柴虎
中煤新集利辛发电有限公司，安徽 亳州 236700
摘要：近年来，我国能源供应方式已呈多元化方向发展，相较于火力发电，其他发电方式由于受到不同限制因素的影响，深度调峰的灵活性远不如火电机组，同时为了保护环境，大容量、清洁型发电机组的发展刻不容缓。火电机组的负荷大范围变动时，会引起温度、压力等诸多参数的变化，固定的PID参数已经不能作为高品质的控制对象，而在线调整PID参数既浪费时间还耗费精力，很难满足机组运行要求，由此提出神经网络逆模型控制方法。
关键词：超超临界机组；煤水比；神经网络；逆模型控制
1前言
长期以来，为解决电厂煤水比控制这一问题，国内外的许多专家进行了大量的尝试，也发明了包括逆控制、模糊PID控制、预测控制、神经网络控制等多种智能控制手段。其中，神经网络的控制手段是当前最为热门的一项研究内容。逆控制的方法是以被控目标作为研究对象建立逆模型，通过逆模型的模拟预测输出模式，从而建立起前馈控制系统，提高系统的控制速率。但是逆模型的求解过程相对较为复杂，采用人工神经网络则可以较好的解决了一系列的计算问题。神经网络逆模型控制方法融合了这两种方式的优点，一经推出就受到了相关领域研究人员的广泛关注。
2超超临界直流锅炉煤水比控制
2.1煤水比控制任务
依据直流锅炉灵敏度、内部工质特性等特点，一般以煤水比对直流锅炉进行调节。对比其他锅炉而言，此类锅炉的汽水行程过程内并未有汽包、小循环回路存在。依托于水泵动力，锅炉持续对工质进行加热，其给水涉及到三大阶段，即加热、过热以及蒸发。上述阶段不存在显著界限。若运行时，给水量、燃料量比例失衡，则三大受热段面积将出现显著改变，进而使得其他参数也随之出现变化。一般而言，若增加燃料量，则蒸发、加热段速断，过热器出口温度持续上升；若增加给水流量，蒸发、加热段后移，而过热段面积则快速缩小，出口温度持续下降。依据如上分析可以发现，会对出口温度产生直接影响。
在实际生产过程中，为保证汽水流程中的温度保持在合理范围内，必须对直流锅炉内部的煤水比进行严格的控制。在工业生产中，常采用喷水的方式对出口进行降温，用于降温的水量必须控制在一定的可调节范围内。在直流锅炉中，给水量与减温水量共同产生的蒸汽量为锅内蒸汽总量，如果大量的采用喷水方式进行降温，给水量将随着喷水量的增加而减少，从而导致的进一步失调，降低系统的运行效率。煤水比的控制只能够实现出口温度的粗条，如果要进行进一步的细调，则需要通过喷水减温来实现。
煤水比并不是一成不变的，当系统运行负荷改变时，煤水比也会发生相应的变换，煤水比与负荷的变换关系可以遵循公式(2．3)的关系。当机组的负荷增加时，锅炉的给水温度逐渐上升，给水焓值随之增加。当机组处于定压运行的状态时，系统的过热蒸汽温度和压力保持不变，此时，过热蒸汽焓值为一个确定的值，因而可以将其余数看做是一个常数，通过上述分析可以看出，系统的与负荷之间呈现出反比例关系。
除此之外，当机组负荷发生变化时，需要根据煤水比的要求去对系统的燃料量和给水量进行同时调整，但是这两个参数对出口温度的影响各不相同，因此需要根据事先设定的指令对给水量和燃料量进行动态矫正，才能够保证调整过程中负荷动态汽温的稳定性。
2.2煤水比调节的反馈信号
煤水比的控制与调节反馈是超超临界机组控制另一项难点问题。目前所采用的煤水比反馈信号无法同时实现调节的快速性与准确性。
当煤水比发生变化时，如果将过热汽温作为反馈信号，由于过热汽温的响应延迟性，反馈信号将无法反应机组出口热量的实时信息。对于工程人员而言，采用什么信号作为煤水比调节的反馈信号一直是煤水比调节控制研究中长期无法解决的一个瓶颈问题。反馈信号必须能够实现煤水比变化的准确、快速反馈。目前，常见的煤水比调节反馈信号主要分为两大类，分别为以加热段水温、微过热蒸汽焓值为代表的反应煤水比的反馈信号和以火焰辐射温度、锅炉出口热量为代表的反应燃料热量的反馈信号。人们在此基础上研发出了十几种具有代表性的然水比调节系统，都在实际生产应用中取得了较为满意的成效成效.
3神经网络逆模型控制结构及其等价形式
由于动态系统运行是不是固定的，在运行时会可能发生其它的情况，因此它具有一定不确定性。当该系统较为复杂时，系统的数学模型的参数或结构都不是非常准确的描述，一旦用这些不准确的参数或者结构设计系统，将可能导致控制结果出错。由于可能会出现这种情况，我们将会设计采用了神经网络逆控制的方法和一般自适应的方法，用神经网络的方法去替换控制器，从而去保证参数和运行的精准性。
我们可以设置一个参考模型设于控制系统的控制系中，设置这个参数模型的控制器目的在于运动过程中的参考模型与被控对象的动态响应能达到一定性和一致性。其次该参考模型控制器就是抵制产生的误差，目的就是要把误差信号输入到神经网络控制器中，通过神经网络控制器来改变控制器参数抑或产生等效的附加控制作用从而使误差趋于零，达到精准的目的。
加入模型参考控制的方法，其本质是比较被控系统的参考模型输出与实际输出，由此可以用来调整控制器的参数，从而使得参考模型输出与被控对象输出吻合。神经网络控制器NNC网络连接权值修正的具体依据，即被控对象参考模型实际、希望输出存在的差值，由此实现一边学习、一边工作。修正、学习的具体目的在于，确保被控对象、参考模型具备相同的动态响应。神经网络控制，即在神经网络控制器内输入上述误差，进而对权值参数予以实时修正，进而确保二者的误差不断减小，并趋向于零。
4煤水比神经网络逆模型
煤水比平衡的重要参数选用超超临界直流锅炉的中间点温度，即水冷壁出口温度。由质量守恒定律和能量守恒定律建立中间点温度系统的动态数学模型。在建模过程的时候，可以进行如下几点简化假设。第一，假定在任意管段横截面，它的流体特性是均匀的；第二，把各并联的管子组看成是一根大管道，它的质量流量就等于各个并联管束质量流量的总和；第三，烟汽侧工况的变化可以看成在瞬间就完成，并且对于水冷壁的放热，烟汽为强制热流；第四，工质流动阻力都会集中到管道的进入口处，而且保持压力均匀并一致；第五，我们可以忽视管壁、质和烟汽的轴向导热的因素；第六，水冷壁出口工质与入口工质质量流量是几乎相等的，这是当处于比较稳定的工况下；第七，还能够使用焓值来代替工质热力学能，并且可以使水冷壁入口工质的焓值保持恒定。神经网络是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的，并具有自学习和自适应的能力。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。
5结语
在控制超超临界机组煤水比方面，神经网络逆模型的运用，取得了极为突出的控制效果，且抗干扰、鲁棒性、位置跟随性能也极为良好，比常规PID控制更优。
参考文献：
[1]史振兴．基于神经网络逆模型的锅炉过热汽温控制研究p]．北京：华北电力大学，2011
[2]张梦．神经网络逆控制在超临界机组协调及汽温系统应用[D]．北京：华北电力大学，2015
[3]王东雷，张鹏．1200MW等级超超临界机组可行性研究[J]．电力建设．2015，36(2)：131—136．