馬良玉，燕 夢，王 林，汪裕杰，彭文權(quán)，丘 鴻，彭春雄

(1.華北電力大學(xué) 控制與計算機工程學(xué)院，河北 保定 071003；2.西安熱工研究院有限公司，陜西 西安 710054；3.廣東粵電大埔發(fā)電有限公司，廣東 大埔 514265)

0 引 言

過熱汽溫是火電機組運行的關(guān)鍵控制參數(shù)之一。由于大型燃煤機組各級過熱器換熱過程具有很大的慣性和時延，且不同工況下呈現(xiàn)很強的非線性特征，使得過熱汽溫釆用常規(guī)單回路PID控制難以獲得好的控制效果。因此，過熱器噴水減溫廣泛采用由內(nèi)、外雙回路組成的串級控制或具有導(dǎo)前微分信號的雙回路PID控制策略。其思想均是在汽溫控制中引入比過熱器出口汽溫提前的噴水減溫器后溫度(作為導(dǎo)前溫度)信號進行超前調(diào)節(jié)[1，2]。即便如此，由于鍋爐機組經(jīng)常處于大幅度的變負荷工況運行，存在風(fēng)量、煤量、給水、煤質(zhì)、配風(fēng)等諸多擾動，使得采用傳統(tǒng)串級PID控制策略，過熱汽溫的控制品質(zhì)往往差強人意，汽溫大幅波動等情況經(jīng)常發(fā)生。

計算機和人工智能技術(shù)的飛速發(fā)展，使得在復(fù)雜工業(yè)過程控制中引入模型預(yù)測、神經(jīng)網(wǎng)絡(luò)、智能優(yōu)化等先進技術(shù)成為可能。各種先進的控制方案如自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)控制、Smith預(yù)估補償控制、廣義預(yù)測控制、神經(jīng)網(wǎng)絡(luò)內(nèi)模控制、神經(jīng)網(wǎng)絡(luò)逆控制、自抗擾控制等逐步在電站得以應(yīng)用[2-12]，為進一步優(yōu)化機組控制效果，實現(xiàn)機組安全節(jié)能環(huán)保的長期運行目標(biāo)提供了有力手段。

本文研究對象為某600 MW超超臨界機組，該機組參與電網(wǎng)一次調(diào)頻和自動發(fā)電控制(AGC)，經(jīng)常在300～600 MW區(qū)間深度變負荷運行，且負荷指令變化十分頻繁。為滿足“兩個細則”的考核要求，機組的燃煤、給水、送風(fēng)各子系統(tǒng)調(diào)節(jié)均有所加快，導(dǎo)致汽水分離器出口“中間點溫度”波動較大，從源頭上給后續(xù)各級噴水減溫控制帶來擾動，使得采用原有串級控制策略，當(dāng)機組以較高速率變負荷時，汽溫經(jīng)常偏離設(shè)定值10 ℃以上，運行人員需頻繁調(diào)整汽溫設(shè)定值(偏置)來維持汽溫不超限，運行人員工作強度大，現(xiàn)場對噴水減溫控制優(yōu)化的需求十分迫切。

為此，與機組協(xié)調(diào)、燃燒各子系統(tǒng)優(yōu)化協(xié)同配合，設(shè)計了神經(jīng)網(wǎng)絡(luò)逆控制和PI控制結(jié)合的過熱器噴水減溫串級智能控制策略，并在羅克韋爾 Allen-Bradley(AB)Logix5572TM型PLC中對智能控制算法進行了編程實現(xiàn)。通過Modbus協(xié)議，實現(xiàn)外掛控制器與西門子SPPA-TXP3000 DCS系統(tǒng)間的雙向數(shù)據(jù)交換，完成噴水減溫系統(tǒng)的實時優(yōu)化控制。汽溫優(yōu)化控制系統(tǒng)經(jīng)調(diào)試后在現(xiàn)場穩(wěn)定投運，過熱汽溫控制效果得到顯著改善，增強了機組對AGC深度調(diào)峰的適應(yīng)能力。

