（模式识别与智能系统专业论文）遗传算法在电站锅炉燃烧过程建模与优化中的应用与研究.pdf

摘要 锅炉是火力电站的重要设备之一。电站锅炉设备庞大、复杂；过程多变量、大 延迟、强耦合。其控制和优化问题一直是这一领域学者所关注和研究的重点。 本文选取r b f 神经网络作为建模工具，提出了一种新的r b f 神经网络的设计 方法，采用遗传一k 均值聚类算法对r b f 神经网络的隐含层节点中心值进行优选， 用遗传算法训l 练r b f 神经网络的权值，增强了神经网络的泛化能力。 以锅炉燃烧为实例，采用现场采集的数据和改进的算法建立系统的神经网络模 型。采用实数编码遗传算法，寻找最优输入变量组合，实现多目标函数的优化。 关键词：锅炉，r b f 神经网络，遗传算法，最优化 a b s t r a c t b o i l e r sa r ei m p o r t a n tc o m p o n e n t si np o w e rs y s t e m s b o i l e ri sq u i t ec o m p l e x a n dh u g ei ns i z e t h ep r o c e s sh a p p e n e di ni ti so fm u l t i v a r i a b l e sa n dt h ep a r a m e t e r sa r e h e a v i l yc o u p l e dt o g e t h e r s oi t sc o n t r o la n do p t i m i z a t i o na t et a r g e t e da so n eo ft h em o s t k e yp r o b l e m sb yr e s e a r c h e r s i nt h i sp a p e r ，r b fn e u r a ln e t w o r kw a ss e l e c t e da sat o o lf o rm o d e l i n g a c c o r d i n gt ot h ec h a r a c t e r i s t i c so fb o i l e rs y s t e m s an e wd e s i g no fr b fn e u r a in e t w o r k i sp r o p o s e d ad y n a m i ck m e a n sm e t h o db a s e do ng e n e t i ca l g o r i t h mi su s e dt oo p t i m i z e t h ec e n t e r so ft h eh i d d e nu n i t so fr b fn e t w o r k g e n e t i ca l g o r i t h mi su s e dt ot r a i nt h e w e i g h t so fr b fn e t w o r k s oi t e n h a n c e dt h e g e n e r a l i z i n ga b i l i t yo fr b fn e u r a l n e t w o r k sa n dt h u si m p r o v i n gi t sa p p l i c a b i l i t y t a k i n gb o i l e rc o m b u s t i o np r o c e s sa sa ne x a m p l e ，ar b f n e u r a ln e t w o r ki sb u i l t u pw i t ht h ed a t ao nt h es p o t ，u s i n gt h ea m e l i o r a t e da l g o r i t h m g e n e t i ca l g o r i t h m sw i t h r e a ln u m b e re n c o d i n gw a su s e di no p t i m i z a t i o no ft h ep r o c e s sb a s e do nt h em o d e l g a i n e d ，s e a r c h i n gf o rt h eo p t i m a li np u tp a r a m e t e r s w a n gl i r o n g ( c o n t r o lt h e o r ya n de n g i n e e r i n g ) d i r e c t e db yp r o f h u a n gx i a n k e yw o r d s ：b o i l e r , r b fn e u r a l n e t w o r k ，m o d e l i n g ，g e n e t i ca l g o r i t h m o p t i m i z a t i o n 摘要 锅炉是火力电站的重要设备之一。电站锅炉设备庞大、复杂：过程多变量、大 延迟、强耦合。其控制和优化问题一直是这一领域学者所关注和研究的重点。 