摘要：本文首先对智能控制技术以及锅炉燃烧系统进行简要的介绍，分析了锅炉燃烧系统优化的必要性，对在锅炉燃烧优化中实际应用的几种控制方法：专家控制、神经网络控制、模糊控制、遗传算法及集成和混合智能控制方法做了详细的介绍。
关键词：智能控制；锅炉燃烧优化；应用
1引言
近年来，由于社会经济的迅猛发展，能源消耗日益增加，使得能源危机凸显，节能与环保意义突出。我国的电力企业大多还是火力发电，是煤炭的消耗大户，燃料费一般占发电成本的七八成。当前形式对火力发电厂的节能减排提出了更高的要求，这就迫切要求通过提高发电机组运行效率，来降低生产成本，并减少污染物的排放。
影响火电厂机组运行效率的因素有很多，锅炉燃烧系统的优化是其中的重要影响因素，也是优化调整的难点之一。我国发电厂用煤的来源不一、质量也就各不相同而且主要以劣质煤为主，给锅炉燃烧带来诸多问题。因此，对电厂锅炉燃烧系统进行优化势在必行，不仅可以有效节约资源，提高热效率，还能够降低煤在燃烧过程中产生的污染。实际操作中，在同一台锅炉上这些不同的优化目标是相互制约的，提高生产效率可能意味着安全性的减低和污染物的增多，而要求低的污染物排放或较高的安全性则会导致生产效率的降低。所以，如何在效率、污染物和安全性中寻找一个最优的平衡点，实现多优化目标的最优化协调运行也是必须解决的问题。因此，为了方便对锅炉燃烧优化系统的控制，智能控制技术就被应用其中。
2智能控制技术概述
智能控制技术是指在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。机器在无人控制的过程中，自身的机械元件会根据系统程序的相关设置而自行运作，并且可以通过相关的调节方法对遇到的问题进行自动化的改进和完善。
随着社会经济的发展，我国已经将智能控制技术广泛的应用到了很多领域当中。智能控制技术的特点主要有以下几点：（1）它可以对核心系统进行相应的控制管理；（2）具有非线性；（3）在实际应用的过程中，具有一定的可变性，它可以根据设备系统运行的实际情况，来进行自我调节；（4）它具有较强的综合性，其中包含了许多的科学理念；（5）它是在计算机技术的基础上进行运用的。
3锅炉燃烧优化的必要性
火电厂锅炉燃烧系统是整个火电厂机组运行系统的重要组成部分，它由燃料控制系统、送风控制系统、引风控制系统组成，它们是三个相对独立的子系统。锅炉燃烧控制的基本任务是：(1)维持蒸汽压力的稳定；(2)保证燃烧过程的经济性；(3)维持炉膛压力的稳定。目前锅炉燃烧优化技术已经得到了广泛应用，它不仅使锅炉的工作效率得到提升，还提高了火电厂的经济效益。
然而，锅炉燃烧优化技术在实际应用中，时常会受到各方面因素的影响，而表现出强耦合、非线性、大惯性、参数时变性和不确定性等特点，致使对锅炉燃烧控制过程建立精确的数学模型变得十分困难。由于常规控制器都是基于精确数学模型而建立的，所以很难用其对锅炉燃烧优化起到理想的控制效果，锅炉的燃烧效率也很难达到要求，且容易出现相应的质量问题。这就给锅炉系统的控制管理带来了一定的难度。因此，相关专家将智能控制技术应用在火电厂锅炉燃烧系统中。目前火电厂锅炉燃烧系统的智能控制方法主要有专家控制、神经网络控制、模糊控制、遗传算法，各种集成智能控制方法和混合智能控制方法等。
4锅炉燃烧优化中主要智能控制方法的应用
4.1专家控制
