化物的排放量和單位相對(duì)煤耗全局尋優(yōu)使鍋爐處在最佳運(yùn)行狀態(tài).。通常由于很多環(huán)境因素使系統(tǒng)并不

6、穩(wěn)定，存在很多的不確定因素， 比如劣質(zhì)煤、訓(xùn)練樣本記錄錯(cuò)誤等等， 這些都會(huì)使算法尋優(yōu)出現(xiàn)偏差，對(duì)遺傳算法抗噪性專家學(xué)者有過很多研究， 復(fù)雜的方法損失了效率并不可取，本文采用重復(fù)采樣的方法計(jì)算適應(yīng)度值并計(jì)算平均適應(yīng)度值以提高遺傳算法的抗噪性.。2.1 基于神經(jīng)網(wǎng)絡(luò)模型的優(yōu)化對(duì)模型進(jìn)行更深層次的驗(yàn)證， 假設(shè)存在系數(shù)為 0.7 的氮氧化物排放量， 系數(shù)為 0.3 的煤耗，此設(shè)置對(duì)環(huán)保效益更加注重，此種條件下可以實(shí)現(xiàn)氮氧化物從500 mg/m3左右降低到 450mg/m3左右， 相對(duì)煤耗在此種情況下會(huì)有所提升.。2.2 基于混合模型中穩(wěn)態(tài)映射的優(yōu)化靜態(tài)映射中適合采用向前神經(jīng)網(wǎng)絡(luò)， 可是存在一定的動(dòng)態(tài)成

7、分在數(shù)據(jù)現(xiàn)場(chǎng)采集中，因而在構(gòu)建神經(jīng)網(wǎng)絡(luò)模型時(shí)需要對(duì)動(dòng)態(tài)成分進(jìn)行剝離，對(duì)dt=adt-1+wt這種一階動(dòng)態(tài)式進(jìn)行剝離，就能夠獲取到所需的非線性神經(jīng)網(wǎng)絡(luò)fnn （），此種神經(jīng)網(wǎng)絡(luò)就是我們需要?jiǎng)?chuàng)建的具備穩(wěn)態(tài)的混合模型.。2.3 氮氧化物排放量的相對(duì)增益分析4 為了幫助機(jī)組運(yùn)行人員更好地調(diào)整可調(diào)參數(shù)和獲得更好的運(yùn)行效果，我們把那些可調(diào)輸入?yún)?shù)強(qiáng)力影響著反應(yīng)參數(shù)這一現(xiàn)象稱之為增益分析.。本節(jié)拿火電廠鍋爐燃燒為例，探索其中影響系統(tǒng)氮氧化物排放量的因素中更為顯著的因素有哪些.。系統(tǒng)之間在各個(gè)變量之間相互影響存在一定的耦合性，但相互之間也相互協(xié)調(diào)，因此，就隨之出現(xiàn)了敏感度一詞，用來衡量這個(gè)關(guān)系，簡(jiǎn)單來說，就是

8、用增益來衡量 .。例如，系統(tǒng)中的輸入發(fā)生調(diào)整時(shí)，要想知道其它輸入量是否發(fā)生改變，我們可以利用之前計(jì)算的增益來判斷.。3 優(yōu)化系統(tǒng)實(shí)施實(shí)驗(yàn)方案針對(duì)研究現(xiàn)狀和缺陷， 本研究為能更好的模擬系統(tǒng)的動(dòng)態(tài)性特征，特采用數(shù)據(jù)驅(qū)動(dòng)的系統(tǒng)優(yōu)化方法， 基于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)建模方法， 提出動(dòng)態(tài)與穩(wěn)態(tài)相結(jié)合的混合模型，可同時(shí)兼顧系統(tǒng)的熱效率與nox 排放量?jī)蓚€(gè)指標(biāo)，能有效提高系統(tǒng)的控制能力， 實(shí)現(xiàn)熱效率提升與污染物排放控制的雙重目標(biāo)，有利于企業(yè)和社會(huì)的共同發(fā)展，實(shí)現(xiàn)經(jīng)濟(jì)與環(huán)保的雙贏.。發(fā)達(dá)國(guó)家很早就開始相關(guān)研究，其研究的中心就是針對(duì)優(yōu)化燃燒過程以及檢測(cè)排放指標(biāo)進(jìn)行展開的，在鍋爐靜態(tài)、 動(dòng)態(tài)性， 控制和測(cè)算方面的研究獲得了

9、很多成果，策略和方法相比較之前也大有改進(jìn)，我國(guó)目前由于設(shè)備更新不及時(shí)， 工人的技術(shù)水平參差不齊， 大多數(shù)都沒有達(dá)到標(biāo)準(zhǔn)，導(dǎo)致了我國(guó)在發(fā)展火力而進(jìn)行的環(huán)境保護(hù)，與發(fā)達(dá)國(guó)家存在差異， 不光在外在的設(shè)備和操作上落后， 在鍋爐燃燒建模、操作策略和控制方面的研究還很淺顯，之所以形成現(xiàn)在的局面是因?yàn)榛痣姀S的鍋爐燃燒不是單純的操作，而是一個(gè)相對(duì)復(fù)雜的操作系統(tǒng)， 這個(gè)系統(tǒng)受變量和各種特性的制約，在火電廠建模上使研究人員工作量增加，準(zhǔn)確率很難達(dá)到標(biāo)準(zhǔn).。本文著重闡述火電廠鍋爐燃燒系統(tǒng)在數(shù)據(jù)驅(qū)動(dòng)下的建模和優(yōu)化方案.。我國(guó)的火力發(fā)電廠有嚴(yán)格的監(jiān)督控制系統(tǒng)，檢測(cè)5 火電廠的周圍環(huán)境和廢料排放， 因?yàn)槲覈?guó)的要求是在獲得經(jīng)濟(jì)效益的同時(shí)不能不顧環(huán)境因素， 經(jīng)濟(jì)環(huán)境一把抓， 達(dá)到火電廠節(jié)能減排的長(zhǎng)遠(yuǎn)目標(biāo)，要達(dá)到這一目標(biāo)首先要對(duì)系統(tǒng)進(jìn)行調(diào)整， 本文在提升鍋爐效率的同時(shí)， 又對(duì)環(huán)境保護(hù)進(jìn)行