摘要：锅炉主蒸汽温度是火电厂锅炉运行的重要参数，对火电厂的经济效益、安全生产产生重大影响。由于当前火电厂机组容量大、参数高、效率高，控制汽温对象又具有大迟延、非线性、时变等诸多特点，常规PID串级控制系统往往很难保证系统最优状态运行，满足不了生产的需求。提出了基于模糊神经网络的主汽温系统PID控制，实现对过热蒸汽的有效控制，通过系统仿真表明，基于模糊神经网络的主汽温系统PID控制效果良好，因此该系统是切实可行的。
关键词：主汽温系统，神经网络，PID
PID Control of Main Steam Temperature System Based on Fuzzy Neural Network
Duan Jian-fei
（Hebei Datang Wuan Power Generation Co.， Ltd.， Wuan， Hebei 056300）
Abstract：The main steam temperature of the boiler is an important parameter for the operation of the boiler in thermal power plants， which has a major impact on the economic benefits and safe production of thermal power plants.Due to the large capacity， high parameters and high efficiency of the thermal power plant， the control of the steam temperature object has many characteristics such as large delay， non-linearity， time-varying， etc.The conventional PID cascade control system is often difficult to ensure the optimal operation of the system， and can not meet the requirements.Production needs.The PID control of the main steam temperature system based on fuzzy neural network is proposed to realize the effective control of superheated steam.The system simulation shows that the PID control of the main steam temperature system based on fuzzy neural network is effective， so the system is feasible.
Key words：main steam temperature， fuzzy neural network， PID
引言
在火力发电厂中，锅炉作为火电厂主要三大件之一，其主蒸汽温度又是主要的控制参数，为了保证电厂机组高效安全运行，员工必须严格将主蒸汽温度控制在一定范围内。当前火电厂温度系统的控制器往往是PID控制器，常规PID控制器的参数整定往往要依赖于被控对象，在线调整参数很难实现，控制的蒸汽对象存在大惯性、大迟延和时变等特性，因此传统的PID控制已经满足不了各种工况下的最优化控制，引入基于模糊神经网络的主汽温系统PID控制，解决主蒸汽温度控制系统中存在的各种问题，提高对主蒸汽温度的控制[1]。
1模糊控制的基本原理
模糊控制以逻辑推理、评议变量、集合论等为理论基础，利用计算机进行的智能控制，是由美国加利福利亚大学著名教授查德（L.A.Za）提出[2]，至今为止，模糊控制理论及应用已经取得了非常重大的发展。
模糊控制算法的过程如下：计算机采样得到被控制量的实际值，然后会将此实际值和给定值进行比较，得到误差信号E，误差信号E会作为模糊控制器的输入，会把E的准确值变成模糊量，用模糊评议来表示E的模糊量，可以得到评议个子自集
（
为模糊矢量），再由
和模糊算子
得到控制量
：
模糊控制器为模糊控制的核心部分，其控制算法由计算机程序完成。模糊控制器的结构、模糊规则、模糊决策以及推理算法都影响着模糊系统的整体性能[3]。模糊控制器又可以称为模糊逻辑控制器（Fuzzy Logic Controlloer），模糊控制器组成图如图2示。
图1模糊控制器组成图
2 模糊神经网络
神经网络具有非常强的学习能力，但是缺点是对既有经验的不理解，然而模糊控制缺乏自学习和自适应能力，但是比较擅长表达模糊的推理过程。正因为二者的互补，将神经网络和模糊控制二者结合起来，用神经网络来模拟模糊控制系统[4]，模糊控制的输入输出就是神经网络的输入输出，
以二输入一输出模糊神经网络为例，该网络为4层前向网络，模糊神经网络图如图3示。
图2 模糊神经网络图
图三中，第一层为模糊神经网络的输入层，输入信号分别为误差E和D，在输入层分别模糊处理为集合
、
，然后传给下一层神经元；第二层为模糊化层，其功能为将输入量作模糊化处理；第三层为模糊推理层，模糊规则数量即神经元个数；第四层为去模糊化层，其功能为去模糊化操作。
3结束语
对河北大唐武安发电有限公司进行了系统仿真分析，通过采用基于模糊神经网络的主汽温系统PID控制，结果表面明该方法具有非常高的鲁棒性以及抗干扰性，控制效果好，可以作为火电厂主汽温系统的调节方法。
参考文献：
[1]王建国，张昊宇，明学星等.基于蚁群算法优化的再热汽温系统变参数预测PID控制[J].化工自动化及仪表，2008，35（3）：19-22.
[2]曾蓉.火电厂蒸汽温度的模糊神经网络控制系统的研究[D].重庆：重庆大学，2007.
[3]李国勇，神经模糊控制理论及应用[M].北京：电子工业出版社，2009.
[4]刘修廷，潘宏侠.自适应模糊神经控制系统及其MATLAB实现[J].机械工程与自动化，2010，（3）：23-25.
论文作者:段建飞
论文发表刊物:《电力设备》2018年第33期
论文发表时间:2019/5/16
标签：模糊论文; 神经网络论文; 控制器论文; 系统论文; 火电厂论文; 蒸汽论文; 控制系统论文; 《电力设备》2018年第33期论文;