一种基于神经网络提升动态性能的燃煤机组汽包锅炉水位控制方法与流程

本发明属于控制领域，尤其涉及一种基于神经网络提升动态性能的燃煤机组汽包锅炉水位控制方法。
背景技术：
：随着世界各个国家及组织积极开展探究新型替代能源的技术，可再生能源以其可再生、无污染的特点受到了高度重视。新能源技术的发展导致多种新型能源的并入电网，能源形式不再局限于电能，而是电能、天然气能、石油能等多种能源形式的结合，然而，随着多种能源并入电网带来的挑战增多，传统燃煤机组的调节能力需要提高，因此需要开发性能更好的控制方法控制燃煤机组。燃煤机组中，对于锅炉汽包，水位直接影响蒸汽的压力和温度，是锅炉运行安全的重要指标。锅炉汽包水位是判断锅炉水-汽物质是否平衡的标志，水位过高会导致蒸汽带水进入过热器，并在过热器内结垢，影响传热效率；水位过低会降低水冷壁水循环的效果，严重时会导致局部过热而爆管。因此，需要提高对锅炉汽包水位的控制效果。针对汽包锅炉的水位控制，许多学者对pid控制方法进行了多种类型的改进，取得了一定的效果，但是所达到的精度不高，且没有理论依据。但由于建模技术的限制，现有模型存在不确定性和为建模动态，这造成了控制的困难；同时，水位波动大，收敛速度慢，严重影响了控制效果，因此需要在消除未建模动态的同时提高暂态性能。技术实现要素：在发电形式中，风力、光伏发电相较于传统的火力发电也有明显的优势。在我国，仍然是以火力发电为主，虽然充分利用风能、天然气能等代替火力发电，可以获得更大的经济收益以及环境收益。但是，新能源大量并网对燃煤机组的功率、频率的调节能力有了新的挑战。为了提高燃煤机组汽包锅炉的控制效果，本发明采用先进的动态性能提升控制方法，通过神经网络实现在线辨识，同时设定预设界并通过输出变化，使系统输出(即水位)维持在一个预设界之内，进而抑制超调量，加快收敛速度。本发明能够对抗系统不确定性，鲁棒性能好，抗干扰能力强。本发明的目的是通过以下技术方案实现的：一种基于神经网络提升动态性能的燃煤机组汽包锅炉水位控制方法，该方法实现包括以下步骤：(1)对于已知的燃煤机组汽包锅炉给水系统控制模型，将其传递函数模型等效转换为状态空间模型，表示为：y＝x其中，y为输出变量，即汽包水位高度，u为控制输入变量，即给水量，为状态变量，为x的2阶导数，，和是具有不确定性的以为自变量的函数；(2)设计输出转换函数，表示为：或者其中r为变换后的输出变量，r-1(·)为微分同胚，且要求r-1(·)对于r是严格递增的，除此之外r-1(·)应满足：其中和y分别为y的上界和下界(其为用户预设的期望输出的水位高度值范围)；选取其中φ(r)为一个有界且递增的奇函数；由此可得变换后的输出变量如下：(3)进行输出变换，使输出y在上下界中，输出变换后的状态空间模型表示为：其中：(4)为了便于设计控制律，定义滤波误差其中，a是正常数(用户自定义，用于调整收敛速度)。(5)令滤波误差的导数设计理想控制器表示为：其中，k为正常数(用户自定义，用于调整跟踪效果)；(6)用神经网络逼近理想控制器中含有未知量的部分令其中：wc是神经网络输出层的权重矩阵，且wc是有界的，即||wc||≤wm，wm为一个未知的正常数；ε是神经网络的重构误差，且ε是有界的，即||ε||≤εm，εm为一个未知的正常数；φc(·)为神经网络的基函数；zc是神经网络的输入变量，(7)设计实际控制律为：其中为权重矩阵wc的估计；此时实现的控制输入变量u即可实现提升动态性能的燃煤机组汽包锅炉水位控制。进一步地，所述步骤(1)中，已知的燃煤机组汽包锅炉给水系统控制模型的传递函数如下：其中,g为该给水系统的传递函数，h为燃煤机组锅炉汽包水位，u为给水量，α和τ为燃煤机组汽包锅炉给水系统中具有不确定性的实际参数。进一步地，所述步骤(2)中，φ(r)设计为双曲正切函数，满足：进一步地，所述步骤(6)中，神经网络的基函数φc(·)采用tanh(·)、sigmord、高斯函数等。进一步地，所述步骤(7)中，设计神经网络输出层权重矩阵的自适应律，表示为：其中，lc和τc为正常数(用户自定义，用于调整自适应律的收敛速度)。进一步地，所述步骤(7)中，选取李雅普诺夫函数，表示为：即可证明给水控制系统的信号y、r、s、u有界。本发明的有益效果是：本发明基于神经网络提升动态性能的燃煤机组汽包锅炉水位控制方法，在给水系统模型动态未知的情况下同时实现系统辨识和暂态性能提高。通过输出变换，设计控制律使水位高度保持在用户预设界之中，可以保证收敛速度较快，超调量在合理范围内，实现在保证安全生产的同时尽可能提高控制效果，进而提高生产效率，提高发电厂利润。