[发明专利]一种锅炉燃烧优化控制方法

摘要

本发明公开了一种锅炉燃烧优化控制方法，其特征在于，包括如下步骤对锅炉燃烧非线性系统进行采样，得到当前时刻的输入/输出数据；使用在线增量学习模糊神经网络对实时采样得到的输入/输出数据进行训练，建立锅炉燃烧非线性系统的在线增量学习预测模型；对所述在线增量学习预测模型使用非线性预测控制算法，实现对锅炉燃烧过程的优化控制。本发明的一种在线增量学习模糊神经网络的电站锅炉燃烧优化控制方法，通过锅炉燃烧优化模型的在线辨识，利用粒子群优化算法求解预测控制算法中的非线性优化问题，可以实现锅炉燃烧过程的实时优化与控制。

主权项

一种锅炉燃烧优化控制方法，其特征在于，包括如下步骤：(1)对锅炉燃烧非线性系统进行采样，得到当前时刻的输入/输出数据；(2)使用在线增量学习模糊神经网络对实时采样得到的输入/输出数据进行训练，建立锅炉燃烧非线性系统的在线增量学习预测模型；(3)对所述在线增量学习预测模型使用非线性预测控制算法，实现对锅炉燃烧过程的优化控制；步骤(2)中，所述在线增量学习预测模型为：y^(k+d)=f(y(k+d-1),y(k+d-2),...,y(k+d-p),u(k),u(k-1),...,u(k-q+1))]]>其中，u(k)＝(u1(k),u2(k),…,um(k))表示锅炉燃烧优化系统的控制量，y(k)＝(y1(k),y2(k),…,yn(k))表示锅炉燃烧状态的目标输出量，d表示锅炉燃烧系统的输出延迟，p和q表示锅炉燃烧过程非线性系统的输入/输出阶次；步骤(3)中，所述优化控制的方法为：(31)通过所述在线增量学习预测模型获得锅炉燃烧非线性系统输出值的修正量：在当前采样时刻k，通过锅炉燃烧非线性系统过去的输入/输出和当前输入u(k)由所建在线增量学习预测模型得到锅炉燃烧非线性系统的输出估计值由待优化的锅炉燃烧非线性系统输入u(k+1)和过去的输入/输出，可得到锅炉燃烧非线性系统的输出估计值设k时刻的预测偏差为用偏差修正获得修正量(32)对锅炉燃烧费线性系统的输入进行优化：根据锅炉燃烧优化控制量u确定锅炉燃烧优化控制量u的目标函数为：minJ=Σi=1nqi[yir(k+d+1)-yip(k+d+1)]2+Σj=1mλj[uj(k+1)-uj(k)]2]]>其中yir为第i个锅炉燃烧特征状态输出量的参考轨迹，通过求解锅炉燃烧优化的经济目标函数而得到，yip为对应的第i个锅炉燃烧特征状态输出量经反馈校正后的预测输出，m和n分别为输入和输出的维数，qi和λj为加权系数；通过粒子群算法在线实时滚动优化获得上述目标函数的最小值，得到最优控制量u(k+1)，将最优控制量u(k+1)作用于锅炉燃烧非线性系统进行优化控制。