[发明专利]一种基于神经网络预测的电站燃煤锅炉智能控制方法和系统

权利要求书

1.一种基于神经网络预测的电站燃煤锅炉智能控制方法，其特征在于：

所述方法包括以下步骤：

步骤1：分析工艺机理，建立预测控制模型，确定预测控制模型输入输出及关键模型参数；

步骤2：建立神经网络并在线训练拟合预测控制模型，迭代更新权值直至拟合误差符合要求范围；

步骤3：在各个迭代计算得到的权值基础上，预测参数；

步骤4：基于参数预测曲线筛选最优预测值并计算最优预测偏差，基于最优预测偏差计算优化控制指令；

步骤5：将优化控制指令通过DCS作用于现场生产系统，提前动作执行机构进行超前调节，从而实现系统闭环控制；

步骤2中，所述神经网络包括输入层、隐层和输出层；

所述神经网络的输入为从DCS采集的预测控制模型q个相关过程参数滚动时长内的差分历史序列ΔX^k；

各历史时刻输入差分对被调量的影响量为各隐层节点的权值，隐层节点个数与输入节点个数一致；

所述神经网络的输出为根据拟合方程和预测方程计算所得的被调量差分的拟合值Δyfit和预测值Δypre；

步骤2所述建立神经网络并在线训练拟合预测控制模型，迭代更新权值直至拟合误差符合要求范围，包括以下步骤：

步骤201：以被调量当前时刻差分值Δy_t0为拟合目标值，以q个输入x滚动时长内的差分历史序列为输入，建立BP神经网络；

步骤202：设输入x^k对应各隐层节点的权值序列为建立拟合方程如下：

步骤203：设拟合误差对q个输入x对应的各权值序列该序列各数值计算公式如下：

其中，λ为配置的学习率，用于调整权值迭代步长，以使拟合输出值快速逼近实际值变化为目标结合在线调试确定；

步骤204：基于步骤202和步骤203公式，重复迭代权值及拟合值，直至Δerr＜ε，ε为拟合误差阈值。

2.根据权利要求1所述的一种基于神经网络预测的电站燃煤锅炉智能控制方法，其特征在于：

步骤1所述分析工艺机理，建立预测控制模型，确定预测控制模型输入输出及关键模型参数，包括以下步骤：

步骤101：根据锅炉燃烧过程时延时滞特性的约束，分析出与被调量有因果或相关关系的各影响因素，按重要程度筛选最为关键的参数作为模型输入，所述模型输入包括调节量u；

步骤102：逐个确定各输入参数的滚动时长、差分间隔和正负作用方向。

3.根据权利要求2所述的一种基于神经网络预测的电站燃煤锅炉智能控制方法，其特征在于：

步骤102中，所述滚动时长大于对应模型输入对输出的迟延时间，上限不超过15分钟；

所述差分间隔取3-5秒；

所述正负作用方向根据实际工艺过程确定，用以约束预测控制模型训练过程中的权值变化方向。

4.根据权利要求1所述的一种基于神经网络预测的电站燃煤锅炉智能控制方法，其特征在于：

步骤2中，若权值迭代结果与输入正负作用方向不一致，则保留原值不进行更新。

5.根据权利要求1所述的一种基于神经网络预测的电站燃煤锅炉智能控制方法，其特征在于：

步骤3所述在各个迭代计算得到的权值基础上，预测参数，包括以下步骤：

步骤301：设输入x^k当前迭代得到的权值序列为与输入序列ΔX^k进行卷积运算建立预测方程，计算得到预测序列

其中，所述预测方程为：

所述预测序列为：

步骤302：基于预测序列进行线性转换，得到最终的预测序列

其中，转换公式为：

最终的预测序列为：