[发明专利]一种用于火电机组的主、再热汽温优化系统及方法

权利要求书

1.一种用于火电机组的主、再热汽温优化系统，其特征在于包括：

数据采集模块，用于采集所述火电机组的全工况历史运行数据；

预处理模块，用于对所述全工况历史运行数据进行预处理；

神经网络模型训练模块，利用误差反向传播训练算法对神经网络模型进行训练，从而将所述火电机组的主、再热汽温的动态特性以神经网络的连接权值和阈值的形式进行固化；以及

过、再热汽温优化控制模块，用于根据所述固化后的主、再热汽温的动态特性实施不同位置的过热汽温和再热汽温优化控制。

2.一种用于权利要求1所述系统的火电机组的主、再热汽温优化方法，其特征在于包括：

采集所述火电机组的全工况历史运行数据；

对所述全工况历史运行数据进行预处理；

利用误差反向传播训练算法对神经网络模型进行训练，从而将所述火电机组的主、再热汽温的动态特性以神经网络的连接权值和阈值的形式进行固化；以及

根据所述固化后的主、再热汽温的动态特性实施不同位置的过热汽温和再热汽温优化控制。

3.根据权利要求2所述的火电机组的主、再热汽温优化方法，其特征在于：所述神经网络模型为人工神经网络ANN汽温预测模型，所述人工神经网络ANN汽温预测模型采用前向多阶层人工神经网络BP网络构建，所述BP网络由输入层、隐层和输出层节点组成，以所述BP神经网络为核心，通过在所述BP神经网络的所述输入层增加各输入变量、输出变量反馈的若干阶次时延，实现对主、再热汽温对象的动态特性的描述。

4.根据权利要求2所述的火电机组的主、再热汽温优化方法，其特征在于：所述训练包括：采用误差反向传播训练算法不断调整所述神经网络的权值，使所述神经网络总误差最小，即采用梯度搜索技术，以期使所述神经网络的实际输出值与期望输出值的误差均方值MSE为最小。

5.根据权利要求2所述的火电机组的主、再热汽温优化方法，其特征在于：所述根据所述固化后的主、再热汽温的动态特性实施不同位置的过热汽温和再热汽温优化控制包括：对过、再热汽温喷水减温系统的控制以及对于再热挡板控制。

6.根据权利要求5所述的火电机组的主、再热汽温优化方法，其特征在于：对过、再热汽温喷水减温系统的控制，采用基于神经网络逆模型的智能串级控制策略，其中所述过、再热汽温喷水减温系统包括过热器、减温器、喷水减温器以及控制器，所述智能串级控制策略所采用的所述控制器包括主控制器和副控制器，所述主控制器采用神经网络预测模型为基础的逆控制器，以替代原串级控制主回路形成新的外环，实现对内回路喷水后温度设定值的精准预测，所述副控制器采用高级PID控制器，确保喷水减温阀的准确快速动作。

7.根据权利要求5所述的火电机组的主、再热汽温优化方法，其特征在于：对于再热挡板控制为多步迭代寻优，包括：更新搜索空间，优化搜算算法、神经网络预测模型进行预测以及适应度函数值计算。

8.根据权利要求7所述的火电机组的主、再热汽温优化方法，其特征在于：当外部存在干扰的情况下，干扰量输入再热汽温系统的同时输入神经网络预测模型，优化搜索算法的搜索结果同时输入神经网络预测模型和适应度函数值计算模块，同时经过优化搜索结果作为输入的神经网络训练结果输入适应度函数值计算模块，经过计算的适应度函数计算值会作为最终输出在此输入到优化搜索算法内，同时更新搜索空间，以上过程不断往复，多步迭代，从而寻找最优的再热汽温预测值。

9.根据权利要求7所述的火电机组的主、再热汽温优化方法，其特征在于：对于再热挡板控制包括结合智能优化搜索算法对燃烧器摆角进行预测控制。

10.根据权利要求2所述的火电机组的主、再热汽温优化方法，其特征在于：所述优化系统还包括接口，分别与DCS系统、减温水尾部烟道挡板以及优化平台部分相连接，其中：

与DCS系统相连接用于增加选择逻辑，当优化系统已投入通讯点且运行人员通过画面按钮确定后进入先进汽温优化模式减温水调门接收先进汽温优化指令；

与减温水尾部烟道挡板相连接用于优化切除自动条件，所述切除自动条件包括：

A.减温水(尾部烟道挡板)自动切除；

B.LC卡通讯故障；

C.心跳信号异常；

D.减温水(尾部烟道挡板)优化功能组异常；

E.减温水调门(尾部烟道挡板)指令品质坏；

F.减温水(尾部烟道挡板)优化通讯指令和硬接线指令偏差＞1；

与优化平台部分相连接用于先进汽温优化控制实施，其中神经网络预估值做为PID的设定值，减温器后温度作为PID的过程值，增加选择块当先进汽温优化未投入的时候跟踪原先调门指令，实现无扰切换，投入先进汽温优化后PID进行运算实现先进汽温控制。