智能控制在锅炉燃烧优化中的应用

智能控制在锅炉燃烧优化中的应用

发表时间：2017-07-17T10:37:20.857Z 来源：《电力设备》2017年第8期作者：曹勇

[导读] 摘要：本文首先对智能控制技术以及锅炉燃烧系统进行简要的介绍，分析了锅炉燃烧系统优化的必要性，对在锅炉燃烧优化中实际应用的几种控制方法：专家控制、神经网络控制、模糊控制、遗传算法及集成和混合智能控制方法做了详细的介绍。

(神华神东电力公司新疆准东五彩湾发电公司新疆自治区昌吉州 830017)

摘要：本文首先对智能控制技术以及锅炉燃烧系统进行简要的介绍，分析了锅炉燃烧系统优化的必要性，对在锅炉燃烧优化中实际应用的几种控制方法：专家控制、神经网络控制、模糊控制、遗传算法及集成和混合智能控制方法做了详细的介绍。

关键词：智能控制；锅炉燃烧优化；应用

1引言

近年来，由于社会经济的迅猛发展，能源消耗日益增加，使得能源危机凸显，节能与环保意义突出。我国的电力企业大多还是火力发电，是煤炭的消耗大户，燃料费一般占发电成本的七八成。当前形式对火力发电厂的节能减排提出了更高的要求，这就迫切要求通过提高发电机组运行效率，来降低生产成本，并减少污染物的排放。

影响火电厂机组运行效率的因素有很多，锅炉燃烧系统的优化是其中的重要影响因素，也是优化调整的难点之一。我国发电厂用煤的来源不一、质量也就各不相同而且主要以劣质煤为主，给锅炉燃烧带来诸多问题。因此，对电厂锅炉燃烧系统进行优化势在必行，不仅可以有效节约资源，提高热效率，还能够降低煤在燃烧过程中产生的污染。实际操作中，在同一台锅炉上这些不同的优化目标是相互制约的，提高生产效率可能意味着安全性的减低和污染物的增多，而要求低的污染物排放或较高的安全性则会导致生产效率的降低。所以，如何在效率、污染物和安全性中寻找一个最优的平衡点，实现多优化目标的最优化协调运行也是必须解决的问题。因此，为了方便对锅炉燃烧优化系统的控制，智能控制技术就被应用其中。

2智能控制技术概述

智能控制技术是指在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。机器在无人控制的过程中，自身的机械元件会根据系统程序的相关设置而自行运作，并且可以通过相关的调节方法对遇到的问题进行自动化的改进和完善。

随着社会经济的发展，我国已经将智能控制技术广泛的应用到了很多领域当中。智能控制技术的特点主要有以下几点：（1）它可以对核心系统进行相应的控制管理；（2）具有非线性；（3）在实际应用的过程中，具有一定的可变性，它可以根据设备系统运行的实际情况，来进行自我调节；（4）它具有较强的综合性，其中包含了许多的科学理念；（5）它是在计算机技术的基础上进行运用的。

3锅炉燃烧优化的必要性

火电厂锅炉燃烧系统是整个火电厂机组运行系统的重要组成部分，它由燃料控制系统、送风控制系统、引风控制系统组成，它们是三个相对独立的子系统。锅炉燃烧控制的基本任务是：(1)维持蒸汽压力的稳定；(2)保证燃烧过程的经济性；(3)维持炉膛压力的稳定。目前锅炉燃烧优化技术已经得到了广泛应用，它不仅使锅炉的工作效率得到提升，还提高了火电厂的经济效益。

然而，锅炉燃烧优化技术在实际应用中，时常会受到各方面因素的影响，而表现出强耦合、非线性、大惯性、参数时变性和不确定性等特点，致使对锅炉燃烧控制过程建立精确的数学模型变得十分困难。由于常规控制器都是基于精确数学模型而建立的，所以很难用其对锅炉燃烧优化起到理想的控制效果，锅炉的燃烧效率也很难达到要求，且容易出现相应的质量问题。这就给锅炉系统的控制管理带来了一定的难度。因此，相关专家将智能控制技术应用在火电厂锅炉燃烧系统中。目前火电厂锅炉燃烧系统的智能控制方法主要有专家控制、神经网络控制、模糊控制、遗传算法，各种集成智能控制方法和混合智能控制方法等。

4锅炉燃烧优化中主要智能控制方法的应用

4.1专家控制

专家控制系统是一种智能计算机程序系统，是以知识模型为基础，利用专家的理论知识与经验，其本质上是一个知识系统，核心部分为知识库和推理机，可以应用到像锅炉燃烧过程这样难以建模和操作的工业对象上。

早在1996年，吕震中就尝试将专家系统应用到电站锅炉燃烧系统中，提出了专家经验性知识与机理性领域知识相结合的系统和方法，并设计开发了锅炉主燃料跳闸保护专家监控系统及其软件。随后，朱红平等将传统的PID控制、前馈控制与专家控制相结合，发挥各自的长处，提出了理论+经验的混合智能控制系统，并将该系统成功应用于长沙曙光电子管厂20t/h锅炉燃烧控制系统中。马平等设计了全新的专家控制器并将其应用于锅炉送风量控制子系统中，专家控制器采用产生式规则描述，其规则可以在实际控制中不断修改、完善，具有较强的通用性。美国电力研究所 (EPIR) 研究了锅炉低 NOx 燃烧优化的控制，目标是通过燃烧优化控制，提高锅炉效率并降低污染物排放；伊利诺斯电力公司采用与DCS集成的动态优化方法，实现了降低锅炉NOx 排放量20%左右的目标。周怀春等采用色度学原理分析火检信号，得到更多的锅炉燃烧工况的信息，由此开发了煤粉燃烧诊断专家系统，该系统引入了运行人员、工程师以及领域专家在运行实践、实验研究及理论分析中积累的反映燃烧状态的现象和参数之间的知识，对燃烧的诊断和优化取得了良好的效果[1]。

专家控制系统在燃烧控制方面的优势在于，进行问题和知识匹配的速度非常快，但是也存在许多问题有待进一步探讨：（1）专家经验知识的获取问题，如何获取专家知识一直困扰着这方面的研究人员；（2）如何在控制过程中自动更新和扩充知识，满足实时控制的快速准确性需求是非常关键的。（3）专家系统只能处理关系简单且经验知识比较明确的问题，如何处理多参数的复杂关系和经验知识不明确的问题，是之后研究的关键所在。目前在锅炉燃烧控制系统中应用的专家控制系统主要是和其他的智能控制方法相结合，如专家模糊控制系统等。

4.2神经网络控制

神经网络是由大量的人工神经元广泛互连而成的网络，人工神经元具有模拟生物神经元的功能，其网络具有学习、泛化以及非线性映射等多种能力。而燃烧优化问题是一种受多种因素影响、关系复杂或者关系不清楚的问题，且具有非线性、时变和不确定性，其系统很难被控制。此方法可以很好地弥补常规控制方法的局限性，使对锅炉燃烧系统的优化控制成为可能。

2001年，罗春雷等以现有监测的数据和运行人员长期积累的经验为样本，利用BP网络的自学习能力，建立了一种基于神经网络控制的锅炉优化燃烧系统。该系统投资少，具有实际开发应用价值。之后，邹斌等建立了一个以神经网络模拟工业锅炉稳态运行的优化模型，通过罚函数算法和实际生产应用证明，这个模型有很好的精度，并可以显著提高系统的能源利用率。马翔等为有效解决RBF神经网络隐层