摘要：針對(duì)大型煤化工動(dòng)力廠多數(shù)為母管制鍋爐，母管壓力的變化體現(xiàn)了化工生產(chǎn)負(fù)荷與各鍋爐總負(fù)荷變化的供給平衡。管網(wǎng)壓力存在大慣性、大延遲的特性，且多臺(tái)鍋爐及多壓力等級(jí)管網(wǎng)之間又存在多變量、強(qiáng)耦合的特性，簡(jiǎn)單的控制策略及算法已無法滿足全工況下的自動(dòng)運(yùn)行。研究提出了一種基于能量平衡的神經(jīng)網(wǎng)絡(luò)控制方案，能快速響應(yīng)管網(wǎng)蒸汽供給變化，大幅度提升母管壓力的控制精度，同時(shí)，降低了爐側(cè)的給煤波動(dòng)，使單爐運(yùn)行更加穩(wěn)定，為鍋爐燃燒優(yōu)化提供了有利條件。

關(guān)鍵詞：母管制鍋爐；母管壓力；負(fù)荷協(xié)調(diào)；能量平衡；神經(jīng)網(wǎng)絡(luò)

中圖分類號(hào)：TQ515文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1001-5922（2025）02-0125-04

Transformation and optimization of the pressure control system of large-scale coal chemical steam mother

ZHANG Hailong1，LI Peng2，GUO Wenhao1，LI Jin2

（1.Coal to Liquid Branch，Ningxia Coal Industry Co.，Ltd.，Yinchuan 750411，China；

2.Beijing Heroopsys Co.，Ltd.，Beijing 100096，China）

Abstract：In view of the fact that most of the large-scale coal chemical power plants are mother tube boilers，the change of mother tube pressure reflects the supply balance between the chemical production load and the total load of each boiler.The pressure of the pipe network has the characteristics of large inertia and large delay，and there are multi-variable and strong coupling characteristics between multiple boilers and multi-pressure level pipe networks，and the simple control strategy and algorithm can no longer meet the automatic operation under all working condi?tions.In this study，a neural network control scheme based on energy balance is proposed，which can quickly re?spond to the changes of steam supply in the pipe network，greatly improve the control accuracy of the pressure of the mother pipe，and at the sametime，reduce the fluctuation of coal feed on the furnace side，make the operation of the single furnace more stable，and provide favorable conditions for the optimization of boiler combustion.

Key words：mother tube boilers；mother tube pressure；load coordination；energy balance；neural networks

隨著煤化工產(chǎn)業(yè)的迅速發(fā)展，帶動(dòng)了配套的熱電聯(lián)產(chǎn)企業(yè)的發(fā)展，各級(jí)蒸汽管網(wǎng)的壓力、溫度在化工生產(chǎn)負(fù)荷及各鍋爐工況變化時(shí)，均能滿足控制指標(biāo)的平穩(wěn)性及快速性[1-2]。某大型煤化工動(dòng)力廠共有10臺(tái)鍋爐，其中1#～4#鍋爐為帶再熱系統(tǒng)的600 t/h鍋爐，5#～10#鍋爐為不帶再熱640 t/h鍋爐，均為母管制運(yùn)行。

為進(jìn)一步提升全廠智能化升級(jí)改造，實(shí)現(xiàn)隱屏操作，公司引入了先進(jìn)控制系統(tǒng)（RASO），分別對(duì)動(dòng)力廠10臺(tái)鍋爐進(jìn)行基于能量平衡的負(fù)荷協(xié)調(diào)智能控制系統(tǒng)改造。

1整體方案

RASO智能控制系統(tǒng)是北京和隆優(yōu)化科技股份有限公司對(duì)流程工業(yè)優(yōu)化控制系統(tǒng)平臺(tái)的簡(jiǎn)稱。

為了實(shí)現(xiàn)大型蒸汽管網(wǎng)自動(dòng)負(fù)荷協(xié)調(diào)，在原優(yōu)化控制系統(tǒng)中（RASO），結(jié)合現(xiàn)場(chǎng)開發(fā)了一款通用的蒸汽管網(wǎng)智能協(xié)調(diào)控制算法，整體方案如圖1所示。

2控制算法及策略研究

2.1母管壓力先控算法

母管壓力先進(jìn)控制算法是利用能量平衡原理及BP神經(jīng)網(wǎng)絡(luò)算法相結(jié)合實(shí)現(xiàn)的[3-5]。

首先，要構(gòu)建母管壓力和能量特性模型，能量的供給平衡完全由母管壓力體現(xiàn)，即管網(wǎng)能量跟隨母管壓力模式，構(gòu)建如下控制方案，如圖2所示。

