一种燃气轮机冷却水温度控制方法和系统与流程

本发明涉及燃气轮机控制技术领域，具体而言，涉及一种燃气轮机冷却水温度控制方法和一种燃气轮机冷却水温度控制系统。

背景技术：

目前，燃气蒸汽联合循环电厂的冷却水系统通常采用复合冷却水系统，它由开式循环冷却水系统和闭式循环冷却水系统复合而成。冷却水系统中的冷却部件包括润滑油冷却器和发电机空气冷却器等。其中，润滑油冷却器为板式换热器，通过温度控制阀调节阀门开度，进而控制通过润滑油冷却器中冷却水的流量，从而保证冷却后的润滑油维持在一定的温度。

对于燃气轮机这种大型高精度的机械设备，对润滑油有很高的要求，这其中不仅包括润滑油的种类、粘度、洁净度等指标，而且对润滑油的温度也有极高的要求。润滑油进入各个轴承前经过冷却水系统对润滑油进行调温，从而保证润滑油在合适的温度范围内安全、可靠地工作。

由于燃气轮机控制系统是一个多变量、强干扰及参数时变的系统，同时，传统pid参数在整定的过程中，其整定值具有一定区域的优化值，而不是全局的最优值，因此不能从实际上解决动态品质和稳态精度的矛盾。因而在冷却水温度控制系统中，采用传统pid控制将不能达到理想的控制效果。

技术实现要素：

本发明所要解决的技术问题是，如何提高对燃气轮机冷却水温度的控制效果。

为此目的，本发明提出了一种燃气轮机冷却水温度控制方法，包 括：

s1，根据温度传感器得到经冷却后润滑油温度测量值y(k)，温度设定值记为r(k)，这两项作为神经网络计算单元的输入信号；

s2，神经网络计算单元采用误差反向传播算法修改网络连接权值，通过在线学习和训练，保证系统误差评估函数达到最小值从而输出最优控制量；

s3，将多层神经网络直接作为控制器接入闭环回路中；

s4，根据神经网络单元输出值调节温度控制阀的开度。

优选地，所述神经网络采用三层前向结构，各层神经元数目、连接方式和初始连接权值按照pid控制规律确定。

优选地，所述神经网络的隐含层由比例元、积分元和微分元构成，这些神经元实现比例积分微分运算。

优选地，所述步骤s1包括：温度传感器获取经冷却后的润滑油的实际温度作为所述温度测量值。

本发明还提出了一种燃气轮机冷却水温度控制系统，包括：

温度传感器，用于测量经冷却后的润滑油的实际温度得到温度测量值；

神经网络计算单元，以温度设定值和温度测量值作为输入，采用误差反向传播算法修改网络连接权值，通过在线学习训练，使系统误差评估函数达到最小，最终得到控制量，即温度控制阀开度；

执行机构，用于调节温度控制阀的开度；

人机界面，用于监测冷却水温度控制系统，显示或修改参数，并可查看故障报警情况。

本发明与现有技术相比，具有以下优点及突出性的技术效果：①神经网络基于pid的思想构建，结构简单而规范，有明显的物理意义；②神经网络控制鲁棒性好、自我调节参数、收敛迅速，且不依赖于具体模型，适合燃气轮机这种参数多变、干扰性强的控制系统；③算法用matlab实现，易于与燃气轮机控制系统通讯，应用于实际工程领域 中；④人机界面能够实现对冷却水温度控制过程的监测，提高了燃气轮机运行稳定性及安全性。

附图说明

通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：

图1示出了根据本发明一个实施例的燃气轮机冷却水温度控制方法的示意流程图；

图2示出了根据本发明一个实施例的燃气轮机冷却水温度控制的结构示意图；

图3示出了根据本发明一个实施例的燃气轮机冷却水温度控制系统的响应曲线。

图4示出了根据本发明一个实施例的燃气轮机冷却水温度控制系统施加扰动后的响应曲线。

图5示出了根据本发明一个实施例的燃气轮机冷却水温度控制系统的示意图。

具体实施方式

下面将结合附图对本发明的实施例进行详细描述。

本发明实施例提出了一种燃气轮机冷却水温度控制方法，如图1所示，该控制方法包括以下步骤：

s1，根据温度传感器得到经冷却后润滑油温度测量值y(k)，温度设定值记为r(k)，这两项作为神经网络计算单元的输入信号；

s2，神经网络计算单元采用误差反向传播算法修改网络连接权值，通过在线学习和训练，保证系统误差评估函数达到最小值从而输出最优控制量；

s3，将多层神经网络直接作为控制器接入闭环回路中；

s4，根据神经网络单元输出值调节温度控制阀的开度。

优选地，所述神经网络采用三层前向结构，各层神经元数目、连 接方式和初始连接权值按照pid控制规律确定。

优选地，所述神经网络的隐含层由比例元、积分元和微分元构成，这些神经元实现比例积分微分运算。

优选地，所述步骤s1包括：温度传感器获取经冷却后的润滑油的实际温度作为所述温度测量值。

冷却水温度控制系统结构图如图2所示。神经网络采用三层前向结构，网络分为输入层、隐含层和输出层，为2×3×1结构。神经网络的基本组成单元神经元包括输入层、状态层和输出层，分别用net(k)、u(k)和x(k)来表示当前时刻的输出。其输入层有两个神经元，用于接收外部信息，如输入控制器的给定信号和反馈信号；隐含层有三个神经元，分别为比例元、积分元和微分元，完成比例、积分、微分运算；输出层只有一个神经元，完成规律的综合并输出控制量。输入层至隐含层的连接权值记为ωij，下标表示输入层第i个输入元连接至隐含层第j个处理元，隐含层至输出层的连接权值记为ω′j，下标表示隐含层第j个处理元连接至输出元。输出层神经元的输出即为被控对象的控制量。系统的给定值和被控对象的输出又作为输入进入神经网络输入层。

