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】
本专利技术属于火力发电、智能优化控制,具体涉及基于改进天鹰算法的烟气含氧量dmc+pid串级控制方法。
技术介绍
1、火电厂的烟气含氧量是锅炉燃烧控制中的一项重要指标,影响排烟热损失、氮氧化物排放量、燃料燃烧是否充分,以及燃烧的经济性。火电机组从基荷电源转变为调峰电源,烟气含氧量设定值随负荷变化而改变,烟气氧量的精准控制变得更为复杂,进一步增加了烟气氧量的控制难度,常规的串级pid控制的烟气氧量系统在稳定性、准确性、调节时间等性能方面,特别是在扰动频繁特别是宽幅变负荷过程中,难以满足机组参与深度调峰的要求。因此,火电机组急需一种合理的烟气氧量智能优化控制方法。
2、目前,循环流化床机组烟气含氧量普遍采用pid串级控制,但由于pid是基于偏差的控制,在扰动频繁特别是宽幅变负荷过程中,烟气氧量控制出现稳定不足、准确性差、调节时间长等问题。传统烟气含氧量控制方案存在响应速度较慢的问题,传统方案通常是通过测量烟气氧含量,然后调节进口空气量来实现控制。然而,这种方法的响应速度相对较慢,无法及时应对燃烧过程中的突发变化,导致烟气氧量控制的精度有限。
技术实现思路
1、针对目前循环流化床机组烟气含氧量普遍采用pid串级控制导致的稳定不足、准确性差、调节时间长等问题,提出了一种基于改进天鹰算法的烟气含氧dmc+pid串级控制方法。
2、为了达到上述目的,本专利技术采用了下列技术方案:
3、基于改进天鹰算法的烟气含氧量dmc+pid串级控制方法,所述控制方法的内回
4、步骤1:初始化算法的相关参数,将动态矩阵控制器的四个参数看作空间中的一组可行解(n,c1,c2,α);
5、步骤2:采用改进帐篷混沌映射初始化种群;
6、步骤3:根据个体当前位置,通过适应度函数计算粒子的适应度,即计算每个个体的目标函数值;
7、步骤4:初始化个体最优和全局最优;
8、步骤5:若当前迭代次数t小于最大迭代次数t,按照公式(27)、(29)更新自适应概率阈值p,自适应惯性权重系数w后执行步骤6;公式(27)、(29)如下:
9、
10、
11、步骤6:若当前迭代次数t小于最大迭代次数t的(3/5),判断rand是否小于p,若小于采用公式(30)执行包围捕食,否则采用公式(31)执行包围捕食;
12、若当前迭代次数t大于最大迭代次数t的(3/5),判断rand是否小于p,若小于采用公式(32)执行包围捕食,否则采用公式(33)执行包围捕食;然后执行步骤7;公式(30)~(33)如下:
13、
14、x2(t+1)=w*xbest(t)×levy(d)+xr(t)+(y-x)*rand (31)
15、x3(t+1)=[(1-w)*xbest(t)-xm(t)]×α-rand+[(ub-lb)×rand+lb]×δ (32)
16、x4(t+1)=qf×(1-w)*xbest(t)-(g1×x(t)×rand)-g2×levy(d)+rand×g1 (33)
17、其中,x1,2,3,4(t+1)是第t+1次迭代的个体位置,xbest(t)是在第t次迭代为止获得的最佳位置,t和t分别地表示当前迭代和最大迭代次数,xm(t)表示第t次迭代时所有个体当前位置的平均值,levy(d)为levy飞行分布函数,xr(t)为种群范围[1,n]内的随机个体,y和x表示搜索中的螺旋形状,δ是0.1的常数,qf表示用于平衡搜索策略的质量函数,g1表示猎食过程中猎食动物用于追踪猎物的各种运动,g2表示天鹰从第一个位置(1)到最后一个位置(t)的飞行斜率,x(t)为第t次迭代时的当前解;
18、步骤7:调用适应度函数更新粒子的适应度并更新个体最优和全局最优,然后执行步骤8;
