基于人工神經(jīng)網(wǎng)絡(luò)的電極鍋爐電導(dǎo)率預(yù)測(cè)及控制方法

文/陳衛(wèi)波 曾寧 張大長(zhǎng) 王升歌 黃依婷

浸沒式電極蒸汽鍋爐是將浸入鍋爐內(nèi)筒的三相電極通電后，直接加熱具有一定電導(dǎo)率的鍋爐水，使鍋爐水快速加熱產(chǎn)生蒸汽的裝置。通過調(diào)節(jié)內(nèi)筒的液位和電導(dǎo)率，可實(shí)現(xiàn)鍋爐功率的0-100%無極調(diào)節(jié)。電極鍋爐具有占地面積小、啟停速度快、控制精度高、效率高、節(jié)能等優(yōu)點(diǎn)，在核輔助蒸汽系統(tǒng)、集中供熱系統(tǒng)等領(lǐng)域得到了廣泛的應(yīng)用。人工神經(jīng)網(wǎng)絡(luò)（ANN）是模擬人腦神經(jīng)元的結(jié)構(gòu)、特征和認(rèn)知功能的新型信號(hào)與信息處理系統(tǒng)。它是一種非線性映射，具有較強(qiáng)的魯棒性、容錯(cuò)性、冗余性和并行性。它是人工智能的前沿研究領(lǐng)域，得到了廣泛的應(yīng)用。。

利用人工神經(jīng)網(wǎng)絡(luò)對(duì)電極鍋爐電導(dǎo)率的不規(guī)律的變化進(jìn)行預(yù)測(cè)，可以更迅速的、更準(zhǔn)確的確定補(bǔ)水量，以保證電導(dǎo)率的穩(wěn)定。因此對(duì)電導(dǎo)率控制系統(tǒng)的優(yōu)化進(jìn)行深入的研究對(duì)電極鍋爐的安全運(yùn)行具有重要意義。

1 浸沒式電極鍋爐原理

1.1 電極加熱原理

1.1.1 鍋爐筒內(nèi)的三相電極浸入水中

三相電極帶電后，直接加熱具有一定電導(dǎo)率的鍋爐水。在電流的作用下，爐內(nèi)的水迅速加熱，產(chǎn)生高質(zhì)量的蒸汽。

1.1.2 爐膛內(nèi)的水循環(huán)

鍋爐外筒水通過循環(huán)泵流入內(nèi)筒，連續(xù)向內(nèi)筒供水。

1.1.3 鍋爐外部供水

當(dāng)鍋爐處于正常運(yùn)行或熱備狀態(tài)時(shí)，要求內(nèi)外筒總水量保持恒定，因此需要通過給水泵將脫氧水供應(yīng)到鍋爐外筒。

1.2 功率無級(jí)調(diào)節(jié)原理

在內(nèi)筒中電導(dǎo)率一定的情況下，當(dāng)內(nèi)筒液位逐漸升高時(shí)，其與電極棒之間接觸的表面積也在變大，從而可通過調(diào)節(jié)內(nèi)筒水位來實(shí)現(xiàn)對(duì)電極加熱回路中的電阻以及電流大小的控制。液位連續(xù)升降即電極棒浸沒在電解質(zhì)溶液中的部分的面積連續(xù)變化，因而可實(shí)現(xiàn)對(duì)加熱功率的無級(jí)調(diào)節(jié)。電導(dǎo)率的變化直接影響著電極鍋爐運(yùn)行過程中電流以及輸出功率的變化。

2 人工神經(jīng)網(wǎng)絡(luò)

2.1 原理介紹

人工神經(jīng)網(wǎng)絡(luò)（ANN）是以簡(jiǎn)單的計(jì)算處理單元（稱為神經(jīng)元）為節(jié)點(diǎn)，采用一定的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，模擬人腦神經(jīng)系統(tǒng)的有源網(wǎng)絡(luò)。構(gòu)建神經(jīng)網(wǎng)絡(luò)的每個(gè)神經(jīng)元模型模擬生物神經(jīng)元，如圖2所示。該神經(jīng)元單元由多個(gè)輸入xi, i=1, 2, …, n和一個(gè)輸出yj組成。中間狀態(tài)由輸入信號(hào)的權(quán)和表示，而輸出為：

神經(jīng)網(wǎng)絡(luò)是數(shù)據(jù)驅(qū)動(dòng)的，這意味著它們必須輸入大量關(guān)于系統(tǒng)過去特性的數(shù)據(jù)以進(jìn)行分析，稱為“訓(xùn)練”。在“訓(xùn)練”期間，將它們轉(zhuǎn)換成連續(xù)的數(shù)學(xué)規(guī)律性，結(jié)果是適用于這些數(shù)據(jù)的模型（稱為建模）。也就是說，神經(jīng)網(wǎng)絡(luò)系統(tǒng)基于被控系統(tǒng)的輸入輸出數(shù)據(jù)對(duì)，通過學(xué)習(xí)，得到一個(gè)描述系統(tǒng)輸入輸出關(guān)系的非線性映射。然后神經(jīng)網(wǎng)絡(luò)系統(tǒng)會(huì)自動(dòng)調(diào)整自己的模型，因此神經(jīng)網(wǎng)絡(luò)系統(tǒng)也具有“推斷”的功能。

