電廠過熱汽溫的智能預(yù)測控制方法研究

滿宇航

摘要：電廠過熱氣溫現(xiàn)象本身具有慣性大、延遲大、非線性等很多問題，由于電廠過熱氣溫能夠直接對電廠安全穩(wěn)定經(jīng)濟運行產(chǎn)生影響，所以要采取有針對性措施對其進行有效控制。在現(xiàn)代智能化技術(shù)不斷快速發(fā)展的背景下，將智能預(yù)測控制方法應(yīng)用到電廠過熱氣溫控制體系當(dāng)中，為電廠過熱氣溫控制提供有效保障，本文對此進行詳細分析和研究。

關(guān)鍵詞：電廠；過熱氣溫；智能預(yù)測；控制方法

中圖分類號：TP3 文獻標(biāo)識碼：A 文章編號：1009-3044（2017）34-0180-01

在當(dāng)前社會經(jīng)濟不斷快速發(fā)展的背景下，各個行業(yè)的發(fā)展勢頭越來越良好，火電廠在其中的重要性越來越明顯。其中在火電廠正常安全穩(wěn)定運行過程中，要提高對過熱蒸汽溫度的重視，過熱蒸汽溫度能夠直接對火電廠安全穩(wěn)定運行狀態(tài)產(chǎn)生影響。過熱蒸氣溫度本身是一項非常重要的參數(shù)，其本身具有慣性大、延遲性大等特點，除此之外，過熱蒸氣溫度還存在嚴(yán)重的非線性和參數(shù)變化，非線性和參數(shù)會由于工況的實際變化情況而產(chǎn)生出相對應(yīng)的變化。一般情況下，比較常見的過熱氣溫串級PID控制系統(tǒng)在實際操作中，很難對其本身的品質(zhì)進行有效控制。

1 智能預(yù)測控制系統(tǒng)結(jié)構(gòu)分析

本文在針對電廠過熱氣溫智能預(yù)測控制方法進行研究的時候，與實際情況進行有效結(jié)合，并且制定出系統(tǒng)圖，如圖1所示。在圖1中所展示出的智能預(yù)測控制系統(tǒng)，其中r為參考軌跡、u為具體控制量，除此之外，y是已經(jīng)被控制的對象實際輸出，而ym則是模型的輸出，最后是[y]主要指在實際過程中，其本身出現(xiàn)誤差之后采取有針對性措施對其進行修正之后而預(yù)測輸出。該智能預(yù)測控制系統(tǒng)在實際應(yīng)用過程中，其本身的工作原理為：首先，要直接利用預(yù)測模型對預(yù)測被控對象的實際情況進行分析和把控，特別是針對輸出變量、數(shù)值進行詳細分析和研究，之后利用免疫優(yōu)化模塊對其中最優(yōu)模塊進行滾動搜尋[1]。也就是在實際操作過程中，在每一個采樣周期當(dāng)中找出能夠有利于目標(biāo)函數(shù)呈現(xiàn)出最小值的狀態(tài)，同時還能夠盡可能滿足基本約束條件，將其看作是最優(yōu)輸入控制量序列當(dāng)中的一種。之后將控制量序列中的第一個值，也就是當(dāng)先時刻的最優(yōu)控制量，在實際作用過程中，應(yīng)該針對被控對象出現(xiàn)的問題采取的一系列有效措施。智能預(yù)測控制系統(tǒng)在構(gòu)建以及具體應(yīng)用過程中，其本身的算法與七八預(yù)測控制算法相比，具有非常多的優(yōu)點，最明顯的是智能預(yù)測控制系統(tǒng)能夠為任意一種模型的操作起到良好的輔助性作用[2]。與此同時，其本身的滾動優(yōu)化的性能能夠在免疫算法的基礎(chǔ)上，快速找出最優(yōu)控制量序列。

2 預(yù)測模型及相對應(yīng)的反饋校正

在上述公式當(dāng)中，其中y主要是指輸出變量，u主要是指輸入變量，而ny以及nu分別利用輸出和輸入對其進行表示。在實際操作過程中，由于免疫優(yōu)化算法在具體應(yīng)用中，其本身并不對問題的表達形式進行嚴(yán)格要求，所以在預(yù)測模型的構(gòu)建過程中可以直接利用各種模型進行操作。一般情況下，針對一些比較簡單的對象可以直接利用傳統(tǒng)的線性模型，如果是一些復(fù)雜性比較強的對象可以利用模糊模型或者是神經(jīng)網(wǎng)絡(luò)模型對其進行構(gòu)建，同時還要根據(jù)實際情況對其進行模型構(gòu)建，這樣能夠保證模型的有效性。在預(yù)測模型的構(gòu)建過程中，避免其本身與實際系統(tǒng)之間存在誤差現(xiàn)象，所以要在具體預(yù)測控制算法實施中對每一個步驟進行實際輸出的檢測[3]。除此之外，還需要與模型輸出已經(jīng)呈現(xiàn)出的誤差信息進行對比分析，利用誤差信息反饋的數(shù)據(jù)和資料對輸出預(yù)測值進行修正和完善。

在智能預(yù)測控制系統(tǒng)實際應(yīng)用過程中，為了保證對電廠過熱氣溫提供有效的控制措施和方法，要與實際情況進行有效結(jié)合，將其本身的控制效果發(fā)揮到最大。在實際操作過程中，將控制系統(tǒng)的預(yù)測時域程度設(shè)置為NP，控制時域長度為NU。構(gòu)建預(yù)測模型并對其中的誤差進行修正，在一系列操作流程完成之后可以得出具體的預(yù)測輸出：

3 基于免疫算法的滾動優(yōu)化措施

在針對電廠過熱氣溫進行智能預(yù)測控制的時候，要根據(jù)實際情況采取有針對性措施對其進行滾動優(yōu)化。通過實踐可以看出，滾動優(yōu)化的根本目的是為了能夠針對每一采樣時刻進行有效控制，從控制量的容許區(qū)對其進行操作，只有保證滿足③和④的前提條件下，才能夠從中選擇出最優(yōu)控制量序列，促使控制性能指標(biāo)能夠達到最優(yōu)化標(biāo)準(zhǔn)和要求[4]。

4 結(jié)束語

在當(dāng)前現(xiàn)代社會發(fā)展過程中，越來越多的科學(xué)技術(shù)被廣泛應(yīng)用到各個行業(yè)當(dāng)中，特別是很多行業(yè)已經(jīng)逐漸朝著智能化、技術(shù)化方向發(fā)展。電廠過熱氣溫控制也可以利用智能預(yù)測控制方法對其進行控制，這樣能夠最大限度保證對電廠過熱氣溫進行有效控制，將其本身的性能作用發(fā)揮到最大。

參考文獻：

[1] 呂劍虹， 陳來九. 預(yù)測控制在熱工控制中的應(yīng)用前景[J]. 動力工程， 2016（2）.

[2] 朱紅霞， 沈炯， 王培紅等. 基于免疫遺傳算法的模糊優(yōu)化控制及其仿真研究[J]. 東南大學(xué)學(xué)報：自然科學(xué)版， 2016（1）.

[3] 王東風(fēng)， 韓璞. 基于免疫遺傳算法優(yōu)化的氣溫系統(tǒng)變參數(shù)PID控制[J]. 中國電機工程學(xué)報， 2015（9）.

[4] 陳來九. 熱工過程自動調(diào)節(jié)原理和應(yīng)用[M]. 北京： 水利電力出版社， 2016.endprint