1 鍋爐機組簡介

本文研究對象是由上海鍋爐廠制造的型號為SG-2037/26.15-M6010的超超臨界變壓運行直流爐。鍋爐采用單爐膛、一次中間再熱、四角切圓燃燒方式、平衡通風(fēng)、Π 型布置、全鋼架懸吊結(jié)構(gòu)。鍋爐采用正壓直吹式制粉系統(tǒng)，每臺爐配6臺中速磨煤機。鍋爐過熱汽溫調(diào)節(jié)采用水煤比和兩級噴水減溫控制,噴水來自高加后省煤器進口給水管道。為減小煙氣不均導(dǎo)致的兩側(cè)受熱不均，屛過出口管道左右側(cè)交叉布置。噴水減溫系統(tǒng)布置如圖1所示(DCS畫面流程)。

圖1 過熱器噴水減溫系統(tǒng)DCS流程圖

2 智能串級優(yōu)化控制方案設(shè)計

2.1 優(yōu)化控制方案總體結(jié)構(gòu)

通過DCS噴水減溫串級控制邏輯分析，基于機組歷史運行數(shù)據(jù)對各級過熱器汽溫特性進行建模，進而提出一種神經(jīng)網(wǎng)絡(luò)逆和PID結(jié)合的過熱器噴水減溫智能串級控制方案[13]，并在實際機組加以實施。該優(yōu)化控制方案原理示意圖見圖2所示。

圖2 智能優(yōu)化控制原理示意圖

該方案主回路采用神經(jīng)網(wǎng)絡(luò)逆模型為基礎(chǔ)的智能控制器，根據(jù)各級過熱器出口汽溫當(dāng)前設(shè)定值、實際值及與過熱汽溫相關(guān)的其它運行參數(shù)來實時預(yù)測噴水減溫出口汽溫設(shè)定值；神經(jīng)網(wǎng)絡(luò)預(yù)測的副調(diào)溫度設(shè)定值與噴水減溫器出口實際溫度偏差，作用于副調(diào)PID控制器，用于調(diào)節(jié)噴水閥開度。通過主副回路的協(xié)同作用，最終實現(xiàn)各級過熱汽溫的優(yōu)化控制。

2.2 神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)原理

作為非線性系統(tǒng)控制理論中一種有效的方法，逆系統(tǒng)方法通過建立非線性對象的逆系統(tǒng)，將被控對象補償為具有線性傳遞關(guān)系的系統(tǒng)，再用線性系統(tǒng)的理論完成系統(tǒng)的綜合。該方法物理概念清晰直觀易于理解，但實際工程中由于對象復(fù)雜往往難于精確建模，而人工神經(jīng)網(wǎng)絡(luò)對復(fù)雜非線性系統(tǒng)具有出色的逼近與學(xué)習(xí)功能，將二者結(jié)合構(gòu)建神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)，具有良好的工程應(yīng)用前景[13]。

根據(jù)神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)原理，對單輸入單輸出(SISO)的非線性系統(tǒng)y=f(u),通過引入系統(tǒng)中影響輸出的輔助參數(shù)及干擾信號，可構(gòu)建具有較強適應(yīng)能力的擴展結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)[9]，如圖3所示。

圖3 擴展結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)

對本文過熱汽溫智能串級控制方案而言，運用上述方法建立具有較高精度的過熱器溫升特性逆模型后，可以此逆模型為基礎(chǔ)建立神經(jīng)網(wǎng)絡(luò)逆控制器作為外環(huán)主控制器，根據(jù)有關(guān)參數(shù)的實時變化及過熱器出口汽溫的設(shè)定值T2sp來實時預(yù)測過熱器入口溫度期望值，作為副調(diào)PID控制器的設(shè)定值T1sp，實現(xiàn)噴水減溫閥控制。

由此可見，串級智能優(yōu)化控制器的核心是神經(jīng)網(wǎng)絡(luò)逆控制器的設(shè)計。而基于機組的歷史運行數(shù)據(jù)，建立能準(zhǔn)確反映各級過熱器汽溫特性的神經(jīng)網(wǎng)絡(luò)逆模型則是逆控制實現(xiàn)的基礎(chǔ)。下面重點對逆模型的建立進行說明。

