神经网络燃烧优化拄制系统在莱城发电厂的应用

　　随着我国改革的深化，发电企业在几年内将通过"竞价上网"相继进入市场竞争行列，这就对机组运行的安全性、经济性，以及对柔性运行管理方式和决策支持等提出了新的更高的要求。同时，随着相关学科如智能控制技术、新型传感测量技术、计算机及网络技术的发展，也加速了火电厂生产和管理工作与信息网络相结合的步伐;管控一体化的理念，促进了监控信息和管理信息的有机结合www.cechina.cn，也为火电机组的经济运行和决策支持提供了全新的信息化解决方案。
　　 人工神经网络是智能化技术发展的一个重要方向，是基于数据对非线性系统进行建模及分析的工具。用神经网络模拟实际的物理过程模型，具有识别、学习、逻辑思维和分析判断的能力。基于人工神经网络基础和优化控制理论的锅炉燃烧优化系统，通过对锅炉运行历史数据和试验数据的分析判断，实现以热效率和氮氧化物、一氧化碳排放量及机组安全性为目标的优化燃烧，在不断变化的特定系统运行状况下找出最佳匹配的操作参数，选择最优化的系统运行万案，这己经成为未来发展的一个趋势。
　　 开发锅炉燃烧优化控制系统的目的，是在原有燃烧优化系统软件的基础上，结合我国煤质及锅炉的特点，实现锅炉燃烧优化控制，提高锅炉热效率，减少点火的燃料损失，减少锅炉停炉次数，降低氮氧化物、一氧化碳等烟气中的污染物排放，同时提高企业的生产开发实力。这一项目的实施必将促进国内电厂锅炉燃烧优化软件开发水平的总体提升，对推动民族软件产业的发展具有积极意义。同时，由于有国际领先的技术水平和性能。并有中国国情的价格CONTROL ENGINEERING China版权所有，使得该产品的性能价格比十分优越。该项目实施后www.cechina.cn，对增强企业国际竞争力必将起到十分重要的作用，必将形成显著的经济效益和社会环保效益。
　　 下面结合在山东菜城电厂#1炉投运的首台 "神经网络燃烧优化控制系统"进行简要的介绍。
　　一、系统实现的功能
　　 神经网络燃烧优化系统可实现以下功能:
　　 (1)该系统通过与DCS的有机结合，通过闭环控制的方式进行燃烧优化调整。
　　 (2)该系统为多目标多变量优化系统，用户可以根据机组的实际情况选择优化回路，通过投切优化回路变换，实现系统灵活配置。
　　 (3)该系统为开放式系统，用户可根据电厂实际情况加入优化对象，实现对后续对象的优化。
　　 (4)该系统具有动态预测功能。
　　 (5)提供离线仿真功能。该系统可以用来查找模型的失谐和提供偏差扰动的纠正能力。同时，神经网络燃烧优化系统可以采用动态反馈来升级模型www.cechina.cn，通过使用动态反馈，可以迅速地消除扰动偏差、模型的失谐以及传感器的噪声。
　　二、系统原理和结构
　　1.系统原理
　　 该系统是一种基于人工种经网络、现代控制理论和非线性优化算法的多变量动态锅炉燃烧优化控制系统。系统拥有很强的适用于复杂环境和多目标控制要求的能力，并具有以任意精度逼近任意非线性连续函数的特性(自组织、自学习、自适应)，适用于复杂的热工控制领域。
　　 系统利用机组DCS本身具有的数据库的数据作为系统数据分析的基础，经过神经网络模型在线分析，迅速得出运行参数的最优修正值。然后输出到DCS，对控制量进行修正。
　　 首先，系统通过DCS获取锅炉运行历史数据以及通过附加的分步燃烧调整试验获取试验数据www.cechina.cn，然后对这些大量数据通过专用分析工具进行综合分析判断。在此基础上。形成系统机组燃烧优化模型，以表征锅炉运行参数的变化。环境条件的改变及不可预测的扰动对机组热效率。不完全燃烧热损失、主要辅机电耗和氮氧化物等的影响。通过神经网络技术。在模型基础上经过计算、预测过程，对特定目标进行优化，从而在不断变化的特定系统运行状况下找出最佳匹配的操作参数。选择最优化的系统运行方案，以实时在线的方式直接将优化参数作为DCS控制系统的设定值，实现闭环控制，如图1所示。
　　2.系统的特点
　　 该系统作为一种高级优化控制系统"它依赖于机组现有DCS进行过程及协调控制，同时工作在独立的微机上。不会对机组现有DCS的安全及联锁进行干预，不改变机组原有DCS的控制思想。同时，它还有如下特点:
　　
　　 (1)它是基于多变量(MV'S)的多目标(CV's)综合优化;
　　 (2)它是对机组进行实时在线优化，提供机组的优化预测功能;
　　 (3)实现闭环控制，真正与DCS融合;
　　 (4)优化的控制策略是基于整个机组大量试验的基础上，因此:①其优化步长适度，是安全的;②考虑了变量的延迟特性，是高效的。
　　 (5)重要优化目标参量可以根据用户需要进行自由扩展，系统具有良好的开放性。
　　 因此，该系统对运行人员来说，是一个高效实用的助手!神经网络燃烧优化技术应用方案示意图详见图2。
　　
　　三、系统的核心技术
　　 该项目采用的关键技术包括:电站锅炉燃烧优化控制系统的人工神经网络模型。传感器确认模型;神经网络训练模型;模糊权系数模型;模糊神经网络学习算法，数据挖