本文选取r b f 神经网络作为建模工具，提出了一种新的r b f 神经网络的设计 方法，采用遗传一k 均值聚类算法对r b f 神经网络的隐含层节点中心值进行优选， 用遗传算法训练r b f 神经网络的权值，增强了神经网络的泛化能力。 以锅炉燃烧为实例，采用现场采集的数据和改进的算法建立系统的神经网络模 型。采用实数编码遗传算法，寻找最优输入变量组合，实现多目标函数的优化。 关键词：锅炉，r b f 神经网络，遗传算法，最优化 a b s t r a c t b o i l e r sa r ei m p o r t a n tc o m p o n e n t si np o w e rs y s t e m s b o i l e ri sq u i t ec o m p l e x a n dh u g ei ns i z e t h ep r o c e s sh a p p e n e di ni ti so fm u l t i v a r i a b l e sa n dt h ep a r a m e t e r sa r e h e a v i l yc o u p l e dt o g e t h e r s oi t sc o n t r o la n do p t i m i z a t i o na r et a r g e t e da so n eo ft h em o s t k e yp r o b l e m sb yr e s e a r c h e r s i nt h i sp a p e r ，r b fn e u r a ln e t w o r kw a ss e l e c t e da sat o o lf o rm o d e l i n g a c c o r d i n gt ot h ec h a r a c t e r i s t i c so fb o i l e rs y s t e m s an e wd e s i g no fr b fn e u r a ln e t w o r k i sp r o p o s e d ad y n a m i ck m e a n sm e t h o db a s e do ng e n e t i ca l g o r i t h mi su s e dt oo p t i m i z e t h ec e n t e r so ft h eh i d d e nu n i t so fr b fn e t w o r k g e n e t i ca l g o r i t h mi su s e dt ot r a i nt h e w e i g h t so fr b fn e t w o r k s oi te n h a n c e dt h eg e n e r a l i z i n ga b i l i t yo fr b fn e u r a l n e t w o r k sa n dt h u si m p r o v i n gi t sa p p l i c a b i l i t y t a k i n gb o i l e rc o m b u s t i o np r o c e s sa sa ne x a m p l e ，ar b fn e u r a ln e t w o r ki sb u i l t u pw i t ht h ed a t ao nt h es p o t ，u s i n gt h ea m e l i o r a t e da l g o r i t h m g e n e t i ca l g o r i t h m sw i t h r e a ln u m b e re n c o d i n gw a su s e di no p t i m i z a t i o no ft h ep r o c e s sb a s e do nt h em o d e l g a i n e d ，s e a r c h i n gf o r t h eo p t i m a li np u tp a r a m e t e r s w a n gl i r o n g ( c o n t r o lt h e o r ya n de n g i n e e r i n g ) d i r e c t e db yp r o f h u a n gx i a n k e yw o r d s ：b o i l e r , r b fn e u r a l n e t w o r k ，m o d e l i n g ，g e n e t i ca l g o r i t h m ， o p t i m i z a t i o n 声明 y8 6 7 s 5 本人郑重声明：此处所提交的硕士学位论文遗传算法在电站锅炉燃烧过程 建模与优化中的应用与研究，是本人在华北电力大学攻读硕士学位期间，在导 师指导下进行的研究工作和取得的研究成果。据本人所知，除了文中特别加以标 注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含 为获得华北电力大学或其他教育机构的学位或证书而使用过的材料。