一種循環流化床鍋爐在線優化自學習控制方法
2023-10-18 19:50:09 1
專利名稱：一種循環流化床鍋爐在線優化自學習控制方法
技術領域：
本發明涉及循環流化床鍋爐燃燒自動控制方法，尤其是涉及能確保循環流化床鍋爐安全運行和高效率燃燒的一種循環流化床鍋爐在線優化自學習控制方法。
背景技術：
循環流化床鍋爐(簡稱CFB鍋爐)因其具有燃料適應性廣、脫硫成本低、高效低汙染、灰渣易於綜合利用等多方面優點，是近20年來國內外爭相研究的焦點。近些年逐漸取代其它鍋爐爐型，成為火力發電、工業供熱等領域應用最廣泛的燃燒鍋爐技術，並朝著更大規模化和超臨界化CFB鍋爐方向快速發展。目前我國已經運行的CFB鍋爐從數量和總裝機容量上看均位於世界第一；在大容量大規模方面國家也非常重視，科技部牽頭成立的四川
內江白馬600MW超臨界循環流化床鍋爐示範工程，也是目前世界上最大功率的CFB鍋爐項目。但CFB鍋爐由於其多變量、強耦合、大滯後和多方面的不確定性，在工業應用中， 我國絕大多數的CFB鍋爐總體上還處於一個相對較低的運行水平，特別表現在配套的控制裝置和先進控制算法、技術等方面還存在很多問題。一方面經常有CFB鍋爐結焦或爐膛內爆、鍋爐爆炸等安全事故被報導；另一方面，我國佔主體的中小型CFB鍋爐普遍存在原有自控算法簡單不實用、自控率極低、絕大多數靠工人手動操作等情況，不能充分發揮era鍋爐高效清潔燃燒的優點，導致一定的能源浪費和不必要的汙染物排放超標等。針對國內CFB鍋爐的操作現況，已有不少公司和科研單位開發了一些CFB鍋爐優化燃燒的先進控制方法。俞海斌、褚健等使用了汽包水位三衝量協議控制和燃燒專家智能來控制某75t/h容量的CFB鍋爐系統(俞海斌、褚健等，75t/h循環流化床鍋爐專家控制系統，化工自動化及儀表，26 (1)，1999 14-18)；東莞德永佳紡織製衣有限公司發明了一種CFB 鍋爐自控系統(授權公告號CN 10155110;3B)，通過在線計算鍋爐系統阻力及偏差運算得到最佳的給煤量，根據熱力學公式預估鍋爐負荷的變化，在線調整到最佳燃燒效果；北京和隆優化控制有限公司發明了一種CFB鍋爐控制系統，使用二維梯度法在線優化計算鍋爐熱效率，使用選擇-分程算法，控制一次風量、返料量、床壓和給煤量4變量來調節床溫穩定(授權公告號CN 101556038B)；瑞士阿爾斯託姆電力公司公開了一種涉及CFB鍋爐二級氣流控制的設備和方法(專利申請號CN200880008080. 8)；內蒙古華寧熱電廠的480t/h CFB鍋爐使用了一種燃燒優化調整方法，通過綜合調整一二次風比率和過剩氧量來提高燃燒效率、穩定爐膛溫度，通過控制入爐煤顆粒度和排渣量改變鍋爐風室風壓、床壓，最終鍋爐熱燃燒效率提高了 1.46% (李豐泉、趙勇綱等，480t/h循環流化床鍋爐燃燒優化調整，內蒙古電力技術，28 (S2), 2010: 89-91)。綜合以上國內外已有的各種CFB優化控制技術，對鍋爐燃燒各方面的控制進行了改進，但也存在問題和不足
1.現有控制算法偏重於在線的控制優化，自成體系，較難結合使用鍋爐固有的參數曲線、操作工的經驗數據，造成調節時間長動態過程品質差等。
2.床溫受煤質(如粒度、熱值、揮發份)等影響較大，但現有優化算法針對不同的煤質條件採用同樣的控制算法；專家知識庫對已尋優的最優運行點不能自學習，返回之前同樣的工況條件運行，仍需重複漫長的自尋優過程。3.初始經驗值若不準確，會嚴重影響整個控制系統的性能，不能運行過程中動態剔除錯誤值；經驗參數的高要求造成整個控制系統魯棒性差、調試困難、施工時間長。由此可見，目前國內CFB鍋爐先進控制算法方面，還有一定的改進空間。
發明內容
基於背景技術中存在的問題，本發明的目的在於提供一種循環流化床鍋爐在線優化自學習控制方法，確保循環流化床(CFB)鍋爐安全穩定運行、經濟高效率燃燒的控制方法，同時具有受煤質波動影響小、負荷調節快速響應、自尋優和自學習更新知識庫等特點。本發明解決其技術問題採用的技術方案是
