摘要：近年来，随着我国火电厂锅炉机组建设规模的不断扩大及机组参数和容量的不断提高，火电厂对于其水处理的过程提出了更高的要求。因此，很多火电厂企业对自动化控制系统的应用需求越来越迫切。传统的电厂自动化水处理系统包括凝结水加氨处理、给水加氨处理及给水加联氨处理等过程，但是这些系统通常过程时滞较大、有较强的非线性特征并且过程具有时变性。因此，在火力发电厂中，水处理自动控制系统的投入率非常低。
但是，火电厂水处理系统的控制难度为火电厂公用系统之最，除了含有大量复杂的逻辑控制外，还包括种类繁多的化学仪表如钢离子浓度仪、挂酸根离子浓度仪、浊度仪及PH表等，以往人工控制下的化学水处理设备仪表多为离线采样，准确度低，经常导致制水质量不能稳定控制。对此，设计出水处理监控和预测系统是非常必要的。
关键词：神经网络；火电厂；水处理；监控；预测系统
基于神经网络的火电厂水处理监控和预测系统，其特征在于其包括预处理生活消防水系统、补给水处理系统、中和池排放系统和发电机凝结水处理系统。各个系统具备联锁、保护和报警功能，并能通过网络连接对整个火电厂水处理过程进行动态显示监控和记录。
所述的联锁、保护和报警功能是在水处理监控预测系统工作过程中，当某台泵启动时，该系统就会在泵于泵之间进行联锁及保护，当泵停止工作时，泵出口门自动关闭，另一个泵将会自动启动，如果系统出现故障，会通过屏幕发出警报信息，并通过不同颜色的灯光区分事故发生的环节。
所述的动态显示监控用于对整个工艺流程进行实时监控，将测量数据植入输出模块传给监控室，工作人员可以通过测量数据分析水处理的整个运作状态，进而分析出是否存在故障。
所述的记录为对整个火电厂水处理过程的记录，包括模拟量参数测量值、设备运行状态、转动机械的启停和系统运行状态等，并将工艺流程中的事故以报表的形式呈现并存储。
目的在于提供基于可编程PLC控制系统和神经网络的火电厂水处理的监控和预测系统。
包括进行数据分析和系统控制的上位机系统、控制离子交换树脂工艺过程和设备的下位机系统和基于神经网络的预测控制系统。
上位机系统设计负责数据采集和系统控制。上位机系统能与水网实现双向通讯，在水网的上位机上实现监控。
下位机系统设计主要负责控制离子交换树脂工艺过程及设备，使其在自动化的操控下完成化学补给水的二级除盐等功能，这样既可提髙工作效率，又可大大提高化学水处理监控系统的操作水平。
基于神经网络的预测控制系统包含了神经网络控制器、神经网络预测模型和反馈校正。
神经网络控制器输入为过去时刻的控制量、参考值和补偿后未来期望输出，输出为当前和未来控制量和控制中和过程中的PH值。
神经网络预测模型采用RBF网络模型，对系统的未来输出的PH值进行预测并用敏感度法调整隐层神经元个数。其输入为当前控制量和过去时刻的输出值，在进行预测前先对系统进行辨识，获得系统的神经网络模型。
反馈校正的作用为：在神经网络模型辨识完成以后，根据辨识得到的系统模型，对未来输出进行预测，但预测结果往往和实际输出有误差，因此还要通过在线反馈校正更新系统模型，并对预测结果进行误差补偿，以减小预测误差对预测控制输出的影响。
采用工业以太网和控制网两大网络结构，可以将监控系统与互联网连接，控制网主要用来实现主PLC与扩展PLC、主PLC与远程PLC之间的通讯连接，控制网采用冗余配置设计，用以提高系统可靠性。另外，控制网络的联结为支干结构，提高控制系统的实时性。
与现有技术相比，本实用新型具有以下有益效果：
（1）可以将监控系统与互联网连接，控制网主要用来实现主PLC与扩展PLC、主PLC与远程PLC之间的通讯连接，控制网采用冗余配置设计，用以提高系统可靠性。另外，控制网络的联结为支干结构，提高控制系统的实时性。
（2）本实用新型所提的系统中可将水处理过程中的离子浓度、浊度及PH值等数值进行分析，更便捷地把控化学水处理的操作流程。
（3）本新型不仅可通过屏幕发出报警信息，也可同时驱动现场和中控室的声光报警，并由计算机自动记录，同时对生产现场的数字量状态变化，模拟量越限报警进行实时记录，便于操作人员第一时间找出事故发生的故障节点和记录故障信息。
（4）本新型使用基于神经网络的预测控制方法，通过优化网络结构和辨识过程的滞后时间来提高模型的辨识效率。同时，通过误差补偿及预测输出提高对时滞系统的预测控制效果。
附图说明
图1系统结构图；
图2 上位机系统结构图；
图3 下位机系统结构图图；
图 4神经网络预测控制系统图。
具体实施方式：
1、如图1所示，一种基于神经网络的火电厂水处理监控和预测系统，包括上位机系统、下位机系统和预测控制系统。
2、所述的上位机系统如图2所示，系统包括实时监控功能、报表管理功能、报警功能和系统安全管理功能；所述的实时监控功能监控的对象为补给水实时趋势、凝结水实时趋势、预处理实时趋势、汽水实时趋势1、汽水实时趋势2和历史趋势；所述的报表管理功能包括补给水实时报表、补给水日报表、凝结水实时报表、凝结水日报表、预处理实时报表和预处理日报表管理；所述的报警功能包括补给水实时报警、补给水历史报警、凝结水实时报警、凝结水历史报警、预处理实时报警和预处理历史报警；所述的系统安全管理功能包括控制权限管理、用户管理和系统日志管理。
3、如图3所示为系统的下位机系统，其包括了预处理生活消防水系统、补给水处理系统、中和池排放系统和凝结水处理系统；所述的预处理生活消防水系统包括了生活水管理、汽水化验管理、系统结构管理和循环水管理；所述的补给水处理系统包括了过滤器管理、单元再生管理和除盐水箱管理；所述的中和池排放系统包括酸碱罐管理和中和池管理；所述的凝结水处理系统包含机器凝水管理、代脂管理和机器体外再生管理。
4、如图4所示为神经网络预测控制系统，包含神经网络控制器、神经网络预测模型和反馈校正。所述的神经网络控制器输入为补偿后的未来期望输出、参考值和过去时刻控制量，输出为当前和未来控制量和控制中和过程中的PH值；所述的神经网络预测模型采用RBF网络模型，其输入为当前控制量和过去时刻的输出值，再进行预测前先对系统进行辨识，获得系统的神经网络模型，再结合未来控制量生成未来期望输出；所述的反馈校正是对未来期望输出进行误差补偿，输出为补偿后的未来期望输出，然后通过迭代，进一步计算生成预测输出PH值。
图1 系统结构图
图2 上位机系统结构图
3.2.4 现场测量和记录
图3 下位机系统结构图
图4神经网络预测控制系统图
论文作者:刘德强 余洋
论文发表刊物:《建筑科技》2017年第6期
论文发表时间:2017/7/31
标签：系统论文; 神经网络论文; 水处理论文; 火电厂论文; 所述论文; 实时论文; 凝结水论文; 《建筑科技》2017年第6期论文;