基于粒子群算法的过热汽温系统辨识研究

李宏光

（大唐武安发电有限公司控制中心河北武安056303）

摘要：将过热汽温稳定在规定设计范围内，既保证过热器管壁温度在允许范围内，又能够使过热器达到设计使用年限，同时为汽机的安全经济运行提供保障。因此火电厂的过热蒸汽温度具有研究价值。本文利用利用粒子群优化算法(PSO)，对过热汽温系统进行辨识，其仿真结果辨识精度高。

0引言

目前火电厂锅炉的模型多通过以机理为基础的集总参数模型法建立。但是在仿真中模型某些参数采用理想化常数,难以获得较精确的系统模型。粒子群优化算法属于进化算法，它从随机解出发，通过迭代寻找最优解。辨识模型参数也是一个对模型参数寻优的过程，作为一种强大的优化工具，粒子群算法已被广泛应用于优化问题的求解。为克服试验建模方法的不足，本文采用粒子群优化算法对过热汽温模型进行传递函数模型的辨识。

1过热汽温对象的动态特性

大型锅炉的过热器位于炉膛的上部和高温烟道中，影响其出口温度的因素很多。归纳起来，其扰动主要有以下三个方面：为蒸汽扰动量，为过热器吸热量扰动，为过热器入口汽温扰动量。这三种是造成过热器出口汽温变化的原因。

1.1锅炉蒸汽负荷的变化对过热汽温的影响

锅炉蒸汽母管压力的变化会引起锅炉热蒸汽量的变化。当锅炉热蒸汽量变化时，过热器管壁沿整个长度各个点的温度都会变化，过热器出口温度阶跃响应曲线。但由于炉膛温度提高的幅度不够，这样使得烟温开始升高而辐射热量的增加低于增加的蒸汽量需要的热量，因而辐射式过热器的出口汽温下降。

1.2烟气侧传热量的扰动对过热汽温的影响

作为由烟气侧传来的扰动，烟汽温度和流速都会对过热汽温造成影响。而影响烟汽温度和流速的因素很多，主要包括：蒸汽受热面出现大规模结渣、给粉机给粉不均匀、给水温度变化过快和锅炉火焰中心位置发生改变等。由于烟气传热扰动是沿着过热器管路长度方向同时变化的，所以汽温将会很快响应。

1.3减温水量扰动对过热汽温的影响

在现代火电厂生产过程中，应用最广的调节方式是利用减温器进行减温。通常减温器可以分为两种，即表面式和喷水式。在喷水减温系统系统中，可以以减温器后的蒸汽汽温作为导前信号，从而构成一个串级调节系统，该方式大大改善控制系统的性能。

2过热汽温系统的粒子群算法辨识应用

2.1辨识数据的选择

热工过程的输入输出信号作为运行数据，都会被测量并存储。该热工过程的动态特性由其输入输出数据体现。所选辨识数据必须满足以下两个条件：

机组稳定在一定负荷下，并且尽可能没有外扰或者扰动很小。

辨识数据必须同时包含稳态过程以及动态过程数据。稳态数据是为了确定各变化量的直流分量及静态增益稳态数据可以在辨识前，也可以在辨识后。动态过程数据是为了确定惯性时间及阶次n[27]。

2.2过热汽温系统辨识应用

本文采用传递函数为：

2.3辨识结果与讨论

综上，经过对输出误差的比较、真实模型与辨识所得的模型输出结果进行比较，蓝色曲线为粒子群算是辨识结果，红色曲线为真实模型曲线，如图1所示：

图1模型辨识结果与真实模型比对

图1中，当n=2时，辨识所得结果存在明显偏差，该曲线上升时间较快，但是稳态值明显小于该系统实际曲线。该结果是由于辨识模型阶次不够高导致。当n=3时，辨识所得曲线与系统实际曲线具有较好拟合效果。当n=3、4时，辨识结果与实际模型均存在一定偏差。综上，应用粒子群算法进行四次辨识，经比较，当n=3时，输出误差最小，辨识所得模型与真实模型输出曲线几近重合，故可知，所辨识模型参数n=3;K=2.8843；T=93.1490；τ=20。

5结论

在火力发电燃烧控制中，诸多对象参数会随着运行工况的变化而变化，任一运行工况下的系统模型不能代表实际系统。针对这种情况，充分分析控制系统中影响主汽压力的各个因素，利用粒子群算法对其进行模型辨识。

粒子群算法可以较好地避免陷入局部最优，且该算法参数少、速度快。本文将粒子群算法用于火电厂热工过程模型辨识，其辨识精度高、速度快。

参考文献：

[1]刘志远，吕建红，陈来九.基于神经网络在线学习的过热气温自适应控制系统.中国电机工程学报.2004.4.24

[2]刘向杰，彭一民，周孝信.火电厂锅炉主汽压系统的模糊识别与模糊控制.中国电机工程学报.Vol.19No.8，1999:1~6

[3]陈绍新.多目标优化的粒子群算法及其应用研究.大连理工大学。