金秀章 曹丁元 謝澤坤 孫小林

(華北電力大學(xué)控制與計(jì)算機(jī)工程學(xué)院，河北 保定 071003)

噴水減溫是將水直接噴入過(guò)熱蒸汽中，水被加熱、汽化和過(guò)熱，吸收蒸汽的熱量，從而達(dá)到調(diào)節(jié)主蒸汽溫度的目的[1]。噴水減溫器的工作狀況直接影響到主蒸汽的品質(zhì)，因此對(duì)噴水減溫器進(jìn)行建模，對(duì)其動(dòng)態(tài)性能的了解具有重要的現(xiàn)實(shí)意義。目前，國(guó)內(nèi)外對(duì)噴水減溫器的機(jī)理建模研究已經(jīng)很普遍[2～5]，但是與智能建模結(jié)合起來(lái)進(jìn)行的模型參數(shù)優(yōu)化并不多，筆者主要研究基于粒子群優(yōu)化算法(PSO)的噴水減溫器機(jī)理建模。

PSO是由Kennedy J和Eberhart R于1995年提出的一種仿生優(yōu)化計(jì)算方法[6]，采用了基于種群的全局搜索策略和簡(jiǎn)單的速度-位移模式[7]，具有便于實(shí)現(xiàn)、計(jì)算速度快的優(yōu)點(diǎn)。近幾年，專家學(xué)者對(duì)PSO進(jìn)行了大量研究，將PSO應(yīng)用在了不同的領(lǐng)域[8～10]，為PSO的應(yīng)用與發(fā)展做出了巨大的貢獻(xiàn)。

1 噴水減溫器數(shù)學(xué)模型分析①

某熱電廠機(jī)組噴水減溫器的簡(jiǎn)圖如圖1所示，圖中G1、h1、T1分別表示噴水減溫器入口處主蒸汽的質(zhì)量流量、焓值和溫度；G、h、T分別表示噴水減溫器出口處主蒸汽的質(zhì)量流量、焓值和溫度；Gw、hw、Tw分別表示噴水減溫器入口減溫水的質(zhì)量流量、焓值和溫度；Qm為流體從壁面吸收的熱量。

圖1 噴水減溫器簡(jiǎn)圖

在燃燒工況不變的情況下，即Δh1=0，根據(jù)噴水減溫器的生產(chǎn)工藝、能量守恒定律和質(zhì)量守恒定律可以得到減溫水流量對(duì)主蒸汽溫度影響的數(shù)學(xué)模型。由于整個(gè)噴水減溫器內(nèi)的流體具有分布參數(shù)特點(diǎn)，其狀態(tài)參數(shù)不僅是時(shí)間還是空間上的函數(shù)。這種分布參數(shù)特點(diǎn)使得到的數(shù)學(xué)模型都是非線性偏微分方程組，這些偏微分方程組含有長(zhǎng)度和時(shí)間兩個(gè)自變量。這樣一個(gè)分布參數(shù)系統(tǒng)的非線性模型是十分復(fù)雜的，計(jì)算也有一定難度。為了簡(jiǎn)化問(wèn)題，在建立數(shù)學(xué)模型時(shí)，將流體狀態(tài)參數(shù)看成一致的，并在空間位置上選定一個(gè)有代表性的點(diǎn)，例如出口點(diǎn)，利用這一點(diǎn)介質(zhì)的參數(shù)作為環(huán)節(jié)的集總參數(shù)。

為了便于分析，對(duì)噴水減溫器的換熱通道作幾個(gè)合理的假設(shè)：

a. 流道內(nèi)汽水兩相介質(zhì)流體混合均勻，且流速相同；

b. 流體只做軸向運(yùn)動(dòng)，且同一橫截面的流體參數(shù)相同；

c. 所有減溫器橫截面均近似相等；

d. 對(duì)于減溫器金屬壁面，忽略軸向傳熱，僅沿徑向傳熱；

e. 忽略流體在流動(dòng)過(guò)程中受到的阻力；

f. 整個(gè)系統(tǒng)與外界環(huán)境之間絕熱。

在上述簡(jiǎn)化假設(shè)條件下，以噴水減溫器出口點(diǎn)參數(shù)作為集總參數(shù)列出如下平衡方程：

減溫器內(nèi)流體質(zhì)量守恒方程

(1)

減溫器內(nèi)流體熱平衡方程

(2)

減溫器金屬壁面對(duì)流體傳熱方程

Qm=αA(Tm-T)

(3)

減溫器金屬壁面熱平衡方程

(4)

Q1=G1(h1-h)

