基于SIS的预测控制应用研究.doc

基于SIS的预测控制应用研究 作者：罗敏1，张媛媛1，张毅2，丁彦军2 摘要： ??? 随着我国发电厂自动化和信息化水平的不断提高以及控制理论的不断发展，更加有效地利用SIS平台上的数据对机组运行进行优化，提高机组运行的安全性和经济性，降低生产成本，是目前SIS研究的重点。为此，提出了一种基于SIS平台的控制方案。以湖北某电厂4号机组的过热蒸汽温度作为控制对象，根据试验数据建立了过热蒸汽温度的神经网络动态模型，并采用动态矩阵控制算法(DMC)对其加以控制。经对该控制算法的仿真试验表明，过热蒸汽温度的控制品质得到了很好的改善。一、控制对象1.l SIS结构??? 湖北某电厂SIS的网络拓扑结构如图1所示。SIS通过专用通信网络连接数据库服务器、应用服务器、网关机等设备，从现场的网关机中共采集数据达40000点，在数据库服务器上实现了SIS的基础应用。如流程图、报表及报警柱状图的形成和趋势分析等功能，管理信息系统(MIS)从SIS获取数据进行进一步的应用。??????????????? 1.2 控制对象分析??? 过热蒸汽温度是锅炉运行中的重要参数之一，其直接影响锅炉的安全稳定运行。过热蒸汽温度过高容易烧坏过热器及损坏汽轮机的进汽部件，温度过低则不仅影响到机组的经济性，而且会造成汽轮机末级蒸汽湿度过大而损坏叶片。因此，电站锅炉过热蒸汽温度必须控制在规定的范围内。??? 湖北某电厂4号机组锅炉为亚临界、一次再热、自然循环、平衡通风、单汽包、半露天煤粉炉，最大蒸发量为1025t/h，过热蒸汽的额定压力和温度分别为17.53MPa和540，采用喷水减温调节过热蒸汽温度(图2)。由于以下原因使常规的串级PID控制方法效果欠佳：(1)过热蒸汽温度控制系统的惯性较大；(2)被控对象的动态特性随负荷显著变化，常规控制系统不能保证过热蒸汽温度在所有的负荷下都保持在允许的温度范围内。因此，采用基于SIS平台的先进控制策略，以改进过热蒸汽温度的控制效果，弥补常规PID控制的不足。???????????? 二、控制方案2.1 BP神经网络预测控制??? BP神经网络预测控制的基本原理是根据被控对象的输入输出数据，建立BP神经网络动态模型，并采用DMC作为优化算法实现被控对象的动态控制。BP神经网络预测控制的结构见图3。????????????? ??? 图3中，Yr(k+j)为输出量(即过热蒸汽温度)的第j步参考轨迹；Ym(k+j)为通过动态矩阵预测算法预测的第k+j步的过热蒸汽温度；Yp(k+j)为在Ym(k+j)基础上经过修正后的预测第k+j步的过热蒸汽温度；e(k)为模型预测误差；u(k)为被控量(喷水量)；y(k)为输出量(过热蒸汽温度)。2.2 BP神经网络预测模型的建立??? 对于非线性热力系统对象，很难得到精确的数学模型进行多步预测。神经网络具有表达任意非线性映射的能力，能够对非线性系统进行建模。利用神经网络的这一特点建立动态模型，作为预测控制器的预测模型，可用于热力过程的预测和控制。文献[2]设计了基于模糊神经网骆模型的有约束多步预测控制。本文基于SIS平台上被控对象的输入输出数据，应用BP神经网络，通过学习和训练逼近对象的真实模型。??? 设非线性系统可由下面的神经网络模型表示:????? y(k+1)=f[y(k),…,y(k-n+1),u(k-d+1),…,u(k-d-m+1),v(k),…,v(k-q+1)]???? (1)式中:u、y分别为系统的输入、输出；m和n分别为输入、输出的阶次；d为非线性系统的滞后时间；f为由神经网络模型表示的非线性函数;v为系统的扰动，被控对象在不同的扰动下表现出不同的动态特性，因此在模型预测中必须充分考虑扰动的作用;q为扰动量的阶次。神经网络模型结构见图4。??????????????? ??? 利用式(1)递推得到输出量的j步超前预测。由于k时刻以后的扰动量末知，因此模型预测中取k时刻之前的扰动量。设预测时域长度为P，则多步预测模型可表示为:???? ym(k+j)=f[y(k+j-1),…,y(k+j-n),u(k-d+j),…,u(k-d-m+j),v(k),…,v(k-q+1)]???? (2)其中j=1,2,…,P。??? 显然，式(2)中使用了k时刻以后的预测值，其可以通过神经网络模型的递推得到。对于k时刻和k时刻以前的预测值，可以用其实际值来代替，即?? ?????????? ym(k+j-l)=y(k+j-l)?????????????????? (3)其中，j-l≤0；l=1,2,…,n。2.3 BP神经网络动态矩阵控制律的计算??? 直接利用式(2)预测对象的输出并进行滚动优化，是一个非线性的优化问题。国内外学者在这