电厂热工过程控制中智能PID控制器应用

电厂热工过程控制中智能PID控制器应用

徐明理

浙能阿克苏热电有限公司 新疆维吾尔自治区 843000

摘要：智能PID控制器融合了传统控制器与智能控制技术，控制效果远超传统控制器。当前电厂的火电机组已经呈现出高参数与大容量的发展趋势，热工过程的复杂化程度持续提高，可通过智能PID控制器来满足不断提高的控制要求。本文首先分析了智能PID控制器的具体应用形式，而后探讨了其在热工过程中的应用情况，以此为锅炉燃烧控制、机组负荷控制以及过热汽温控制提供可选择的思路。

关键词：电厂热工过程；智能PID控制器；应用

电厂热工过程具有显著的不确定性、延迟性、慢时变与非线性的特点，很难建设精确度较高的数学模型。常规式的PID控制器无法满足控制需求，由于难以形成良好的参数整定效果，因此PID控制器的实际性能难以达到预期。可借助智能化的PID控制器来完成对电厂热工过程的精准控制。

1智能PID控制器的主要应用形式

1.1常规PID与模糊控制相结合

在应用模糊控制时，并不需要精确度较高的数学模型，只需利用控制规则，通过模糊推理活动来明确控制量的具体数值。其对于电厂热工过程有着较强的适用性，因此可将常规PID与该技术进行联合运用，实现对控制效果的有效改善，满足复杂度较高的工业生产需求。可选用模糊-PID复合控制模式，其典型结构见图1。

图 1 模糊-PID 复合控制系统典型结构

1.2常规PID与神经网络相结合

神经网络的突出优势主要体现在其对于非线性函数的逼近性，同时还具有良好的容错性与鲁棒性，能够满足并行分布处理需求，自适应学习能力也非常强，可以为不确定性较强的非线性类系统提供控制与建模方面的支持。在神经网络的技术支持下，可开发自适应参数的PID控制器，借助神经网络进行学习与训练，并确定P、I、D最优参数。也可依靠单神经元模型来构建PID控制器，神经元的输入需涵盖误差变化率、误差累加与误差，权系数与PID的微分增益、积分以及比例一一对应，再利用学习算法与一系列性能指标，能够以实时化的方式对于控制器的各种权系数展开变动，使控制对象能够充分适应环境出现的各种变化。

1.3智能PID与遗传算法

智能型PID控制器需要对基本控制律与整个控制过程具备全方位的先验知识，或者需要在形成光滑、连续化搜索空间的前提下完成对问题的优化，如果参数之间不具备非线性的特点或者搜索空间满足不可微的情况，可能难以获得最优结果。遗传算法在人工智能的学科体系中占有重要位置，这一优化技术相对简便，并未对优化对象提出过多先验知识方面的要求，同时鲁棒性良好，并行处理能力极其强，可完成全局优化任务，也不需要接受可微性与连续性等方面的限制。

面对常规控制器，可通过遗传算法来优化其参数；面对模糊PID，则可依靠遗传算法来实现对模糊控制规则的有效优化。在当前的神经网络-PID控制系统中，大多是通过BP算法展开学习，该算法有较大的概率出现局部最小的情况，而遗传算法能够在优化连接权值的过程中，避免出现这一情况，计算过程也相对简单，若选择解析寻优算法，需要确保目标函数维持良好的光滑度与连续性，遗传算法并无这方面的要求，因此应用过程更加便捷。

2电厂热工过程控制中智能PID控制器的应用

2.1控制过热汽温系统

电厂的过热汽温系统在控制与运行过程中暴露出了较为严重的时滞问题与惯性问题，当运行工况发生改变之后，其动态特性也在不断变化。结合这一系统具备的典型特定，把智能PID控制系统运用到系统运行环节中，将神经网络、模糊预测控制与自校正模糊参数等多种PID控制器与过热汽温控制系统进行结合运用，结合仿真试验与实践结果可知，这些控制器都能够使过热汽温把控系统形成更好的控制效果与使用性能，系统可以维持更好的适应性。在控制电厂二级减温水时，可联合运用专家自整定式串级PID与模糊控制，若主汽温产生相对较大的偏差，依靠模糊控制可在较短的时间内提供合适的控制量，从而使干扰得到有效抑制，确保系统能够以较快的速度对问题进行有效响应。若主汽温产生的偏差相对偏小，PID控制系统可发挥作用，以自动化的方式结合偏差噪声出现范围对应的变化，在线完成PID参数的整定工作，切实增强控制稳定性与控制精度。根据电厂现场的使用情况可知，相比常规的控制手段，这一方法能够提供给使用者更高控制精度，适应能力也更为突出。借助DCS软件组态与PID控制系统还可以对再热汽温进行模糊控制。

2.2控制单元机组负荷

该控制系统属于多变量系统，具有不可忽视的耦合问题，不确定性、时变性与非线性都非常强，因此很难为其构建符合精确度要求的数学模型。在数学模型的支持下开展控制工作，往往难以获取符合预期的控制效果。结合火电机组负荷这一控制对象的特点，依靠神经元具有的学习功能，可为机跟炉与炉跟机两种不同控制模式设计出以自适应性神经元模型为控制基础的控制负荷的系统。根据仿真计算可知，在该控制系统中，所有学习参数只需利用较短的时间就能够敛到平衡数值，控制效果均比较好。也可联合运用神经元控制与非模型条件下的模糊逻辑算法，以此来满足机组负荷调控需求，该控制方法显现出极强的鲁棒性与适应性。

2.3控制锅炉水位系统

锅炉水位控制系统的变化活动属于参数改变式的过程，具有纯迟延的特点，同时还会形成“虚假水位”的问题。借助三冲量式控制系统，结合近似水位控制系统的数学模型来整定PID参数，获得的控制效果不佳。可打造加权模糊控制系统，该系统还被增设了仿人智能功能，其具有常规三冲量调控系统的主要优势，能够对操作者的工作经验进行复制与模仿，系统中运用的模糊控制器数量为3个，并且能够互相保持独立，分别负责对输出功率的实际值、流量平衡以及汽包水位进行控制。控制器的具体输出量加权数值是主控入水阀门开度的决定性因素。

2.4控制锅炉燃烧系统

该系统属于多因素影响系统，影响因素包括负荷变动给燃烧活动稳定性带去的时滞与影响，变量间存在的严重耦合问题以及煤质、煤种等发生的变化，在诸多因素的共同作用下，系统面对的控制条件极为复杂，且不断发生波动，另外很难对锅炉燃烧率进行在线测量。可为该系统提供模糊控制策略，展开实时控制与仿真研究，最终形成的控制活动的鲁棒性极强，能够有效抵抗各种干扰性因素。

3结论

PID控制技术具有更为简单的算法原理与控制方法，逻辑组态容易实现，使用范围也比较广，可将其与模糊控制、神经网络以及遗传算法进行结合运用，进而开发出智能化控制器，并将其运用到电厂的燃烧系统、机组负荷以及过热汽温等热工控制中，确保电厂机组安全稳定运行。

参考文献

[1]李伟.电厂热工过程控制中智能PID控制器的应用探讨[J].应用能源技术,2022(06):9-11.

[2]赵鑫.电厂热工过程控制中智能PID控制器的应用研究[J].民营科技,2018(09):62.

[3]樊大勇.PID控制方法的研究现状及应用展望[J].数字通信世界,2019(01):129-130.