与我一同工 作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 学位论文作者签名：孳日期：蝉 关于学位论文使用授权的说明 本人完全了解华北电力大学有关保留、使用学位论文的规定，即：学校有 权保管、并向有关部门送交学位论文的原件与复印件；学校可以采用影印、缩 印或其它复制手段复制并保存学位论文；学校可允许学位论文被查阅或借阅； 学校可以学术交流为目的，复制赠送和交换学位论文；同意学校可以用不同 方式在不同媒体上发表、传播学位论文的全部或部分内容。 ( 涉密的学位论文在解密后遵守此规定) 作者签名：! j 孚羔 日期：q 导师签名： 日 期 誊、仙 d62 华北电力大学( 北京) 硕上学位论文 第一章前言 1 1 课题背景 国民经济的发展离不开电力。电力在现代工业发展中占支柱地位。 我国从5 0 年代初开始自行建造6 m w 机组，经过近5 0 年的努力，电力工业取 得了巨大发展，火电装备已接近世界先进水平。1 9 5 0 至1 9 8 1 年3 0 年期间新增输电 线路为2 7 7 2 5 7 k m ，变电容量7 0 3 6 0 m v a 。改革开放以后，特别是过去1 0 年，是我 国的电力工业迅猛发展的时期。到2 0 0 0 年底，我国发电设备总装机容量为3 1 9 3 亿 k w ，其中火电装机容量为2 3 7 5 亿k w ，火电容量占到总容量的7 4 4 ，并且火 电机组基本上都是燃煤机组。目前，我国是发电总装机容量和总发电量均为世界第 二位，但是，我国的人均装机容量仅仅为0 2 5 k w 不到世界人均水平的一半。按照 我国电力工业发展的总目标：2 0 0 5 年发电装机容量将达到3 5 5 亿k w ，2 0 1 0 年发 电装机容量将达到4 5 亿k w ，预计到2 0 5 0 年我国装机容量将达到1 6 亿k w ， 其中火电机组仍将占总装机容量的6 0 以上。 中国是世界上最大的产煤国，煤炭约占一次能源构成的7 5 。我国的能源结 构决定了在今后很长的一段时间内，以燃煤为主的火力电站仍将是我国电力工业的 主体。 在燃煤电站中，锅炉是三大设备中技术最为复杂的。同时热力系统也是电站中 的技术含量大、涉及知识领域最广的系统。 1 1 1 电站锅炉热力系统的发展趋势 时代的发展和技术的进步对电站锅炉及整个热力系统提出了新的要求。主要表 现在以下几个方面。 ( 一) 复杂性 在电力工业方面，单机容量日益增大，6 0 0 m w 以上的机组将成为我国的主力 机组，由于要提高一次能源的利用效率，热力系统也日趋复杂。 我国一次能源以煤为主。在本世纪初以及很长一段时间里，煤仍将占我国总能源的 7 0 7 5 ，因而高效、清洁的燃煤技术对我国尤其重要。我国的锅炉技术同世界 先进技术相结合的同时，系统的复杂度也极大增加。 由于我国电力供应峰谷差越来越大，有些地区达3 0 ，很多大型机组要求进入调峰， 启停频繁，这引起一系列的热力系统动态和材料、燃料等方面的问题。 ( 二) 耦合性 技术的发展必然导致热动力系统的复杂化，在这种情况下，数以百计、千计的 第1 页 华北电力大学( 北京) 硕士学位论文 各种设备有机的组合在一起，其中很多设备在高温、高压和高速旋转的条件下运行， 这些设备相互之间紧密耦合，一个设备、一个参数的变化会带来多方面的后果。例 如：锅炉中用挡板调节蒸汽再热温度，就会引起其他参数的变化；蒸汽注入循环( 陈 氏循环) 中蒸汽注入量和燃烧室中燃料量及燃气的压力、温度紧密耦合。可以说， 这些庞大、复杂系统是“牵一发而动全身”。不充分了解子系统之间的耦合，不了 解各个系统的动态特性，就不可能配置合适的控制系统，以保证整个系统安全运行。 ( 三) 经济性 对一个大型复杂热动力装置的经济性要求是非常高的，不仅要求在设计工况下 各个参数的优化，还要保证在非设计工况下的参数优化，还要使各子系统均处在最 优状态下。对发电厂来浇，应在线监测整个电厂的能量平衡，发电热耗等。 ( 四) 环境保护要求 由于锅炉设备是一个大的环境污染源，因而人们对设备的排放十分关注。减少 温室气体c o z 的排放，减少形成酸雨的s 0 2 的排放，减少对人们健康十分有害的 n o x 的排放，已经成为全世界关注的热点，另外还包括烟尘问题。所以，在处理锅 炉问题( 例如：稳态优化、控制等) 时还必须把环保要求考虑进去。 ( 五) 可靠性要求 对一些大型热动力装置要求具有很高的可用率。大型电站停用一天，会带来巨 大的经济损失和极其严重的社会影响。在这个背景下提出了在线监测和故障诊断问 题，使之能早期对事故的发生、发展得到必要的信息，以便及时采取必要的措施。 此外，还提出了按设备状态进行维护、检修的问题，以减少昂贵的检修费用和过多 的备件积压，尽量缩短停机时间。 1 。1 2 电站锅炉燃烧过程建模的要求 随着科技的迅速发展，尤其是计算机技术的迅速发展，在各个工业领域，甚至 社会科学领域，建模与仿真都日益重要。 在能源领域中，深入研究重大发电设备的动静态特性一直是国内外学者的重要 研究方向。例如，建立大型电站锅炉的三维数学模型，对锅炉中的燃烧、气体流动、 温度场、各种不同燃烧产物的形成等进行仔细研究，从而给大型电站锅炉的设计和 运行提供必要的数据，使设计过程缩短，并使设计达到最优。