专家控制系统是一种智能计算机程序系统，是以知识模型为基础，利用专家的理论知识与经验，其本质上是一个知识系统，核心部分为知识库和推理机，可以应用到像锅炉燃烧过程这样难以建模和操作的工业对象上。
早在1996年，吕震中就尝试将专家系统应用到电站锅炉燃烧系统中，提出了专家经验性知识与机理性领域知识相结合的系统和方法，并设计开发了锅炉主燃料跳闸保护专家监控系统及其软件。随后，朱红平等将传统的PID控制、前馈控制与专家控制相结合，发挥各自的长处，提出了理论+经验的混合智能控制系统，并将该系统成功应用于长沙曙光电子管厂20t/h锅炉燃烧控制系统中。马平等设计了全新的专家控制器并将其应用于锅炉送风量控制子系统中，专家控制器采用产生式规则描述，其规则可以在实际控制中不断修改、完善，具有较强的通用性。美国电力研究所 (EPIR) 研究了锅炉低 NOx 燃烧优化的控制，目标是通过燃烧优化控制，提高锅炉效率并降低污染物排放；伊利诺斯电力公司采用与DCS集成的动态优化方法，实现了降低锅炉NOx 排放量20%左右的目标。周怀春等采用色度学原理分析火检信号，得到更多的锅炉燃烧工况的信息，由此开发了煤粉燃烧诊断专家系统，该系统引入了运行人员、工程师以及领域专家在运行实践、实验研究及理论分析中积累的反映燃烧状态的现象和参数之间的知识，对燃烧的诊断和优化取得了良好的效果[1]。
专家控制系统在燃烧控制方面的优势在于，进行问题和知识匹配的速度非常快，但是也存在许多问题有待进一步探讨：（1）专家经验知识的获取问题，如何获取专家知识一直困扰着这方面的研究人员；（2）如何在控制过程中自动更新和扩充知识，满足实时控制的快速准确性需求是非常关键的。（3）专家系统只能处理关系简单且经验知识比较明确的问题，如何处理多参数的复杂关系和经验知识不明确的问题，是之后研究的关键所在。目前在锅炉燃烧控制系统中应用的专家控制系统主要是和其他的智能控制方法相结合，如专家模糊控制系统等。
4.2神经网络控制
神经网络是由大量的人工神经元广泛互连而成的网络，人工神经元具有模拟生物神经元的功能，其网络具有学习、泛化以及非线性映射等多种能力。而燃烧优化问题是一种受多种因素影响、关系复杂或者关系不清楚的问题，且具有非线性、时变和不确定性，其系统很难被控制。此方法可以很好地弥补常规控制方法的局限性，使对锅炉燃烧系统的优化控制成为可能。
2001年，罗春雷等以现有监测的数据和运行人员长期积累的经验为样本，利用BP网络的自学习能力，建立了一种基于神经网络控制的锅炉优化燃烧系统。该系统投资少，具有实际开发应用价值。之后，邹斌等建立了一个以神经网络模拟工业锅炉稳态运行的优化模型，通过罚函数算法和实际生产应用证明，这个模型有很好的精度，并可以显著提高系统的能源利用率。马翔等为有效解决RBF神经网络隐层节点难以确定的问题，特提出使用前向正交最小二乘法(FOLS)，并将此方法应用于华能福州电厂1#机组1150t/h锅炉的燃烧控制中。浙江大学热能所周昊教授应用神经网络针对某电厂300MW锅炉NOx排放特性和飞灰含碳量进行了多工况的试验，在试验数据的基础上建立了电站锅炉燃烧的飞灰含碳量模型和 NOx排放模型，所建模型对实验工况做出了比较精确的预测，并结合遗传算法实现了对燃烧的优化[2]。
期刊文章分类查询,尽在期刊图书馆
4.3模糊控制
