超临界火电机组机炉神经协调控制研究开题报告

《超临界火电机组机炉神经协调控制研究开题报告》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、上海电力学院本科毕业设计（论文）开题报告课题名称：超临界火电机组机炉神经协调控制研究二级院部：自动化工程学院学生姓名：柳科学号：20112616专业：测控技术与仪器（电站测控方向）班级：2011153联系电话：56136242Email：1084509327@qq.com毕业设计地点：上海电力学院杨浦校区毕业设计单位：上海电力学院校内指导教师：邓亮校外指导教师：2015年1月24日一、选题依据（选题的背景、意义、目的、国内外现状分析等，不少于1000字。）为了全面建设小康社会，在经济高速发展的今天，对能源的有效利用，尤其是有可靠地电力供应是关乎国

2、家发展的重要因素。比如在城市用电高峰时期，我们经常会遇到工厂不同程度拉电的情况，说明电力总供给不能满足需求的基本矛盾开始突出起来。所以加快电力的发展，有效合理利用电能就必须摆在最先解决的问题上。我国目前主要还是以火电作为我们的主要发电模式，虽然国家正大力发展其他能源模式，但火电占绝对比例这种格局会保持很长时间。按照党的十六大提出在2020年全国GDP“翻两番”的要求，我国装机容量将达到9~9.5亿KW，发电量将达到大约42000亿KWh，其中火电装机比重仍然占70%左右，未来18年将头投入3.5亿KW左右在火电机组上，占到当时火电总装机容量的近6

3、0%，需求量巨大。在这些新机组上采用先进的技术和高效的控制管理才能达到符合发展标准的要求。随着中国经济的告诉发展，600MW以上超临界火电机组已经成为我国火电机组的主力机型。但由于超临界机组的运行特性、变参的运行方式、多变量的控制特点，研究超临界机组协调控制对机组的安全运行和协调控制就变得十分重要。而火电厂的单元机组是电网的基本单位，承担满足电网调峰调频的任务，直接影响着电网的稳定运行和经济效益。并且随着电网自动化水平运行地不断提高，对单元机组协调控制水平的要求也越来越高。所以以单元机组协调控制系统为基础，分析火电机组炉机协调控制系统及其数学模型

4、，具有很深远的意义。单元机组协调控制系统是在常规机炉局部控制系统的基础上发展起来的复杂控制系统。常规的炉机局部控制系统结构单一，同时应对不同工况时能力较差。单元机组协调控制系统把锅炉和汽轮机发电机组作为一个整体进行控制，具有多种控制功能，能够满足不同运行方式和不同工况下的控制要求。但是由于协调控制系统的被控量对象时一个多变量对象，具有非线性、参数时变、大延迟等特性，很难达到精确的数学模型，常规机炉协调控制系统的控制策略不能满足电网对单元机组协调控制系统的要求。所以目前，随着现代控制技术的应用和发展，许多先进控制方法被提出，并且得到了有效利用，主要

5、有：H.Nicholson法、鲁棒性控制设计方法、逆奈奎斯特阵列设计法、模糊控制设计法、解耦控制方法、广义预测测控法等多种现代控制法。神经网络模型是在1943年被提出的，之后神经网络便得到充分发展，到20世纪80年代后期以来，神经网络控制已取得很大的进展。神经网络的发展大致经历了三个阶段：第一阶段：1943-1969年为初创期。1943年，McCulloch和Pitts首先提出形式神经元模型（M-P模型）。1958年，Roseblatt提出了感知器（Perceptron）模型。第二阶段：1970-1986年为过渡期。1976年Grossberg提

6、出了非线性动力系统结构，对神经网络的研究起到了重要的推动作用。1980年Kohonen提出了自组织映射理论。1986年D.E.Rumelhart和J.L.Mcclelland等人提出了多层前馈网络的反向传播算法，以后简称BP算法。第三阶段：1987年至今为发展期。1987年6月在美国召开了第一届世界神经网络会议，标志着神经网络研究在世界范围内形成了高潮。进入20世纪90年代后神经网络的国际性会议接连不断，1994年首次将神经网络、模糊逻辑系统和进化计算三方面内容的会议综合在一起召开。标志着与其它智能控制方法综合研究的开始。我国的神经网络研究起步较

7、晚，始于80年代末，主要在应用领域开展了一些基础性工作。在国际神经网络热潮的带动下，研究工作受到很大重视。1989年召开了全国第一届神经网络—信号处理会议；1990年召开的第一届神经网络学术大会，开创了中国人工神经网络及神经计算机方面科学研究的新纪元。从此研究日趋热烈，各种学术刊物和学术会议上关于神经网络及应用的文章大量涌现，研究队伍日益壮大，并逐渐在国际上占有一定的地位，1992年国际神经网络学会和IEEE联合学术会议在北京召开即为例证。研究神经网络的热潮仅仅有10多年的时间，虽然从理论到应用都取得了许多进展，但距真正大脑风格的神经网络应用还有

8、相当大的差距，因此神经网络理论本身还有待于深入研究。另外神经网络用于控制领域时间还不长，大部分研究停留在仿真和实验阶段，更缺乏深入的理论