1)負荷知識庫及負荷決策器、床溫知識庫及床溫決策器、二次風量知識庫及二次風量決策器存儲和使用鍋爐出廠特徵數據、操作經驗數據，運行自學習更新算法提煉運行中的優化數據成新規則，發現並剔除錯誤規則；
2)熱效率在線優化器利用現場數據，針對熱效率模型採用牛頓梯度法在線尋優，優化計算床溫設定值變化量和二次風量設定值變化量；
3)床溫協調控制器採用單迴路一多衝量智能控制算法控制床溫，協調計算給料量、一次風量、床壓、二次風量4個變量的設定值改變量，輸出到各自的控制器；
4)給料量控制器、一次風量控制器、床壓控制器和二次風量控制器輸出的控制信號給循環流化床鍋爐系統的相應執行機構，平衡點檢測器檢測到鍋爐系統穩定後啟動三個知識庫的自學習更新算法。所述的三個知識庫及其相應的決策器均採用if-else規則存儲數據，並使用自學習更新算法提煉新規則和剔除錯誤規則，其運算步驟如下
1)比較CFB鍋爐負荷設定值，若上次運行後負荷設定值改變，則使用知識庫中每條規則的「新可信度值」更新當前可信度值，之後退出本次運行；
2)檢測平衡點檢測器輸出，若檢測結果不穩定，退出本次運行；
3)查找知識庫每條規則的i/部分，找出i/部分數據值與當前穩定工況匹配的規則
a.若僅有一條規則匹配，則繼續比較其部分值與目前優化輸出值的差值小於允許誤差士洲，則設置此條規則的新可信度值為100% ；
b.若多條規則匹配，繼續比較每條規則的else部分值偏差〈士洲則將此條規則新可信度值增大10%，15% >偏差> 士洲則新可信度減小10%，偏差>士15%則新可信度設為0 ；
c.若無規則匹配，則新增一條規則，值為當前優化輸出值，新可信度設為70%;所有新可信度值一次運行才會生效，避免了更新規則算法造成決策器輸出不穩定；
4)檢查每條規則的當前可信度值，若為0的規則作為錯誤數據刪除；
5)查找if部分相同的規則，匹配的規則條數>5，則當前可信度值最低的規則作為錯誤數據剔除。所述的床溫協調控制器使用單迴路一多衝量智能控制算法，協調控制給料量、一次風量、床壓多個控制衝量的設定值改變量，從安全運行和經濟燃燒角度，分兩種模式去控制床溫單目標值；
假設 T 表示當前床溫測量值， ΔΓ為床溫測量值與設定值間的偏差，燈為床溫的變化速率，當T在安全溫度範圍 [840，910]以外，控制器運行在床溫-安全控制模式，其步驟規則如下
1)若r850°C ；若Γ增速過快，一次風量調到最大，待上升趨勢穩定後恢復一次風量為原值；
2)若7>910°C應儘快降低床溫防止結焦，一次風量增大15%，減給煤量10%，床溫回落到 T<900°C時逐漸恢復一次風量；
若T在安全範圍[840，910]內，控制器運行在床溫-經濟控制模式，其步驟規則如下
3)若偏差較小ΔΓ<10°C，且變化平穩6°C /min< VT < 10°C /min，則床溫僅使用一次風調節衝量，床溫控制器的輸出僅改變一次風量設定值，T偏低微減風量，T偏高則微增風量；
4)若偏差較大10°C< AT <20°C或者變化慢Vr < 60C /min，則調節一次風量基礎上適當使用給煤量調節衝程，T偏低微增給料量3-5%，T偏高則微降給料量3-5% ；
5)若偏差巨大ΔΓ>20°C或者變化太慢VT < 30C /min，或者一次風或給煤任一衝量累計調節幅度已超過15%，則另增床壓控制衝量，即床溫控制器輸出同時也調節床壓的設定值，T偏低微減床壓設定值5%，T偏高則微增床壓設定值5%。本發明具有的有益效果是
