石長(zhǎng)利 馬偉偉
摘? 要:隨著工業(yè)的快速發(fā)展和科技水平的顯著提高,更多的現(xiàn)代工廠(chǎng)中都使用建模與控制策略方法來(lái)輔助工作,并起到了較好的效果,通過(guò)此方法能夠更好的對(duì)系統(tǒng)在運(yùn)行過(guò)程中出現(xiàn)的動(dòng)態(tài)變化與靜態(tài)特征進(jìn)行描述和分析。
關(guān)鍵詞:鍋爐燃燒;仿真;應(yīng)用研究;控制系統(tǒng)
混合模型在火電廠(chǎng)鍋爐燃燒系統(tǒng)經(jīng)過(guò)仿真后的各種結(jié)果,在設(shè)計(jì)火電廠(chǎng)的鍋爐燃燒體系的時(shí)候應(yīng)用了混合模型這一方法,運(yùn)用遺傳算法計(jì)算出在300兆瓦條件下的優(yōu)化結(jié)果,對(duì)氮氧化合物的增益問(wèn)題進(jìn)行分析,對(duì)比了運(yùn)用不同模型后計(jì)算出來(lái)的數(shù)值[1] 。
1 模型研究
1.1 穩(wěn)態(tài)模型建模效果評(píng)估
BP(貝葉斯正則化)訓(xùn)練算法以及可變訓(xùn)練速率的梯度下降訓(xùn)練算法(帶有動(dòng)量項(xiàng))計(jì)算氮氧化物的排放含量以及相對(duì)耗煤量的結(jié)果均比較準(zhǔn)確。在訓(xùn)練樣本中運(yùn)用Levenberg-Marquardt最優(yōu)化計(jì)算方法可以獲得較小的MSE數(shù)值,但是在實(shí)驗(yàn)過(guò)程中MSE的數(shù)值卻比較大,沒(méi)有良好的泛化能力。然而通過(guò)對(duì)比BP(貝葉斯正則化)訓(xùn)練算法以及可變訓(xùn)練速率的梯度下降訓(xùn)練算法(帶有動(dòng)量項(xiàng)),這兩種算法計(jì)算結(jié)果相似,訓(xùn)練樣本的計(jì)算結(jié)果差距不到10%,實(shí)驗(yàn)樣本的測(cè)試結(jié)果類(lèi)似,泛化能力也比較高,具有較高水平的訓(xùn)練精度[2] 。
1.2 混合模型建模效果評(píng)估
該文章把火電廠(chǎng)內(nèi)鍋爐的燃燒體系作為樣本來(lái)解釋混合模型是如何應(yīng)用的,因?yàn)樵诿褐泻械@一元素,所以造成了排放大量的氮氧化合物,在正常運(yùn)作時(shí),火電廠(chǎng)內(nèi)的鍋爐燃燒體系忽略了排放物中氮的含量,所以造成了無(wú)法測(cè)量煤中所含的氮元素所占比例,因此,氮元素含量就是屬于擾動(dòng)變量。
1.3? 模型評(píng)估
反饋系數(shù)存在于一階的自回歸模型中,本文把這個(gè)系數(shù)的數(shù)值限制為大于零小于一。對(duì)大量的測(cè)試進(jìn)行總結(jié),無(wú)論反饋的系數(shù)數(shù)值為多少,系數(shù)最后都會(huì)變成大于零小于一。在選定正則化系數(shù)時(shí)可以設(shè)置的偏小,本文把正則化系數(shù)設(shè)置為0.005?;旌夏P偷臄M合度超過(guò)98%,擁有比單一神經(jīng)網(wǎng)絡(luò)建模更佳的擬合精度,這是混合模型添加了系統(tǒng)的動(dòng)態(tài)特性之后獲得的結(jié)果[3] 。
1.4 算法實(shí)現(xiàn)
算法的實(shí)現(xiàn)步驟主要包括五步:
(1)對(duì)混合模型的各個(gè)參數(shù)進(jìn)行初始化。本次文章最后選出的CV和MV如下:可調(diào)參數(shù)MV總共是15個(gè),各層風(fēng)門(mén)開(kāi)一共九個(gè),給煤機(jī)煤量一共四個(gè),另外兩個(gè)是差壓和機(jī)組氧量。一共有九個(gè)反應(yīng)參數(shù),分別是汽壓,單位是兆帕,汽溫,單位是攝氏度,總噴水量,單位是小時(shí)每噸,蒸汽溫度,單位是攝氏度,再?lài)娝?,單位是小時(shí)每噸,飛灰的含碳量,單位是百分?jǐn)?shù),煙氣的含量,單位是百分?jǐn)?shù),氮氧化合物的排放量,單位是兆克每立方米,空預(yù)器的出口溫度,單位是攝氏度。這些數(shù)據(jù)是本文建立模型的基礎(chǔ)。