附图说明图1是本发明基于神经网络提升动态性能的燃煤机组汽包锅炉水位控制方法的流程图；图2是动态性能提升控制方法的控制系统框图；图3为期望水位不连续变化时的控制效果图，(a)为输出曲线和预设界变化图，(b)为用于逼近的神经网络的输出层权重变化图,(c)为理想水位与实际水位的误差变化图；图4是期望水位连续变化时的控制效果图，(a)为输出曲线和预设界变化图，(b)为用于逼近的神经网络的输出层权重变化图,(c)为理想水位与实际水位的误差变化图。具体实施方式下面结合附图和具体实施例对本发明作进一步描述。以下实例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。本发明提供的一种基于神经网络提升动态性能的燃煤机组汽包锅炉水位控制方法，该控制方法流程图如图1所示，水位控制系统框图如图2所示，其中，由水位传感器测量锅炉汽包水位高度y，水位高度y传输给控制器，同时将用户定义的期望水位高度yd、输出预设界y和y输入到控制器，控制律由控制器计算输出控制输入变量，作为给水量的信号传输给给水阀门，进而控制锅炉汽包水位高度，在图3中，在图4中，yd＝1.2+0.001sint。该方法的具体实现包括以下步骤：(1)本实例中以某汽包锅炉为例。已知的燃煤机组汽包锅炉给水系统控制模型的传递函数如下：其中，g为该给水系统的传递函数，h为燃煤机组锅炉汽包水位，u为给水量，α和τ为燃煤机组汽包锅炉给水系统中具有不确定性的实际参数，实际参数α＝0.0014,τ＝11.2。对于已知的燃煤机组汽包锅炉给水系统控制模型，将其传递函数模型等效转换为状态空间模型，表示为：y＝x其中，y为输出变量，即汽包水位高度，u为控制输入变量，即给水量，为状态变量，为x的2阶导数，和是具有不确定性的以为自变量的函数；(2)设计输出转换函数，表示为：或者其中r为变换后的输出变量，r-1(·)为微分同胚，且要求r-1(·)对于r是严格递增的，除此之外r-1(·)应满足：其中和y分别为y的上界和下界(其为用户预设的期望输出的水位高度值范围)；选取其中φ(r)为一个有界且递增的奇函数；由此可得变换后的输出变量如下：φ(r)设计为双曲正切函数，满足：(3)进行输出变换，使输出y在上下界中，输出变换后的状态空间模型表示为：其中：(4)为了便于设计控制律，定义滤波误差其中，选取a＝17。(5)令滤波误差的导数得设计理想控制器表示为：其中，选取k＝1.6×104；(6)用神经网络逼近理想控制器中含有未知量的部分令其中：wc是神经网络输出层的权重矩阵，且wc是有界的，即||wc||≤wm，wm为一个未知的正常数；ε是神经网络的重构误差，且ε是有界的，即||ε||≤εm，εm为一个未知的正常数；φc(·)为神经网络的基函数；zc是神经网络的输入变量，选取神经网络的基函数φc(·)采用tanh(·)；选取神经网络隐层节点个数为10个。(7)设计实际控制律为：其中为权重矩阵wc的估计；此时实现的控制输入变量u即可实现提升动态性能的燃煤机组汽包锅炉水位控制。设计神经网络输出层权重矩阵的自适应律，表示为：其中，选取lc＝120和τc＝1。锅炉给水系统参数如表1所示，控制器的参数如表2所示；表1.实际给水系统模型参数表τ11.2α0.0014表2.参数表图3为期望水位不连续变化时的控制效果图，期望水位的变化为：从仿真结果可知，在所设计的控制律的作用下，实际水位会保持在用户预设界之内，即超调量被控制的很小，保证了收敛速度，提升了暂态性能，且给水控制系统的所有信号有界。同时，误差在允许范围内，实现了在不精确知道系统动态的情况下锅炉汽包水位的跟踪控制。此外，当期望曲线yd发生突变时，本控制方法仍然能保证水位跟踪控制的效果。图4为期望水位连续变化时的控制效果图，期望水位的变化为：yd＝2.1+0.04sin2t从仿真结果可知，在所设计的控制律的作用下，实际水位会保持在用户预设界之内，即超调量被控制的很小，同时，保证了收敛速度。提升了暂态性能，实现了在不精确知道系统动态的情况下锅炉汽包水位的跟踪控制，既保证了控制效果，又具有安全性。以上所述仅为本发明的较佳实施举例，并不用于限制本发明，凡在本发明精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。当前第1页1 2 3 

起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】与客服一对一沟通，为大家解决相关问题。

此文章来源于网络,如有侵权,请联系删除