1、在不同煤質、不同負荷下，往往鍋爐廠家和工藝人員都難以提供比較準確的最佳經驗值的情況下，本控制系統通過優化自學習調整到最佳狀態，並且隨著運行推移會總結出更多適合本鍋爐特性的經驗規則，剔除原先設定的錯誤經驗值，降低了初始經驗值的要求減小了調試難度。2、通過在線尋優改善了鍋爐燃燒工況，提高效率的同時節能減排，具有顯著經濟效益和社會效益。3、鍋爐負荷跟蹤能力增強，增減負荷時更加穩定快速，主氣壓力控制平穩，爐膛溫度保持優化，保證運行安全性提高運行效率。4、自學習更新、在線優化、協調控制等操作均不需要人工幹預，自控率顯著提高， 降低了操作工人勞動強度。
附圖為本發明所述控制方法實施例的結構框圖。圖中1、負荷知識庫，2、負荷決策器，3、床溫知識庫，4、床溫決策器，5、二次風量知識庫，6、二次風量決策器，7、床溫協調控制器，8、給料量控制器，9、一次風量控制器，10、床壓控制器，11、二次風量控制器，12、熱效率在線優化器，13、平衡點檢測器，14、給料變頻器， 15、一次風變頻器，16、引風機風門調節，17、二次風機變頻器，18、循環流化床鍋爐系統。
具體實施例方式下面結合附圖和實施例對本發明作進一步的說明。如附圖所示，本發明中的控制方法在某發電廠CFB鍋爐系統上的實施例，其整體包含有如下部分負荷知識庫1和負荷決策器2，床溫知識庫3和床溫決策器4，二次風量知識庫5和二次風量決策器6，床溫協調控制器7，給料量控制器8，一次風量控制器9，床壓控制器10，二次風量控制器11，熱效率在線優化器12，平衡點檢測器13，給料機變頻器14，一次風機變頻器15，引風機風門調節16，二次風機變頻器17，以及作為被控對象的循環流化床鍋爐系統18。上述的所有部分可劃分為軟體和硬體兩大類，其中附圖標記1 一 13為軟體部分， 均可以在各種PLC、DCS或高性能單片機設備上編程實現，它們相互配合實現了本發明中的控制方法；其餘的附圖標記14一18為硬體部分，根據CFB鍋爐生產廠家的不同此部分硬體可能會稍有差異，但基本都包括有圖中所示的各種執行結構、測量儀表以及CFB鍋爐設備本身。本發明的控制方法中設置了 3組知識庫及相應的決策機，如附圖所示，負荷知識庫1和負荷決策器2為一組，床溫知識庫3和床溫決策器4為一組，二次風量知識庫5和二次風量決策器6為一組。每組中的知識庫及決策器的功能類似，並運行相同的算法步驟，下面以負荷知識庫1和負荷決策器2這一組為例來介紹
負荷知識庫1採用if-else形式的規則，將設備出廠時廠家標定的鍋爐特性數據，或者將操作工長期觀察總結得出的經驗數據作為特性數據儲存起來，自動控制時直接使用這些經驗規則。負荷決策器2與負荷知識庫1相配合，可以判斷當前工況下是否有經驗規則可以套用，經驗規則的可信度值等。經知識規則查找和決策算法運算，最終快速輸出一個可信的設定值結果給後繼的控制器。負荷知識庫1用於保存針對本鍋爐所特有的「負荷-給料量設定值」曲線，針對燃料燃燒熱值、含硫量、顆粒度等特性的不同，可以對應有多條「負荷-給煤量設定值」曲線， 最終組成一個表格形式的初始知識庫。特性曲線的設定要以運行經驗和廠家標定的鍋爐特性值為依據，將鍋爐額定負荷範圍劃分成不同的小段，每段負荷範圍對應一條經驗規則數據，並根據數據可靠程度將規則中的可信度值設為某個較大值(範圍0-100 )。負荷知識庫1中每條知識或經驗數據以一條規則存儲，每條規則包括if部分和 else部分，多條不同的規則組成一個知識庫表格存儲在DCS系統存儲器中。每條規則的if 部分，包括有煤質燃燒熱值、含硫量、顆粒徑、鍋爐負荷值及其它一些特別的煤質條件或操作條件值，else部分包括對應條件下的給料量設定值、一次風量設定值，以及當前可信度值、新可信度值。初始知識庫形成後，隨著鍋爐控制系統的運行，負荷知識庫1中的規則會增加或者刪除，即具有自學習功能。這樣即使初始知識庫中設置的經驗參數不準確或者錯誤，自學習後這些錯誤規則被調整或刪除，不會對控制效果造成永久影響。負荷知識庫1通過運行自學習更新算法提煉新規則和剔除錯誤規則，其運算步驟如下
