黎銳

摘 要：隨著大容量、高參數(shù)火電機組的蓬勃發(fā)展，熱力設(shè)備和熱工過程越來越復(fù)雜，控制要求不斷提高。PID控制算法原理簡單，適用范圍廣且邏輯組態(tài)方便易行。對于熱工系統(tǒng)控制的研究，尤其是工程應(yīng)用性強的PID控制策略的研究具有重要意義。

關(guān)鍵詞：熱工系統(tǒng)；熱工控制；PID控制

DOI：10.16640/j.cnki.37-1222/t.2018.15.122

1 研究背景與現(xiàn)狀

自計算機技術(shù)誕生以來，工業(yè)過程控制取得了飛躍式的發(fā)展。以計算機仿真與智能優(yōu)化算法為主要手段，對控制系統(tǒng)進(jìn)行分析、設(shè)計與整合，已成為研究的主要方向。

針對電站熱工系統(tǒng)控制的研究主要集中在三個方面：（1）利用計算智能及一些先進(jìn)的控制理論對傳統(tǒng)PID控制進(jìn)行改進(jìn)；（2）利用計算智能或一些先進(jìn)的控制理論設(shè)計新的控制策略替代傳統(tǒng)的PID控制；（3）利用計算機仿真與智能優(yōu)化算法對被控對象的特性進(jìn)行辨識，在此基礎(chǔ)上設(shè)計優(yōu)化控制方案，或者利用計算機技術(shù)與智能算法優(yōu)化、整定PID控制器參數(shù)。

PID控制算法原理簡單、適用范圍廣、魯棒性強而且易于組態(tài)實現(xiàn)，目前仍然是工業(yè)生產(chǎn)中應(yīng)用最廣泛、最基本的控制方法。然而，工程應(yīng)用中熱工控制還是以常規(guī)的線性PID控制策略為主，難以滿足機組深度調(diào)峰的需求。尤其，當(dāng)過程的非線性、大滯后等特性愈加突出時，線性PID控制器也更加難以滿足熱工過程控制品質(zhì)的要求。

2 熱工過程模型辨識及PID參數(shù)整定

近年來，仿生學(xué)智能算法隨著計算機科學(xué)、生物學(xué)和人工智能的興起，取得了飛躍式的發(fā)展，產(chǎn)生了許多備受關(guān)注的領(lǐng)域。尤其在熱工過程模型辨識和PID參數(shù)整定方面應(yīng)用非常廣泛。其中比較有代表性的算法有，遺傳算法、粒子群算法、免疫算法等。

各類仿生學(xué)算法中，遺傳算法是最早興起并發(fā)展起來的，它在研究自然遺傳現(xiàn)象與人工系統(tǒng)自適應(yīng)行為的基礎(chǔ)上，借鑒“優(yōu)勝劣汰”的生物進(jìn)化與遺傳思想而提出的一種全局性并行搜索算法。它是通過在一定的編碼空間內(nèi)，以一定的概率或條件對種群不斷地進(jìn)行選擇、交叉和變異而達(dá)到尋優(yōu)目的的。因此，種群數(shù)目、復(fù)制、交叉及變異操作和操作概率是影響遺傳算法性能的關(guān)鍵因素。

粒子群算法是一種新的進(jìn)化計算技術(shù)，它是從模擬動物的社會行為中發(fā)展而來。該算法源于對鳥群捕食的行為研究，受到鳥群活動的規(guī)律性啟發(fā)，利用群體智能建立起一個初級的優(yōu)化模型。由于尋優(yōu)空間維數(shù)擴大而引起的維數(shù)災(zāi)難或種群陷入局部極值點是標(biāo)準(zhǔn)粒子群算法應(yīng)用中一個非常突出的問題，嚴(yán)重影響到了算法的尋優(yōu)效果，其次，由于在算法后期所有的粒子特性逐漸變得一致，當(dāng)失去了粒子的多樣性滯后，算法的收斂速度會明顯減慢，以至于影響到算法最終的搜索精度。為此，許多學(xué)者將粒子群算法進(jìn)行了改進(jìn)，并將改進(jìn)后的粒子群算法應(yīng)用于控制器參數(shù)的整定當(dāng)中。

免疫算法是一種模仿生物免疫系統(tǒng)的智能優(yōu)化算法，一般的免疫算法存在收斂速度慢、參數(shù)設(shè)置復(fù)雜和親和度計算存在誤差等缺點。免疫算法經(jīng)常和遺傳算法一起發(fā)揮優(yōu)勢互補，結(jié)合起來應(yīng)用于熱工過程的控制當(dāng)中。仿真實驗證明，免疫理論的引入有效地改善了遺傳算法的尋優(yōu)能力、提高了搜索效率，經(jīng)過遺傳算法結(jié)合免疫算法優(yōu)化整定的PID控制器控制效果明顯優(yōu)于其它傳統(tǒng)方法的整定效果。