再比如，为了使大型 复杂的电站安全运行、正确处理事故，大型电站都有用于培训运行人员的模拟培训 装置，定期地轮训运行人员，使他们具备正确操作、运行并处理各种复杂事故的能 力。 系统建模方法多种多样，每一种建模方法都有其使用的最佳领域。根据目的选 择合适的方法，能够起到最佳效果。 对于热动力系统中一些特殊设备要建立精细数学模型及模型的校核( m o d e l 第2 页 华北电力大学( 北京) 硕士学位论文 v a l i d a t i o n ) 。如煤气化炉、循环流化床燃烧锅炉、加比循外流化床燃烧锅炉、碳化炉、 高温辐射废热锅炉，等等。这类模型应能用于设计目的。要尽可能详细地反映内部 物理、化学过程，能够对对象进行“全尺寸”性能仿真，可以灵活地改变各种外界 条件、结构、尺寸及不同的原料，从而进行方案比较此外，这类模型还可以用于 现场调试、开发新装置、改进设备利用这种模型，进行必要的简化还可用于实时 仿真系统。 对一些复杂的热动力系统，可以使用面向对象的图形化模块式建模方法。通过 典型的模块搭建，能迅速、方便地分析其动态特性。在配置了多层次、多回路的控 制系统后，研究其闭环特性。可以在已有商业化软件( m a t l a b ，d y m o l a ，s i m u l i n k ， l a b v i e w 等) 的基础上，建立静、动态仿真平台和建立丰富的各种层次的模型库。 使用系统辨识的方法。由于在一些热动力系统和一些大型设备中物理、化学现 象的复杂性，全部用数学的方法加以描述并加以计算是很困难的，有时也不必要。 因此，有一些重要设备，如燃气轮机、流化床锅炉等可以开展现场辨识研究工作， 以取得必要的表征其动态特性的数据，辨识工作应与理论分析相结合，从中得出在 一些重要设备中主宰其动态特性的“主导因素”，使复杂问题得到简化。 应用神经网络建立系统模型也是目前在各个领域中研究和使用比较多的方法。使用 神经网络算法建立系统模型，不需要对建模对象的全部情况准确掌握，只需要足够 数量的带有建模对象信息的数据样本，利用学习训练的方法就可得到系统模型。对 于锅炉燃烧过程这样复杂的系统，通过机理建模的办法建立整体化模型几乎是不可 能，而用神经网络算法建模，可以很方便的建立模型，再在算法上加以适当调整， 可以使建模的精度很高。同时，使用神经网络建模可以根据需要选择输入输出参数， 可以建立自由度更高的模型。 虽然建模方法多种多样，但要根据建模目的选择合适的方法。如果要建立个 燃烧优化指导系统的模型，最好能够直观的反映控制量和燃烧优化目标的关系，而 忽略中间繁复的过程，可以使用神经网络的方法建立模型。 1 2 基于神经网络算法的锅炉燃烧过程建模 锅炉燃烧过程是一个十分复杂的物理、化学过程，具有多输入输出、非线性、 大延迟、强耦合的特点，用机理性建模的方法建立符合锅炉当前特性的模型存在很 大困难。神经网络是一种并行计算网络，神经网络算法模拟人脑对信息的处理和传 递机制，具有很强的非线性逼近能力。理论上已经证明，多层前向神经网络能够无 限逼近任意非线性函数。使用神经网络建立锅炉燃烧过程模型是很有效的方法。 建立锅炉燃烧过程模型的目的是为了指导锅炉的优化燃烧。通过对锅炉燃烧过 程模型进行优化，得到一组最优参数，再将这组参数作为控制系统的基本设定参数， 第3 页 华北电力大学( 北京) 硕士学位论文 指导控制系统，达到运行目标最优。 使用神经网络建立锅炉燃烧系统模型，只需要足够数量的训练样本，根据选择 参数的不同，可以建立灵活度很强的模型。因为建模的目的是为了指导优化燃烧， 可以将优化目标作为模型的输出。例如，锅炉热效率和飞灰含炭量，这些都是电站 运行的重要指标；如果重视环境问题，可以选择n o x 、s o x 含量作为模型输出，使 模型可以针对这些变量进行优化。神经网络模型的输入参量也可以灵活选择。在锅 炉燃烧过程中，很多参量是通过间接手段调节的，例如供氧量和给煤量都是通过调 节相应的风挡板开度来进行调节的，而这些挡板开度和参量之间的关系是很难定量 表达的，一般的模型又只能给出参量本身和模型的关系，对运行人员的指导作用有 限，对这些参量的调节仍然要靠运行人员的经验。使用神经网络建模，可以将输入 参数直接选为风挡板开度，而不需要考虑它们和模型之间的数学关系，当对模型输 出进行优化时，可以给运行人员更加直观的指导。 使用神经网络建立锅炉燃烧过程模型的步骤十分简单。在选定模型的输入输出 参数后，要收集大量的历史数据。将历史数据作为i ) l 】练样本输入网络，网络的输出 图1 - 1 神经网络建模过程 于训练样本再进行比较，得到的偏差再按照一定的算法修正网络，直到网络达到预 先指定的条件。图1 1 为神经网络建模过程的模拟图。 1 3 国内外径向基神经网络研究现状 人工神经元网络( a r t i f i c i a ln e u r a ln e t w o r k ，简称a n n ) 是在人类对其大脑神 经网络认识理解的基础上人工构造的能够实现某种功能的神经网络。它是理论化的 人脑神经网络的数学模型，是基于模仿大脑神经网络结构和功能而建立的一种信息 处理系统。它实际上是由大量简单元件相互连接而成的复杂网络，具有高度的非线 性，能够进行复杂的逻辑操作和非线性关系实现的系统。 