3 過熱汽溫特性神經(jīng)網(wǎng)絡(luò)逆模型

3.1 模型參數(shù)和結(jié)構(gòu)確立

由于本文噴水減溫系統(tǒng)優(yōu)化控制采用的是神經(jīng)網(wǎng)絡(luò)逆控制器為主回路，PID控制器為副回路的串級智能控制策略，因此逆模型建立僅針對各級屏式過熱器和末級過熱器的溫升特性，不包含噴水環(huán)節(jié)。

超臨界直流鍋爐過熱汽溫影響因素較多，如：燃料量、給水流量、送風(fēng)量、火焰中心位置、燃料成分等。綜合考慮影響過熱器汽溫特性的主要因素，選取表1所示參數(shù)建立屏式過熱器和末級過熱器的汽溫特性逆模型。

表1 逆模型輸入輸出參數(shù)選取

由于過熱器汽溫特性具有較大的慣性和遲延，且在不同負荷下具有很強的非線性，為提高模型的預(yù)測精度，選取具有輸入時延和輸出反饋時延的BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)，將輸入變量當(dāng)前時刻值及二階時延值，以及輸出變量的二階時延參數(shù)反饋值作為模型的輸入，輸出變量當(dāng)前時刻的值作為模型輸出[14，15]。這樣，針對各級左、右兩個過熱器，每個模型均有14個輸入?yún)?shù)、1個輸出參數(shù)。網(wǎng)絡(luò)選用tansig函數(shù)和purelin函數(shù)作為隱含層和輸出層的激活函數(shù)。經(jīng)過試驗，隱含層節(jié)點數(shù)為20時模型能夠達到較高的精度。神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)見圖4所示。

圖4 神經(jīng)網(wǎng)絡(luò)逆模型結(jié)構(gòu)圖

3.2 模型訓(xùn)練與驗證

為保證訓(xùn)練好的逆模型準(zhǔn)確全面地反映過熱器汽溫系統(tǒng)特性，模型訓(xùn)練樣本取自機組DCS系統(tǒng)真實數(shù)據(jù)，且涵蓋機組AGC深度調(diào)峰工作負荷區(qū)間。共選取250～600 MW負荷區(qū)間共2天的歷史運行數(shù)據(jù)(采樣周期10 s)對模型進行訓(xùn)練。采樣數(shù)據(jù)包含表1所示的模型輸入、輸出參數(shù)，各級噴水閥開度，負荷、負荷指令等工況標(biāo)志參數(shù)。

考慮各輸入?yún)?shù)的正常變化范圍不同，為均衡反應(yīng)各輸入?yún)?shù)變化對模型輸出的影響，建模前需要對訓(xùn)練樣本輸出輸出進行歸一化處理，并采用歸一化后的樣本訓(xùn)練模型，并將模型輸出反歸一以得到實際工程單位的變量值[14，15]。

最終模型訓(xùn)練結(jié)果如圖5所示(以B1、A2側(cè)過熱器逆模型為例)?？梢姡鲜錾窠?jīng)網(wǎng)絡(luò)模型訓(xùn)練結(jié)果精度較高。

圖5 一、二級過熱器逆模型訓(xùn)練結(jié)果

為進一步檢驗神經(jīng)網(wǎng)絡(luò)模型的預(yù)測能力，采用與訓(xùn)練樣本不同時間段的機組歷史運行數(shù)據(jù)對模型進行校驗，B1過熱器、A2過熱器逆模型的校驗結(jié)果見圖6、圖7?？梢姡窠?jīng)網(wǎng)絡(luò)逆模型預(yù)測誤差較小，泛化能力較好，能很好地逼近各級過熱器系統(tǒng)的汽溫特性，精度滿足工程應(yīng)用要求。

