[空气预热器供风系统的模型辨识与稳态优化控制.docVIP

空气预热器供风系统的模型辨识与稳态优化控制 刘丁 万百五 (西安理工大学自动化学院 西安 710048) (西安交通大学系统工程研究所 西安 710049) 摘要：利用多层前向神经网络,对电站锅炉回转式空气预热器供风系统在不同输入作用时的系统稳态模型进行了辨识。比较了风温、风压对系统的影响.提出了基于神经网络的供风系统模型,并以此模型为基础提出了稳态优化算法，实现了回转式空气预热器供风系统的稳态优化控制,经济效益显著。 关键词：神经网络,系统辨识,稳态优化控制,空气预热器。 MODEL IDENTIFICATION AND STEADY-STATE OPTIMIZING CONTROL OF WIND SYSTEM FOR AIR PREHEATER LIU Ding WAN Baiwu (Xian University of Technology,Xian 710048) (Xian Jiaotong University,Xian 710049) Abstract：This paper uses a multi-layer forward neural network to identify the steady-state model of air preheater of different inputs.The effects of the wind temperature and wind pressure on the system model are compared,and then the neural network wind system model is given.Based on this model,an on-line automatical model learning method and steady-state optimizing algorithm are proposed for the wind system of air preheater。 Key words：Neural network,system identification,steady-state optimizing control,air preheater。 1 引言 回转式空气预热器是大型火力发电厂中广泛使用的设备,其原理如图1所示.由于本身结构的原因,在使用过程中存在因机械变形而产生的漏风问题,使机组难以满负荷运行.文献[1]提出了解决这一问题的模糊控制方法并在实际使用中收到了良好的效果.本文进一步研究了系统中风压、风温与负荷间的关系,采用神经网络辨识方法,建立了这一复杂控制对象的模型,并以此为基础实现了系统的实时在线优化控制,使机组在满足负荷要求时,一、二次风机电流为最小.达到了节能降耗、提高锅炉燃烧效率的目的. 图1 回转式空气预热器原理图 2 供风系统的模型辨识 使用神经网络辨识控制系统稳态特性的原理是通过采集系统的稳态输入、输出数据构成一组学习样本集,依此样本对神经网络进行训练使网络逼近系统的稳态特性,这种逼近也可看成为一种映射变换.BP神经网络就是能够实现这种映射变换的前向型神经网络中最常用的一种.本文针对空气预热器供风控制系统,构造了一个前向多层网络,基于改进的BP学习算法和实际测得的输出、输入数据,对网络进行训练,得到了系统的稳态神经网络模型. 2.1 改进的BP学习算法 改进的BP算法的主要思想是其学习步长η应当是能自调整的,它可以由以下的关系递推: ， 其中τ是η(n)的调节系数, 是误差函数对η(n)的偏导数. 该算法的主要缺点是计算量大,且训练次数并没有明显地减少.因此可考虑一种自适应变步长的快速BP算法,其基本思想是,若连续两次迭代误差梯度的符号相反,则意味着沿这一方向下降过多,应对其罚,减小步长;相反,若连续两次迭代使符号相同,则表明下降慢了,没有达到极小点,应对其奖,增加步长.这样,通过记忆梯度方向符号变化的频度信息,实现自适应变步长算法.具体计算如下: 1)对权值及阈值进行初始化; 2)对于所有样本,(a)从输入层到输出层依次计算网络各层输出,(b)从输出层、输入层反向计算各层的误差,并计算各层的E/ui; 3)修正权值 上式中0ε1,可取0.2~0.3,视实际情况而定;α为冲量因子,常取0.8~0.9; 2.2 风压作用时的系统模型辨识 对于三分仓回转式空气预热器,空气侧分为一次风侧和二次风侧.一次风压和二次风压的变化对锅炉负荷影响很大,而且它们之间呈复杂的非线性关系.为实现稳态优化控制,本文选择BP神