以上控制框圖，轉(zhuǎn)換為PI調(diào)節(jié)器的傳遞函數(shù)如下[6-7]：

G（s）==PI（s）=

式中：A、B表示系數(shù)；N（s）表示蒸汽能量；P（s）表示蒸汽壓力。

將式（1）進(jìn)行拉普拉斯變換可得：

將式（2）進(jìn)行z變換可得：

將式（3）在初始條件下P（0）=0，N（0）=0的情況下轉(zhuǎn)為差分方程，可得：

令：

則，式（4）可寫為：

式中：b1、b2表示系數(shù)。

研究采用的神經(jīng)網(wǎng)絡(luò)算法是不含隱含層的，選取網(wǎng)絡(luò)傳輸函數(shù)為線性purelin函數(shù)，則神經(jīng)網(wǎng)絡(luò)表達(dá)式同式（6），因此可采用BP神經(jīng)網(wǎng)絡(luò)方法解決b1、b2參數(shù)辨識(shí)問題，進(jìn)而得到實(shí)時(shí)的母管壓力和能量特性模型。然后根據(jù)實(shí)際管網(wǎng)壓力的變化，計(jì)算出總能量需求增量，為各爐負(fù)荷協(xié)調(diào)做好基礎(chǔ)數(shù)據(jù)準(zhǔn)備[8-10]。

2.2負(fù)荷協(xié)調(diào)策略

負(fù)荷協(xié)調(diào)算法模塊，是將總能量需求增量按照不同爐況信息、狀態(tài)信息、分配原則等進(jìn)行規(guī)劃輸出，執(zhí)行到每臺(tái)鍋爐的給煤增量及變負(fù)荷前饋輸出上[11-12]。

在RASO系統(tǒng)中，根據(jù)不用的現(xiàn)場(chǎng)可選擇性的采用不同組合的分配策略[13-14]，例如：同比例增減負(fù)荷策略、壓力-負(fù)荷系數(shù)分配策略、負(fù)荷率-爐效系數(shù)分配策略等，本文采用負(fù)荷率-爐效系統(tǒng)分配策略，具體如圖3所示。

針對(duì)圖3負(fù)荷協(xié)調(diào)策略，做以下說明：

2.2.1負(fù)荷率分配系數(shù)計(jì)算原理

首先，獲取每臺(tái)鍋爐的負(fù)荷運(yùn)行上下限值、負(fù)荷過程值、煤量過程值，例如：在升負(fù)荷時(shí)，計(jì)算每臺(tái)鍋爐的可調(diào)負(fù)荷率即調(diào)節(jié)裕度Yi，作為分配系數(shù)αi的計(jì)算基值，公式如下：

αi=Σ|i（i）iY（n）mi（-）nY-i|Yi|（7）

根據(jù)每臺(tái)鍋爐的負(fù)荷分配系數(shù)αi，計(jì)算各臺(tái)鍋爐的能量增量，計(jì)算公式如下：

SP_Ni= SP_Ni- 1+ αi′（DN（SP）白（_）N）

íF（α1）min（+）SP（…）+Fα（1i F（1）max（i）（8）

式中：SP_Ni為每臺(tái)鍋爐的當(dāng)前能量設(shè)定值；SP_Ni- 1為每臺(tái)鍋爐上一時(shí)刻的能量設(shè)定值；DSP_N為管網(wǎng)能量協(xié)調(diào)總增量；N白為投入?yún)f(xié)調(diào)鍋爐的個(gè)數(shù)；SP_F（i）為每臺(tái)鍋爐的負(fù)荷限值。

當(dāng)爐側(cè)需要降負(fù)荷時(shí)，計(jì)算每臺(tái)鍋爐的降負(fù)荷裕度Xi，作為分配系數(shù)αi的計(jì)算基值，公式如下：

αi= ? |i（i）Xmi（in-）nX-i|Xi|""""""""""""" （9）

根據(jù)每臺(tái)鍋爐的負(fù)荷分配系數(shù)αi，帶入公式如下：

SP_Ni= SP_Ni- 1- αi′（DN（SP）白（_）N）（10）

式中：變量說明和約束條件同式（8）。

2.2.2效率分配系數(shù)計(jì)算原理

當(dāng)各爐負(fù)荷調(diào)節(jié)裕度偏差不大，未大于閾值時(shí)，則進(jìn)行鍋爐效率或者噸汽煤耗的閾值對(duì)比，當(dāng)大于設(shè)定閾值時(shí)，例如，在升負(fù)荷時(shí)，則進(jìn)行如下計(jì)算處理。