模糊控制技术是近几十年发展起来的新型控制技术，近年来，模糊控制技术广泛地应用在电厂的过程控制领域中。模糊系统是一种万能非线性逼近器，可以看作是一种不依赖于模型的控制器，可以对定义在致密集下的任何一种连续非线性方程实现任意近似精度条件下的函数逼近。即你给定它一个输入，便可以得到一个合适的输出。模糊控制技术不仅适用于小规模线性单变量系统，而且逐渐向大规模非线性复杂系统扩展。从目前已经实际应用的控制系统来看，模糊控制具有易于熟悉，输出量连续，可靠性高，能发挥熟练专家操作的良好自动化效果等特性，尤其解决了锅炉燃烧过程难以建立精确数学模型的难题，对于提高火电厂生产的稳定性，改善热工控制性能，准确诊断热工故障，提供了新的解决方案，展示了良好的发展前景。
2001年，张小敏等通过改变模型参数将模糊控制应用于热工过程中并通过的仿真试验，提高了热工过程的稳定性。2005年，张春光等提出一种在线模糊自寻优方案，此方案解决了燃煤锅炉在不同工况、不同煤种下热效率低、浪费严重的问题，保证锅炉的经济燃烧。事实证明，模糊控制算法可以应用到锅炉燃烧控制系统中。
4.4遗传算法
遗传算法是一种基于适者生存思想的方法，是受生物进化学说和遗传学说启发而发展起来的，来解决较通用问题的方法。遗传算法是一种随机优化技术，其在解优化难题中显示了优于传统优化算法的性能。遗传算法目前在优化领域得到了广泛的应用，显示了其在优化方面的巨大能力。遗传算法具有原理简单、易于实现、搜索速度快、效率高等特点。它的一个显著优势是不需要目标函数明确的数学方程和导数表达式，同时又是一种全局寻优算法。不会像某些传统算法易于陷入局部最优解。遗传算法可以对多个自变量同时进行寻优，也可以对任何需要的参数甚至是所有的影响因素进行寻优，因此，在软件编程上实现也很方便，这为遗传算法在锅炉燃烧系统优化运行中的应用提供了便利。
国内的相关研究人员分别将神经网络技术和模糊神经控制技术与遗传算法进行结合研究，并应用于国内的燃煤电厂锅炉系统中（如某300MW四角切圆燃煤电厂锅炉热效率的优化[3]），经实际应用表明，此方法有效解决了燃用煤种的最佳工况偏离的问题，实现了锅炉燃烧控制系统的热效率自寻优，为大型电厂锅炉提高锅炉效率提供了有效手段。
4.5集成智能控制方法
各种智能方法都具有自身明显的优势和特点，但存在一定的局限性，因此各种方法之间如何取长补短、优势互补、相互有机结合以解决复杂的、高度非线性和不确定性的控制问题就成为当今智能控制的研究热点。集成智能控制被人们普遍认为是智能控制的主要发展方向。目前，在电站锅炉燃烧控制系统中应用的集成智能控制方法主要有模糊神经网络控制、专家模糊控制等。
2002年，周俊霞等提出主蒸汽压力的Smith-Fuzzy集成控制方案，针对模糊控制技术和锅炉燃烧过程的纯滞后、时变、多输入多输出的特点，进行燃烧过程控制系统的设计。此方案采用的模糊控制器具有参数自整定功能，并在多变量模糊控制系统中利用了解耦原理。实际应用证明，Smith-Fuzzy集成控制比Smith-PID控制对锅炉燃烧过程具有更好的控制作用。此外，张克良等采用模糊逻辑控制技术与自寻优控制思想，设计了空燃比模糊神经网络控制器，有效地克服了传统控制中将空燃比视为负荷的单一函数并近似为比值关系以及需要测量残氧量的缺点，使之具有自动跟踪锅炉热效率的变化，及时调整空燃比的功能。将其应用于锅炉的蒸汽压力控制系统中，对锅炉这种大时滞、参数不稳定的被控对象实现控制更为有效。其他研究人员设计的控制燃气温度的专家模糊控制器，实践证明，能有效地提高系统的精度和稳定性，并达到节约能源的目的[4]。
4.6混合智能控制方法
