System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于燃煤发电领域,涉及一种超临界火电机组主蒸汽温度自适应控制方法及相关装置。
技术介绍
1、作为一种高效、高温、高压的燃煤发电机组,大型超临界火电机组具备装机容量大、自动化程度高、运行参数高、热效率高、煤耗低等优点。该技术已经成为火力发电厂发展的主导趋势,它在提升发电效率的同时,能有效地控制煤燃烧产生的有害气体(如so2和nox等),进而降低对环境的影响。在超临界状态下,锅炉的工作压力和温度等参数远超一般工况。尽管在这种环境下运行的机组能显著提升发电效率,但高温高压的严酷环境也会增加整个系统的脆弱性和控制难度。其中,当超临界火电机组在大范围内调峰时,对主蒸汽温度的调控显得尤为重要。
2、然而,超临界火电机组主蒸汽温度的控制面临巨大的挑战。这是因为直流锅炉设备繁多,它们通过串联或并联方式相互连接,每个设备的微小扰动都可能引发相邻设备的响应,进而对整个锅炉系统产生影响。例如,在风烟系统中,引风机的运行发生变化可能导致炉膛负压波动和过量空气系统的变化,进而引起主蒸汽温度偏差。因此,直流锅炉可以被看作是复杂的一个多输入多输出的控制对象,由于强参数耦合作用,一个输入变化可能引起多个输出量变化,这使得直流锅炉动态特性复杂,控制对象呈现出大惯性、时变和非线性特性,增加了控制的难度。
3、目前,在超临界火电机组中,喷水减温系统作为超临界火电机组的主蒸汽温度控制系统的重要组成部分发挥着关键作用,能够有效地减轻多数情况下的干扰。传统的蒸汽温度控制方法主要依赖于pid(proportion-integration-d
技术实现思路
1、本专利技术的目的在于克服上述现有技术的缺点,提供一种超临界火电机组主蒸汽温度自适应控制方法及相关装置。
2、为达到上述目的,本专利技术采用以下技术方案予以实现:
3、本专利技术第一方面,提供一种超临界火电机组主蒸汽温度自适应控制方法,包括:获取大型超临界火电机组主蒸汽温度的期望信号和输出信号,并计算所述期望信号和输出信号的误差信号组;根据所述误差信号组,通过模糊控制方法得到pid控制器的模糊控制参数,并通过预训练的基于树突神经网络模型的神经网络控制参数模型,得到pid控制器的神经网络控制参数;将pid控制器的模糊控制参数和神经网络控制参数进行自适应加权求和并应用至pid控制器,得到自适应pid控制器;根据所述误差信号组,通过自适应pid控制器得到大型超临界火电机组主蒸汽温度的控制信号。
4、可选的,所述根据所述误差信号组,通过模糊控制方法得到pid控制器的模糊控制参数包括:通过预设的隶属度函数求解所述误差信号组的隶属度,得到误差信号组相对于各预设的模糊子集的隶属度;基于误差信号组相对于各预设的模糊子集的隶属度,通过预设的模糊控制表进行模糊推理,得到pid控制器的模糊控制参数的模糊量;使用加权平均法对pid控制器的模糊控制参数的模糊量进行反模糊化,得到pid控制器的模糊控制参数。
5、可选的,所述预训练的基于树突神经网络模型的神经网络控制参数模型通过下述方式得到:构建树突神经网络模型;并获取大型超临界火电机组主蒸汽温度的当前训练时刻的期望信号和训练输出信号,并根据当前训练时刻的期望信号和训练输出信号得到当前训练时刻的误差信号组;将当前训练时刻的误差信号组输入至树突神经网络模型中,得到pid控制器的当前训练时刻的神经网络控制参数;以及根据当前训练时刻的误差信号组,通过模糊控制方法得到pid控制器的当前训练时刻的模糊控制参数,将pid控制器的当前训练时刻的模糊控制参数和神经网络控制参数进行自适应加权求和并应用至pid控制器,得到当前训练时刻的自适应pid控制器;根据当前训练时刻的误差信号组,通过当前训练时刻的自适应pid控制器得到大型超临界火电机组主蒸汽温度的训练控制信号并应用,得到大型超临界火电机组主蒸汽温度下一训练时刻的输出信号;获取大型超临界火电机组主蒸汽温度下一训练时刻期望信号,并根据大型超临界火电机组主蒸汽温度下一训练时刻的输出信号和期望信号,得到下一训练时刻的误差信号组,并根据下一训练时刻的误差信号组优化树突神经网络模型;重复上述步骤至下一训练时刻的输出信号和期望信号之间的误差满足预设的误差阈值时,将最终的树突神经网络模型作为神经网络控制参数模型。