3 PID控制在熱工控制中的主要應(yīng)用

常規(guī)的PID控制算法是線性的，對于動態(tài)特性比較復(fù)雜的生產(chǎn)過程很難得到滿意的控制效果。近年來，學(xué)者們將PID控制算法進(jìn)行改進(jìn)，和其他一些先進(jìn)的方法結(jié)合起來構(gòu)成新的控制方案，這是熱工控制當(dāng)中一個很好的發(fā)展方向。目前，PID控制應(yīng)用策略的主要包含：

（1）基于對角遞歸神經(jīng)網(wǎng)絡(luò)的兩級神經(jīng)網(wǎng)絡(luò)的自整定PID控制策略，其中兩級神經(jīng)網(wǎng)絡(luò)分別為靜態(tài)網(wǎng)絡(luò)和動態(tài)網(wǎng)絡(luò)，靜態(tài)網(wǎng)絡(luò)依據(jù)機組運行工況如負(fù)荷進(jìn)行PID參數(shù)的粗調(diào)整定，動態(tài)網(wǎng)絡(luò)依據(jù)偏差和偏差變化率進(jìn)行PID參數(shù)的細(xì)調(diào)整定，引入灰色預(yù)測器對未來信號進(jìn)行預(yù)測，預(yù)測結(jié)果作為動態(tài)網(wǎng)絡(luò)使用的整定信息；

（2）基于混沌遺傳算法的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)，具有自適應(yīng)能力的PID參數(shù)整定方法，可以根據(jù)所要求的優(yōu)化指標(biāo)和學(xué)習(xí)算法對PID控制器參數(shù)進(jìn)行實時動態(tài)的調(diào)整；

（3）針對典型燃煤機組的動態(tài)模型，通過合理選擇虛擬控制變量，逐步構(gòu)造出偏差信號的李亞普諾夫函數(shù)，利用反向推理設(shè)計了單元機組非線性協(xié)調(diào)控制器，并將該控制器轉(zhuǎn)化為相應(yīng)的PID形式；

（4）通過求解與系統(tǒng)參數(shù)及控制器參數(shù)相關(guān)聯(lián)的優(yōu)化問題，串加比例-微分控制方式降低系統(tǒng)階次，設(shè)計尼科爾斯曲線的PID控制器；

（5）基于最小二乘原理的分?jǐn)?shù)階內(nèi)模PID控制器的設(shè)計方法，由于該方法不僅需要采用最小二乘原理對模型進(jìn)行簡化，而且還需要與內(nèi)?？刂圃硐嘟Y(jié)合設(shè)計控制策略，算法實現(xiàn)相對復(fù)雜，目前該方法仍處于仿真研究階段；

（6）基于內(nèi)?？刂圃硖岢龈呔S多變量時滯系統(tǒng)的分散PI控制器設(shè)計新方法。該方法由于受到分散結(jié)構(gòu)和PI控制結(jié)構(gòu)的限制，導(dǎo)致對強耦合多變量系統(tǒng)的解耦性能不佳，從而使得系統(tǒng)的性能不能滿足相應(yīng)的控制要求；

（7）基于期望閉環(huán)傳遞函數(shù)的逆陣，使用動態(tài)理性遺傳算法最終由邁克勞林級數(shù)獲得PID控制器的新方法；

（8）Smith預(yù)估控制算法是利用補償原理克服系統(tǒng)大滯后的經(jīng)典控制方法，有許多學(xué)者認(rèn)為Smith預(yù)估控制算法對受控對象數(shù)學(xué)模型的依賴性很強，如果模型失配，Smith預(yù)估控制將達(dá)不到理想的控制效果。為此，對Smith預(yù)估控制的改進(jìn)也成了學(xué)者們研究的熱點課題，在這方面的研究非常多。

4 結(jié)束語

火力發(fā)電過程是一項負(fù)責(zé)的系統(tǒng)工程，任何設(shè)備、系統(tǒng)都不是相互獨立的，系統(tǒng)不確定因素越來越多，因此，大機組的綜合優(yōu)化控制是一個有待深入研究的課題。從整個生產(chǎn)過程來講，本文的研究是對典型的控制策略進(jìn)行了介紹，但隨著經(jīng)濟的發(fā)展及火電機組規(guī)模的不斷擴大，僅對這些基礎(chǔ)層面研究是遠(yuǎn)遠(yuǎn)不夠的。從整個電力系統(tǒng)社會、經(jīng)濟功能的角度出發(fā)，綜合技術(shù)經(jīng)濟因素、環(huán)保目標(biāo)等多種因素，對控制回路進(jìn)行綜合優(yōu)化管理，提升至電力生產(chǎn)系統(tǒng)層面的綜合優(yōu)化控制是未來的發(fā)展方向。

參考文獻(xiàn)：

[1]劉建民.火電廠熱工過程優(yōu)化控制策略及應(yīng)用研究[D].華北電力大學(xué)，2009.

[2]陳立軍，周正興，趙麗麗.先進(jìn)控制策略在火電廠熱工控制中的應(yīng)用[J].東北電力大學(xué)學(xué)報（自然科學(xué)版），2012（01）：57-61.

[3]韓璞，魏樂.鍋爐-汽輪機單元協(xié)調(diào)控制的反推PID方法[J].中國電機工程學(xué)報，2010，30（02）：17-22.