一种集成经济性指标的再热汽温神经网络内模控制方法
【技术领域】
[0001] 本发明设及热工自动控制领域，特别是设及一种集成经济性指标的再热汽溫神经 网络内模控制方法。
【背景技术】
[0002] 火电机组再热汽溫系统是火电厂中最重要的控制系统之一，也是电厂机组控制的 难点之一。被控量为再热蒸汽溫度，溫度过高会使再热器爆管，溫度过低会使机组经济性下 降，更甚至会使汽轮机带水产生汽蚀，危机机组运行安全，所W保持再热蒸汽溫度稳定在额 定值非常重要。
[0003] 再热汽溫系统非常复杂，是一个典型的非线性系统，如何很好地解决非线性问题 非常重要。火电机组再热汽溫系统通过调节再热汽溫喷水减溫阀口开度和烟气挡板角度， 完成对再热汽溫的调节，保证再热汽溫对设定值的跟踪。但是喷水减溫阀口开度越大，喷水 量越大，机组经济性越差。现有技术中往往只考虑W再热汽溫输出值跟踪设定值为控制目 标，优先使用喷水减溫，导致机组经济性较差。
【发明内容】
[0004] 发明目的:本发明的目的是提供一种保证火电机组经济性能的集成经济性指标的 再热汽溫神经网络内模控制方法。
[000引技术方案:为达到此目的，本发明采用W下技术方案：
[0006] 本发明所述的集成经济性指标的再热汽溫神经网络内模控制方法，包括W下的步 骤：
[0007] SI. 1:从历史数据库中获得W下数据：W减溫喷水阀口开度为a、烟气挡板角度b时 的再热汽溫化为基准，获取仅调节减溫喷水阀口开度时的阀口开度变化量(UA-a)和所对应 的再热汽溫变化量(Ta-化）、仅调节烟气挡板开度时的烟气挡板开度变化量化B-b)和所对 应的再热汽溫变化量(Tb-化），W及再热汽出口溫度T;且T =化巧b-化；
[000引SI. 2:使用步骤SI. 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；
[0009] SI. 3:使用步骤SI. 1中获得的数据，通过GRr^N回归神经网络建立被控过程的正向 模型順M和逆向模型順C:建立正向模型順M时，W正向模型順M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;建立逆向模型順別寸，W集成经济性指标J最小为标准，J = [yr化)-y化）]2+UA化)2，y化)为当前时刻被控过程的实际输出，yr化)为当前时刻再热汽溫 的设定值，UA化)为当前时刻喷水减溫阀口开度；
[0010] Sl. 4:使用步骤Sl. 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溫度进行控制。
[00川进一步，所述步骤51.2中采用传递函数模型：（1^-曰)对(1曰-化）的传递函数为61， (UB-b)对(Tb-化）的传递函数为G2。
[001 ^ 进一步，所述步骤SI. 3中的正向模型NNM如式（I)所示：
[0013] y(k)=F[y(k-l), ? ? ? ,y化-q+1) ,u(k), ? ? ? U化-p+1)] (I)
[0014] 其中，q和P是系统的阶次，根据传递函数Gi和G2的阶次来确定，F表示一个非线性映 射。
[0015] 进一步，所述正向模型NMl的输入为当前时刻的减溫喷水阀口开度UA和烟气挡板 开度UB、滞后1至P时刻的减溫喷水阀口开度UA化-i + 1)和烟气挡板开度UB化-i + 1)，W及滞 后1至q时刻的再热汽出口溫度T化-j+1)，1 < i < P，0 < j < q;输出为当前时刻的再热汽出口 溫度T;输入层、输出层和训练目标分别如式(2)、（3)和(4)所示：
[0016] 输入层： UA(k-i + \){\<i< P)
[0017] Mk)<U8a - .; + \){\^J<p) (2) T{k-J + \){0<j<q)
[001引输出层：
[0019] y"(k)=F[neti(k)] (3)
[0020] 训练目标；
[0021] Gm= [y化）-ym 化）]2 一 min (4)
[00剖其中，neti化)为GR順神经网络模型。
[0023] 进一步，所述步骤SI.3中的逆向模型NNC如式(5)所示：
[0024] "(A')二口['v'(A'),..'v'(A' -C/ +1),克_巧，'…化(度'-取+1),气,W] (5)
