电厂过热汽温的智能预测控制方法研究

电厂过热汽温的智能预测控制方法研究

作者：满宇航

来源：《电脑知识与技术》2017年第34期

摘要：电厂过热气温现象本身具有惯性大、延迟大、非线性等很多问题，由于电厂过热气温能够直接对电厂安全稳定经济运行产生影响，所以要采取有针对性措施对其进行有效控制。在现代智能化技术不断快速发展的背景下，将智能预测控制方法应用到电厂过热气温控制体系当中，为电厂过热气温控制提供有效保障，本文对此进行详细分析和研究。 关键词：电厂；过热气温；智能预测；控制方法

中图分类号：TP3 文献标识码：A 文章编号：1009-3044（2017）34-0180-01

在当前社会经济不断快速发展的背景下，各个行业的发展势头越来越良好，火电厂在其中的重要性越来越明显。其中在火电厂正常安全稳定运行过程中，要提高对过热蒸汽温度的重视，过热蒸汽温度能够直接对火电厂安全稳定运行状态产生影响。过热蒸气温度本身是一项非常重要的参数，其本身具有惯性大、延迟性大等特点，除此之外，过热蒸气温度还存在严重的非线性和参数变化，非线性和参数会由于工况的实际变化情况而产生出相对应的变化。一般情况下，比较常见的过热气温串级PID控制系统在实际操作中，很难对其本身的品质进行有效控制。

1 智能预测控制系统结构分析

本文在针对电厂过热气温智能预测控制方法进行研究的时候，与实际情况进行有效结合，并且制定出系统图，如图1所示。在图1中所展示出的智能预测控制系统，其中r为参考轨迹、u为具体控制量，除此之外，y是已经被控制的对象实际输出，而ym则是模型的输出，最后是[y]主要指在实际过程中，其本身出现误差之后采取有针对性措施对其进行修正之后而预测输出。该智能预测控制系统在实际应用过程中，其本身的工作原理为：首先，要直接利用预测模型对预测被控对象的实际情况进行分析和把控，特别是针对输出变量、数值进行详细分析和研究，之后利用免疫优化模块对其中最优模块进行滚动搜寻[1]。也就是在实际操作过程中，在每一个采样周期当中找出能够有利于目标函数呈现出最小值的状态，同时还能够尽可能满足基本约束条件，将其看作是最优输入控制量序列当中的一种。之后将控制量序列中的第一个值，也就是当先时刻的最优控制量，在实际作用过程中，应该针对被控对象出现的问题采取的一系列有效措施。智能预测控制系统在构建以及具体应用过程中，其本身的算法与七八预测控制算法相比，具有非常多的优点，最明显的是智能预测控制系统能够为任意一种模型的操作起到良好的辅助性作用[2]。与此同时，其本身的滚动优化的性能能够在免疫算法的基础上，快速找出最优控制量序列。 2 预测模型及相对应的反馈校正

龙源期刊网 http://www.qikan.com.cn

在上述公式当中，其中y主要是指输出变量，u主要是指输入变量，而ny以及nu分别利用输出和输入对其进行表示。在实际操作过程中，由于免疫优化算法在具体应用中，其本身并不对问题的表达形式进行严格要求，所以在预测模型的构建过程中可以直接利用各种模型进行操作。一般情况下，针对一些比较简单的对象可以直接利用传统的线性模型，如果是一些复杂性比较强的对象可以利用模糊模型或者是神经网络模型对其进行构建，同时还要根据实际情况对其进行模型构建，这样能够保证模型的有效性。在预测模型的构建过程中，避免其本身与实际系统之间存在误差现象，所以要在具体预测控制算法实施中对每一个步骤进行实际输出的检测[3]。除此之外，还需要与模型输出已经呈现出的误差信息进行对比分析，利用误差信息反馈的数据和资料对输出预测值进行修正和完善。

在智能预测控制系统实际应用过程中，为了保证对电厂过热气温提供有效的控制措施和方法，要与实际情况进行有效结合，将其本身的控制效果发挥到最大。在实际操作过程中，将控制系统的预测时域程度设置为NP，控制时域长度为NU。构建预测模型并对其中的误差进行修正，在一系列操作流程完成之后可以得出具体的预测输出： 3 基于免疫算法的滚动优化措施

在针对电厂过热气温进行智能预测控制的时候，要根据实际情况采取有针对性措施对其进行滚动优化。通过实践可以看出，滚动优化的根本目的是为了能够针对每一采样时刻进行有效控制，从控制量的容许区对其进行操作，只有保证满足③和④的前提条件下，才能够从中选择出最优控制量序列，促使控制性能指标能够达到最优化标准和要求[4]。 4 结束语

在当前现代社会发展过程中，越来越多的科学技术被广泛应用到各个行业当中，特别是很多行业已经逐渐朝着智能化、技术化方向发展。电厂过热气温控制也可以利用智能预测控制方法对其进行控制，这样能够最大限度保证对电厂过热气温进行有效控制，将其本身的性能作用发挥到最大。 参考文献：

[1] 吕剑虹， 陈来九. 预测控制在热工控制中的应用前景[J]. 动力工程， 2016（2）. [2] 朱红霞， 沈炯， 王培红等. 基于免疫遗传算法的模糊优化控制及其仿真研究[J]. 东南大学学报：自然科学版， 2016（1）.

[3] 王东风， 韩璞. 基于免疫遗传算法优化的气温系统变参数PID控制[J]. 中国电机工程学报， 2015（9）.

[4] 陈来九. 热工过程自动调节原理和应用[M]. 北京： 水利电力出版社， 2016.

龙源期刊网 http://www.qikan.com.cn