圖6 B1屛式過熱器逆模型校驗結(jié)果

圖7 A2末級過熱器逆模型校驗結(jié)果

4 優(yōu)化控制方案具體實現(xiàn)及現(xiàn)場實施

4.1 PLC硬件裝置及通訊實現(xiàn)

將ANN-PID串級控制方案應(yīng)用于超超臨界機組噴水減溫系統(tǒng)，實時優(yōu)化控制算法利用羅克韋爾 Allen-Bradley(AB)Logix5572TM型PLC編程實現(xiàn)。PLC安裝在電廠的電子間，如圖8所示。PLC與DCS通過MODBUS通訊協(xié)議，在DCS側(cè)搭建相應(yīng)的數(shù)據(jù)傳輸模塊，實現(xiàn)優(yōu)化程序所需數(shù)據(jù)接受和與優(yōu)化指令發(fā)送。

圖8 羅克韋爾Logix5572TM 型PLC

4.2 主回路神經(jīng)網(wǎng)絡(luò)逆控制器參考值動態(tài)計算

考慮到神經(jīng)網(wǎng)絡(luò)逆模型本身是系統(tǒng)逆過程的一種近似估計，模型結(jié)構(gòu)的不完善、訓(xùn)練樣本的不全面可能會使訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型與對象實際特性產(chǎn)生偏差。當(dāng)模型應(yīng)用于控制時，實際運行工況與訓(xùn)練工況的差別、采樣周期的變化等也會給控制帶來誤差[9]?；诖?，在神經(jīng)網(wǎng)絡(luò)逆控制器中引入汽溫實時反饋，以DCS汽溫設(shè)定值Tsp(k)為參考點，根據(jù)當(dāng)前時刻實際汽溫T(k)，實時調(diào)整神經(jīng)網(wǎng)絡(luò)控制器輸入?yún)⒖贾礣ref(k)，函數(shù)表達式如下：

Tref(k)=T(k)+Ksat×[T(k)-Tsp(k)]

(1)

式中：Ksat為與各級過熱器汽溫特性有關(guān)的參數(shù)，用于調(diào)整溫度參考值變化的速率。

4.3 副回路PID 控制器設(shè)計

副回路PID控制器采用具有前饋的增量式PID算法，其具體表達式為

Δu(k)=Kp[e(k)-e(k-1)]+Kie(k)+Kd[e(k)-

2e(k-1)+e(k-2)]+uf(k)-uf(k-1)

(2)

式中：控制偏差e(k)=r(k)-y(k)；Kp、Ki、Kd分別為 PID 控制器的比例、積分、微分系數(shù)；uf(k)-uf(k-1)為前饋增量。

4.4 外掛優(yōu)化投切邏輯設(shè)計

噴水減溫優(yōu)化外掛系統(tǒng)程序與DCS原控制邏輯采用相互跟蹤來實現(xiàn)無擾切換。具體說明如下。

(1)對DCS側(cè)而言，考慮現(xiàn)場運行工況的復(fù)雜性，為確保安全起見，當(dāng)發(fā)生模型失配或機組負荷超出預(yù)測模型的工作范圍時，仍保證噴水閥正確動作，在外掛優(yōu)化控制器投入時，原DCS主控制回路仍正常計算，其輸出指令送至PLC作為參考信號；DCS原串級PID的內(nèi)環(huán)控制器輸出指令跟蹤外掛智能優(yōu)化控制器副調(diào)PID的輸出。

(2)對PLC側(cè)優(yōu)化算法而言，當(dāng)噴水減溫外掛切除時，PLC側(cè)智能串級控制器的內(nèi)環(huán)PID控制器輸出跟蹤DCS副調(diào)PID的輸出，而外環(huán)神經(jīng)網(wǎng)絡(luò)控制器仍按預(yù)測模型正常計算。

(3)外掛投入切除邏輯：當(dāng)DCS減溫水控制已投入自動且PLC通訊正常時方可允許外掛優(yōu)化投入，此時運行人員可在汽溫調(diào)節(jié)畫面依次投入各級外掛(見圖1)；若DCS側(cè)減溫水控制切為手動，則外掛優(yōu)化自動退出，轉(zhuǎn)入跟蹤狀態(tài)。