首先要獲取每臺(tái)鍋爐的爐效運(yùn)行參數(shù)或噸汽煤耗參數(shù)η，作為分配系數(shù)αi的計(jì)算基值，公式如下：

αi= ? |i（i）iη（n）mi（-）nη-i| ηi |"""""""""" （11）

根據(jù)每臺(tái)鍋爐的負(fù)荷分配系數(shù)αi，計(jì)算各臺(tái)鍋爐的能量增量，計(jì)算公式同式（8）。

當(dāng)爐側(cè)需要降負(fù)荷時(shí)，分配系數(shù)αi的計(jì)算公式如下：

αi= ? |i（i）η（ax）ma（-）xη-i| ηi |""""""""""""" （12）

根據(jù)每臺(tái)鍋爐的負(fù)荷分配系數(shù)αi，帶入式（10），變量說明和約束條件同式（8）。

在外擾模式下，分配系數(shù)可選擇同增量增減負(fù)荷，也可選擇啟用上次分配系數(shù)αi進(jìn)行負(fù)荷增減，本項(xiàng)目選擇默認(rèn)的同增量增減負(fù)荷。

2.3算法測(cè)試效果

以某化工動(dòng)力廠為例，母管壓力的運(yùn)行值為11.65 MPa，采集1 h相關(guān)運(yùn)行數(shù)據(jù)進(jìn)行參數(shù)的辨識(shí)。采集的數(shù)據(jù)已考慮鍋爐的延時(shí)特性，采樣周期為1 min平均值，共60組參數(shù)，部分?jǐn)?shù)據(jù)如表1所示。

母管壓力負(fù)荷特性模型差分方程式（6）中，N（t）、N（t+ 1）、P（t）和P（t+ 1）均為差值，其中，已知蒸汽的壓力、溫度可計(jì)算出蒸汽的焓值，再乘以蒸汽的質(zhì)量即為蒸汽的能量。

將這60組參數(shù)代入由式（6）推導(dǎo)而來的式（13）中，進(jìn)行計(jì)算：

式中：Nsp（t）為t時(shí)刻母管總能量需求值；N0為母管總能量參照需求值；N（t）為t時(shí)刻能量需求偏差；Nsp為管網(wǎng)壓力設(shè)定值；Ppv（t+ 1）為t+ 1時(shí)刻管網(wǎng)壓力過程值；P（t）為t時(shí)刻管網(wǎng)壓力偏差。

從而獲得需要的樣本集，然后將前48組樣本作為訓(xùn)練樣本集，后12組樣本作為測(cè)試樣本集。通過MAT?LAB軟件編制的BP神經(jīng)網(wǎng)絡(luò)，然后設(shè)置網(wǎng)絡(luò)的訓(xùn)練參數(shù)，學(xué)習(xí)算法采用trainscg，學(xué)習(xí)率設(shè)為0.01，動(dòng)量因子設(shè)為0.5；利用訓(xùn)練樣本集對(duì)構(gòu)成的網(wǎng)絡(luò)進(jìn)行訓(xùn)練，經(jīng)過5 Epochs的迭代，均方誤差達(dá)到最小值，停止訓(xùn)練[15-20]。

利用測(cè)試樣本集對(duì)訓(xùn)練完成的網(wǎng)絡(luò)進(jìn)行泛化能力檢驗(yàn)，誤差在允許范圍內(nèi)，網(wǎng)絡(luò)準(zhǔn)確可用。測(cè)試結(jié)果如表2所示。

3運(yùn)行效果分析

以動(dòng)力廠二期優(yōu)化項(xiàng)目執(zhí)行效果為例，投用前后鍋爐效率對(duì)比如圖4所示。

投用母管壓力協(xié)調(diào)控制，根據(jù)母管壓力自動(dòng)調(diào)整鍋爐負(fù)荷，投用后穩(wěn)定性明顯提升，投用前±0.25 MPa，投用后±0.15 MPa以內(nèi)，且90%的運(yùn)行時(shí)間，平穩(wěn)控制在±0.1 MPa以內(nèi)。

4結(jié)語

采用基于能量平衡的神經(jīng)網(wǎng)絡(luò)控制方案，實(shí)現(xiàn)了蒸汽母管壓力的高精度穩(wěn)定控制，為化工生產(chǎn)供汽、蒸汽各級(jí)管網(wǎng)、鍋爐汽機(jī)負(fù)荷協(xié)調(diào)等均產(chǎn)生了重要和積極的作用，為進(jìn)一步提升全廠智能化升級(jí)改造及隱屏操作提供了良好的基礎(chǔ)條件。

【參考文獻(xiàn)】

[1]王濱.熱電廠母管蒸汽壓力控制的負(fù)荷優(yōu)化技術(shù)研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2018.