(5)

Qw=Gw(h-hw)

(6)

式中Q1——單位時(shí)間內(nèi)減溫器內(nèi)蒸汽的放熱量；

Qw——單位時(shí)間內(nèi)減溫水的吸熱量。

對(duì)式(1)～(6)進(jìn)行線性化和偏差化處理，再進(jìn)行拉氏變換可得到噴水量變化對(duì)主蒸汽溫度變化的傳遞函數(shù)：

(7)

式中cp——出口主蒸汽的定壓比熱容；

Tm——減溫器金屬壁面蓄熱時(shí)間常數(shù)；

αD——?jiǎng)討B(tài)參數(shù)；

τ0——蒸汽通過(guò)整個(gè)噴水減溫器的平均時(shí)間。

由式(7)可以看出傳遞函數(shù)的增益K=(hw-h1)/[(G1+Gw)cp]，時(shí)間常數(shù)T=0.5(τ0+TmαD)，階次n=2。由于該傳遞函數(shù)是在合理假設(shè)的情況下作出的，K、T、n并不精確，因此這3個(gè)參數(shù)都需要進(jìn)一步進(jìn)行辨識(shí)，筆者利用粒子群優(yōu)化算法進(jìn)行參數(shù)辨識(shí)。

2 粒子群優(yōu)化算法

粒子群優(yōu)化算法的基本思想是把每個(gè)優(yōu)化問(wèn)題的解都看成是搜索空間中的粒子[7]，所有的粒子都有一個(gè)被優(yōu)化的函數(shù)決定的適應(yīng)值，每個(gè)粒子還有一個(gè)速度向量決定它們飛翔的方向和距離，然后粒子就追隨當(dāng)前的最優(yōu)粒子在解空間中進(jìn)行搜索。首先初始化一群隨機(jī)粒子，然后通過(guò)迭代搜索最優(yōu)解。在每一次迭代中，粒子通過(guò)跟蹤兩個(gè)最優(yōu)值來(lái)更新自己，第一個(gè)就是粒子本身目前所找到的最優(yōu)解Xbesti，即個(gè)體最優(yōu)值；另一個(gè)最優(yōu)值是整個(gè)種群目前找到的最優(yōu)解Xbestg，即全局最優(yōu)解。

下面以求某一函數(shù)Q(X)的極小值為例，介紹基本粒子群算法的實(shí)現(xiàn)方法。

假設(shè)在一個(gè)N維目標(biāo)搜索空間中，有m個(gè)粒子組成的一個(gè)群體，其中第i個(gè)粒子的位置表示為向量Xi=(xi1,xi2,…,xiN),i=1,2,…,m；其速度也是一個(gè)N維向量，記為Vi=(vi1,vi2,…,viN)。隨機(jī)產(chǎn)生一組Xi作為第一代初始種群，將Xi代入目標(biāo)函數(shù)Q(Xi)就可以計(jì)算出其適應(yīng)值，根據(jù)適應(yīng)值的大小衡量Xi的優(yōu)劣。對(duì)于最小化問(wèn)題，目標(biāo)函數(shù)值越小，對(duì)應(yīng)的適應(yīng)值越好，記為Qbesti。粒子i的當(dāng)前最好位置可表示為：

(8)

粒子Xi根據(jù)下式更新速度和位置：

Vin(t+1)=ωvin(t)+c1r1[Xbestin-xin(t)]+

c2r2[Xbestgn-xin(t)]

(9)

xin(t+1)=xin(t)+vin(t+1)

(10)

式中c1、c2——正實(shí)數(shù)，稱作加速因子，用來(lái)調(diào)節(jié)每次迭代的步長(zhǎng)；

r1、r2——[0,1]范圍內(nèi)變化的隨機(jī)函數(shù)；

ω——慣性權(quán)重，用于全局搜索和局部搜索。

3 基于粒子群優(yōu)化算法的智能辨識(shí)

粒子群優(yōu)化算法辨識(shí)流程如圖2所示。系統(tǒng)辨識(shí)的過(guò)程實(shí)質(zhì)上就是函數(shù)擬合的過(guò)程，這里包括傳遞函數(shù)的結(jié)構(gòu)和參數(shù)。上文已經(jīng)通過(guò)機(jī)理建模得到噴水減溫器的機(jī)理模型，但是由于機(jī)理模型是建立在系統(tǒng)簡(jiǎn)化和一些理想假設(shè)的前提下，模型并不很準(zhǔn)確，但是得到了模型的基本結(jié)構(gòu)。此時(shí)，通過(guò)粒子群優(yōu)化算法來(lái)優(yōu)化模型的參數(shù)，最終得到精確的傳遞函數(shù)。

