專利名稱：一種循環(huán)流化床鍋爐燃燒過程多變量控制方法
技術領域：
本發(fā)明涉及一種循環(huán)流化床鍋爐燃燒過程的控制方法，具體是一種基于最小二乘支持向量機誤差補償?shù)亩嘧兞繌V義預測控制方法，涉及自動化技術、模式識別技術，用于鍋爐燃燒過程的控制。
背景技術：
循環(huán)流化床鍋爐(CFBB)是在鼓泡流化床鍋爐的基礎上發(fā)展而來。流化床燃燒方式固有的爐內(nèi)脫硫及低溫燃燒的特點，大大降低了 NOx排放，使得流化床鍋爐成為廣泛應用的生產(chǎn)蒸汽的動力設備。在循環(huán)流化床鍋爐容量不斷增大的同時，卻存在燃燒系統(tǒng)自動化水平低、自動控制質(zhì)量不高的問題。循環(huán)流化床鍋爐包含固體燃料循環(huán)的燃燒方式，相比于普通鍋爐具有更復雜的物料能量特性，是導致自動化實施水平低下的重要原因，其控制的難點主要體現(xiàn)在控制目標的多樣性和過程變量的耦合性。目前對于循環(huán)流化床鍋爐燃燒過程的控制主要是借鑒煤粉爐DCS控制方式，在其基礎上稍作修改而成的PID多回路控制系統(tǒng)。PID控制系統(tǒng)具有模型依賴性低、參數(shù)整定簡單、實施方便等優(yōu)點，但是不能直接處理多變量耦合對象，制約了充分挖掘設備的潛能。根據(jù)馬素霞對循環(huán)流化床鍋爐燃燒過程動態(tài)特性研究可知，主要被控變量為主蒸汽壓力、料床溫度、煙氣含氧量，主要操縱變量為給煤量、一次風量、二次風量?？梢?，循環(huán)流化床鍋爐燃燒過程是一個三輸入三輸出、強耦合的熱力學系統(tǒng)，其中主蒸汽壓力和料床溫度的耦合尤為嚴重，難以用多回路PID控制器實現(xiàn)滿意的控制目標，所以一些先進控制技術的開發(fā)與應用，成為學者專家們研究的熱點和趨勢。模型預測控制是另一種在工業(yè)過程領域應用廣泛的控制策略，已有不少關于預測控制在鍋爐燃燒過程中的應用文獻，但多集中于對單個過程變量如過熱蒸汽溫度、再熱蒸汽溫度的單變量控制，沒有很好的解決多變量過程的耦合問題，也沒有發(fā)揮預測控制所具有的直接處理多變量過程的特點。廣義預測控制(GPC)策略是在最小方差控制的基礎上汲取反饋校正和滾動優(yōu)化的思想發(fā)展起來的，以CARIMA模型為基礎，采用長時段的優(yōu)化性能指標，并結合在線模型辨識的自校正機制，具有很強的魯棒性，已逐漸在過程控制領域獲得應用。由于過程模型與實際過程并不完全一致，使得廣義預測控制采取的在線模型參數(shù)辨識的反饋校正仍然有一定局限性，采納動態(tài)矩陣控制(DMC)中的誤差反饋思想，在誤差超過允許范圍時，在未來時刻預測輸出中添加誤差補償項。支持向量機(SVM)是在統(tǒng)計學習理論中發(fā)展起來的一種非線性參數(shù)回歸算法， 基于結構風險最小化原則使其具有小樣本學習和較強的泛化能力。最小二乘支持向量機 (LSSVM)是由Suykens首先提出，這種算法采用誤差平方項代替標準SVM的一次誤差項，算法中不等式約束轉(zhuǎn)變?yōu)榈仁郊s束，通過引入的核函數(shù)，使得標準SVM的二次規(guī)劃問題轉(zhuǎn)化為線性方程組求解問題，在保證回歸精度的同時，大大提高了建模速率。因此，可利用LSSVM 非線性回歸特點，建立誤差補償項與存放于數(shù)據(jù)存儲器中歷史輸入輸出變量之間的非線性映射關系，以提高未來時刻預測輸出精度。

發(fā)明內(nèi)容
