基于神经网络预测控制的主汽温优化控制

摘要

火电厂锅炉主汽温不易直接测量,容易受到外界干扰,主汽温控制过程容易受到电力生产工艺因素的制约,所以采用常规的控制技术难以取得良好的优化控制效果.根据我国火电厂的实际情况,同时结合智能控制的发展现状,将火电厂锅炉主蒸汽温度作为研究对象,提出采用基于神经网络的预测控制策略对锅炉主汽温进行控制.神经网络具有的自适应学习能力能够很好地适应控制环境的变化,可以通过简单的工具自动进行特征提取,产生有用的数据.采用LSTM循环神经网络建立主汽温的预测模型以预测主蒸汽温度的未来输出值,同时进行反馈校正,克服外界因素对系统扰动所造成的预测误差,得到较为精确的主汽温预测值,最后根据二次性能指标建立优化器实现对控制量的滚动优化.