实时工况仿真场景下蒸汽发生器液面智能控制研究
作者单位：湖南大学
学位级别：硕士
导师姓名：佘兢克;易伟建
授予年度：2022年
学科分类：08[工学] 0827[工学-核科学与技术] 082701[工学-核能科学与工程]
摘 要：作为核电站的主设备之一,蒸汽发生器液面的控制性能直接影响到核岛的安全运行。目前在压水堆核电站中使用最多的是PID控制器,其固定参数方法本身不具备优化、自适应、自学习等功能。蒸汽发生器作为非线性变化系统,其液位控制系统的性能直接影响到核电站的发电效率乃至安全运行。为了更好的解决PID控制器在液位控制中存在的问题,本文采取数据驱动的思路对蒸汽发生器液面的控制进行智能优化,进而提升液位控制性能。主要的研究内容如下:1.构建了SIMULINK环境下的蒸汽发生器液位控制模型并通过仿真过程收集和建立不同工况运行的实时数据集,用于后续基于深度学习的时序预测系统模型的训练与测试。2.采用一种优化门控的新型循环神经网络zLSTM,利用其自定义的复合zigmoid激活函数加强长期记忆能力,提升本课题蒸汽发生器液面长时间时序预测。该zLSTM模型与两层全连接网络进行组合,对时序数据进进行更深入的特征提取和维度转换。测试样例表明,本模型在多元时序预测任务上,均方误差达到了10数量级,证明zLSTM不仅能够快速响应液位变化并能更快输出准确的预测结果。3.本文设计了一种TCP实时通信系统,将实时运行的PID系统的液位信息同步传输到zLSTM模型进行精准预测,并将预测控制值同步回传到控制系统中,使得液位控制系统做出具有前瞻性的控制,使得控制器调节时间缩短至2.435秒,超调量降低29.8%,波动范围更小。相较于传统PID控制器,其抗干扰性在保证更好控制性能的前提下得到有效提升。本文设计的智能控制模型无需改变控制器内部参数,而是利用实时产生的反馈数据,将预测作为优化的核心手段,使用加强了长期记忆能力并更适用于多元时序预测的zLSTM算法来预测核电站蒸汽发生器的液面工况。仿真实验结果中表明,在蒸汽发生器液位控制中能提升控制准确性和鲁棒性,对维持核电站正常运行具有重要意义。
同方学位论文库