基于模糊神经网络逆方法的单元机组协调控制系统
开篇：润墨网以专业的文秘视角，为您筛选了一篇基于模糊神经网络逆方法的单元机组协调控制系统范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
[摘 要] 本文针对单元机组控制对象强耦合、非线性、数学模型难以确定的特点，将逆方法控制用于多变量复杂单元机组控制系统中，在对逆系统的实现上不是采用传统意义上的显示解析表达式，而是采用动态神经网络，构造出非解析形式实现上的逆系统， 将神经网络逆系统与常规PID控制结合建造成闭环系统，应用于单元机组协调控制系统中。通过仿真研究，结果表明：这种新的控制方案不仅具有满意的控制性能，而且具有较强路棒性和抗干扰性能，它显著提高了协调控制系统在机组负荷工况变化时的适应性和控制品质。
[关键词] 逆系统 模糊神经网络 单元机组
1、引言
单元机组的负荷控制不仅对于机组的安全、经济运行，而且对电网调峰、频率控制都是至关重要的，这就要求机组对电网调度所下达的负荷指令具有良好的跟踪性能。多年来，专家与学者提出了多种运用多变量最优预见控制理论设计了单元机组负荷最优预见控制系统[1-3]。大大改善了机组的负荷跟踪性能。但是，由于系统结构复杂，因而不利于工程实现。仅有为数不多的方法[]在国内单元机组协调控制中得到了实际应用。
本文通过对单元机组构造基于模糊模神经网络逆方法的单元机组协调控制系统。对于可逆的多输入多输出非线性单元机组协调控制系统，采用由静态神经网络和若干积分器组成的动态神经网络来构造连续系统的逆系统，结果表明：基于模糊神经网络逆解耦的单元机组负荷控制系统设计方法是一种简单有效的工程实用方法，所设计的系统不仅具有良好的性能指标，而且易于工程实现。
本文采用160MW燃油炉机组动态数学模型，由状态方程描述的形式如下:
（1）
式中：为系统的状态变量，为系统的输入变量，为系统的输出变量。经整理如下形式的状态方程：
为锅炉汽包压力；为机组输出的电功率(MW)；为锅炉汽包内液体密度；为燃油调节阀开度；为汽轮机调节阀开度；为给水调节阀开度；
是汽包锅炉水位；为蒸汽量；为蒸汽消耗。
由式（1）可得逆系统的解析表达式为：
（2）
将上面的可逆表达式写成如下形式：
（3）
设 为逆系统的输入，则式（3）的输出方程可表示为：
（4）
式中。根据逆系统式（4）可得出单元机组系统的逆结构，如图1所示。
4、单元机组协调控制系统的PID与神经网络综合逆方法
通过上面对单元机组协调控制系统的可逆性分析，从中可以看出，单元机组协调控制系统呈现出很强的非线性和耦合性，很难用精确的解析表达式进行描述，虽然进行了解析表达式的推导，但是实际系统的参数在不同工况下会发生很大的变化。从式（2）不难看出，即使求出逆系统的解析解，系统的状态并不是完全可观的，只是部分可测。如采用非线性观测器则可能给控制系统的性能带来较大的负面影响。因此，给解析逆系统的实现带来了许多难以解决的问题，说明通过解析求解并构造逆系统的方法虽然在理论上是可行的，但在实际实现过程中存在着应用“瓶颈”。为了解决这一问题，本文使用了可以任意精度逼近任意复杂的函数的神经元网络与可以实现系统的线性化和解耦的单元机组协调控制系统的逆系统相结合。构造出了适合于工程实现的单元机组协调控制系统的神经网络逆系统。
图1 单元机组系统的逆结构
神经网络逆与原系统串联后组成的伪系统包含了三个独立的线性子系统，分别为：锅炉汽包压力线性子系统、输出功率线性子系统和锅炉水位线性子系统。为燃油调节阀开度到汽包压力的传递函数，汽轮机调节阀开度到输出功率的传递函数，为给水调节阀开度到锅炉水位的传递函数。其解耦后的表达式如式（4）所示：
（5）
从式（5）可以看出，由于收入输出关系的解耦不是理想的，即实际的伪线性复合系统的输入输出关系可能是不完全解耦的，也就是只包含小的零极点。实现了将复杂的非线性很强的单元机组协调系统控制转化为三个简单的线性系统控制问题。完整的单元机组协调系统的神经网络逆解耦控制结构如2所示。中分别为锅汽包压力给定值、输出输率给定值和水位控制给定值。系统中由神经网络实现系统逆的非线性映射，而锅炉汽包压力线性子系统、输出功率线性子系统和锅炉水位线性子系统的反馈控制使用常规的PID控制器进行调解，通过仿真完全能达到理想的控制效果。
图2 单元机组协调系统的神经网逆解耦控制系统
5、仿真研究
就以上提出的控制方法，针对单元机组协调控制在100%负荷点做功率和压力的定值阶跃扰动仿真研究，取仿真步长为T=1；仿真时间为600秒，其各仿真参数如下：
神经网络学习速率0.27，惯性系数0.04；各层初始权值随机选取，机侧PID控制器的参数为： 。如图3(a)所示为功率定值阶跃扰动下的功率响应曲线，图中虚线代表传统PID控制响应；实线代表基于神经网络逆控制响应曲线。如图3(b)所示为功率定值阶跃扰动下的压力响应曲线。如图3(a)(b)为压力定值阶跃扰动试验的功率响应和压力响应曲线。从图3可以看出，在功率定值阶跃扰动下，采用传统PID的控制方法，功率的超调量约为，调节时间约为300秒:主蒸汽压力的波动范围为：，而采用木文提出的控制方案，其功率的性能明显优于传统PID的控制方法，其超调量约为2%，调节时间约为250秒左右，主蒸汽压力波动范围减小为。
(a) 功率定值扰动下的功率响应
(b) 功率定值扰动下的压力响应
图 3 功率定值阶跃扰动下的压力响应曲线
6、结束语
针对单元机组协调控制的非线性模型，提出了一种神经网路逆控制方法，通过神经网络实现逆控制，使控制量之间的耦合实现了解耦，在反馈控制系统回路中进入线性常规PID控制器，简化了系统结构，提高了系统的性能指标。采用神经网络来构造（逼近）逆系统的表达式，有效的突破了逆系统用传统解析实现方法的瓶颈，使逆系统方法真正实现了实用化，为复杂逆模型系统实用化提出了解决的途径。
参考文献：
[1]李益国，沈炯，王培红，韩宇，吕震中．基于单向解耦的火电机组负荷最优预见控制方法[J]．动力工程2004 24(5)：664-668.
[2]林金，罗飞，李如雄，模糊PID控制在火电厂主汽温控制中的应用[J]动力工程2005 25（2）：231-233.
[3]Dimeo R, Lee K Y. Boiler-turbine control system design using a genetic algorithm[J]. IEEE Transaction on Energy Conversion, 1995, 10(4): 752-759.
[4]韩忠旭，高春雨，齐小红，李丹，对一种火电机组数学模型的剖析[J]. 中国电机工程学报，2006，26（24）：125-130.