1)比較CFB鍋爐負荷設定值，若上次運行後負荷設定值改變，則使用知識庫中每條規則的「新可信度值」更新當前可信度值，之後退出本次運行；
2)檢測平衡點檢測器輸出，若檢測結果不穩定，退出本次運行；
3)查找知識庫每條規則的if部分，找出if部分數據值與當前穩定工況匹配的規則 a.若僅有一條規則匹配，則繼續比較其else部分值與目前優化輸出值的差值小於允
許誤差士洲，則設置此條規則的新可信度值為100%;b.若多條規則匹配，繼續比較每條規則的else部分值偏差〈士洲則將此條規則新可信度值增大10%，15% >偏差> 士洲則新可信度減小10%，偏差>士15%則新可信度設為0 ；
c.若無規則匹配，則新增一條規則，值為當前優化輸出值，新可信度設為70%;所有新可信度值一次運行才會生效，避免了更新規則算法造成決策器輸出不穩定；
4)檢查每條規則的當前可信度值，若為0的規則作為錯誤數據刪除；
5)查找if部分相同的規則，匹配的規則條數>5，則當前可信度值最低的規則作為錯誤數據剔除。負荷決策器2以負荷知識庫1中的規則為依託，其輸入為鍋爐的負荷設定值，從負荷知識庫1中查找是否有匹配的規則，對每條規則else部分的給料量設定值和一次風量設定值，以可信度值為加權量，經歸一化加權求和計算後得到給煤量的設定值，給後繼的給煤量控制器8去執行；計算後得到的一次風量設定值，輸出給後繼的一次風量控制器9去執行。負荷決策器2輸出的給料設定值和一次風量設定值均為粗略值。對這兩個關鍵變量的控制，以此粗略值為基礎，再經過在線優化器輸出的差量調整，尋優到最佳經濟燃燒區域，這才是最終的一次風量設定值和給料量設定值。一次風量控制器9和給料量控制器8 可以採用常規的單迴路PID算法進行實時的閉環控制。以上以負荷知識庫1和負荷決策器2相互配合組成的一組為例，詳細描述了其功能作用、算法步驟等。類似地，床溫知識庫3與床溫決策器4為一組，二次風量知識庫5和二次風量決策器6為一組，它們的作用與自學習更新算法與前面描述的相同，均是為了將已有的優化經驗快速應用於在線控制，提高控制性能。所不同的是，床溫知識庫3的if-else 規則中，存儲的是鍋爐廠家標定的出廠「負荷-最佳床溫」特性曲線值和操作經驗數據；二次風量知識庫5的if-else規則中，存儲的是鍋爐廠家提供的或長期操作總結的「負荷一最佳二次風量」特性曲線值和經驗數據。運行過程中上述的三組知識庫通過自學習會不斷地更新規則和刪除規則，知識庫中存儲的經驗數據也會越來越符合鍋爐本身的特性，從而當改變操作負荷時，整個控制系統可以利用知識庫中的經驗值快速響應，保證鍋爐對機組側的負荷出力，提高過度過程控制品質。為了確保CFB鍋爐穩定運行時整個系統能夠處於最佳燃燒效率狀態，本發明的控制方法中同時設計了在線自尋優算法。在目前工業應用中，CFB鍋爐燃燒效率的主要指標是煙氣含氧量，在一次風相對穩定的情況下，二次風量是影響煙氣含氧量的主要可控變量。除此之外，整個era鍋爐的經濟運行，床溫也是極其重要的參數。在特定的鍋爐負荷設定值以及煤質條件下，以熱效率模型計算公式為適應度函數(fitness function),以床溫設定值、 二次風量設定值為尋優變量，以二次風量的上下限、床溫設定值的上下限(850-900°C之間) 為約束條件，構成了一個數學上的最優化問題，可以用如下公式表示
權利要求
1.一種循環流化床鍋爐在線優化自學習控制方法，其特徵在於1)負荷知識庫及負荷決策器、床溫知識庫及床溫決策器、二次風量知識庫及二次風量決策器存儲和使用鍋爐出廠特徵數據、操作經驗數據，運行自學習更新算法提煉運行中的優化數據成新規則，發現並剔除錯誤規則；2)熱效率在線優化器利用現場數據，針對熱效率模型採用牛頓梯度法在線尋優，優化計算床溫設定值變化量和二次風量設定值變化量；3)床溫協調控制器採用單迴路一多衝量智能控制算法控制床溫，協調計算給料量、一次風量、床壓、二次風量4個變量的設定值改變量，輸出到各自的控制器；4)給料量控制器、一次風量控制器、床壓控制器和二次風量控制器輸出的控制信號給循環流化床鍋爐系統的相應執行機構，平衡點檢測器檢測到鍋爐系統穩定後啟動三個知識庫的自學習更新算法。