[00巧]其中，q和P是系统的阶次，根据传递函数Gi和G2的阶次来确定，P表示一个非线性 映射。
[00%]进一步，所述逆向模型順C的输入为当前时刻的再热汽出口溫度T、滞后1至q时刻 的再热汽出口溫度T化-j+1)、滞后1至P时刻的减溫喷水阀口开度UA化-i+1)和烟气挡板开 度UB化-i+1)，W及当前时刻的正模型NMl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溫喷水阀口开度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：
[0027]输入层： 。4(足一/+1)(0三/<戶） UB{k -i + \)(0<i< P) / 、
[002引.V U'); (6) e"脚
[0029] 输出层：
[0030] i'(足）=;。["巧(知] 7 )
[003U 训练目标；
[0032] e。= [yr 化）-}Kk)]2 一 min (8)
[0033] 其中，neti化)为GRr^N神经网络模型，yr化)为当前时刻再热汽溫的设定值，y化)为 当前时刻再热汽溫度的实际值。
[0034] 有益效果:本发明通过采用神经网络建立再热汽溫控制系统模型的策略，解决了 再热汽溫系统的非线性问题;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 证再热汽溫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。
【附图说明】
[0035] 图1为本发明的静态GRN饰莫型改造后的结构图；
[0036] 图2为经济性指标J的逻辑图；
[0037] 图3为采用了本发明方法的控制系统框图。
【具体实施方式】
[0038] 下面结合【具体实施方式】对本发明的技术方案作进一步的介绍。
[0039] 本发明公开了一种集成经济性指标的再热汽溫神经网络内模控制方法，包括W下 的步骤：
[0040] SI. 1:将从某电厂DCS中取出的机组全负荷范围内的相关数据，包括高中低S个负 荷段的稳态数据，W及W-定的变负荷速率、每次变化10%额定负荷，从高负荷段降负荷到 低负荷段，再从低负荷段升负荷到高负荷段的动态数据，具体为：W减溫喷水阀口开度为a、 烟气挡板角度b时的再热汽溫化为基准，获取仅调节减溫喷水阀口开度时的阀口开度变化 量(UA-a)和所对应的再热汽溫变化量(Ta-化）、仅调节烟气挡板开度时的烟气挡板开度变 化量(UB-b)和所对应的再热汽溫变化量(Tb-化），W及再热汽出口溫度T;且T =化巧b-化；
[0041] SI. 2:使用步骤SI. 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，采用传递函数模型：（UA-a)对(Ta-IY)的传递函数为Gi，（UB-b)对(Tb-化）的 传递函数为G2;
[0042] SI. 3:使用步骤SI. 1中获得的数据，通过GRr^N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，W正向模型NMl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NN別寸，W集成经济性指标J最小为标准，J= [yr 化)-y化）]2+UA化)2，y化)为当前时刻被控过程的实际输出，yr化)为当前时刻再热汽溫的设 定值，UA化)为当前时刻喷水减溫阀口开度；
[0043] 正向模型NNM如式（1)所示：
[0044] y(k)=F[y(k-l), ? ? ? ,y化-q+1) ,u(k), ? ? ? U化-p+1)] (I)
[0045] 其中，q和P是系统的阶次，根据传递函数Gi和G2的阶次来确定，F表示一个非线性映 射；
[0046] 正向模型NNM的输入为当前时刻的减溫喷水阀口开度UA和烟气挡板开度UB、滞后1 至P时刻的减溫喷水阀口开度UA化-i+1)和烟气挡板开度UB化-i+1)，W及滞后1至q时刻的 再热汽出口溫度T(k-j + l)，l < i <p，0< j <q;输出为当前时刻的再热汽出口溫度T;输入 层、输出层和训练目标分别如式(2)、（3)和(4)所示：
[0047] 输入层：
[0048] A-(/() j ^公(4-/ + 1)(1