(2)調(diào)整權(quán)重;
(3)判斷終止條件是否滿(mǎn)足,如果滿(mǎn)足則算法結(jié)束轉(zhuǎn)向4,如果不滿(mǎn)足則轉(zhuǎn)向2,繼續(xù)調(diào)整權(quán)重;
(4)模型訓(xùn)練結(jié)束,獲得權(quán)重已經(jīng)調(diào)整好的最終模型;
(5)對(duì)模型進(jìn)行評(píng)估,在模型進(jìn)行實(shí)際運(yùn)用后,仍然有時(shí)會(huì)出現(xiàn)偏差,此時(shí)需要分析原因重新訓(xùn)練模型。
2? 混合模型的實(shí)際應(yīng)用
在模型訓(xùn)練好以后,可以將其應(yīng)用于實(shí)際工況,求解算法有很多種,本文不再對(duì)各種求解算法進(jìn)行比較,直接選擇遺傳算法進(jìn)行全局尋優(yōu),遺傳算法亦有很多改進(jìn)以提高尋優(yōu)效率,本文也不再做深入研究,僅使用傳統(tǒng)遺傳算法,遺傳算法需要首先確定目標(biāo)函數(shù),然后全局尋優(yōu)。本節(jié)確定的目標(biāo)函數(shù)是使氮氧化物排放量和熱效率達(dá)到最佳平衡,在輸入可調(diào)變量給定了目標(biāo)函數(shù)后運(yùn)用遺傳算法對(duì)氮氧化物的排放量和單位相對(duì)煤耗全局尋優(yōu)使鍋爐處在最佳運(yùn)行狀態(tài)。
通常由于很多環(huán)境因素使系統(tǒng)并不穩(wěn)定,存在很多的不確定因素,比如劣質(zhì)煤、訓(xùn)練樣本記錄錯(cuò)誤等等,這些都會(huì)使算法尋優(yōu)出現(xiàn)偏差,對(duì)遺傳算法抗噪性專(zhuān)家學(xué)者有過(guò)很多研究,復(fù)雜的方法損失了效率并不可取,本文采用重復(fù)采樣的方法計(jì)算適應(yīng)度值并計(jì)算平均適應(yīng)度值以提高遺傳算法的抗噪性。
2.1 基于神經(jīng)網(wǎng)絡(luò)模型的優(yōu)化
對(duì)模型進(jìn)行更深層次的驗(yàn)證,假設(shè)存在系數(shù)為0.7的氮氧化物排放量,系數(shù)為0.3的煤耗,此設(shè)置對(duì)環(huán)保效益更加注重,此種條件下可以實(shí)現(xiàn)氮氧化物從500 mg/m^3左右降低到450mg/m^3左右,相對(duì)煤耗在此種情況下會(huì)有所提升。
2.2 基于混合模型中穩(wěn)態(tài)映射的優(yōu)化
靜態(tài)映射中適合采用向前神經(jīng)網(wǎng)絡(luò),可是存在一定的動(dòng)態(tài)成分在數(shù)據(jù)現(xiàn)場(chǎng)采集中,因而在構(gòu)建神經(jīng)網(wǎng)絡(luò)模型時(shí)需要對(duì)動(dòng)態(tài)成分進(jìn)行剝離,對(duì)dt=adt-1+wt這種一階動(dòng)態(tài)式進(jìn)行剝離,就能夠獲取到所需的非線(xiàn)性神經(jīng)網(wǎng)絡(luò)FNN(·),此種神經(jīng)網(wǎng)絡(luò)就是我們需要?jiǎng)?chuàng)建的具備穩(wěn)態(tài)的混合模型。
2.3 氮氧化物排放量的相對(duì)增益分析
為了幫助機(jī)組運(yùn)行人員更好地調(diào)整可調(diào)參數(shù)和獲得更好的運(yùn)行效果,我們把那些可調(diào)輸入?yún)?shù)強(qiáng)力影響著反應(yīng)參數(shù)這一現(xiàn)象稱(chēng)之為增益分析。本節(jié)拿火電廠(chǎng)鍋爐燃燒為例,探索其中影響系統(tǒng)氮氧化物排放量的因素中更為顯著的因素有哪些。系統(tǒng)之間在各個(gè)變量之間相互影響存在一定的耦合性,但相互之間也相互協(xié)調(diào),因此,就隨之出現(xiàn)了敏感度一詞,用來(lái)衡量這個(gè)關(guān)系,簡(jiǎn)單來(lái)說(shuō),就是用增益來(lái)衡量。例如,系統(tǒng)中的輸入發(fā)生調(diào)整時(shí),要想知道其它輸入量是否發(fā)生改變,我們可以利用之前計(jì)算的增益來(lái)判斷。
