基于模糊神经网络的电站锅炉燃烧优化系统建模

利用传统的辨识方法去建立锅炉燃烧系统的非线性复杂系统模型,并在此基础上优化改善控制效果是比较困难的,而神经网络方法在非线性系统建模与辨识方面显示出了巨大的优越性。模糊神经网络是人工神经网络与模糊理论的结合,将模糊系统和神经网络模型的优势融为一体,对于锅炉燃烧优化系统多变量耦合非线性模型的建模效果比基本的神经网络方法更好,对于在此基础上进行锅炉燃烧优化控制具有重大的实际意义和应用价值。 本文对电站锅炉燃烧系统进行了较为详细的分析,对比阐述了目前国内大型火电机组常见的两种燃烧组织方式——四角切圆和对冲燃烧方式,分析了各自在效率和氮氧化物排放方面的影响因素和优缺点,并总结了电站锅炉运行优化调整的要求。 在分析燃烧系统的基础上,全面地介绍了基于模糊神经网络的建模方法,从工程化的角度着重介绍了建模的数据处理过程和注意事项,对一些实际中存在的问题进行了分析和研究,并给出了采用广义动态模糊神经网络进行燃烧优化系统建模仿真的示例,提出了一些可行的改进方向。 针对当前电站第三方优化软件的现状,提出一种基于虚拟DPU技术的电站燃烧优化平台架构设计方案,将激励式仿真机中的虚拟DPU引入基于DCS结构的优化平台,真实下位硬件无法完成的一些先进建模与优化控制算法放在上位工控机的虚拟DPU中实现。在此架构基础上,介绍了神经网络模型和样本数据库的软件实现方法。