火电厂燃烧系统预测控制技术研究

摘要

锅炉燃烧是一个非常复杂的动态、非线性过程，对象存在大量的时变、不确定外部和内部因素。不少学者在锅炉燃烧控制方面做了大量的研究和探索，但是火电锅炉燃烧经济性的最佳化控制至今仍然没有实现。随着神经网络、人工智能、模糊理论、自适应控制、预测控制等理论的成熟和广泛应用，采用先进的控制策略和建模方法以提高锅炉燃烧系统的性能成为研究的热点，也取得了不少成果，推动了节能降耗和环保安全水平的提高。
　　 本文的主要研究内容和成果有如下几个方面：
　　 1.简要介绍火力发电行业的发展现状，阐述了现代控制理论尤其是预测控制理论的发展和锅炉燃烧监控技术的发展，指出当前锅炉燃烧控制存在的问题。
　　 2.在研究火电机组工作流程的的基础上，分析了燃烧控制系统的动态特性，进而指出了燃烧控制系统的任务及其控制参数。以常用的直吹式燃煤锅炉为例介绍了较常使用的控制方案。
　　 3.研究并分析了神经网络、小波分析以及小波神经网络的发展历程、定义、机理以及在实际应用中的优缺点，列举了小波神经网络的在各种智能控制中的应用，指出小波神经网络应用于过程控制是可行的。
　　 4.针对燃烧过程控制，提出基于扩展卡尔曼滤波(EKF)的局部自适应小波神经网络(WNN)算法，以提高多工况动态控制对象建模的精度，在此基础上给出基于局部自适应小波神经网络的预测函数控制算法。最后以锅炉燃烧控制为仿真实例，仿真中给出WNN隐含节点参数确定方法，且与普通PID控制算法相比较，仿真结果表明本文算法的优越性。