本發(fā)明的目標是針對循環(huán)流化床鍋爐燃燒過程自動化控制水平偏低的現(xiàn)狀，采用了推廣到多變量情形的廣義預測控制策略。同時針對反饋校正中在線辨識模型不夠精確的局限性，利用最小二乘支持向量機建立誤差補償。本發(fā)明采用以下技術方案在每一控制周期，通過數(shù)據(jù)采集設備采集給煤量、 一次風量、二次風量、主蒸汽壓力、料床溫度、煙氣含氧量等鍋爐運行參數(shù)，保存到數(shù)據(jù)存儲模塊中。廣義預測控制的模型在線參數(shù)辨識模塊利用存儲器中的歷史數(shù)據(jù)，在線辨識出CARIMA模型，并表達出過程輸出變量主蒸汽壓力、料床溫度、煙氣含氧量的 P步未來時刻預測值。此時需考慮前一時刻模型預測輸出與過程實際輸出值間的誤差值， 若誤差在允許范圍內(nèi)，則不需調(diào)整過程未來時刻預測輸出；若誤差超過允許范圍，則啟動誤差補償環(huán)節(jié)，利用最小二乘支持向量機誤差估計模塊對過程未來時刻預測輸出作誤差補償。參考軌跡發(fā)生器得到的參考軌跡、過程未來時刻預測輸出經(jīng)過廣義預測控制的滾動優(yōu)化，通過優(yōu)化算法計算得到給煤量、一次風量、二次風量，并作用到被控鍋爐燃燒過程，使過程實際輸出達到設定值。本發(fā)明提供了一種基于LSSVM誤差補償?shù)难h(huán)流化床鍋爐多變量廣義預測控制方法，在該控制方法中，考慮了循環(huán)流化床鍋爐燃燒過程多變量耦合的特點，能準確給出各控制輸入變量，實現(xiàn)循環(huán)流化床鍋爐多變量燃燒過程自動控制問題。本發(fā)明與現(xiàn)有技術相比的所具有的有益效果在于由于直接采用多變量的廣義預測控制策略，在方法中已考慮了輸入輸出間的耦合關系，因此可不另外設置解耦模塊，其解耦效果優(yōu)于外置解耦器；設置的模型在線參數(shù)辨識模塊使得系統(tǒng)能根據(jù)存儲器中歷史輸入輸出值實時更新適用于控制的CARIMA模型，解決了模型參數(shù)時變的問題，并使控制系統(tǒng)具有較強的魯棒性；在線模型辨識機制能不斷更新過程模型，但是對于模型階次的變化卻無能為力，在誤差超過一定范圍時，設置的基于LSSVM誤差估計模塊提供誤差補償項，以解決辨識模型不夠精確的問題，最大限度的使模型反映出實際對象。


圖1是本發(fā)明基于誤差補償?shù)难h(huán)流化床鍋爐燃燒過程多變量廣義預測控制系統(tǒng)框圖2是本發(fā)明多變量模型在線參數(shù)辨識模塊示意圖； 圖3是本發(fā)明LSSVM誤差估計示意圖。
具體實施例方式以下結合附圖對本發(fā)明作進一步說明。本發(fā)明的循環(huán)流化床鍋爐燃燒過程多變量廣義預測控制系統(tǒng)如圖1所示，在該控制系統(tǒng)中，數(shù)據(jù)存儲器通過數(shù)據(jù)采集設備保存若干組鍋爐運行實時數(shù)據(jù)主蒸汽壓力、料床溫度、煙氣含氧量、給煤量、一次風量、二次風量。模型在線參數(shù)辨識模塊讀取數(shù)據(jù)存儲器中的歷史數(shù)據(jù)，在線辨識出適用于控制的CARIMA模型，誤差判斷模塊計算出模型預測輸出與過程實際輸出誤差，選擇是否啟用基于最小二乘支持向量機的誤差補償，由歷史運行數(shù)據(jù)、CARIMA模型、誤差補償量表達出過程未來時刻預測輸出。優(yōu)化環(huán)節(jié)根據(jù)參考軌跡與過程未來時刻預測輸出值，計算得到給煤量、一次風量、二次風量，并作用到燃燒過程上，由此完成一個控制周期的優(yōu)化控制過程。所述的模型在線參數(shù)辨識模塊如圖2所示。所述的基于最小二乘支持向量機的誤差補償，需首先估計出未來時刻誤差，由 LSSVM誤差估計來實現(xiàn)，如圖3所示。如權利要求2中所述，未來時刻預測輸出的誤差補償， 其誤差是歷史輸入輸出的非線性函數(shù)，故選擇歷史輸入輸出數(shù)據(jù)作為LSSVM建模輸入，所估計誤差值為LSSVM建模輸出。該控制策略的具體實現(xiàn)方法如下
根據(jù)鍋爐燃燒過程要求確定需要保存到數(shù)據(jù)存儲器中的運行參數(shù)，包括表征鍋爐燃燒狀態(tài)的參數(shù)主蒸汽壓力、料床溫度、煙氣含氧量，直接影響鍋爐燃燒過程輸出的參數(shù)給煤量、一次風量、二次風量。然后對燃燒過程實施多變量廣義預測控制，由于廣義預測控制算法內(nèi)含解耦機制，故不再需外置解耦器，可直接實現(xiàn)多變量的控制方式。廣義預測控制算法由模型預測、滾動優(yōu)化、反饋校正三部分組成。下面給出廣義預測控制算法在多變量情形下的描述。模型預測。設#維輸入m維輸出被控對象可用如下的CARIMA模型描述
