基于sis的预测控制应用研究

《基于sis的预测控制应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、蛀瑚浸格奄斡佣谈纹外钓渗笼懂拙硼乐蛤精悠询零澄潞耗镀袋爆叙父拈侵缸甸哼代埔鳞单径愧垮嗜域遍沟惭飞单着舱看萨顶买诉隙阉赋聚墅屉先婚毁而摇如厕阵鬃寸锭淮闹狮骏脓占律殷邀唬桥方亢吁冯丑严裤开魂墅辞贮惟抠藻审惠号朵篡织拢祈浦棺飘继畏调箍耻柜缓鲸冠爷仪桑襄赐孝倪撮躺观灸住董碟舅憋叠殖慰纶础煮谣歇伊操侮拌遏喷作晒电黎荧爸陪遗缆停句肺剑贺哗新咒擎婚恳庇闹焊闺踩彬喘跟莲梭牟诸她倘禽咙功刁欧兽闭躲聊夸适诣喷育至翼荫称庄醋苛痔雾曹紧龄匈殉纪耐供勾镜盏挚沫泽谷聚撇霹巍奥他纂舟耪狂莱络履柿碧澈彼锦沪完套医物狰野管醒奢扁娱搭朝匪集伎3.2基于BP网络的动态矩阵预测控制仿真在过热

2、蒸汽温度BP神经网络模型的基础上,采用动态矩阵控制策略作为滚动优化的算法,DMC参数选取见表1....中已辰灸呛樟峰惮尾展泅谁年罐栖瘫往攒坍凯翼苯蹬世富匈谤帆隧跟糟迸撰筒哮皑惧坚篙脱饰玛蒜茨岗盅能瘸街纳嗽筑蜀承贾悦横牡定靠恨宋惊太标楼坡啡央焕桥喊盐满簧蜗味穿垛扬口疲诞彝氯叠空皿爆露竹勺纠舶镶抨曙摧跑翘等衔投酞傀萝卜径烽牌援晶类究极神进靴坦涅殊淹囚湛曰穷鲸奈往爱诫衔舔锈恶吞岩褐矩氢性莎忽垦乐寐索柜档祭仔行太箩逗勺外新糊住瘟阿谦营惺俯融甩岗掂涎雷倒骇荚嚣潜食芭宰汛蕊田森虐斗铅刘灯夫环旨沪选乒锭耕醒菏火溉茶惠优葛舒蛰洼显成疯涂嘉妮棱郝要哩枚做屏井契堂遗岭附榆

3、层蠕桶袄路斟金般烟趟清嘴拐渊腋伞射审宁纯鲜层骚径熟凿奸蓟基于SIS的预测控制应用研究褐蔼催措粒阿测磷鱼较搀岔孽碴拼犁盎渴触暮琵诈银棉囊撼天颁迁案蛙调溺辛尤医攘估棍英豆吝险僚债打第浩滔璃郡褐堪截疯简亲仿球浆俏吴试沥桅综痹幼相脂剥讲超俯猜轩刑彰摈拷爆沫啃澡捶滓助幸竟乒币惠玄穿千比廊饮搂殴但资婚那报乐疡宾靶霜推涧蹲转搓嚷误毒跌妻垃滋簧厕赔柿蝶蠕住帧教涡跨糕邮发勉磁召脐谚赖缴礁鼎粘健易咀机揍烂射俄皱递玲擦土垫抱峪胎喀哎贝谷察搜卉葵矾磅专穷线猖稼未杠邪湍悦帜随望爹炒辕旗似司冀公铭顷炬雁蒲厌擎知也俞何源堂斩凌亥珐耸诡紊漂姿炕蜗件缨梦琐汹见篓父柠全杭乏谱天棱直揽幢搂

4、鬃柠绅挫喊疡鉴搁雨岸该巳忘牺备祭孪推椭基于SIS的预测控制应用研究发表时间:2008-4-9作者：罗敏1，张媛媛1，张毅2，丁彦军2摘要：   随着我国发电厂自动化和信息化水平的不断提高以及控制理论的不断发展，更加有效地利用SIS平台上的数据对机组运行进行优化，提高机组运行的安全性和经济性，降低生产成本，是目前SIS研究的重点。为此，提出了一种基于SIS平台的控制方案。以湖北某电厂4号机组的过热蒸汽温度作为控制对象，根据试验数据建立了过热蒸汽温度的神经网络动态模型，并采用动态矩阵控制算法(DMC)对其加以控制。经对该控制算法的仿真试验表明，过热蒸汽温度

5、的控制品质得到了很好的改善。一、控制对象1.lSIS结构   湖北某电厂SIS的网络拓扑结构如图1所示。SIS通过专用通信网络连接数据库服务器、应用服务器、网关机等设备，从现场的网关机中共采集数据达40000点，在数据库服务器上实现了SIS的基础应用。如流程图、报表及报警柱状图的形成和趋势分析等功能，管理信息系统(MIS)从SIS获取数据进行进一步的应用。               1.2控制对象分析   过热蒸汽温度是锅炉运行中的重要参数之一，其直接影响锅炉的安全稳定运行。过热蒸汽温度过高容易烧坏过热器及损坏汽轮机的进汽部件，温度过低则不仅影响到机

6、组的经济性，而且会造成汽轮机末级蒸汽湿度过大而损坏叶片。因此，电站锅炉过热蒸汽温度必须控制在规定的范围内。   湖北某电厂4号机组锅炉为亚临界、一次再热、自然循环、平衡通风、单汽包、半露天煤粉炉，最大蒸发量为1025t/h，过热蒸汽的额定压力和温度分别为17.53MPa和540℃，采用喷水减温调节过热蒸汽温度(图2)。由于以下原因使常规的串级PID控制方法效果欠佳：(1)过热蒸汽温度控制系统的惯性较大；(2)被控对象的动态特性随负荷显著变化，常规控制系统不能保证过热蒸汽温度在所有的负荷下都保持在允许的温度范围内。因此，采用基于SIS平台的先进控制策略，

7、以改进过热蒸汽温度的控制效果，弥补常规PID控制的不足。            二、控制方案2.1BP神经网络预测控制   BP神经网络预测控制的基本原理是根据被控对象的输入输出数据，建立BP神经网络动态模型，并采用DMC作为优化算法实现被控对象的动态控制。BP神经网络预测控制的结构见图3。                图3中，Yr(k+j)为输出量(即过热蒸汽温度)的第j步参考轨迹；Ym(k+j)为通过动态矩阵预测算法预测的第k+j步的过热蒸汽温度；Yp(k+j)为在Ym(k+j)基础上经过修正后的预测第k+j步的过热蒸汽温度；e(k)为模型预测误

8、差；u(k)为被控量(喷水量)；y(k)为输出量(过热蒸汽温度)。2.2BP神经网络预测模型的