人工神经网络是用简单的处理单元相互连接构成的一个网络，虽然它结构很简 单，但却有并行处理、容错性和自适应自学习的特点，因而在各行各业中显示出了 第4 页 华北电力大学( 北京) 硕士学位论文 强大的生命力和广泛的应用前景。目前，在图像处理、模式识别、故障诊断、信号 处理、自动控制等领域，神经网络已经得到了广泛的应用，并越来越表现出不可替 代的重要作用。 正因为如此，八十年代以来，神经网络获得了广泛的研究，取得了大量的成果。 迄今为止，已经提出了多种网络类型，如b p ，h o p e f i e l d ，c m a c ，r b f 等。与此 同时，针对各种网络类型，又提出了各种各样的训练算法。在自动控制领域，研究 的比较多，也比较成熟的是静态前向神经网络，如b p 网络。虽然己经证明，只要 有足够多隐层，b p 网可以逼近任意的非线性映射关系，但是因为误差曲面是一个非 常复杂的超曲面，所以b p 网存在着很多的问题。其中，最大的一个问题便是收敛 速度慢，容易陷入局部极小，这显然是由于误差曲面存在着多个局部极小点以 及曲面形状过于平缓而造成的：另外的一个问题便是b p 网络结构的确定，没有一定 的规则可循，现在我们通常只能根据一些经验公式来大致的确定网络的隐层节点。 虽然，针对这些问题人们进行了大量的研究，但是，我们看到改进的效果仍是不很 理想。 其实，以上问题的根本原因在于b p 网络没有对输入向量空间进行有效的映射。 我们知道神经网络最初是模拟人类神经元对外界刺激反应方式而设计出来的，这一 点在b p 网中的体现便是通过一个阈值来模拟神经元的反应门限值以及非线性的s 函数 r f 扪：一 1 + e 一。 来模拟神经元的非线性输出作用。而根据对人脑的研究成果，人类大脑对外界刺激 的反应形式是基于感受野的，亦即不同部位的脑细胞对外界刺激的反应强度是不同 的，各个神经元的作用域都是一个局部的范围，只有当输入在一定的范围内( 即感受 野) ，该神经元才响应，否则不响应或响应很小。这一点在b p 网的神经元映射函数 中并没有得到体现，与神经元的作用原理有一定的出入，致使它的性能不是很好。 正是基于以上对人类神经元的认识，m o o d y 和d a r k e n 提出了一种新的神经网 络结构- - r b f n ( r a d i a lb a s i sf u n c t i o nn e t w o r k ) ，即径向基函数网络。 它的神经元映射函数变为 ( x - c ) 2 厂( z ) = e o - z ( 1 2 ) 其中，c 是r b f n 的映射中心，用来表示各神经元的中心，盯用来表示神经元 的对外界的作用敏感程度，它越小，则对输入的变化越敏感。 显然，r b f n 的神经元映射函数就是我们通常所说的高斯函数。该函数的最大 特点是只有当输入与中心相等时，输出达到最大，随着输入与中心的渐渐偏离，输 出也逐渐减小，并很快趋近于零，这与实际神经元基于感受野的这一特点很相似， 第5 页 华北屯力大学( 北京) 硕士学位论文 只有当输入在中心附近的一定的范围内，输出响应很大，否则不响应或响应很小。 因此，r b f n 的神经元映射函数可以更确切的描述出实际神经元响应基于感受 野的这一特点，比b p 网有更深厚的理论基础，从而它的性能也大大优于b p 网。 径向基神经网络及其改进算法目前有很多种算法。各有优点和缺点。下面介绍 几种径向基神经网络的研究现状。 1 自组织径向基神经网络 自组织特征映射网络( s o m 网络) 最初是由芬兰赫尔辛基大学神经网络专家 k o h o n e n 教授在1 9 8 1 年提出的，这种网络模拟大脑神经系统自组织特征映射的功 能，是一种竞争式学习网络，在学习中能无监督地进行自组织学习。k o h o n e n 认为， 一个神经网络接受外界输入模式，将分成不同区域，各区域中邻近的神经元通过交 互作用，相互竞争，自适应地形成了对输入模式的不同响应检测器。因此，k o h o n e n 网络在结构上模拟了大脑皮层中神经元里二维空间点阵的结构，在功能上通过网络 中神经元问的交互作用和相互竞争，模拟了大脑信息处理的聚类功能、自组织、自 学习功能。 在2 0 0 0 年9 月，国际电气和电子工程师协会( i e e e ) 举行的机器人与人的交流 过程国际研讨会上，日本九州大学电子工程系x i o n gq i n g y u 等教授提出将自组 织特征映射网络( s o m ) 年f i 径向基神经网络( r b f ) 结合起来，形成自组织径向基神经网 络。这种自组织径向基神经网络中，径向基神经网络的隐层和输入层不变，但是输 出层发生了改变，即变成了自组织映射网络的竞争层。这样，对于每一个网络的隐 层输出，作为输出层的输入的时候，径向基神经网络利用误差规则进行有监督训练， 网络产生的输出误差可以决定在什么位置插入一个新的自组织特征映射单元，这 样，径向基神经网络的结构逐渐变化，直到满足一定的性能标准或者获得一个理想 的网络结构为止。 2 遗传径向基神经网络 遗传算法是基于自我繁殖的思想发展起来的一种通用的问题求解方法。它采用 简单的编码技术来表示各种复杂的问题，并且通过对一组编码进行简单的遗传操作 和优胜劣汰的自然选择，来指导学习和确定搜索的方向。