權利要求
1.一種循環(huán)流化床鍋爐燃燒過程多變量控制方法，其特征在于該方法包括以下步驟 步驟⑴控制周期為20-50min，在每一控制周期內(nèi)，采集循環(huán)流化床鍋爐運行參數(shù)，主要是采集表征燃燒特性的過程變量，包括過程輸入變量 u，具體是給煤量B、一次風量3、二次風量G2 ；過程輸出變量ι包括料床溫度5、主蒸汽壓力凡和煙氣含氧量龜，運行參數(shù)通過在線儀表檢測后存入數(shù)據(jù)存儲器；步驟( 對循環(huán)流化床鍋爐燃燒過程實施多變量廣義預測控制，具體是辨識出適用于控制的CARIMA模型，在線模型辨識環(huán)節(jié)從數(shù)據(jù)存儲器中讀取若干組燃燒過程變量，根據(jù)預先設定的模型階次，采用多變量最小二乘法逐行辨識出所需模型；步驟C3)讀取數(shù)據(jù)存儲器中歷史數(shù)據(jù)，由辨識出的燃燒過程模型，預測出過程未來時刻輸出；這一步驟的實施，需考慮前一控制周期模型預測輸出與過程實際輸出之間的誤差， 若誤差在允許范圍內(nèi)，則過程未來時刻預測輸出#如下所示y = ai+F(P)Xi) + H&liKi-1),其中u為待求控制增量向量，Kt)為當前時刻過程輸為前一時刻控制增量，G ^FCz-1) ,HCz-1)為Diophantine方程有關的解； 若誤差大于允許范圍，則在過程未來時刻預測輸出表達式中添加誤差補償項ti) y = ζΜ+￥(ζ~\γ( ) + K(Z^)M (β -1) + B(i)；步驟(4)參考軌跡發(fā)生器輸出、過程未來時刻預測輸出經(jīng)過廣義預測控制的滾動優(yōu)化環(huán)節(jié)，經(jīng)優(yōu)化算法計算得到給煤量、一次風量、二次風量，并作用在循環(huán)流化床鍋爐對象上， 調(diào)節(jié)燃燒過程，使循環(huán)流化床鍋爐適應外界負荷變化的需求。
2.根據(jù)權利要求1所述的一種循環(huán)流化床鍋爐燃燒過程多變量控制方法，其特征在于所述的未來時刻預測輸出的誤差補償，其誤差是歷史輸入輸出的非線性函數(shù)；用公式描述為=F(j(f),,(f - χ.,.,χ；- η,),u(f — t)Mf -2),..., u(t — β -1))樹+乃，其中「力預測時域，~、 為模型階次，F(xiàn)為非線性向量函數(shù)；利用最小二乘支持向量機逼近非線性向量函數(shù)F，可建立誤差估計模型，實現(xiàn)如下數(shù)據(jù)存儲器中的燃燒過程變量是建模輸入，模型預測輸出與過程實際輸出之間誤差為建模輸出，在建立最小二乘支持向量機誤差模型后，利用支持向量機強大的泛化能力，估計誤差補償項，并添加到過程未來時刻預測輸出中，以解決廣義預測控制辨識模型不夠精確的問題。
全文摘要
本發(fā)明公開了一種循環(huán)流化床鍋爐燃燒過程多變量控制方法。本發(fā)明是在每一控制周期，通過數(shù)據(jù)采集設備采集鍋爐運行參數(shù)并保存到數(shù)據(jù)存儲模塊中。廣義預測控制的模型在線參數(shù)辨識模塊利用存儲器中的歷史數(shù)據(jù)，在線辨識出CARIMA模型，并表達出過程輸出變量主蒸汽壓力、料床溫度、煙氣含氧量的步未來時刻預測值。利用最小二乘支持向量機誤差估計模塊對過程未來時刻預測輸出作誤差補償。參考軌跡發(fā)生器得到的參考軌跡、過程未來時刻預測輸出經(jīng)過廣義預測控制的滾動優(yōu)化，通過優(yōu)化算法計算使過程實際輸出達到設定值。本發(fā)明解決了模型參數(shù)時變的問題，并使控制系統(tǒng)具有較強的魯棒性。
文檔編號F23C10/28GK102494336SQ20111042262
公開日2012年6月13日 申請日期2011年12月16日 優(yōu)先權日2011年12月16日
發(fā)明者楊荻, 金曉明 申請人:浙江大學