混合智能控制方法是随着锅炉燃烧控制理论与技术的发展而逐渐形成的，它是将智能控制技术与传统控制理论结合，如模糊PID控制、神经元PID控制、模糊免疫PID控制、神经网络最优控制等，在火电厂燃烧控制系统中，混合智能控制方法显示出一定的优势。
国内外研究人员，针对燃料控制系统的控制难点，提出了一种新型的带预测模型的神经网络PID控制算法，这种算法能够适用于大时滞、多扰动、非线性的燃料控制系统，在实际生产应用中提高了系统控制的稳定性和快速收敛性。2005年，刘久斌等针对风扇磨直吹制锅炉汽压调节对象惯性大、给煤机给煤量与控制电流呈非线性等特点，分析了对象的数学模型，将高阶惯性对象等效为带纯迟延的一阶惯性系统。利用借鉴生物系统的免疫机理而设计出的一种非线性控制器，再使用Zadeh的模糊逻辑AND操作并采用常用的mom反模糊化方法得到模糊控制器的输出f(u(k)，Δu(k))。通过计算机仿真给出了仿真曲线。结果表明汽压系统能做到稳定性高、鲁棒性强、调节及时、反应速度快、动态偏差小、无静态偏差。该分析和控制方法非常适合于燃烧控制系统，控制品质好，符合工程实际，有实用价值[5]。
同时，随着智能控制技术的发展以及计算机控制技术广泛的应用，越来越多的非常规控制方法应用于电厂锅炉燃烧控制系统中。现如今，随着社会经济的发展，对电网综合自动化发展提出的要求也越来越高，同时也为了解决常规控制方法在实际生产应用中存在的问题，人们也提出许多新的控制策略和设计方法，而且这些方法在实际应用中也取得了较好的实验效果。电厂锅炉燃烧优化技术今后将朝两个方向发展，一是锅炉燃烧特征参数和人工智能控制算法的结合，二是单纯的以效率为主的燃烧优化逐步转移为以追求效率和加强环保为主要目标。
5结语
在当前我国社会经济发展的过程中，对能源尤其是电力能源的需求日益增加。锅炉作为发电厂的重要设备，对其燃烧系统的优化有着十分重要的意义。锅炉燃烧优化既是能源的化学转化问题又是工程控制问题。因此，在现代化工业经济发展的过程中，为了使锅炉燃烧优化的应用效果得到进一步的提高，就将多种智能化控制技术应用到其控制系统中。其中，专家控制、神经网络控制和模糊控制是目前应用比较广泛的方法，而新型的遗传算法控制、集成和混合智能控制技术也因为其各自的优势在锅炉的燃烧优化中扮演着非常重要的角色。这些技术的应用不仅满足了现代化工艺生产的相关要求，还使得锅炉系统的安全性和稳定性得到有效的保障，从而促进了我国社会经济的发展。
参考文献：
[1]吕震中,陈风.专家系统在电站锅炉燃烧保护系统中的应用[J].工业控制计算机,1996,3:3-6.
[2]罗春雷.基于BP网络的锅炉优化燃烧指导系统[J].中国电力,2001,34(10):55-57.
[3]周昊,朱洪波,曾庭华,等.基于遗传算法的燃煤锅炉热效率优化[J].中国电机工程学报,2002,7:125-128.
[4]周俊霞,边立秀,葛建宏.锅炉燃烧过程的Smith-Fuzzy集成控制[J].电力情报,2002,3:24-26.
[5]刘久斌,李德桃.电厂锅炉燃烧系统的模糊免疫PID控制[J].动力工程,2005,25(5):673-675.
论文作者:曹勇
论文发表刊物:《电力设备》2017年第8期
论文发表时间:2017/7/17
标签：锅炉论文; 系统论文; 控制系统论文; 方法论文; 模糊论文; 智能控制论文; 算法论文; 《电力设备》2017年第8期论文;