[发明专利]循环流化床锅炉燃烧性能实时优化控制方法及系统

摘要

本发明提供了一种流化床锅炉燃烧性能实时优化控制方法及系统。其中，实时优化控制方法包括基于锅炉燃烧的历史数据，建立用于匹配现有流化床锅炉系统输入输出间的非线性映射关系的第一神经网络；依据该第一神经网络，确定流化床锅炉系统输入的可调输入变量；将所述可调输入变量作为底层控制的输入，计算对应的偏差和偏差变化率的趋势，通过建立第二神经网络训练获得对过程变量控制输出。本发明提高了锅炉效率，降低了供电煤耗，预防或治理了结焦结渣、降低NOx排放，进一步提高了锅炉运行的安全性、可靠性、和经济性。

主权项

一种循环流化床锅炉燃烧性能实时优化控制方法，其特征在于，包括如下步骤：上层控制步骤，基于锅炉燃烧的历史数据，建立用于匹配现有流化床锅炉系统输入输出间的非线性映射关系的第一神经网络；依据该第一神经网络，确定流化床锅炉系统输入的可调输入变量；底层控制步骤，将所述可调输入变量作为底层控制的输入，计算对应的偏差和偏差变化率的趋势，通过建立第二神经网络训练获得对过程变量控制输出；其中，所述第一神经网络为BP神经网络，它是一种三层前向网络，输入层由信号源接点组成，所述信号源接点为锅炉可调输入量集合，包括负荷、煤质、一次风量、二次风量、煤量、氧量；第二层为隐含层，隐单元的变换函数是对中心点径向对称且衰减的非负非线性函数；第三层为输出层，它是对输入模式做出响应，包括NOx、排烟温度、飞灰含碳量；并且，所述可调输入变量集合利用偏最小二乘非线性回归方法筛选与输出变量相关性最大的信号源；所述第二神经网络包括DMC控制器，所述DMC控制器的核心是一个多层感知器人工神经网络；神经网络包含一个输入层，一个有2N(N为自然数)个神经元的隐含层和一个单个神经元的输出层；所述DMC控制器的输入e(k)＝r(k)‑y(k)，其中，r(k)为被控量设定值，所述被控设定值为所述第一神经网络的输出，y(k)为被控量测量值；e(k)，e(k‑1),…,e(k‑N)分别为采样时刻k,k‑1,…,k‑N的设定值与测量值偏差，△e(k)＝[e(k)‑e(k‑1)]/T为采样时刻k的偏差变化率(T为采样周期)；pj(n)=Σi=1NWij(n)ei′(n);ei′(n)=e(k)Δe(k)e(k-1)...e(k-N)]]>v(n)＝Kc[o(n)+e(n)]其中，n代表第n次迭代，v(n)是DMC控制器的输出，Kc(Kc>0)是DMC控制器的增益，其值由具体的控制对象数量级和执行机构的量程决定；为核函数，包括高斯函数、三角核函数、双指数核函数；Wij和hj是神经网络权值，权值的学习算法按下式计算：ΔWij(n)=η·Kc·e(n)qj(n)(1-qj(n))(ei(n)′)Σk=1Nhk(n)]]>Δhj(n)＝η·Kc·e(n)·qj(n)其中，η为学习因子(0≤η≤1)。