由于采用种群的方式组织 搜索，所以它可以同时搜索解空间内的多个区域，而且特别适合大规模并行处理。 在赋予遗传计算自组织、自适应和自学习等特征的同时，优胜劣汰的自然选择和简 单的遗传操作使得遗传计算具有不受其搜索空间限制条件的约束，以及不需要其它 辅助信息的特点。这些特点不仅能获得较高的效率，而且具有简单、易操作和通用 的特征。 在航空宇宙与电子系统领域的研究中，加拿大卡尔加里大学电子与通讯工程系 l e u n g ，h e n r y 教授等于2 0 0 2 年采用遗传算法搜索径向基神经网络的一些参数值， 并用最小二乘法修正权值，这些参数包括：聚类中心、宽度、隐层节点数，通过对 第6 页 华北电力大学( 北京) 硕士学位论文 这些参数进行二进制编码，然后进行一系列遗传操作，逐步优化聚类中心、宽度、 隐层节点数的值，从而得到合理的径向基神经网络结构，这种方法经过验证取得了 较好的效果。 3 特殊基函数的径向基神经网络 径向基神经网络的径向基函数并不是只有选择高斯函数一种。为了提高神经网 络的精度和减少隐层节点数，可以采用除了高斯函数以外的其它径向基函数。 基于这种思想日本东京工业大学研究生院m i y a k em o t o h a r u 等2 0 0 0 年提 出了一种特殊定义的径向基函数，这种特殊的径向基函数包含四种运算操作，计算 过程比较复杂，主要是采用的是乘积与求和的操作。通过采用这种特殊的径向基函 数，神经网络在进行蒙特卡罗仿真的时候，能够很好地逼近贝叶斯决策的边际结果。 4 自适应径向基神经网络 自适应控制方式就是，当被控系统及其环境的特征随着时间变化时，设计一种 自适应算法来随时修正控制器的结构与参数，使得控制系统的某个指标函数总是达 到最优。自适应控制必须在线进行，自适应控制前控制器未定或己定，在自适应过 程中将随时间变化。 上海华东理工大学计算机系g a o ，d a q i 教授在2 0 0 2 年举行的国际电子电工 研究会上提出用自适应的方法来确定径向基神经网络的聚类中心和宽度。自适应径 向基函数网络的学习过程是由确定最小知识规则数( 隐层节点数) 和调整隐层参数 矢量所构成的，算法使网络从样本数据中估计出未知的规则，网络是否产生新的径 向基节点，由有效半径的大小来确定。采用递阶自适应学习算法，在误差超过允许 范围的情况下，逐步增加隐层节点，并且随时调整隐层参数入聚类中心和宽度的值， 直到得到最佳的径向基神经网络结构。 5 基于模糊自适应共振( f u z z y - a r t ) 映射的径向基神经网络 模糊推理系统，也是众所周知的模糊规则基系统、模糊模型、模糊联想记忆或 模糊控制( 在控制系统中应用时) ，模糊推理系统是由模糊“i f - - t h e n ”规则的集 合和语言表隶属度函数度数据库组成的，且推理机制称为模糊推理，按t a k a g i 和 s u g e n o 提出的推理形式，假设规则库由两个模糊“i f t h e n ”规则组成。 t o n t i n i ，g e r s o n 等科学家在1 9 9 6 年国际电气和电子工程师协会( m e e ) 举行的 系统、人类与控制论学会上提出基于模糊自适应共振( f u z z y a r t ) 映射的径向基 高基于模糊自适应共振( f u z z y a r t ) 映射的径向基高斯函数网络( r a d i a lb a s i s f u n c t i o n ，r b f ) 的基本特征是由前提和结论两部分构成的，且每一部分都包含有关 可调整都参数集，在已知输入和被储存前提事件之间，用和、积复合运算给出匹配 关系，任何一个规则的起动强度可按照前提部分提隶属度t - n o r m 获得。整个系统 最后输出可以用每个规则度加权和表示。采用这种基于模糊自适应共振映射的径向 基高斯函数网络可以较好克服模糊自适应共振映射算法和径向基高斯函数网络各 第7 页 华北电力大学( 北京) 硕士学位论文 自的缺点。 6 基于正交最小二乘学习的径向基神经网络 在有监督学习选取径向基神经网络中心的算法中，最常用的就是基于最小二乘 学习的径向基神经网络，在这种方法中，径向基神经网络的中心及其网络的其它参 数都是通过有监督的学习来确定的。这是径向基神经网络学习的最一般化形式。对 于这种情况，有监督许学习采用简单的梯度下降法。 在基于最小二乘学习的径向基神经网络的基础上，s e g a l ，r a v i 教授2 0 0 0 年提 出利用基于正交最小二乘学习的径向基神经网络选取网络中心。正交最小二乘学习 方法来源于线性回归模型，其任务就是通过学习选择合适的回归算子向量，使得神 经网络输出满足二次性能指标的要求。正交最d , - - 乘学习的基本思想是：通过正交 化向量，分析其对降低残差的贡献，选择合适的回归算子，并根据性能指标，确定 回归算子数。要注意的是，回归模型中残差是与回归算子的变化及其个数的选择有 关的。每个回归算子对降低残差的贡献是不相同的，要选择那些贡献显著的算子， 剔除贡献差的算子。 通过学习研究以上径向基神经网络的具体算法，掌握了径向基神经网络应该值 得改进的地方，对提出新的符合实际情况的改进算法打下基础。 1 4 本论文的主要工作 本论文主要完成以下工作： 1 研究遗传算法的基本原理和操作过程，举例说明遗传算法在优化问题上的 可行性和优点。 