过热汽温控制.doc

对于控制器参数优化过热汽温控制摘要 本文论述的过热汽温模糊控制在锅炉高压部分的改进。优化是基于最小化准则。优化的模糊参数是高压蒸汽温度的函数。更多的可能性优化提出了。模糊控制性能进行了仿真实验，在操作模式的变化，对干扰的响应和系统的动态变化。模糊控制响应进行比较之前和之后的优化。Keywords: fuzzy; optimization; steam superheating; boiler; temperature control关键词：模糊；优化；蒸汽过热炉；温度控制；1简介本文关注的是过热蒸汽温度高的模糊控制方法的应用通过对电厂锅炉的一部分压力。我们需要提高效率和抑制负生态火电厂在重建的影响。这是一个复杂的系统问题多输入多输出（MIMO）。抑制常见的干扰和保持温度要求公差。目前提供的控制系统采用准自适应PI（D）在串级调速控制器。过程适应的基础上适当的参数选择的知识基础和经验。但控制系统不能满足新的要求，质量控制，使能源领域的现状。需求包括快速变更的操作模式,这是产生和降低负载级别定义。有许多应用程序处理控制系统蒸汽发电厂1。如何实现的选项之一更好的效率是设计新的控制算法的技术单位的过热蒸汽。的原则其他复杂的控制算法的研究是探索,例如大林算法2和3,鲁棒控制4或模糊逻辑实现5和6。摘要选择模糊控制过热蒸汽的实现直流锅炉的温度控制,进一步描述了模糊控制器参数的优化整个负载范围。设计模糊控制器的模糊算法使用非线性特征。优化任务的目的是探索所有模糊PI控制器的参数,这样可以提供参数最小的可能的变化对过热器的输出所需的蒸汽温度。第三,。和第四。(见图3)所有的操作模式。重要的数字模糊控制器的优化研究7。发表研究8和9处理在线自调整机制的优化。这些研究都是基于测量的变量。使用最小化准则与净的局部线性模型是蒸汽加热的下一个合乎逻辑的步骤如果我们只有一个温度测量温度优化可用。直流锅炉的非线性模型是在我们的开发部门10。因为高计算需求,模拟的模型是相对较慢。耗时复杂的控制算法测试的非线性模型。主要要求是要创建一个模型控制算法的设计和测试,将明显加快。因此我们发现足够准确的非线性替代锅炉,具有非常相似的静态和动态特性。这些需求满足不断转换的线性化模型11,甚至允许缩短仿真时间20倍。2。结构的控制过程图1显示了一个简化的过程的一部分的直流锅炉,在尊重的重要变量温度控制只是提到。该计划包括七个相互关联的热交换器预定义的热功率Q1Q6。惠普的锅炉给水流入锅炉。(流媒体和它的参数)是由循环泵的压力。过热器的汽温调节通过注水阀门V1、V2、V3。的锅炉的热功率流、压力和热量热交换器和水的注入量。所需的温度对过热器。输出是460C,它是在过热器三是485C。在过热器输出承运输出和575C。从这个输出是过热蒸汽进入汽轮机。 图1。方案的高压直流锅炉的一部分。 目的是替换现有的控制使用quasi-adaptive PI控制器由模糊变量参数PI控制器(F-PI)与固定参数。现有的级联结构是保持12。的技术与级联F-PI过热蒸汽控制系统显示在图2。每个六F-PI控制器形式根据图3。模糊PI控制器的主要分是模糊逻辑控制器(FLC)的模糊性,推理和去模糊化。 图2。惠普的结构模糊PI串级控制系统的一部分。 图3。模糊PI控制器的结构。 控制误差e(k)和增量的e(k)是F-PI输入。输出F-PI是驱动变量的增量“u(k),这是通过集成块转移到驱动变量。最重要的点是因素之一研究影响模糊控制。,的选择比例因子Kde,Ku(见图3)评估之一模糊控制设计的关键。选择的原则是乘法(扩展)输入和常数模糊控制器输出变量。宇宙在模糊控制器的输入是变化得到Ke,Kde,宇宙在改变的输出获得骨。每个模糊PI控制器包含三个参数。通过参数改变的可能收益。模糊控制器的质量影响两个收益Ke,Kde和获得骨。这是可能影响十八参数的模糊算法。探索适当的收益是未来的主题一章。模糊控制器由以下参数定义的默认状态为优化任务:* 语言变量(控制偏差及其增量)有九条条款的最终形式。* 隶属度函数是三角形的类型和浓度。* 八十一生成if - then规则形式。* 去模糊化方法是“区域中心”。* 通用范围。3。优化策略3.1。优化基于输入时间间隔的最大利用率我们开始通过选择合适的策略的简单程序。可能的优化是一个版本出版物中描述13。版本是基于原理探索转移的比例因子的值在输入变量FLC,整个宇宙是用在最大的范围。我们正在寻找过热器的参数。控制器,然后继续下一个过热器系列。参数搜索一些。负载阶跃变化(即功率电平)从100%提高到50%,50%的趋势90秒测试实验。这是一个真正的电厂运行方式。改变涵盖整个负载范围是很重要的。因此,变化是最困难的任务之一蒸汽温度控制。阶跃变化的要求调用过热器二是。输入温度升高约35C,见图4(a),可以理解为这种变化在过热器二是干扰。输入。蒸汽温度公差2C在过热器的输出是必需的第四。 比较过热器过热蒸汽温度响应的首次承运和优化设置显示在图4(b)。这个设置提供的图表显示改善温度输出过程的比较原始设置。过度振幅明显降低,沉降时间更快,振荡过程不是如此。