[2]王彥飛，張國(guó)民，李鵬，等.大型母管制鍋爐負(fù)荷協(xié)調(diào)及管網(wǎng)控制策略研究[J].自動(dòng)化博覽，2020（12）：92-95.

[3]婁勇.基于BP神經(jīng)網(wǎng)絡(luò)PID控制技術(shù)在氯化工藝控制中的應(yīng)用[J].粘接，2020，43（9）：50-53.

[4]孫培波，楊永偉，翟永強(qiáng)，等.基于ASME及GB能量平衡法下鍋爐熱效率不確定度評(píng)定及敏感性分析[J].熱能動(dòng)力工程，2020，35（4）：121-127.

[5]姚大春，張宏偉.火電機(jī)組節(jié)能改造技術(shù)研究[J].粘接.2021，47（9）：155-159.

[6]韓笑.基于Hopfield神經(jīng)網(wǎng)絡(luò)的母管制鍋爐母管壓力的協(xié)調(diào)控制研究[D].哈爾濱：哈爾濱理工大學(xué)，2016.

[7]毛宇涵，等.基于Smith預(yù)估控制和遺傳算法優(yōu)化的燃油蒸汽鍋爐燃燒控制[J].熱能動(dòng)力工程，2023（3）：105-111.

[8]孫宇貞，黃曉筱，郭皓文.基于改進(jìn)混合蛙跳算法的氧量對(duì)象模型辨識(shí)[J].熱能動(dòng)力工程，2020，35（1）：185-190.

[9]王琦，鐘義，張力文，等.基于COLGWO算法的CFB鍋爐燃燒系統(tǒng)模型辨識(shí)[J].控制工程，2023，30（7）：1171-1179.

[10]孫德良，王田，周宇哲，等.基于神經(jīng)網(wǎng)絡(luò)的鍋爐燃燒控制系統(tǒng)建模設(shè)計(jì)[J].電子設(shè)計(jì)工程，2023，31（10）：20-24.

[11]趙鵬翔，李振，王楠，等.聯(lián)合網(wǎng)電時(shí)母管制供熱機(jī)組熱電負(fù)荷優(yōu)化分配策略研究[J].能源與環(huán)保，2022，44（10）：159-164.

[12]王立軍，李曉敏.基于智能運(yùn)行策略的煤電機(jī)組負(fù)荷分配研究[J].電力設(shè)備管理，2021（4）：76-78.

[13]費(fèi)忠太.先進(jìn)控制技術(shù)在煤化工鍋爐中的應(yīng)用與探究[J].煤炭加工與綜合利用，2023（5）：47-51.

[14]李福軍，軒福杰，史春方，等.一種基于和利時(shí)DCS的熱電廠母管制鍋爐負(fù)荷分配的優(yōu)化控制方法[J].自動(dòng)化博覽，2022，39（8）：88-90.

[15]周俊杰，房全國(guó)，王定標(biāo).基于MATLAB/Simulink的燃燒控制過程系統(tǒng)仿真[J].鄭州大學(xué)學(xué)報(bào)，2012（33）：51-54

[16]苑穎，唐莉君.基于卷積神經(jīng)網(wǎng)絡(luò)的大數(shù)據(jù)去模糊挖掘仿真[J].計(jì)算機(jī)仿真，2023，40（6）：421-424.

[17]郝光，董朝軼，高勝利.電站鍋爐神經(jīng)網(wǎng)絡(luò)建模及性能優(yōu)化[J].能源與節(jié)能，2019（10）：65-67.

[18]馬進(jìn)，強(qiáng)碩，袁雪峰.基于動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的電極式鍋爐數(shù)學(xué)建模研究[J].計(jì)算機(jī)仿真，2019，36（9）：126-130.

[19]韓義，孫英波，于英利，等.遺傳算法與BP神經(jīng)網(wǎng)絡(luò)在低氮燃燒優(yōu)化中的應(yīng)用[J].內(nèi)蒙古電力技術(shù)，2017，35（6）：32-35.

[20]呂建，孔祥杰，董賽男.基于神經(jīng)網(wǎng)絡(luò)的變煤質(zhì)下CFB參數(shù)的預(yù)測(cè)仿真[J].自動(dòng)化技術(shù)與應(yīng)用，2016，35（6）：1-5.

（責(zé)任編輯：平海，蘇幔）