2 研究r b f 神经网络用于锅炉燃烧过程建模的可行性和优点。对r b f 神经网 络算法进行改进，提出了遗传k 均值聚类法来调整隐含层中心点的个数，利用遗传 算法来寻优网络的权值，并使用数据预处理、参数调整等多种方法，提高了网络的 学习和泛化能力。 3 使用锅炉稳态运行数据建立过程模型。 4 针对网络模型选择优化算法，确定遗传算法为模型的优化算法。 5 编写应用程序，最终实现锅炉燃烧过程的建模和优化指导。 1 5 本章小结 燃煤电站是我国电力工业的主体，锅炉燃烧系统是燃煤电站三大设备中技术最 复杂的。锅炉燃烧过程是一个十分复杂的物理、化学过程，具有多输入输出、非线 性、大延迟、强耦合的特点，用机理性建模的方法建立符合锅炉当前特性的模型存 在很大困难。 第8 页 华北电力大学( 北京) 硕士学位论文 神经网络是一种并行计算网络，神经网络算法模拟人脑对信息的处理和传递机 制，具有很强的非线性逼近能力。理论上已经证明，神经网络能够无限逼近任意非 线性函数。使用r b f 神经网络建立锅炉燃烧过程模型是很有效的方法。通过大量的 稳态运行数据，选择合适的模型输入输出参数，经过学习训练，就可建立锅炉燃烧 过程的模型。同时利用遗传算法优化网络参数，并对使用神经网络建立的锅炉燃烧 系统模型进行优化。最终使锅炉燃烧过程在安全、可靠的前提下，能够以最佳状态 运行，即达到节能、减耗，降低成本的目的，同时将对环境的不利影响程度降到最 低。也就是说，在各运行参数的取值范围内，确定用一组理想指导值，使生产过程 在此种工况下运行性能最优是我们寻求的目标。 第9 页 华北电力人学( 北京) 硕士学位论文 第二章电站锅炉燃烧系统概述 火电厂锅炉燃烧系统通过燃烧将燃料的化学能转化成热能，因此它是一个能量 转换系统，也是整个电站系统的能量来源。其运行过程涉及到煤粉的多相燃烧、固 体与气体在炉膛内的多相流动以及炉膛内高温烟气的传热过程，这些过程同时发生 且相互影响，具有较强的耦合性、非线性。送风量、引风量、热负荷、煤量、蒸汽 量参数的变化都将对燃烧系统产生直接扰动，当波动较大时，就会造成整个燃烧系 统拉锯，出现振荡现象，严重影响锅炉的安全运行。 2 1 大型单元机组的生产过程 大型单元机组是以锅炉、高压和中低压汽轮机以及发电机为主体设备的一个整 体。根据生产流程又可将锅炉分成燃烧系统和汽水系统。生产流程如图： 2 1 大型单兀机组生产流程示意图 图中：1 一汽轮机高庄缸；2 一汽轮机中、低压缸；3 一发电机；4 一高压汽机调门：5 一汽 包；6 一炉膛；7 一烟道；8 一过热器喷水减温器；9 一再热器喷水减温：1 0 一送风机；l l 一调风 门 1 2 一中、低片汽机调气门；1 3 一烟道挡板；1 4 一引风机；1 5 一冷凝器；1 6 一凝结水泵：1 7 一低压加热器；1 8 一除氧器；1 9 一给水泵；2 0 一高压加热器；2 1 一给水调节机构；2 2 一燃料量 控制机构；2 3 一喷 目雕：2 4 一补充水；2 5 一水冷壁管；2 6 一过热器；2 7 一再热器：2 8 一省煤器； u 2 9 一空气预热器 九 借助图2 - 1 ，我们对锅炉燃烧系统的工艺过程做简要介绍。燃料b 调节阀2 2 经 喷燃器2 3 进入炉膛；与此同时成比例的空气a f 经调节阀1 1 进入炉膛助燃，空气a f 由送风机1 0 进入空气预热器。空气和燃料在炉膛内燃烧产生大量的热量传给蒸发 受热面( 水冷壁) 2 5 中的流动水。燃烧后的高温烟气经烟道不断将热量传给过热器2 6 、 再热器2 7 、省煤器2 8 及空气预热器2 9 ，最后低温烟气由引风机吸出，经烟囱排入 第l 0 页 枞由 华北电力大学( 北京) 硕士学位论文 大气。 在锅炉的汽水系统中，由除氧器1 8 除氧后的水经给水泵进入高压加热器2 0 、 省煤器2 8 ，到锅炉的汽包水位5 。汽包中的水位在水冷壁中进行自然循环( 或强制循 环) 不断吸收炉膛辐射热，汽包中饱和蒸汽由汽包顶部引出，再经过热器2 6 进一步 加热形成过热蒸汽d 。高温高压蒸汽就是锅炉的负荷。 高温高压的蒸汽首先进入汽轮机的高压缸1 膨胀做功，即推动汽轮机转子而带 动发电机3 转动输出电能。由高压缸做功后的蒸汽经再热器2 7 再次加热进入中、 低压缸做功，最后乏汽由汽轮机尾部排入凝汽器巧冷凝成水。 凝结水和补充水2 4 一起由凝结水泵1 6 打到低压加热器1 7 ，然后进入除氧器除 氧后由给水泵打出。 由图2 - 1 可以看出，单元发电机组汽、水是在一个封闭的管路循环，锅炉和汽 机的供需两方雨正常运行必须保持定的平衡，单元发电机组的生产过程是借助于 汽、水能量形式的转换过程。 由单元发电机组的生产过程可知，火力发电过程可以分为3 个阶段： ( 1 ) 化学能转化为热能的阶段； ( 2 ) 热能转化为机械能的阶段； ( 3 ) 机械能转化为电能的阶段。 其中阶段( 1 ) 是在锅炉系统里完成，阶段( 2 ) 是在汽轮机系统里完成，而阶段( 3 ) 是在 发电视系统里完成。 2 2 锅炉燃烧系统及其控制 燃烧系统的主要任务是利用煤的燃烧，将水变成蒸汽，把化学能转化为热能。 燃烧系统还包括许多子系统，如燃料制备和输送系统，烟气系统，通风系统，除灰 系统等。