圖2 粒子群優(yōu)化算法辨識(shí)流程

4 優(yōu)化結(jié)果分析

現(xiàn)場(chǎng)采集到的數(shù)據(jù)并不能直接用于求取系統(tǒng)的傳遞函數(shù)，系統(tǒng)的傳遞函數(shù)是在零初值條件下定義的[11],因此在進(jìn)行辨識(shí)之前，需要對(duì)現(xiàn)場(chǎng)數(shù)據(jù)進(jìn)行零初值化處理。利用Matlab將現(xiàn)場(chǎng)數(shù)據(jù)零初值化處理后得到的數(shù)據(jù)曲線如圖3所示。

圖3 現(xiàn)場(chǎng)數(shù)據(jù)和零初值化處理后的數(shù)據(jù)曲線

由式(7)總結(jié)出噴水減溫器的機(jī)理模型為：

(11)

選擇論域?yàn)镵∈(-20,0),T∈(5,500),n∈(2,5)。利用Matlab對(duì)零初值化處理后的現(xiàn)場(chǎng)數(shù)據(jù)進(jìn)行辨識(shí)得到圖4所示的結(jié)果，并且確定了式(11)中的待辨識(shí)參數(shù)，得到噴水減溫器的傳遞函數(shù)為：

(12)

圖4 辨識(shí)結(jié)果與實(shí)測(cè)現(xiàn)場(chǎng)數(shù)據(jù)對(duì)比

由圖4可以看出辨識(shí)結(jié)果與實(shí)測(cè)數(shù)據(jù)基本吻合，式(12)的傳遞函數(shù)能很好地反映系統(tǒng)的動(dòng)態(tài)特性。

5 結(jié)束語(yǔ)

噴水減溫器直接影響鍋爐主蒸汽品質(zhì)，筆者根據(jù)噴水減溫器生產(chǎn)工藝研究了它的機(jī)理模型。由于機(jī)理模型是在理想情況下建立的，因此并不能精確地反映噴水減溫器的動(dòng)態(tài)特性，機(jī)理模型的參數(shù)有待辨識(shí)。針對(duì)此不足，筆者采用粒子群優(yōu)化算法，根據(jù)現(xiàn)場(chǎng)采集到的數(shù)據(jù)，對(duì)機(jī)理模型的參數(shù)進(jìn)行優(yōu)化辨識(shí)，得到了比較精確的模型。

[1] 容鑾恩,袁鎮(zhèn)福,劉志敏,等.電站鍋爐原理[M].北京:中國(guó)電力出版社,1997.

[2] Schoonover K G，Ren W M,Ghiaasiaan S M,et al.Mechanistic Modeling of Desuperheater Performance[J].ISA Transactions,1996,35(1):45～51.

[3] 寧德亮,龐鳳閣,高璞珍.噴水減溫器動(dòng)態(tài)仿真模型的建立及其解法[J].核動(dòng)力工程，2005,26(3):280～283.

[4] 閆濤,楊青瑞,尚偉，等.噴水減溫器簡(jiǎn)易建模方法及Simulink仿真研究[J].硅谷,2009,(8):21～23.

[5] 方彥軍,王振宇.超超臨界機(jī)組直流鍋爐噴水減溫器的建模研究[J].熱力發(fā)電,2012,41(12):39～42.

[6] Kennedy J, Eberhart R C.Particle Swarm Optimization[C].IEEE International Conference on Neural Net-works.Piscataway：IEEE，1995:1942～1948.

[7] 韓璞,董澤,王東風(fēng)，等.智能控制理論及應(yīng)用[M].北京:中國(guó)電力出版社,2012.

[8] 朱艷偉,石新春,但揚(yáng)清，等.粒子群優(yōu)化算法在光伏陣列多峰最大功率點(diǎn)跟蹤中的應(yīng)用[J].中國(guó)電機(jī)工程學(xué)報(bào),2012,32(4):42～48.

[9] 霍延軍.基于量子粒子群算法的PID參數(shù)自整定方法[J].微電子學(xué)與計(jì)算機(jī),2012,29(10):194～197.

[10] 嚴(yán)巳杰，胡建華，黃炳瓊，等.基于粒子群優(yōu)化算法的板翅式換熱器優(yōu)化設(shè)計(jì)[J].化工機(jī)械，2012,39(1):55～57.

[11] 胡壽松.自動(dòng)控制原理[M].北京:科學(xué)出版社，2007.