一种基于模型离线规划的磨煤机控制优化方法技术

本发明专利技术火力发电技术领域，尤其是涉及一种基于模型离线规划的磨煤机控制优化方法，包括如下步骤：S1、从电厂中收集积累的磨煤机运行相关的历史数据并进行数据处理；S2、基于处理后的数据集进行磨煤机动态模型的学习；S3、使用模型预测控制框架构建磨煤机控制优化模型；S4、求解构建的优化模型得到磨煤机的控制策略。本发明专利技术基于磨煤机历史运行数据，利用深度学习进行磨煤机动态模型的构建与训练，通过规划的方法求解一个模型预测控制问题来获得磨煤机的优化控制变量。煤机的优化控制变量。煤机的优化控制变量。

【技术实现步骤摘要】
一种基于模型离线规划的磨煤机控制优化方法


[0001]本专利技术火力发电
，尤其是涉及一种基于模型离线规划的磨煤机控制优化方法。

技术介绍

[0002]在火力发电厂中，制粉系统作为火电发电系统中重要的辅助系统，承担着磨煤、给粉等功能，其中磨煤机正是主要的制粉设备。通常一个火电机组中包含5至6台磨煤机，其具有体积大、投资高、运行耗电量大等特点，在火电厂中的用能占比很高。如果能针对磨煤机的运行特点与情况，在磨煤机的运行过程中对其进行更加合理有效的控制，提升磨煤机的运行效率，可有效地减少能源消耗与污染排放，对火电机组整体的运行效率也会有极大的促进作用。
[0003]目前磨煤机系统中常见的控制技术主要有：1)传统的PID(proportional
‑
integral
‑
derivative)控制器，其也是工程上应用最广泛、最稳定的控制技术。PID控制器，即比例
‑
积分
‑
微分控制器，通过将收集到的数据与参考值进行比较得到差别，进而计算新的输入值，使系统数据逐渐达到或保持在参考值；2)先进控制技术，如模型预测控制(MPC)技术。模型预测控制作为一类在工业实践过程中发展起来的控制方法，在石油、电力等工业场景中具有十分成功的应用。模型预测控制通过求解一个有限时域上的最优控制问题来获得当前的控制动作。
[0004]但是，现有技术存在如下缺点：
[0005]1)、传统的PID控制器适用于一些简单的被控对象，在面对复杂的控制问题时往往优化效果较差。而火电机组的磨煤机属于多变量、非线性、强耦合对象，且存在不同程度的磨损等情况，导致各磨煤机的工况及特性变得复杂，一般的PID控制难以使磨煤机长期运行在最佳工况，控制优化能力有限；
[0006]2)、一般的模型预测控制技术依赖于控制系统动态模型的建立，然而火电机组磨煤机系统复杂且工况变化范围大，难以对其建立精准的数学模型。且在进行控制量的求解过程中，面对复杂的非线性系统模型，会出现优化问题求解困难、求解效率低下等问题。
[0007]公开于该
技术介绍
部分的信息仅仅旨在加深对本专利技术的总体
技术介绍
的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