燃烧系统流程如图： 2 - 2 燃烧系统流程图 第员 华北电力大学( 北京) 硕士学位论文 图中：i 一输煤皮带；2 一煤斗；3 一磨煤机；4 一排粉机：5 一送风机；6 一空气预热器；7 一锅炉：8 一除尘器；9 一引风机；1 0 一灰渣泵 2 2 1 燃烧控制系统的基本任务 燃烧过程控制的根本任务是使燃料所提供的热量适应锅炉蒸汽负荷的需要，并 保证锅炉安全经济运行。锅炉燃烧控制的具体任务及其控制策略因燃料种类、制粉 系统、燃烧设备以及锅炉的运行方式不同而有所区别。燃烧控制系统的基本任务可 归纳为以下几个方面： 1 维持蒸汽压力稳定 汽压是机炉负荷平衡的标志，汽压的变化表示锅炉的蒸汽产量和汽机的耗汽量 不相适应，这时必须相应地改变燃料的供应量，以改变锅炉的产汽量。 2 保证燃烧过程的经济性 当燃料量改变时，锅炉的送风量必须相应改变，以保证燃料的充分利用。 3 维持炉膛压力稳定 炉膛负压是送风量和引风量相平衡的标志，炉膛负压不稳定或偏离设定值太 大，不但影响锅炉燃烧的经济性，而且直接影响到锅炉运行的安全性。 燃烧过程的这三项调节任务是不可分的，可以用三个调节量改变三个流量即 燃料量、送风量和引风量，以维持三个被控量一一气压( 或负荷) 、过剩空气系数 ( 或最佳含氧量 和炉膛负压。每个调节器都可以分工负责维持一个被控制量。三 个控制系统之间关系密切，因而共同组成多参数的燃烧过程控制系统。般简称则 三个系统为“燃烧控制系统”。图2 3 为燃烧控制系统的几种组合方式示意图。 2 - 3 燃烧控制系统的组合方式 2 2 2 被控参数的作用 1 主蒸汽压力 主蒸汽压力是衡量蒸汽供求关系平衡与否的重要指标，蒸汽压力突然波动会造 第1 2 页 华北电力大学( 北京) 硕士学位论文 成锅炉水位的急剧变化。蒸汽压力高或低说明蒸汽消耗量小于或大于锅炉产汽量。 蒸汽压力还是送风控制回路中送风调节器的前馈信号，当负荷变化时使送风挡板立 即动作。主蒸汽压力调节器根据主蒸汽压力的变化，对各台并行运行的锅炉按预定 比例发出增、减负荷的信号。 2 蒸汽流量 在控制系统中，蒸汽流量信号可用来表征锅炉的负荷状况，可以看成燃烧系统 的外部扰动。当系统负荷状况发生变化时，燃烧控制系统必须马上根据要求改变给 煤量，以保证锅炉能产生相应的主蒸汽流量。 3 炉膛负压、送风量、引风量 炉膛负压过高或过低都会影响锅炉的安全生产和经济燃烧。若炉膛负压过小， 容易局部喷火，不利于安全生产；若炉膛负压过大，则漏风严重，从而导致总风量增 加、烟气热损失增大、煤耗增加。炉膛负压的稳定是通过炉膛负压、送风量、引风 量3 个变量参数信号经过d c s 系统内各功能块的作用，调节a 、引风导向挡板的开 度，控制其引风量来实现的。当负荷增大时，热负荷调节器发出信号，通过调速电 机增大给煤量。同时，与给煤量成比例的送风量也于送风调节器的动作，使送风量 相应增大，此时炉膛负压立即下降，需增加引风量以保证炉膛负压的稳定。由于调 节器要在炉膛负压变化后才有输出，虽然引风调节器的输出调节了引风挡板的开 度，但在一段时间内炉膛负压仍在下降。因此将送风调节器的输出作为引风调节器 的前馈信号，送到炉膛负压调节回路的弓 风调节器，使送风调节器动作时引风调节 器立即动作，以解决测量滞后问题。引风量实际上是送风量的微调。 4 烟气氧含量 烟气氧含量是检查锅炉燃烧系统燃料量与送风量是否合适的一个指标。一般用 空气过剩率，即风煤比来衡量燃烧效率。空气过剩率是通过分析烟气中氧的含量来 设定的。锅炉烟气氧含量一般为4 ，相应的空气过剩率在1 0 2 1 1 0 时，燃烧效 率最高。当负荷或燃煤质量发生变化时，烟气中的氧含量要发生变化，因此除了通 过氧量调节器来调节氧含量外，氧量调节器的输出还作为送风调节器的输入信号来 校正送风量，以保证燃烧的经济性。 2 2 3 燃烧控制系统 燃烧控制系统是由三个相对独立的子系统即燃料控制系统，送风控制系统、引风控 制系统组成的，图2 - 4 给出了一种燃烧控制系统的原则方案。 第1 3 页 华北电力大学( 北京) 硕士学位论文 o 一一一；事一一_一警 甲举 2 - 4 燃烧控制系统原则组成方框图 锅炉与汽轮机构成单元机组，可以带固定负荷，也可以参与电网调峰。待固 定负荷时，燃料控制采用单回路控制方式，燃料控制器：接受指令信号。；变动 负荷时，燃料系统为串级控制方案，主汽压力控制器( 主控制器) p i ，接受机前压 力信号肼与压力定值信号p 。比较后所的偏差，经过运算后输出校正信号，该信 号作用于燃烧控制器( 副控制器) ，入口作为定值信号，副控制器输出控制信号 去改变燃料量b 的值，以适应负荷要求，控制结束后，保持机前压力等于给定 值。燃料信号反馈到副控制器入口，用以克服来自燃料侧的内部扰动。当主控制器 输出稳定不变实，若燃料量发生内扰，则串级控制系统的内回路立即动作，很快予 以平衡，不使机前压力肼受到影响，这就稳定了单元机组的实发功率。稳态时，负 荷指令与燃料量保持平衡，即 o 一蜀b 2 0 ( 2 1 ) 送风控制采用单回路控制系统，送风控制器j p j ，入口接受功率指令。和送风量 的反馈信号，以便使送风量与负荷指令相适应，维持炉内的经济燃烧。稳态时，送 风量与负荷指令平衡，即 o k 2 v = 0 ( 2 2 ) 因此 昙：拿：置 (