基于RLS自适应滤波器再热汽温建模研究.pdf

10 东北电力技术 2009年第1期 基于 RLS自适应滤波器 ～ 再热汽温建模研究 ModelingResearchoftheReheatSteam TemperatureBasedonRLSAdaptiveFilter 江清潘，常太华，朱红路 (华北电力大学，北京 102206) 摘要 ：为克服试验建模与机理建模方法的不足 ，考虑LMS (最小均方误差)算法收敛较慢的缺点，讨论了RLS (递归最小 二乘)算法的基本原理及其在系统建模中的可行性。应用该算法对锅炉再热器进行建模研究，并使用现场数据进行验证， 说明了RLS算法在再热汽温建模中的效果。 关键词：自适应滤波器 ；RIS算法；再热器；建模；滤波 [中图分类号] TK227；TP273．2 [文献标识码]B [文章编号]1004—7913(2009)ol一0010—03 火电机组再热循环可降低汽轮机末端叶片的蒸 而引起延迟大、误差大的问题，在实践中被广泛应 汽湿度，降低汽耗，提高机组的热经济性，大型机 用。本文将利用其在系统建模方面的应用，设计一 组广泛采用中间再热循环。然而在运行过程中，需 个 自适应滤波器以逼近给定未知的再热器系统。 要将锅炉再热器出口处的蒸汽温度维持在规定限值 1 RLS自适应滤波器原理及实现 范围内，如果锅炉出口处的蒸汽温度低于设计值会 降低汽轮机装置的热效率，高于设计值会降低再热 RLS算法推广了最小二乘法的应用，是一种设 器材料 的强度和寿命。电站锅炉通常在 70％～ 计 自适应横向滤波器的递归算法，给定 一1次迭 100％负荷范围内只允许汽温在设计值的 一10～ 代滤波器抽头权向量最小二乘估计，依据新到达的 +5℃的偏差范围内波动。因此，对再热汽温系统 数据计算n次迭代权向量的必威体育精装版估计。该算法采用 的准确建模是实现对水蒸汽温度严格控制的关键。 了在每一时刻对所有已输入信号重估的平方误差和 再热汽温控制对象是典型的具有大滞后、大惯 最小准则 (Ls准则)，该算法收敛速度快、信号非 性特性的时变对象，锅炉的负荷、燃料的种类和特 平稳适应性较好，具有快速的跟踪能力。 性、给水温度及受热面积灰程度等因素都会影响再 1．1 RLS自适应滤波器原理 热汽温，因而再热汽温成为火电厂最难控制的系统 自适应滤波是利用前一时刻已获得的滤波器参 之一。由于试验建模会影响机组的运行而机理建模 数等结果，自动调节现时刻的滤波器参数，以适应 又太复杂，虽然出现了神经网络、多层递阶、模糊 信号或噪声未知的或随时间变化的统计特性，从而 逻辑等建模方法，但算法较为复杂，不易于实现， 实现最优滤波。在设计时不需要事先知道关于输入 而LMS算法虽然结构简单 、运算量小、易于硬件 信号和噪声的统计特性知识，能在工作过程中逐渐 实现，但其收敛速度比较慢。在有关信号特征的完 了解或估计出所需的统计特性，并以此为依据 自动 整知识不能得到的环境下，对再热汽温系统的建模 调整参数，以达到最佳滤波效果。一旦输入信号的 研究成了难点。 统计特性发生变化，能够跟踪其变化，自动调整参 基于RLs算法的自适应滤波器可以看成是卡 数，使滤波器性能重新达到最佳。 尔曼滤波器的一个特例，它涉