然而,本手册设置被认为是最优的,我们将努力通过使用一些优化改进方法最小化标准。图4。(一)响应输入的温度过热器二是。和(b)过热器输出温度响应承运的比较。3.2。优化基于最小化准则 让我们试着优化温度过程对过热器的输出四世,用红色标注在图4(b)。总体极小化准则的形式: 所需的标准寻找最小偏差之间的温度输出过程和模拟响应使用固定参数迭代过程的每一步。X在哪里搜索参数向量,w的值是(我)所需温度过热器输我,ym(i,X)模拟反应背后的过热蒸汽温度过热器输出和N对应仿真时间。 目标是获得的一组参数适合这个特定步骤的监管不仅改变实验从100%提高到100%,但也为其他常见的操作模式。因此,我们将继续工作与趋势变化的负载水平从50%提高到100%的趋势增长率每60秒10次,这是一个相反极端工况负载阶跃变化。 基于意义的参数分析14指出,监管主要是影响骨质量在输出模糊PI控制器参数。此外发现三个过热器(过热器的最后一个(四)是最敏感的参数变化。基于这些事实我们会减少数量的优化参数详见下表:& 搜索参数向量的模糊控制器将包含模糊PI控制器的输出参数内外循环过热器第二、第三和第四。& 输入参数的模糊PI控制器的内部和外部循环过热器VP将用于可能的调优。优化迭代计算的任务是利用净的线性模型。 计算耗时的任务(一百)迭代步骤之一是在小时。搜索标准最低要求之间的偏差温度输出过程和模拟响应。向量的搜索参数的模糊控制器是改编每次迭代步骤。我们将讨论两个变量的优化。3.2.1以上变体即顺序优化结构技术 第一个变体使用串行连接技术。最初估计的参数对应的最佳设置在前一章3.2。在第一步中,我们将使TSII-OUT温度的优化过热器。输出。标准形式(2)后。我们正在寻找两个输出的增益参数模糊PI控制器F-PI-1和F-PI-2(图2)。TSII-OUT函数的搜索参数(3)。 在第二步中温度TSIII-OUT,这是一个函数的参数(5),第三对过热器进行了优化。输出(4): 最后在温度TSIV-OUT第三步,这是一个函数的参数(7)上进行了优化过热器输出(6): 图5(a)的温度响应TSII-OUT他们。输出优化后的五十个迭代步骤。初始优化状态标记为绿色和最终优化状态标志着紫色。每个迭代步是明显蓝色的。优化的两个参数我们已经取得了显著改善输出温度的过程在线性模型。而过热器他们。由过热器三世之前。第四,优化有积极两个输出温度TSIII-OUT SIII的效果。,见图5(b)和最重要的温度TSIV-OUT第四过热器的输出,见图6。在第二步中我们使用优化参数作为初始估计和搬到优化控制器输出参数F-PI-3 F-PI-4过热器三世。参见图5(b)。优化温度输出绿色标记。第二步是最终状态的优化任务明显紫色。改善温度响应TSIII-OUT仍然十分明显,然而在温度响应TSIV-OUT不那么明显,见图6。第三步的优化和整体优化的最终状态的任务是紫色。很明显,参数的模糊控制器在过热器第二和第三。有最重要的重量在输出的输出温度TSIV-OUT过热器优化过程。 图5。(a)优化的过热器。温度和(b)过热器三世的优化。温度。 图6。第四过热器的优化。温度。3.2.2。变体。参数优化温度过热器输出 在这一部分我们将尝试访问,标准在所有步骤和输出保持相同的温度TSIV-OU发生,因此,温度,这是最重要的。优化任务的标准形式(8):在第一步中温度TSIV-OUT函数的输出参数的模糊PI控制器过热器。(9),在第二步中温度TSIV-OUT函数的参数根据(10),在最后一步温度函数的模糊PI控制器参数对过热器第六(11)。 图7。(a)优化的过热器。温度和(b)过热器三世的优化。温度。 图8。第四过热器的优化温度 有两个优化任务,得到两组参数。这些参数是验证非线性模型相同的负载级别步骤变化从100%降至50%。反应的温度输出TSIV-OUT对应线性模型和响应的结果是在公差内。然而这个过程显示小振荡所需的值。有必要调整四个参数的模糊PI控制器过热器输出承运。第二个逻辑步骤是验证设置的参数变化和以外的步骤验证模糊算法是否能覆盖这些需求。这个实验是选择趋势变化的负载水平从50%提高到100%,涵盖整个负载范围和极端相反的变化操作模式。优化任务执行这里,见图9。初始设置是绿色,优化过程是蓝色和适当的设置是紫色。 图9。过热器温度承运的优化趋势变化的负载。 找到妥协方案之间的两种类型的操作模式和避免不必要的振动,我们使用结果参数,对应于紫色的过程中优化和接近参数获得优化的任务步骤的变化。剩下的四个参数的调优过热器输出是由承运的优化任务。妥协的解决方案以这种方式获得验证仿真实验的步骤改变图10(a)和趋势变化的负载非线性模型图10(b)。 图10。过热器输出温度响应承运的比较(a)阶跃变化和(b)负载的变化趋势。结论 可以说,基于两个图表,通过改进控制系统的响应实现最小化标准的模糊PI控制器参数。适当的选择模糊PI控制器参数显著促进优化任务。优化过程步骤和趋势负载变化是显示在图10。正如你所看到的图片,优化效果明显。模糊控制系统控制过程的改进。