3 優(yōu)化系統(tǒng)實(shí)施實(shí)驗(yàn)方案
針對(duì)研究現(xiàn)狀和缺陷,本研究為能更好的模擬系統(tǒng)的動(dòng)態(tài)性特征,特采用數(shù)據(jù)驅(qū)動(dòng)的系統(tǒng)優(yōu)化方法,基于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)建模方法,提出動(dòng)態(tài)與穩(wěn)態(tài)相結(jié)合的混合模型,可同時(shí)兼顧系統(tǒng)的熱效率與NOx排放量?jī)蓚€(gè)指標(biāo),能有效提高系統(tǒng)的控制能力,實(shí)現(xiàn)熱效率提升與污染物排放控制的雙重目標(biāo),有利于企業(yè)和社會(huì)的共同發(fā)展,實(shí)現(xiàn)經(jīng)濟(jì)與環(huán)保的雙贏。發(fā)達(dá)國(guó)家很早就開(kāi)始相關(guān)研究,其研究的中心就是針對(duì)優(yōu)化燃燒過(guò)程以及檢測(cè)排放指標(biāo)進(jìn)行展開(kāi)的,在鍋爐靜態(tài)、動(dòng)態(tài)性,控制和測(cè)算方面的研究獲得了很多成果,策略和方法相比較之前也大有改進(jìn),我國(guó)目前由于設(shè)備更新不及時(shí),工人的技術(shù)水平參差不齊,大多數(shù)都沒(méi)有達(dá)到標(biāo)準(zhǔn),導(dǎo)致了我國(guó)在發(fā)展火力而進(jìn)行的環(huán)境保護(hù),與發(fā)達(dá)國(guó)家存在差異,不光在外在的設(shè)備和操作上落后,在鍋爐燃燒建模、操作策略和控制方面的研究還很淺顯,之所以形成現(xiàn)在的局面是因?yàn)榛痣姀S(chǎng)的鍋爐燃燒不是單純的操作,而是一個(gè)相對(duì)復(fù)雜的操作系統(tǒng),這個(gè)系統(tǒng)受變量和各種特性的制約,在火電廠(chǎng)建模上使研究人員工作量增加,準(zhǔn)確率很難達(dá)到標(biāo)準(zhǔn)。本文著重闡述火電廠(chǎng)鍋爐燃燒系統(tǒng)在數(shù)據(jù)驅(qū)動(dòng)下的建模和優(yōu)化方案。我國(guó)的火力發(fā)電廠(chǎng)有嚴(yán)格的監(jiān)督控制系統(tǒng),檢測(cè)火電廠(chǎng)的周?chē)h(huán)境和廢料排放,因?yàn)槲覈?guó)的要求是在獲得經(jīng)濟(jì)效益的同時(shí)不能不顧環(huán)境因素,經(jīng)濟(jì)環(huán)境一把抓,達(dá)到火電廠(chǎng)節(jié)能減排的長(zhǎng)遠(yuǎn)目標(biāo),要達(dá)到這一目標(biāo)首先要對(duì)系統(tǒng)進(jìn)行調(diào)整,本文在提升鍋爐效率的同時(shí),又對(duì)環(huán)境保護(hù)進(jìn)行著重考慮,減少排量在外界環(huán)境的排放量。
4 結(jié)論
此模型是否適應(yīng)火電廠(chǎng)的燃燒系統(tǒng),并對(duì)該模型進(jìn)行測(cè)試,遺傳算法可以把在負(fù)荷當(dāng)中的優(yōu)化結(jié)果計(jì)算出來(lái),同時(shí)檢測(cè)火電廠(chǎng)燃燒系統(tǒng)的氮氧化物排放量,兩次檢測(cè)分析得到的結(jié)果也不相同,在混合模型當(dāng)中的分析準(zhǔn)確、清晰、貼合實(shí)際,揭示了氮氧化物排放的影響變量。
參考文獻(xiàn)
[1] 郭士強(qiáng).簡(jiǎn)述濕法脫硫石膏脫水困難的原因和控制措施[J].江西化工,2020(03):442-443.
[2] 何峰.智能解耦控制技術(shù)在湘鋼二期135 MW發(fā)電機(jī)組鍋爐上的應(yīng)用[J].節(jié)能,2020,39(05):74-76.
[3] 李志國(guó),張諱,梁軍.燃煤鍋爐低氧燃燒技術(shù)對(duì)提高機(jī)組經(jīng)濟(jì)運(yùn)行的研究[J].東北電力技術(shù),2020,41(05):14-17+24.