19、步骤8:引入三角函数对当代解进行扰动,然后执行步骤9扰动过程如式(34)如下:
20、
21、其中,xi是当前个体所代表的解;k是在区间(0,1)之间递减的变量;sinθ为正弦函数的随机值;
22、步骤9:当前迭代次数t+1后判断是否满足迭代终止条件,是输出优化结果,算法结束;否则返回执行步骤5。
23、所述步骤1中相关参数为种群数量和维数。
24、所述步骤2中改进帐篷混沌映射函数如公式(25)所示:
25、
26、其中,η为混沌参数,η∈[0,1],常取0.5,num表示群体数量;
27、经bernoulli移位转化如公式(26)所示:
28、
29、动态矩阵串级控制原理:
30、采取动态矩阵控制(dynamic matrix predictive control,dmc)与pid构成串级控制器对烟气含氧量进行控制,如图1dmc-pid串级控制系统结构图所示。内回路使用pi控制器,可以迅速消除进入导前区的干扰,当负荷变化导致模型失配时内回路可以消除一部分干扰。将内回路与惰性区共同作为广义被控对象,外回路引入dmc控制器,由于多数干扰被内回路抑制消除,所以外回路dmc控制器以跟踪性能、动态性能和鲁棒性为优先设计目标,dmc-pid串级控制系统同时保留了预测控制与串级控制的优势。
31、动态矩阵控制是模型预测控制的一种,包括:预测模型、滚动优化、反馈校正;适用于渐近稳定对象。
32、预测模型基于线性叠加理论,将来p个时刻预测输出为
33、
34、其中,i=1,2,...,p,n为序列长度,m为控制时域,p为预测时域(n≥p≥m)。
35、由于将来只施加m个输入,即:
36、
37、
38、
39、则把式(2)改写成式(5),即
40、ym=dmum+y0 (5)
41、其中,ym表示预测输出;um表示预测输入;dm表示动态矩阵;y0为基本输出,即没有预测输入情况下的系统实测输出。
42、对于滚动优化,定义性能指标函数:
43、
44、其中,yr=[yr(t+1),yr(t+2),…,yr(t+p)]t为期望输出,h=diag[h1,h2,...,hp],r=diag[r1,r2,...,rm]表示加权系数,表示预测输入的转置。
45、将式(5)的ym代入式(6)根据极值必要条件,可得最优控制解为
46、
47、由于模型失配、扰动、噪声等可能导致预测输出产生较大偏差,因此必须加以校正。
48、yp=ym+e(t)c (8)
4本文档来自技高网...
【技术保护点】
1.基于改进天鹰算法的烟气含氧量DMC+PID串级控制方法,其特征在于:所述控制方法的内回路使用PI控制器,外回路引入动态矩阵控制器,基于改进天鹰算法对动态矩阵控制器的序列长度N、预测偏差加权系数C1、预测控制量加权系数C2、预测误差加权修正系数C中的修正量α进行优化,包括以下步骤:
2.根据权利要求1所述的基于改进天鹰算法的烟气含氧量DMC+PID串级控制方法,其特征在于:所述步骤1中相关参数为种群数量和维数。
3.根据权利要求1所述的基于改进天鹰算法的烟气含氧量DMC+PID串级控制方法,其特征在于:所述步骤2中改进帐篷混沌映射函数如公式(25)所示:
【技术特征摘要】
1.基于改进天鹰算法的烟气含氧量dmc+pid串级控制方法,其特征在于:所述控制方法的内回路使用pi控制器,外回路引入动态矩阵控制器,基于改进天鹰算法对动态矩阵控制器的序列长度n、预测偏差加权系数c1、预测控制量加权系数c2、预测误差加权修正系数c中的修正量α进行优化,包括以下步骤:
<...【专利技术属性】
技术研发人员:王琦,刘祥,王晓良,柏瑶,刘百川,柴宇唤,陈泽楷,张晋华,
申请(专利权)人:山西大学,
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。