神经网络输入层的输入神经元1接收温度设定值r(k)，输入神经元2接收温度测量值y(k)。为了保证反馈控制的准确性，2个输入层神经元内部信号处理均设置为单位增益传输，其输入为：

输入层神经元的状态：

ui(k)＝neti(k)

输入层神经元的输出：

xi(k)＝ui(k)

隐含层为神经网络控制器最为关键的一层，包括三个神经元，分别为比例元、积分元和微分元，对应pid中比例、积分和微分运算。隐含层神经元输出层采用正负对称、连续可微的双曲正切函数，使得神 经网络成为非线性的多层网络，从而使该神经网络控制器获得非线性信号处理能力。它们各自的输入为：

其中，“′”上标为隐含层变量标记，xi(k)为输入层各神经元输出值，ωij输入层至隐含层的连接权值。

比例元的状态为：

u′1(k)＝net′1(k)

积分元的状态为：

u′2(k)＝net′2(k)+u′2(k-1)

微分元的状态为：

u′3(k)＝net′3(k)-net′3(k-1)

隐含层各神经元的输出为：

x′j(k)＝tanh(u′j(k))j＝1，2，3

输出层结构简单，仅包含一个神经元。连接权值ω′j的作用类同于pid的三个参数。其输入为：

其中，“"”上标为输出层变量标记，x′j(k)为隐含层各神经元输出值，ω′j为隐含层至输出层的连接权值。

输出层状态为：

u″(k)＝net″(k)

输出层输出为：

x″(k)＝u″(k)

最终输入被控对象冷却水温度控制系统的控制信号v(k)就等于输出层神经元的输出，即

v(k)＝x″(k)

神经网络的学习训练主要取决于所选取的误差评估函数和网络权值调整算法，这里采用误差反向传播算法作为网络权值调整算法，误 差评估函数采用如下所示的线性二次型函数式：

其中，l表示用来计算误差评估函数的误差样本个数。

误差反向传播算法的依据为将误差反向传播至各个神经元节点以调整网络连接权值，从而使得误差评估函数e随着训练调整的进行而收敛至极小值。根据此算法，神经网络隐含层至输出层的连接权值ω′j的调整算法为：

令

可简化为

综合可得，隐含层至输出层的连接权重计算式为：

输入层至隐含层的连接权值ωij的调整算法为：

令

可简化为

综合可得输入层至隐含层的连接权重计算式为：

其中，神经网络运算可以通过matlab来完成，matlab与燃气轮机控制系统通过opc服务器通讯，opc服务器的作用是matlab与燃气轮机自身控制系统之间通讯的桥梁，实现两者的数据交换。通过matlab实现较为复杂的神经网络控制算法，无需在燃气轮机中额外增加软件，甚至可以将燃气轮机原有软件的部分控制功能转移到matlab，以减轻燃气轮机的程序运行压力，提高控制性能。

实施例1

冷却水温度控制系统中温度控制阀为三通阀，主要通过该阀门来改变冷却水的流量，参照某型三通阀的建模方法，其传递函数可表示为：

温度设定值在t＝500秒时给出阶跃信号50℃到54℃。

设计神经网络控制器过程中相关参数的选取如下，pid神经网络控制频率取为1khz，初始连接权值设置为ω11＝ω12＝ω13＝1，ω21＝ω22＝ω23＝-1，ω′19.5，ω′2＝0.2，ω′3＝93.1，使得初始时的pid神经网络控制器等价于pid控制器。

冷却水温度控制系统的输出相应曲线如图3所示。

t＝800秒时，给系统施加一个扰动，图4为施加扰动后系统的响应曲线。

如图5所示，本发明还提出了一种燃气轮机冷却水温度控制系统10，包括：

温度传感器11，用于测量经冷却后的润滑油的实际温度得到温度 测量值；

神经网络计算单元12，以温度设定值和温度测量值作为输入，采用误差反向传播算法修改网络连接权值，通过在线学习训练，使系统误差评估函数达到最小，最终得到控制量，即温度控制阀开度；

执行机构13，用于调节温度控制阀的开度；

人机界面14，用于监测冷却水温度控制系统，显示或修改参数，并可查看故障报警情况。

以上结合附图详细说明了本发明的技术方案，考虑到相关技术中，传统pid参数在整定的过程中，其整定值具有一定区域的优化值，而不是全局的最优值，因此不能从实际上解决动态品质和稳态精度的矛盾。通过本申请的技术方案，能够将神经网络控制与pid相结合，提高了冷却水温度控制的适应性和鲁棒性，实现参数自整定，且结构简单、收敛迅速，不依赖被控对象精确模型。算法的神经网络基于pid控制思想构建，具有明显的物理意义。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。