技术实现思路

[0008]本专利技术的目的在于提供一种基于模型离线规划的磨煤机控制优化方法，以解决现有技术中存在的技术问题。
[0009]为了实现上述目的，本专利技术采用以下技术方案：
[0010]本专利技术提供一种基于模型离线规划的磨煤机控制优化方法，其包括如下步骤：
[0011]S1、从电厂中收集积累的磨煤机运行相关的历史数据并进行数据处理；
[0012]S2、基于处理后的数据集进行磨煤机动态模型的学习；
[0013]S3、使用模型预测控制框架构建磨煤机控制优化模型；
[0014]S4、求解构建的优化模型得到磨煤机的控制策略。
[0015]优选地，在所述步骤S1中，从电厂中收集积累的磨煤机运行相关的历史数据并进行数据处理，包括：
[0016]S11、从电厂系统中收集磨煤机运行相关的历史数据集；
[0017]S12、挑选与磨煤机运行控制密切相关的特征变量，包括反映磨煤机系统相关状态指标的状态特征和能进行操作调节的动作特征；
[0018]S13、基于步骤S12挑选的特征对步骤S11收集的原始数据进行处理，形成磨煤机控制离线数据集，数据集中数据按照时间顺序进行排列，每条数据之间具有相同的时间间隔，对于每条数据，其中包含该条数据对应时刻下磨煤机系统的状态特征与动作特征的数值。
[0019]优选地，所述状态特征包括：磨煤机入口一次风压、磨煤机入口一次风温度、磨煤机入口一次风量、磨煤机出口风温、磨煤机出口风压、磨煤机电流。
[0020]优选地，所述动作特征包括：磨煤机给煤量、磨煤机热一次风调节阀位反馈、磨煤机冷一次风调节阀位反馈。
[0021]优选地，在所述步骤S2中，基于处理后的数据集进行磨煤机动态模型的学习，包括：
[0022]磨煤机动态模型为是磨煤机系统的转移动态函数，如下：
[0023]s
t+1
＝f
m
(s
t
,a
t
)
[0024]式中，t为某一时刻，s
t
为t时刻的状态特征，a
t
为t时刻的动作特征，s
t+1
为t+1时刻的状态特征，表示在某一时刻t下，磨煤机系统处于状态s
t
，执行动作a
t
后，磨煤机系统状态发生变化；磨煤机动态模型的输入为磨煤机当前时刻的状态特征s
t
与动作特征a
t
，输出为磨煤机下一时刻的状态特征s
t+1
。
[0025]优选地，在所述步骤S3中，使用模型预测控制框架构建磨煤机控制优化模型，包括：
[0026]基于从磨煤机离线数据训练得到的模型，通过最大化有限时域内的累积奖励，寻找最优的磨煤机控制策略：
[0027][0028]式中，H为有限时域的长度；r(s,a)表示奖励函数；策略π(s)表示从状态到动作的一个映射；A表示磨煤机系统的动作空间；
[0029]对于基于模型预测控制的磨煤机控制优化模型的构建，包括磨煤机动态模型的离线训练与奖励函数的定义，磨煤机动态模型的离线训练通过步骤S2完成学习；磨煤机控制的奖励函数的构建采用“磨煤机给煤量”与“磨煤机电流”这两个特征，“磨煤机电流”反映了磨煤机的电量消耗，“磨煤机给煤量”反映了磨煤机在磨煤工作上的运行情况，定义磨煤机的工况特征如下：
[0030][0031]式中，coal为磨煤机工作状态下的给煤量，current为磨煤机工作状态下的电流，c
值越大，则表示磨煤机的工作状态越良好；
[0032]此外，考虑磨煤机控制策略输出的变化平稳性，定义推荐动作波动性的代价函数为：
[0033][0034]将cost
a
纳入奖励函数以使推荐动作更加平滑，综合优化奖励函数可定义为：
[0035]r
t
＝α
·
c
‑
β
·
cost
a
[0036]式中，α,β为给定常数；
[0037]基于磨煤机动态模型与奖励函数，利用有限时域模型预测控制框架构建磨煤机控制优化模型如下：
[0038][0039]s
t+1
＝f
m
(s
t
,a
t
)
[0040]s0＝s
init
[0041]式中，f
m
为磨煤机动态模型，在进行磨煤机控制时，给定当前时刻的状态s0，通过求解以上有限时域的优化问题，获得长度为H的最优控制动作序列返回序列中的第一个动作并执行，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模型离线规划的磨煤机控制优化方法，其特征在于，包括如下步骤：S1、从电厂中收集积累的磨煤机运行相关的历史数据并进行数据处理；S2、基于处理后的数据集进行磨煤机动态模型的学习；S3、使用模型预测控制框架构建磨煤机控制优化模型；S4、求解构建的优化模型得到磨煤机的控制策略。2.根据权利要求1所述的基于模型离线规划的磨煤机控制优化方法，其特征在于，在所述步骤S1中，从电厂中收集积累的磨煤机运行相关的历史数据并进行数据处理，包括：S11、从电厂系统中收集磨煤机运行相关的历史数据集；S12、挑选与磨煤机运行控制密切相关的特征变量，包括反映磨煤机系统相关状态指标的状态特征和能进行操作调节的动作特征；S13、基于步骤S12挑选的特征对步骤S11收集的原始数据进行处理，形成磨煤机控制离线数据集，数据集中数据按照时间顺序进行排列，每条数据之间具有相同的时间间隔，对于每条数据，其中包含该条数据对应时刻下磨煤机系统的状态特征与动作特征的数值。3.根据权利要求2所述的基于模型离线规划的磨煤机控制优化方法，其特征在于，所述状态特征包括：磨煤机入口一次风压、磨煤机入口一次风温度、磨煤机入口一次风量、磨煤机出口风温、磨煤机出口风压、磨煤机电流。4.根据权利要求2所述的基于模型离线规划的磨煤机控制优化方法，其特征在于，所述动作特征包括：磨煤机给煤量、磨煤机热一次风调节阀位反馈、磨煤机冷一次风调节阀位反馈。5.根据权利要求1所述的基于模型离线规划的磨煤机控制优化方法，其特征在于，在所述步骤S2中，基于处理后的数据集进行磨煤机动态模型的学习，包括：磨煤机动态模型为是磨煤机系统的转移动态函数，如下：s
t+1
＝f
m
(s
t
,a
t
)式中，t为某一时刻，s
t
为t时刻的状态特征，a
t
为t时刻的动作特征，s
t+1
为t+1时刻的状态特征，表示在某一时刻t下，磨煤机系统处于状态s
t
，执行动作a
t
后，磨煤机系统状态发生变化；磨煤机动态模型的输入为磨煤机当前时刻的状态特征s
t
与动作特征a
t
，输出为磨煤机下一时刻的状态特征s
t+1
。6.根据权利要求1所述的基于模型离线规划的磨煤机控制优化方法，其特征在于，在所述步骤S3中，使用模型预测控制框架构建磨煤机控制优化模型，包括：基于从磨煤机离线数据训练得到的模型，通过最大化有限时域内的累积奖励，寻找...

【专利技术属性】
技术研发人员：王微，王晓峰，白伟，王利平，张全，董曙君，吕永兴，贾志军，吕晓娟，
申请(专利权)人：内蒙古京能康巴什热电有限公司，
类型：发明
国别省市：