摘要：我国的煤炭资源和水资源分布极度不均匀，存在许多煤炭富集而水资源稀缺的地方，所以火电的发展越来越受地域和资源的限制，为了解决这一问题，电厂开始发展空冷系统。但是由于直接空冷的背压系统对环境较为敏感，传统的PID无法完美的克服环境的干扰，控制效果较差，所以寻求新的控制方法成了当前研究的重点。
关键词：直接空冷系统；汽轮机；背压控制；神经网络预测控制；
1 引言
虽然我国煤炭资源在世界范围来说较为丰富，但是在我国仍然存在许多煤炭富集而水资源稀缺的地方，所以火电的发展越来越受地域和资源的限制，为了解决这一问题，电厂开始发展空冷系统。直接空冷系统结构较为简单，运行比较灵活，具有很好的防冻性能，可以适用于北方的严寒天气，而且直接空冷技术能够节水，所以发展前景良好。直接空冷系统汽轮机背压控制方法对于空冷系统的品质好坏有重要的实际意义，它是直接关系到直接空冷机组是否能够稳定的运行的重要指标。传统的PID无法完美的克服环境的干扰，控制效果较差。虽然一些电厂对PID进行了一些改进，将单闭环的PID改为了PID串级控制，控制效果有了一些优化。并且TankutYalcinoz等人也对采用神经网络对直接空冷系统进行优化处理并得到理想的结果。所以本论文就直接空冷系统汽轮机背压控制方法，采用神经网络预测控制器进行仿真实验。
2 神经网络预测控制的原理
在电厂的实际生产操作中，直接空冷系统是一个多变量、非线性的研究对象，一般情况下非线性系统很复杂很难把握，所以建立符合它的模型很困难，于是传统的PID无法精确的对其进行控制。然而神经网络却能够充分逼近复杂的非线性映射，具有较强的鲁棒性及容错性，以及适应不确定系统的动态特性。所以神经网络的问世便形成了多种多样的基于神经网络的预测控制算法。它逐步成为对非线性系统建立预测模型和优化控制的重要技术，从根源上讲，神经网络预测控制还是属于智能型预测控制的范畴，它可以处理多目标、约束条件、非线性等异常情况。它弥补了传统预测控制鲁棒性不强、仅适用于线性系统、算法精度不高、缺乏自学习和自组织功能的缺陷。
3 神经网络预测控制结构
神经网络预测控制结构图如图1所示，神经网络控制主要由三部分组成：预测模型、滚动优化、反馈校正。
图1 神经网络预测控制结构图
3.1 预测模型
模型的建立首先要通过输入输出的数据进行拟合，才能建立比较理想的神经网络模型，而神经网络模型的训练信号则选用神经网络预测输出ym（k）与系统的实际输出y（k）之间的预测误差em（k），然后神经网络模型利用当前的输入和输出，在k时刻起，连续控制输入和输出来预测未来的输出ym（k + l | k）。
3.2 滚动优化
滚动优化是为得到最优控制规律，采用目标函数求其最小值（一般是采用梯度下降法来得到最小值）。
神经网络通过优化确定其算法，滚动优化确定控制输入u（k）的值主要是通过对性能目标函数J进行最小化来实现的。性能目标函数J 如公式（1）和（2）所示，其中n和m分别代表了输入控制与跟踪误差的时间范围。为了避免控制过程的数据的急剧变化，预测控制为此特别设定了参考轨迹yr，其定义如公式（3）和（4）所示，式中时间常数α的设定要兼具快速性和鲁棒性，而且α∈[0，1]，系统的输出会沿着参考轨迹（参考轨迹是对设定值进行柔化所形成的数据）逐渐达到设定值。为了确保系统可以平缓的接近设定值，参考轨迹的设定是不可缺少的，它会降低系统的过量控制作用。
3.3 反馈校正
神经网络模型的预测输出ym（k）与系统的实际输出y（k）之间的预测误差em（k）：
em（k）= ym（k）- y（k）， （5）
系统的校对误差反映了预测模型对输出造成的一些不确定因素，将它引入控制模型经过校正得到修正未来输出的预测：
（6）
然后将预测输入经过反馈与参考的输入求得到偏差信号e（k）。
4 结束语
直接空冷是汽轮机排出的气直接用空气作为冷凝介质来冷凝，冷凝过程中排气与空气进行热交换。由于直接空冷的背压系统对环境较为敏感，传统的PID无法完美的克服环境的干扰，控制效果较差。本文所采用的新型的神经网络预测控制方法与PID相比，神经网络预测控制的输入信号响应及期望输出反应都比较快，抗干扰能力也比较强，所以神经网络预测控制的控制效果更好，是值得进一步研究的一种新型控制方法。
参考文献：
[1] 任国华.基于神经网络预测控制的直接空冷背压控制的优化[D].山西大学，2012.
[2] 王宏宇，白焰.电厂直接空冷系统汽轮机背压的控制方法[J].化工自动化及仪表，2016，43（6）：584-586.
论文作者:张大伟
论文发表刊物:《电力设备》2018年第24期
论文发表时间:2019/1/8
标签：神经网络论文; 系统论文; 模型论文; 汽轮机论文; 电厂论文; 方法论文; 误差论文; 《电力设备》2018年第24期论文;