6、可选的,所述将pid控制器的模糊控制参数和神经网络控制参数进行自适应加权求和并应用至pid控制器,得到自适应pid控制器包括:通过下式将pid控制器的模糊控制参数和神经网络控制参数进行自适应加权求和:
7、
8、其中,α1,α2和α3均为自适应权重参数,取值范围均在0到1之间;kp为自适应pid控制器的比例增益参数,ki为自适应pid控制器的积分增益参数,kd为自适应pid控制器的微分增益参数;为pid控制器的模糊控制参数中的比例增益参数,为pid控制器的模糊控制参数中的积分增益参数,为pid控制器的模糊控制参数中的微分增益参数;为pid控制器的神经网络控制参数中的比例增益参数,为pid控制器的神经网络控制参数中的积分增益参数,为pid控制器的神经网络控制参数中的微分增益参数。
9、可选的,所述α1,α2和α3均根据pid控制器的模糊控制参数、pid控制器的神经网络控制参数和误差信号组,通过基于强化学习的actor-critic网络模型得到。
10、可选的,所述根据所述误差信号组,通过自适应pid控制器得到大型超临界火电机组主蒸汽温度的控制信号包括:根据所述误差信号组,通过下式得到大型超临界火电机组主蒸汽温度的控制信号:
11、
12、其中,u0(k)为k时刻大型超临界火电机组主蒸汽温度的控制信号,error(k)为k时刻的误差信号组,error(k-1)为k-1时刻的误差信号组,kp为自适应pid控制器的比例增益参数,ki为自适应pid控制器的积分增益参数,kd为自适应pid控制器的微分增益参数。
13、本专利技术第二方面,提供一种大型超临界火电机组主蒸汽温度控制系统,包括:信号处理模块,用于获本文档来自技高网...
【技术保护点】
1.一种超临界火电机组主蒸汽温度自适应控制方法,其特征在于,包括:
2.根据权利要求1所述的超临界火电机组主蒸汽温度自适应控制方法,其特征在于,所述根据所述误差信号组,通过模糊控制方法得到PID控制器的模糊控制参数包括:
3.根据权利要求1所述的超临界火电机组主蒸汽温度自适应控制方法,其特征在于,所述预训练的基于树突神经网络模型的神经网络控制参数模型通过下述方式得到:
4.根据权利要求1所述的超临界火电机组主蒸汽温度自适应控制方法,其特征在于,所述将PID控制器的模糊控制参数和神经网络控制参数进行自适应加权求和并应用至PID控制器,得到自适应PID控制器包括:
5.根据权利要求4所述的超临界火电机组主蒸汽温度自适应控制方法,其特征在于,所述α1,α2和α3均根据PID控制器的模糊控制参数、PID控制器的神经网络控制参数和误差信号组,通过基于强化学习的Actor-Critic网络模型得到。
6.根据权利要求1所述的超临界火电机组主蒸汽温度自适应控制方法,其特征在于,所述根据所述误差信号组,通过自适应PID控制器得到大型超临
7.一种大型超临界火电机组主蒸汽温度控制系统,其特征在于,包括:
8.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述超临界火电机组主蒸汽温度自适应控制方法的步骤。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述超临界火电机组主蒸汽温度自适应控制方法的步骤。
...【技术特征摘要】
1.一种超临界火电机组主蒸汽温度自适应控制方法,其特征在于,包括:
2.根据权利要求1所述的超临界火电机组主蒸汽温度自适应控制方法,其特征在于,所述根据所述误差信号组,通过模糊控制方法得到pid控制器的模糊控制参数包括:
3.根据权利要求1所述的超临界火电机组主蒸汽温度自适应控制方法,其特征在于,所述预训练的基于树突神经网络模型的神经网络控制参数模型通过下述方式得到:
4.根据权利要求1所述的超临界火电机组主蒸汽温度自适应控制方法,其特征在于,所述将pid控制器的模糊控制参数和神经网络控制参数进行自适应加权求和并应用至pid控制器,得到自适应pid控制器包括:
5.根据权利要求4所述的超临界火电机组主蒸汽温度自适应控制方法,其特征在于,所述α1,α2和α3均根据pid控制器的模糊控制参数、pid控制器的神经网络控制参数和误差信号组,通过基于强化学...
【专利技术属性】
技术研发人员:尚家华,唐亮,王焕敏,徐义军,
申请(专利权)人:贵溪发电有限责任公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。