2.2 特性分析

2.2.1 并行分布式處理

神經(jīng)網(wǎng)絡(luò)采用分布式信息處理，具有較高的并行結(jié)構(gòu)和并行實(shí)現(xiàn)能力，能夠快速地進(jìn)行大量的計(jì)算，而不僅僅是以空間復(fù)雜度為代價(jià)來獲得時(shí)間速度，具有較好的容錯(cuò)性和較快的綜合處理能力，特別適用于實(shí)時(shí)控制和動(dòng)態(tài)控制。

2.2.2 非線性映射

神經(jīng)網(wǎng)絡(luò)由于具有逼近任意非線性映射（變換）的能力，即具有任意精度的逼近任意復(fù)雜非線性函數(shù)的能力而具有固有的非線性。這種性質(zhì)為非線性控制問題帶來了新的途徑。

2.2.3 通過訓(xùn)練進(jìn)行學(xué)習(xí)

圖1：電極鍋爐結(jié)構(gòu)圖

圖2：神經(jīng)元模型

圖3：模型預(yù)測(cè)流程圖

神經(jīng)網(wǎng)絡(luò)通過記錄過去的數(shù)據(jù)來訓(xùn)練、預(yù)測(cè)和控制系統(tǒng)的流動(dòng)。經(jīng)過適當(dāng)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)具有綜合所有數(shù)據(jù)的能力，并且對(duì)復(fù)雜環(huán)境和多目標(biāo)控制要求具有較強(qiáng)的自學(xué)習(xí)能力。因此，神經(jīng)網(wǎng)絡(luò)可以解決難以用數(shù)學(xué)模型或描述性規(guī)則處理的控制過程問題。

3 預(yù)測(cè)及控制流程

3.1 電導(dǎo)率模型建立方法

電極鍋爐無補(bǔ)水正常運(yùn)行過程中，并在一定的時(shí)間內(nèi)保持內(nèi)筒水位不變，鍋爐輸出的蒸汽以及系統(tǒng)循環(huán)水不斷地產(chǎn)生損耗，內(nèi)外筒的水將電導(dǎo)率將升高并趨于一致。由于電導(dǎo)率儀器檢測(cè)，以及電導(dǎo)率安裝在管道位置，內(nèi)筒電導(dǎo)率的檢測(cè)具有滯后性誤差。

當(dāng)預(yù)測(cè)電導(dǎo)率變化時(shí)，在前三分鐘內(nèi)每5秒收集一組電導(dǎo)率值，總共收集了36套初始數(shù)據(jù)。利用MATLAB強(qiáng)大的計(jì)算功能和工具箱對(duì)網(wǎng)絡(luò)進(jìn)行仿真和訓(xùn)練，最后，得到用于預(yù)測(cè)的網(wǎng)絡(luò)。這樣，通過在運(yùn)行數(shù)據(jù)庫中輸入短期用戶歷史負(fù)荷數(shù)據(jù)和未來預(yù)測(cè)的一些環(huán)境狀態(tài)參數(shù)，就可以預(yù)測(cè)未來30秒內(nèi)的電導(dǎo)率變化。并建立自動(dòng)補(bǔ)水控制程序。

3.2 模型預(yù)測(cè)流程

如圖3所示。

3.3 預(yù)測(cè)結(jié)果驗(yàn)證方法

（1）控制電極鍋爐系統(tǒng)在后30秒內(nèi)不進(jìn)行補(bǔ)水，檢測(cè)并收集30秒內(nèi)的5組數(shù)值，與預(yù)測(cè)結(jié)果進(jìn)行對(duì)比分析。

（2）將該算法結(jié)合于原有PID控制系統(tǒng)，電極鍋爐系統(tǒng)在后30秒內(nèi)根據(jù)預(yù)測(cè)結(jié)果進(jìn)行自動(dòng)補(bǔ)水，檢測(cè)并收集試驗(yàn)時(shí)間內(nèi)電流數(shù)值，與歷史電流波動(dòng)幅度進(jìn)行對(duì)比分析。

4 結(jié)論

結(jié)合本文所研究的電極鍋爐加熱及無極調(diào)節(jié)的特點(diǎn)，闡述了基于人工神經(jīng)網(wǎng)絡(luò)對(duì)電極鍋爐電導(dǎo)率預(yù)測(cè)的步驟和流程，詳細(xì)論述了電導(dǎo)率神經(jīng)網(wǎng)絡(luò)模型的建立與實(shí)現(xiàn)。

本文敘述了預(yù)測(cè)模型準(zhǔn)確性的驗(yàn)證方法，以預(yù)測(cè)所得的逐時(shí)電導(dǎo)率結(jié)果為基礎(chǔ)進(jìn)行優(yōu)化電極鍋爐運(yùn)行決策，能更快速的做出補(bǔ)水響應(yīng)，并自動(dòng)計(jì)算自變化的實(shí)時(shí)補(bǔ)水量。