[发明专利]基于BP神经网络的大型燃煤电站CO2

权利要求书

1.基于BP神经网络的大型燃煤电站CO₂捕集系统预测控制方法，其特征在于，以CO₂捕集率及再沸器温度为被控变量，以贫液流量及再沸器抽汽流量为控制变量，以烟气流量为扰动变量，根据控制变量和扰动变量在当前时刻的采集值以及控制变量、扰动变量、被控变量在前一时刻的采集值预测CO₂捕集系统在未来时域的被控变量，从而优化下一时刻的控制变量。

2.根据权利要求1所述基于BP神经网络的大型燃煤电站CO₂捕集系统预测控制方法，其特征在于，在开环情况下，通过改变采样周期内的扰动变量和控制变量获取不同烟气、捕集率负荷下大型燃煤电站CO₂捕集系统的被控变量和控制变量数值。

3.根据权利要求1所述基于BP神经网络的大型燃煤电站CO₂捕集系统预测控制方法，其特征在于，根据控制变量和扰动变量在当前时刻的采集值以及控制变量、扰动变量、被控变量在前一时刻的采集值预测CO₂捕集系统在未来时域的被控变量的训练函数为：y(k)＝f(u(k-1),d(k-1),u(k),d(k),y(k-1))，y(k-1)、y(k)为被控变量在前一时刻的采集值和在当前时刻的采集值，u(k-1)、u(k)为控制变量在前一时刻的采集值和在当前时刻的采集值，d(k-1)、d(k)为扰动在前一时刻的采集值和在当前时刻的采集值。

4.根据权利要求1所述基于BP神经网络的大型燃煤电站CO₂捕集系统预测控制方法，其特征在于，对当前时刻被控变量的参考值及未来时域的被控变量优化当前时刻的控制变量的具体方法为：根据性能指标函数：优化当前时刻控制变量的差值，再由：u(k)＝u(k-1)+Δu(k)优化当前时刻的控制变量，Y(k+P|k)为未来时域P内的被控变量，Yr为当前时刻的给定值，Yr＝[yr(k) yr(k) … yr(k)]^T，yr(k)为k时刻的给定值，ΔU为控制时域M内控制变量的差值，ΔU＝[Δu(k) Δu(k+1) … Δu(k+M-1)]^T，Δu(k)、Δu(k+1)、Δu(k+M-1)为k时刻、k+1时刻、k+M-1时刻控制变量的差值，Q为输出误差权矩阵，R为控制权矩阵，u(k-1)、u(k)为前一时刻当前时刻的控制变量。

5.根据权利要求4所述基于BP神经网络的大型燃煤电站CO₂捕集系统预测控制方法，其特征在于，采用非线性规划fmincon求解器求解性能指标函数，采用暖启动方式将每一时刻计算出来的最佳输入量偏差作为下一时刻的初始值。

6.基于BP神经网络的大型燃煤电站CO₂捕集系统预测控制系统，其特征在于，包括：

第一延迟单元，对大型燃煤电站CO₂捕集系统模型当前时刻的控制变量延时后输出前一时刻的控制变量，

第二延迟单元，对大型燃煤电站CO₂捕集系统模型当前时刻的被控变量延时后输出前一时刻的被控变量，

第三延迟单元，对对大型燃煤电站CO₂捕集系统模型当前时刻的扰动变量延时后输出前一时刻的扰动变量，

目标值设置单元，输出对大型燃煤电站CO₂捕集系统模型当前时刻控制变量的参考值，

神经网络预测模型，根据控制变量和扰动变量在当前时刻的采集值以及控制变量、扰动变量、被控变量在前一时刻的采集值预测CO₂捕集系统在未来时域的被控变量，

优化求解模块，对当前时刻被控变量的参考值及未来时域的被控变量优化当前时刻的控制变量，及，

大型燃煤电站CO₂捕集系统模型，在当前时刻最优控制变量的作用下输出被控变量。