[发明专利]一种集成经济性指标的再热汽温神经网络内模控制方法

摘要

本发明公开了一种集成经济性指标的再热汽温神经网络内模控制方法，首先，从历史数据库中获得一些数据；其次，使用获得的数据，通过最小二乘系统辨识方法建立内模控制器中的被控对象；再次，使用获得的数据，通过广义回归神经网络建立被控过程的正向模型NNM和逆向模型NNC；最后，使用正向模型NNM和逆向模型NNC建立神经网络内模控制器，对火电机组的再热汽温度进行控制。本发明通过采用神经网络建立再热汽温控制系统模型的策略，解决了再热汽温系统的非线性问题；通过在建立模型时集成一种经济性指标，使得控制系统在保证再热汽温输出值跟踪设定值稳态无偏差的同时，最大程度保证了机组经济性能。

主权项

一种集成经济性指标的再热汽温神经网络内模控制方法，其特征在于：包括以下的步骤：S1.1：从历史数据库中获得以下数据：以减温喷水阀门开度为a、烟气挡板角度b时的再热汽温Tr为基准，获取仅调节减温喷水阀门开度时的阀门开度变化量(UA‑a)和所对应的再热汽温变化量(Ta‑Tr)、仅调节烟气挡板开度时的烟气挡板开度变化量(UB‑b)和所对应的再热汽温变化量(Tb‑Tr)，以及再热汽出口温度T；且T＝Ta+Tb‑Tr，Ta为烟气挡板角度为b、仅调节减温喷水阀门开度时的再热汽温，Tb为减温喷水阀门开度为a、仅调节烟气挡板开度时的再热汽温；S1.2：使用步骤S1.1中获得的数据，通过最小二乘系统辨识方法建立内模控制器中的被控对象；S1.3：使用步骤S1.1中获得的数据，通过GRNN神经网络建立被控过程的正向模型NNM和逆向模型NNC：建立正向模型NNM时，以正向模型NNM的输出ym和实际被控对象的输出y的差的平方em最小为标准；建立逆向模型NNC时，以集成经济性指标J最小为标准，J＝[yr(k)‑y(k)]2+UA(k)2，y(k)为当前时刻被控过程的实际输出，yr(k)为当前时刻再热汽温的设定值，UA(k)为当前时刻喷水减温阀门开度；所述逆向模型NNC的输入为当前时刻的再热汽出口温度T、滞后1至q时刻的再热汽出口温度T(k‑j+1)、滞后1至p时刻的减温喷水阀门开度UA(k‑i+1)和烟气挡板开度UB(k‑i+1)，以及当前时刻的正模型NNM的输出ym和实际被控对象的输出y的差的平方em；输出为当前时刻的减温喷水阀门开度UA和烟气挡板开度UB；输入层、输出层和训练目标分别如式(6)、(7)和(8)所示：输入层：输出层：训练目标：ec＝[yr(k)‑y(k)]2+UA(k)2→min  (8)其中，neti(k)为GRNN神经网络模型，yr(k)为当前时刻再热汽温的设定值， y(k)为当前时刻再热汽温度的实际值；S1.4：使用步骤S1.3中建立的正向模型NNM和逆向模型NNC建立神经网络内模控制器，对火电机组的再热汽温度进行控制。