5 汽溫智能優(yōu)化控制現(xiàn)場應(yīng)用效果

經(jīng)硬件安裝、通訊測試、程序編制，本文ANN-PID智能串級控制方案，應(yīng)用于600 MW超超臨界機組過熱器噴水減溫系統(tǒng)，經(jīng)過對神經(jīng)網(wǎng)絡(luò)控制器及PID參數(shù)優(yōu)化調(diào)試，最終實現(xiàn)優(yōu)化控制系統(tǒng)長期穩(wěn)定投運，有效改善了汽溫控制品質(zhì)。

機組以9 MW/min的速率參與一次調(diào)頻和AGC，在負荷相對較穩(wěn)定工況1下，1 h內(nèi)B1、A2過熱器的控制效果見圖9?？梢妵娝y門動作平穩(wěn)，在噴水閥有效調(diào)節(jié)范圍內(nèi)，各級汽溫控制穩(wěn)態(tài)偏差小于1 ℃，動態(tài)偏差不超過4 ℃。

圖9 相對穩(wěn)定工況過熱汽溫控制效果

機組負荷以9 MW/min的速率參與一次調(diào)頻和AGC，在負荷頻繁變化的工況2下，投入外掛優(yōu)化控制時，B1、A2級過熱汽溫1 h內(nèi)的控制效果見圖10。

由圖10可知，當(dāng)負荷頻繁地大幅度變化時，各級噴水閥門也能實現(xiàn)平穩(wěn)地動作，各級過熱汽溫與設(shè)定值之間的偏差均在可接受范圍內(nèi)。在噴水閥有效控制范圍內(nèi)，各級汽溫穩(wěn)態(tài)偏差小于2 ℃，動態(tài)偏差一般不超過6 ℃，并且穩(wěn)定所需時間較短，超調(diào)量較小。整個過程較少出現(xiàn)人工干預(yù)設(shè)定值的情況。相對于機組原DCS控制，投入外掛優(yōu)化控制后汽溫控制效果明顯改善。

圖10 頻繁變負荷工況B1、A2過熱汽溫控制效果

6 結(jié) 論

本文將人工神經(jīng)網(wǎng)絡(luò)逆與傳統(tǒng)的串級控制思想結(jié)合，提出一種外環(huán)采用神經(jīng)網(wǎng)絡(luò)逆控制、內(nèi)環(huán)采用PID控制的智能串級控制策略，應(yīng)用于某實際電廠600 MW超超臨界機組過熱器噴水減溫系統(tǒng)，實現(xiàn)了外掛智能優(yōu)化系統(tǒng)的長期穩(wěn)定投運，大大改善了過熱汽溫的控制品質(zhì)?，F(xiàn)場應(yīng)用表明：

(1)實施汽溫外掛優(yōu)化控制后,相對于原機組控制系統(tǒng)，汽溫超調(diào)量小，調(diào)節(jié)速度快，抗干擾能力增強，達到了預(yù)期的控制效果。汽溫控制品質(zhì)的改善，有效提高了機組參與AGC和一次調(diào)頻的能力。

(2)該控制方案的實施，有效降低了現(xiàn)場運行人員對汽溫設(shè)定值的人工頻繁干預(yù)，大大減輕了運行人員的操作強度。

應(yīng)當(dāng)指出，對超(超)臨界機組而言，在直流負荷段，噴水減溫只是動態(tài)變負荷過程中過熱汽溫控制的輔助環(huán)節(jié)，應(yīng)優(yōu)先通過風(fēng)煤水協(xié)調(diào)動作，合理調(diào)節(jié)水煤比，確保中間點過熱度相對穩(wěn)定，這是保證汽溫控制效果的重要因素。

綜上所述，本文神經(jīng)網(wǎng)絡(luò)串級智能汽溫控制策略在現(xiàn)場的成功實施和投運，取得了預(yù)期的效果,為火電廠智能運行和優(yōu)化控制進行了有益的實踐，具有較好的工程示范和借鑒作用。