300MW循环流化床锅炉主蒸汽温度系统辨识.pdfVIP

3OOMW循环流化床锅炉主蒸汽温度系统辨识 300MW循环流化床锅炉主蒸汽温度系统辨识 System Identification for Main-steam Temperature System of 300MW CFBB 史玲玲 董 玲 白 焰 李新利 (华北电力大学自动化系，北京 102206) 摘 要 利用最小二乘法和BP神经网络方法对某电厂循环流化床锅炉主蒸汽温度对象进行建模并比较。建模结果表明：BP神 经网络辨识方法用于循环流化床锅炉主蒸汽对象动态建模是一种可行的方法。 关键词：循环流化床锅炉，非线性建模，最小二乘法，反向传播神经网络 Abstract With the least squares algorithm and BP neural network method，this paper creates models of dynamic system based on main-steam temperature data．The simulation results indicate that the latter is more effective than the former in modeling the main-steam object of CFBB Keywords：CFBB(Circulating Fluid Bed Boiler)，nonlinear system modeling，the least squares algorithm，back propagation neural network 循环流化床锅炉作为一个典型的多变量被控对象，国内的 2_2辨识结果 大部分控制方案是采用传统的分析方法，即把被控对象分成许 使用负荷从6O％升到满负荷时的数据辨识建立线性模型， 多单冲量系统进行控制。如：循环流化床锅炉的燃烧控制系统被 采样720个数据点仿真结果如图1所示，线性ARX模型误差较 分为负荷控制系统、床温控制系统和炉膛负压控制系统等。这种 大，误差最大处能达到5，th2fit：29．4％足以表示ARX模型在波 控制方案简单易行，但考虑耦合性少，控制质量不高。建立较为 动负荷情况下不能很好描述系统本身。 精确的数学模型，将有助于提高自动化控制水平。 1 主蒸汽温度控制系统 本文研究的是循环流化床锅炉主蒸汽温度系统模型。它是 根据实际对象建立的，主要控制变量是减温水流量ul(t)，输出 变量是主蒸汽温度y1(t)，PID控制回路已经用于实际生产，因此， 实际辨识对象为主蒸汽温度控制系统。 数据采集的是过热汽温、高温过热器入口温度、喷水量(喷 水阀开度)，数据采集时间是5s。主汽温系统是串级系统，内回 路对应的副对象是控制对象的导前区，外回路对应的主对象是 控制对象的惰性区，所以我们给出的整个对象的函数是由主对 象函数和副对象函数组成。 图1 ARX模型输出与测量输出比较 本文详述建立主对象模型，副对象函数建模参照此方法。 图2中，阴影区域代表置信区间，残差自相关函数以及残差 2 线性模型的辨识 和输入之间的互相关函数落在置信区间即可验证残差项表现稳 2．1模型结构 定和模型可用。由图2看出，残差的自相关函数并没有完全落在 喷水阀开度信号在U端作为辨识输入信号，采用线性ARX 此置信区间内，也说明了ARX模型在波动负荷情况下的失效。 模型作为辨识的模型类，其模型结构如下： 即使选择某负荷点附近数据，差强人意得出模型，文献【1】