2.根據權利要求1所述的一種循環流化床鍋爐在線優化自學習控制方法，其特徵在於所述的三個知識庫及其相應的決策器均採用if-else規則存儲數據，並使用自學習更新算法提煉新規則和剔除錯誤規則，其運算步驟如下1)比較CFB鍋爐負荷設定值，若上次運行後負荷設定值改變，則使用知識庫中每條規則的「新可信度值」更新當前可信度值，之後退出本次運行；2)檢測平衡點檢測器輸出，若檢測結果不穩定，退出本次運行；3)查找知識庫每條規則的if部分，找出if部分數據值與當前穩定工況匹配的規則a.若僅有一條規則匹配，則繼續比較其部分值與目前優化輸出值的差值小於允許誤差士洲，則設置此條規則的新可信度值為100% ；b.若多條規則匹配，繼續比較每條規則的else部分值偏差〈士洲則將此條規則新可信度值增大10%，15% >偏差> 士洲則新可信度減小10%，偏差>士15%則新可信度設為0 ；c.若無規則匹配，則新增一條規則，值為當前優化輸出值，新可信度設為70%;所有新可信度值一次運行才會生效，避免了更新規則算法造成決策器輸出不穩定；4)檢查每條規則的當前可信度值，若為0的規則作為錯誤數據刪除；5)查找if部分相同的規則，匹配的規則條數>5，則當前可信度值最低的規則作為錯誤數據剔除。
3.根據權利要求1所述的一種循環流化床鍋爐在線優化自學習控制方法，其特徵在於床溫協調控制器使用單迴路一多衝量智能控制算法，協調控制給料量、一次風量、床壓多個控制衝量的設定值改變量，從安全運行和經濟燃燒角度，分兩種模式去控制床溫單目標值；假設 T 表示當前床溫測量值， ΔΓ為床溫測量值與設定值間的偏差，嚇為床溫的變化速率，當T在安全溫度範圍 [840，910]以外，控制器運行在床溫-安全控制模式，其步驟規則如下1)若T850°C ；若Γ增速過快，一次風量調到最大，待上升趨勢穩定後恢復一次風量為原值；2)若7>910°C應儘快降低床溫防止結焦，一次風量增大15%，減給煤量10%，床溫回落到 K900°C時逐漸恢復一次風量；若Γ在安全範圍[840，910]內，控制器運行在床溫-經濟控制模式，其步驟規則如下3)若偏差較小ΔΤ<10°C，且變化平穩6°C /min< υΤ < 10°C /min，則床溫僅使用一次風調節衝量，床溫控制器的輸出僅改變一次風量設定值，r偏低微減風量，Γ偏高則微增風量；4)若偏差較大10°C< LT <20°C或者變化慢〃Γ 20°C或者變化太慢VT < 3°C /min，或者一次風或給煤任一衝量累計調節幅度已超過15%，則另增床壓控制衝量，即床溫控制器輸出同時也調節床壓的設定值，r偏低微減床壓設定值5%，Γ偏高則微增床壓設定值5%。
全文摘要
本發明公開了一種循環流化床鍋爐在線優化自學習控制方法。包括設有負荷知識庫、床溫知識庫、二次風量知識庫及自學習更新算法，可以提煉、存儲和使用鍋爐特性值和運行經驗值從而提高控制性能。設有熱效率在線優化器調節床溫和二次風量，可使用內置的牛頓梯度尋優算法實時優化燃燒熱效率，使鍋爐燃燒過程逼近經濟燃燒最優區域。對鍋爐床層溫度的控制採用單迴路—多衝量智能控制算法，有效解耦後協調控制影響床溫的多個變量，實現安全目標和經濟目標的整合。本發明的控制方法可實現循環流化床鍋爐安全穩定高效率運行，且魯棒性強、對預置的經驗值有容錯能力，降低了控制系統調試難度。
文檔編號F23C10/28GK102425790SQ20111035620
公開日2012年4月25日 申請日期2011年11月11日 優先權日2011年11月11日
發明者張偉, 王寧 申請人:浙江大學