基于神经网络的过热汽温自抗扰控制仿真研究

作     者：郭云娇 

作者单位：华北电力大学 

学位级别：硕士

导师姓名：马良玉

授予年度：2017年

学科分类：0808[工学-电气工程] 080802[工学-电力系统及其自动化] 08[工学] 081104[工学-模式识别与智能系统] 0802[工学-机械工程] 0811[工学-控制科学与工程] 080201[工学-机械制造及其自动化] 

主      题：超临界锅炉 过热汽温 神经网络逆模型 线性自抗扰控制 仿真实验 

摘      要：过热汽温是机组运行的重要控制参数,汽温过高、过低或波动太大,都会影响机组运行的安全及经济性。一般要求机组正常工作时,过热汽温实际运行值与设定值的稳态误差在±5℃范围之内。目前最常用的过热汽温控制手段是调节各级过热器喷水量,由于过热汽温对象具有非线性、大迟延、大惯性等特点,过热汽温喷水调节多采用串级PID控制。当机组参与深度调峰负荷大范围波动时,由于汽温对象特性的变化,各PID参数要进行重新优化整定,整定不合适会严重影响汽温控制品质,且整定过程比较耗时且不易在线实现。随着近年来先进控制技术的发展,神经网络、自抗扰控制等技术在火电厂应用越来越多。本文针对超临界锅炉过热汽温系统的特点,将神经网络逆特性建模与线性自抗扰控制结合,提出一种基于神经网络逆的过热汽温自抗扰控制方案。论文在详细分析超临界锅炉过热汽温特性及其影响因素的基础上,针对某600MW超临界机组过热汽温系统建立了神经网络逆模型,以达到对过热汽温系统进行伪线性化处理的目的。在此基础上,设计自抗扰控制器对伪线性化的过热汽温系统进行控制。基于MATLAB编程结合神经网络的过热汽温自抗扰控制算法,利用仿真机进行实时控制仿真实验。结果表明:与原串级PID控制系统相比,结合神经网络逆的自抗扰控制明显减小了系统的超调量,大大缩短了系统的稳定时间,改进了过热汽温的控制品质。