基于GA-IGPC的锅炉烟气含氧量控制系统研究与应用

刘圣晶 冯旭刚 章家岩

摘要：该文针对燃煤锅炉烟气含氧量传统测量方法误差大、效率低和成本高等缺点，利用隐式广义预测控制方法对控制系统进行设计，通过遗传算法对目标函数进行在线滚动优化，以此来实现对烟气含氧量的实时控制。从现场的运行工况来看，将烟气含氧量控制在2%左右，符合现场的设计要求。

关键词：燃煤锅炉;烟气含氧量;隐式广义预测控制;遗传算法;滚动优化

中图分类号：TM621        文獻标识码：A

文章编号：1009-3044（2022）01-0122-02

烟气含氧量是燃煤锅炉燃烧优化控制中的一项重要指标，其值过低会导致供给锅炉燃烧的氧气量不足，煤粉不能充分燃烧，同时还会对环境造成一定的污染[1-6]。张玮等[7]建立基于PSO-Eiman模型的预测模型，完成火电厂烟气含氧量的软测量，通过仿真结果表明，该模型具有较高的预测精度和泛化能力;李建强等[8]提出最小二乘支持向量机（LSSVM），并结合粒子群算法对模型参数进行寻优，建立输入输出变量之间的关系模型，结果表明该模型具有鲁棒性强和训练时间短等优点。而本文提出了一种基于隐式广义预测控制（IGPC）的烟气含氧量预测模型，并通过遗传算法（GA）对目标函数进行在线滚动优化，从而实现对烟气含氧量的实时控制。

1隐式广义预测控制原理

本文采用IGPC控制算法来设计控制系统。根据预测控制算法的特点，设计了一种闭环控制器，其控制原理框图如图1所示。

在图1所示的框图中，[r（k）]为烟气含氧量的设定值，三个输入量分别为送风量[u1（k）]、燃料量[u2（k）]和引风量[u3（k）]。三个输入量同时作用在燃煤锅炉燃烧系统和隐式广义预测模型上。同时[y（k）]为烟气含氧量的实际输出值，<E：＼2021知网文件＼1-3＼1＼6xs202201＼Image＼image8_1.png>为烟气含氧量的预测输出值。首先，将烟气含氧量预测输出值与实际输出值进行比较，然后再将两者比较产生的差值反馈到输入端，接着计算实际控制增量与所需控制增量之间的误差，通过GA在线优化目标函数来减小预测误差。

1.1预测模型

预测控制算法对于非线性和时滞性等复杂的工业过程控制具有较好的控制效果。IGPC采用CARIMA模型作为预测模型。将IGPC控制算法应用到本文的三输入单输出系统中，其模型表达式如下所示：

2）输出预测

1.3反馈校正

在控制的每一步都要检测烟气含氧量的实际输出值并与预测值做比较，以此来修正预测的不确定性。当实际控制系统存在模型失配或外界干扰等问题时，这种反馈校正就会及时修正预测值，从而提高系统的鲁棒性。

2遗传算法寻优

本文采用遗传算法优化目标函数的控制量增量，即利用GA算法求取目标函数的最小值。根据遗传算法的设计原理，选取个体的适应度函数为：

同时本文采用二进制遗传算法，通过选取相关参数，求取各控制量的最优控制值，从而达到最优控制的目的。

3 仿真分析

本文以某热电总厂42MW燃煤锅炉为研究对象，通过采集现场的运行数据，利用递推最小二乘法（RLS）对系统进行辨识，得到以下传递函数：

根据上面的传递函数，进一步采用MATLAB软件对控制系统进行仿真研究。经过GA优化之后，选取IGPC的预测长度[n=8]，控制长度[m=5]，柔化系数[α=0.5]，控制加权系数[λ=0.9]。再选取群体大小[M=30]，进化代数[T=100]，交叉概率[Pc=0.84]，变异概率[Pm=0.072]。其仿真波形如图2所示。

4 工程应用

根据现场运行情况，要求烟气含氧量控制2%左右，控制系统实际应用效果趋势图对比如下所示：

原DCS控制系统的烟气含氧量在[0，5]范围之间波动，而本文设计的控制系统在运行期间，烟气含氧量在[0，2]范围之间波动。通过对比可以发现，图4所示的烟气含氧量控制较为平稳，且变化范围小，符合现场的设计要求。

5 总结

本文采用IGPC控制策略设计三输入单输出控制系统，利用GA实现目标函数在线滚动优化，以此来实现对烟气含氧量的实时控制。最后从现场的运行结果也可以看出：与原DCS控制系统相比，本文所设计的控制系统在运行后，将烟气含氧量控制在2%左右，且波动范围较小，具有较好的工程应用价值。

参考文献：

[1] 范晗东，彭鑫，吕玉坤.基于烟气含氧量的电站锅炉经济性优化分析研究[J].电力科学与工程，2009，25（12）：40-44.

[2] 贾里.磁力机械式氧分析仪样品处理系统的设计改造[J].石油化工自动化，2017，53（1）：61-65.

[3] 王永智，付忠广，刘炳含，等.基于GA-SVM的烟气含氧量软测量[J].化工自动化及仪表，2017，44（10）：937-939.

[4] 唐振浩，段洁，曹生现，等.基于自校正LS-SVM的电厂锅炉烟气含氧量软测量系统[J].化工自动化及仪表，2015，42（12）：1281-1283，1299.

[5] 陈彦桥，郭一，刘建民，等.一种改进烟气含氧量软测量建模方法与仿真[J].动力工程学报，2011，31（1）：12-16.

[6] 王刚，刘林，王朋.基于微分进化和SMO算法的烟气含氧量软测量[J].电力科学与工程，2012，28（2）：71-74.

[7] 张玮，陈超波，王景成，等.基于PSO-Elman模型的火电厂烟气含氧量预测[J].自动化与仪表，2020，35（4）：75-79，85.

[8] 李建强，张莹莹，牛成林.基于PSO-LSSVM模型的火电厂烟气含氧量预测[J].热能动力工程，2018，33（7）：49-55.

【通联编辑：王力】

收稿日期：2021-06-09

作者简介：刘圣晶（1996—），男，安徽合肥人，硕士，研究方向为发电机组智能优化控制。

3050500338261