引用1 L. Damiani, A. P. Prato, Simulation of a Power Regulation System for Steam Power Plants, Energy Procedia, 1185-1942, ISSN 1876-61022 E. F. Camacho, C. Bordnos, Model Predictive Control. London: Springer-Verlag, 1999. 405 s. ISBN: 3-540-76241.3 J. Hlava, L. Hubka, L. Tma. Modeling and predictive control of a nonlinear power plant reheater with switched dynamics, Methods andModels in Automation and Robotics (MMAR), 2011 16th International Conference on, s. 284-289, Miedzyzdroje. Poland, 2011. ISBN: 978-1-4577-0912-8.4 B. Pal, B. Chaudhuri, Robust control in power systems. New York, USA: Springer Science+Business Media, Inc., 2005. 190 s. ISBN: 978-0-387-25950-5.5 J. Bonato. Methods of Artificial Intelligence Fuzzy Logic. In: DAAAM international scientific book. Vienna, 2013, s. 849-856. ISSN 1726-96876 Ch.-H. Jung, Ch.-S. Ham, K.-I. Lee, A real-time self-tuning fuzzy controller through scaling factor adjustment for the steam generator ofNPP, Fuzzy Sets and Systems, Volume 74, Issue 1, 25 August 1995, Pages 53-60, ISSN 0165-01147 Y. Kondratenko, E.Y.M Al Zubi, The optimisation approach for increasing efficiency of digital fuzzy controllers (2009) Annals of DAAAMand Proceedings of the International DAAAM Symposium, pp. 1589-1590.8 P. Isomursu, T. Rauma, A Self-Tuning Fuzzy Logic Controller for Temperature Control of Superheated Steam, Fuzzy Systems, IEEE WorldCongress on Computational Intelligence., Proceedings of the Third IEEE Conference on, vol. 3, s. 1560-1563, Orlando. FL, 1994. ISBN: 0-7803-1896-X.9 K. Xie, F. Wang, G. Xie, T. Lin, Application of Fuzzy Control Base on Changeable Universe to Superheated Steam Temperature ControlSystem, 9th International Conference, RSFDGrC 2003, s. 358362, Chongqing. China, 2003. ISBN: 978-3-540-14040-5.B. Pal, B.Chaudhuri, Robust control in power systems. New York, USA: Springer Science+Business Media, Inc., 2005. 190 s. ISBN: 978-0-387-25950-5.10 L. Hubka, O. Modrlk, The practical possibilities of steam temperature dynamic models application (2012) Proceedings of the 2012 13thInternational Carpathian Control Conference, ICCC 2012, art. no. 6228646, pp. 237-241.11 J. Opalk