張 斌 高澤明 閆宗良

（國家能源集團河北公司定州發(fā)電有限責任公司，河北 保定 073000）

0 引言

火電機組的生產過程中存在大量具有大慣性、純遲延特性的被控對象，如鍋爐燃燒過程、汽水循環(huán)過程、脫硫脫硝過程等[1]。慣性遲延系統(tǒng)的控制響應慢、調節(jié)時間長，易產生超調，系統(tǒng)的穩(wěn)定性差，不易獲取理想的控制參數(shù)[2]，而熱工班組工作人員往往疲于日常的設備維護和檢修工作，控制參數(shù)的調試能力相對匱乏。因此，建立對象精確數(shù)學模型進而獲取較為理想的控制參數(shù)尤為重要。針對上述現(xiàn)狀，研發(fā)了慣性遲延系統(tǒng)模型辨識及PID參數(shù)尋優(yōu)軟件。該軟件以電廠實際運行數(shù)據(jù)為依據(jù)，對初始數(shù)據(jù)進行篩選，采用改進粒子群算法（PSO）進行模型辨識，最后利用辨識的模型進行PID參數(shù)尋優(yōu)，獲取理想的PID參數(shù)，可以提高控制系統(tǒng)的控制品質，為熱工班組人員提供參數(shù)調試依據(jù)。

1 模型辨識原理

模型辨識就是通過分析待辨識系統(tǒng)的工程實際運行數(shù)據(jù)，利用工程經驗和參考模型結構的選擇要求，從參考模型中選取能精確反映所辨識系統(tǒng)靜態(tài)和動態(tài)特性的一個模型結構，然后通過優(yōu)化算法獲取待辨識系統(tǒng)工程實際運行數(shù)據(jù)用以建立對象精確數(shù)學模型[3]，其原理圖如圖1所示。

2 軟件介紹

2.1 軟件界面及操作說明

軟件界面如圖2所示，操作說明如下：

（1）導入數(shù)據(jù)：點擊“導入數(shù)據(jù)”按鈕，選擇需要辨識的模型數(shù)據(jù)。數(shù)據(jù)格式為csv、xls、xlxs，數(shù)據(jù)的第一列為輸入數(shù)據(jù)，第二列為輸出數(shù)據(jù)。

（2）數(shù)據(jù)篩選：點擊“數(shù)據(jù)篩選”按鈕，軟件對導入數(shù)據(jù)進行預處理。

（3）尋優(yōu)模型：點擊“尋優(yōu)模型”下拉列表，選擇辨識的模型結構，模型傳遞函數(shù)為：

式中：K為傳遞函數(shù)增益；τ為純遲延時間；T為慣性時間；n為慣性環(huán)節(jié)階次。

（4）設置PSO初參：由專業(yè)技術人員根據(jù)實際情況提供。

（5）參數(shù)辨識：點擊“參數(shù)辨識”按鈕，進行參數(shù)辨識。

（6）設置PID整定初參：PID整定初參分為“pso參數(shù)”和“PID參數(shù)初設”兩部分，由專業(yè)技術人員根據(jù)實際情況提供。

（7）PID參數(shù)整定：點擊“PID參數(shù)整定”按鈕，進行PID參數(shù)尋優(yōu)。尋優(yōu)完成后，得到PID參數(shù)和對應PID參數(shù)下的模型單位階躍響應及PID輸出（執(zhí)行器指令）曲線。

2.2 軟件的技術特點

（1）數(shù)據(jù)選取靈活簡單。訓練數(shù)據(jù)無須特定選取，只需將選取好的辨識系統(tǒng)數(shù)據(jù)導入軟件，即可對數(shù)據(jù)自動篩選，得到比較理想的訓練數(shù)據(jù)。數(shù)據(jù)的采樣周期可以根據(jù)現(xiàn)場情況靈活選擇，優(yōu)化算法可根據(jù)采樣周期辨識對應的模型參數(shù)。

（2）尋優(yōu)模型兼具全面性和實用性。尋優(yōu)模型包含了一階慣性純遲延系統(tǒng)、二階慣性純遲延系統(tǒng)、三階慣性純遲延系統(tǒng)及以上三種模型加純積分模型，基本涵蓋了火力發(fā)電的所有模型。

（3）采用改進的粒子群尋優(yōu)算法。傳統(tǒng)的粒子群算法（PSO）具有初始設定參數(shù)少、相比其他智能算法操作簡單、全局搜索速度快等優(yōu)點，但易陷入局部最優(yōu)。改進后的PSO優(yōu)化算法，改善了PSO容易陷入局部最優(yōu)的缺點，能快速進行全局搜索，收斂速度更快，搜索成功次數(shù)更多，優(yōu)化精度更高[4]，其控制流程圖如圖3所示。

（4）PID參數(shù)尋優(yōu)靈活。根據(jù)自身需求，設定超調懲罰程度，選擇合適的參數(shù)兼顧穩(wěn)定性和快速性；PID控制方式可以是P、I、D三種控制方式的任意搭配，其傳遞函數(shù)形式為：

3 應用效果

以河北某電廠#2機組脫硝系統(tǒng)A側噴氨閥門開度與對應噴氨流量數(shù)據(jù)為例，利用軟件辨識閥門開度—流量模型，并進行PID參數(shù)整定，辨識結果如下：

（1）辨識模型參數(shù)如圖4所示，其中ITAE為時間乘誤差絕對值的積分性能指標。

該模型傳遞函數(shù)為：

（2）辨識模型輸出曲線（標幺化）如圖5所示。

（3）優(yōu)化的PID參數(shù)如圖6所示。

（4）優(yōu)化PID參數(shù)下的模型階躍響應曲線如圖7所示。

由圖5可以看出，實際輸出和辨識模型輸出曲線基本吻合，辨識的模型參數(shù)具有較高的精度；由圖7可以看出，優(yōu)化后的PID參數(shù)比較理想，可作為熱工班組人員調試參數(shù)的依據(jù)。

4 結語

針對火電機組生產過程中普遍存在的純遲延、大慣性特性的控制系統(tǒng)以及熱工班組人員參數(shù)調試能力匱乏的實際問題，本文所述軟件基于改進的粒子群算法，以實際運行數(shù)據(jù)作為訓練數(shù)據(jù)，進行系統(tǒng)模型辨識，并對辨識的模型進行PID參數(shù)尋優(yōu)，為熱工班組人員提供了可靠安全的參數(shù)依據(jù)，具有廣泛的實際意義。