[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

说明书

本申请公开了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，所述方法包括：建立预测控制模型；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；在各个迭代计算得到的权值基础上，预测参数；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；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。本申请机组整体控制水平不低于国标或行标要求；本申请智能化控制策略工况适应性强，参数可在线自适应校正；本申请对有经验的人力资源依赖少，大大减少现场调试工作量，实现了系统免维修。

技术领域

本发明属于电站燃煤锅炉智能控制技术领域，涉及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。

背景技术

目前电站燃煤锅炉运行普遍采用集散控制系统((Distributed ControlSystem，DCS)，依靠预设的PID加前馈的控制逻辑，实现机组自动控制。随着近年来现代控制理论和大数据分析等技术的发展，也有极少数机组在小范围内尝试采用新的控制策略进行优化改造，但此方面的控制器基本处于理论研究和小范围试用阶段，在实际应用中能实现长期稳定投运的寥寥无几，加上负荷煤质工况多变等因素使得优化效果也非常有限，不具备普适性。现有这两种控制模式的不足和局限性在于：

(1)大型火电机组在控制特性上具有大迟延、生产过程非线性等特征，且随着机组运行时间增长，设备特性一般会发生变化，这种时延时变特性使得传统PID控制器仅能实现部分工况的稳定，随着时间推移和工况变化，PID参数和前馈作用量需要不断地进行人为更新调整，不仅增加DCS维护量，而且增加运行过程安全风险。同时，PID控制参数整定对人力资源的经验背景要求较高，大大限制了传统PID控制器在现场发挥出最优控制效果。

(2)基于现代控制理论和大数据分析等技术的新控制策略虽然理论基础较先进，但建模过程过于复杂，需要精确的模型参数，且配置参数众多，很多参数需要试验整定，无法在线自校正。一些模型训练需要依赖庞大的历史数据，训练时间长，收敛困难，只能离线训练无法在线更新。这一系列的缺陷导致许多理论先进的模型无法在工程中直接应用，或者运行一段时间后由于模型失配而被迫退出运行。

发明内容

为解决现有技术中的不足，本申请提供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，本申请以神经网络预测算法为核心，利用滚动历史数据分析进行过程参数预测及在线模型校正，基于预测结果实现超前控制，充分挖掘历史数据潜藏的控制规律，与传统的PID控制策略有本质区别，保证了机组状态可测系统可控，大大提高了机组运行水准。

为了实现上述目标，本申请的第一件发明采用如下技术方案：

一种基于神经网络预测的电站燃煤锅炉智能控制方法，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。

本发明进一步包括以下优选方案：

优选地，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；