西柏坡电厂#3炉燃烧优化系统
开篇：润墨网以专业的文秘视角，为您筛选了一篇西柏坡电厂#3炉燃烧优化系统范文，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：西柏坡电厂#3炉DCS引入了美国飞马公司锅炉燃烧优化系统，其利用神经网络建模和闭环预测控制技术建立了稳态参数优化模型，并获得了稳态优化模型参数。在这个优化模型结果的指导控制下，我厂#3炉提高了其热经济性、燃烧稳定性，降低了NOX排放。
关键词：锅炉DCS；锅炉燃烧优化系统；神经网络；闭环预测控制
中图分类号：TK223 文献标识码：A 文章编号：
为了提高我厂#3锅炉效率和降低NOX排放量，我西柏坡电厂引进了美国PEGASUS（飞马）公司开发的高科技产品基于神经网络的锅炉燃烧优化控制系统OS2005。
据该公司介绍，该产品拥有40多项国际专利技术。它基于先进的神经网络技术和预测控制技术，通过建立多目标的动态优化控制器，动态调整DCS设定参数与偏置，实现锅炉燃烧优化控制，从而提高锅炉热效率，降低污染物排放，具有显著的经济效益和社会环保效益。
我们的目标是：
热效率的提高 0.55%
NOX排放减少 6%
能够使电厂迅速满足降低污染排放和提高热效率的综合要求
改善炉膛出口温度偏差，减少再热器喷水，提高低负荷稳燃性能和调峰能力等
优化管理，降低了运行费用，提高运行水平
优化原理和监控参数
OS2005的核心思想是利用基于神经网络的动态预测控制技术，通过对风、粉、氧量等影响锅炉燃烧特性的操作变量进行动态优化调整，实现基于多目标的锅炉安全运行、低排放运行、经济运行。 模型预测是预测优化控制的基础，OS2005利用神经网络技术建立锅炉操作变量（MV，manipulated variable，如：二次风量、二次风压、二次风分配、氧量设定、给煤机偏移量、风量偏移量等）、干扰变量（DV，disturbance variable，如：等）与反应锅炉燃烧经济性、安全运行、污染物排放的控制目标量（CV，controlled variable，如：炉膛左右氧量、锅炉效率、电网有功功率、飞灰含碳、 排放等）之间的多变量非线性动力学模型。OS2005动态预测优化控制器利用锅炉燃烧神经网络动力学模型实现多变量系统的多目标优化。 OS2005通过DCS采集反应锅炉燃烧经济性的实时数据，预测控制器以反馈数据为输入，利用神经网络动力学模型及多目标优化算法动态调整影响锅炉燃烧的操作变量，实现锅炉经济燃烧。 OS2005可以以开环操作指导、闭环监督控制两种工作模式与机组的DCS控制系统相连接，OS2005不是通过改变DCS的控制功能，而是改变DCS的设定值或偏移量实现锅炉优化燃烧，对机组的安全运行没有任何影响。不仅如此，锅炉优化燃烧使得机组在低负荷工作时具有更好的稳定燃烧安全特性。 OS2005实时控制系统投运之前，还可以利用系统提供的仿真工具对控制系统的特性进行严密的仿真实验，由仿真工具利用从DCS上获得的数据文件对神经网络模型和预测控制器进行全面测试。
图1 神经网络与多层结构
神经网络的多变量预测控制是神经网络技术与预测控制技术的完美结合。预测控制是在传统自校正控制基础上发展起来的一种强鲁棒性控制方法，结合神经网络强大的处理非线性多变量系统的能力构成的神经网络预测控制方法，对于解决热工过程控制、锅炉燃烧优化控制等一类具有大惯性和不确定性的多变量系统的多目标优化控制问题而言，是一种最佳的解决方案。
锅炉燃烧优化的可控参数（CV，controlled variable）
3#炉侧的很多可控参数都用于了多目标优化，如给水压力、主蒸汽流量、给水流量、减温水前流量、减温水后流量、炉膛温度、炉膛出口温度、含氧量、低温预热器左压力、低温预热器右压力、高温预热器左压力、高温预热器右压力、燃油流量、回油流量、燃油压力、排汽温度、燃油温度、引风机开度、引风机电流、送风机开度、送风机电流、给煤机电流、给煤机转速等；电网主要监控参数有：各汽机电压、电流和有功功率、电网电流、电压、有功功率、无功功率等典型的过程参数包括：飞灰含碳量、排烟温度、过热器喷水量、再热器喷水量、 排放、风机厂用电等。
锅炉燃烧优化的操作变量（MV，modified variable）
锅炉燃烧优化的操作变量包括：一次风量、二次风量、二次风压、二次风分配、磨煤机出口温度、粉量分配等。
锅炉燃烧优化的干扰变量（DV，disturbing variable），包括：
CVMVDV之间的影响关系是：
通讯
OS2005通过DCS采集反应锅炉燃烧经济性实时数据是通过建立OS2005与我厂DCS控制系统美国西屋公司出品的OVATION系统之间的通讯实现的。
飞马公司工程师将OS2005执行程序安装在一台SUN工作站上，我们利用DCS供应商提供的应用程序接口使之通过网关与DCS系统相联。通讯的网络结构如下图。
图2 通讯网络结构
飞马公司的工程师通过使用OS2005中两个主要工具软件Runtime Application Engine（RAE）和Pavilion Data Interface （PDI ）对模型进行组态，以便能对各类数据历史站和DCS进行数据的读和写。Runtime Application Engine（RAE）提供了所有建造运行应用程序所必须的软件，因而不需要我们重新进行编程或编写逻辑。但是为了使运行应用程序集成到已有的控制站中，我们加入了表征优化系统投运的过程点、系统报警和状态指示器加到我厂的DCS中。
双向跟踪
在锅炉燃烧优化系统运行的过程中，不可避免的会出现优化系统投入或切除的操作，这种情况下，如果DCS和燃烧优化系统没有互相跟踪各自设定值的话，必然会导致较大干扰，影响燃烧稳定性。因而，我厂DCS系统和NeuSIGHT锅炉燃烧优化系统必须做到双向跟踪，保证优化系统投切无扰。
我们采取的做法是将原有设定参数定值的DCS内部逻辑改为跟踪累加器逻辑，我们以二次风压为例说明逻辑（图如下）。NSAPBS为锅炉优化系统来二次风压校正值，用来校正DCS自调系统的二次风压给定值指令。模块A06X242为运行人员给定值操作模块，运行人员通过它改变二次风压的给定值。优化系统的投切信号由变量NSAPBSDF控制，当二次风压优化投入时，NSAPBSDF为0，当二次风压优化切除时，NSAPBSDF为1。NSAPBS为优化系统计算得出的偏置值，通过A06X241传送模块输送给累加器模块A06X243，累加器将运行人员给定值和优化系统计算得出的偏置值二者累加后通过模块A06X245输出为最终的二次风压给定值。优化过程中，偏置值在我厂规定的范围内由优化系统计算得出，切除后保持为零。在优化系统投运前，优化系统的输出始终为零，因为NSAPBSDF为1所以模块A06X241的输出值为零，一旦投运，NSAPBSDF为0， NSAPBS的值即为A06X241的输出值，而优化系统来的优化值NSAPBS是从零开始变化到优化系统的优化值，而且此值通过累加器模块A06X243累加上运行人员的设定值(即A06X242的输出值)来改变最终的控制值A06X245来进行优化。在投运过程中，DCS的设定值O06X242在切换脉冲期间完成对最终的给定值O06X245的跟踪，一旦优化系统切除，则以此值作为运行人员的设定值。