火電廠熱工過程先進(jìn)控制技術(shù)

前言

　　由開平安、劉建民、焦嵩鳴、曹文亮、李欣欣和牛玉廣編著的《發(fā)電廠熱工過程先進(jìn)控制技術(shù)》一書的出版，對于在我國發(fā)電廠熱工過程系統(tǒng)中，采用先進(jìn)控制技術(shù)，提高發(fā)電廠的自動化水平，促進(jìn)節(jié)能減排具有積極的推動作用。　　該書特點(diǎn)是理論結(jié)合工程實(shí)際，把經(jīng)典控制理論、現(xiàn)代控制理論與發(fā)電廠熱工過程實(shí)際需求相結(jié)合，對發(fā)電廠熱工過程中一些老、大、難的控制系統(tǒng)（例如再熱汽溫時變大滯后系統(tǒng)），設(shè)計了幾種控制策略和參數(shù)優(yōu)化整定方法，并進(jìn)行了力學(xué)統(tǒng)一性分析。該書能夠把現(xiàn)代控制理論的一些理念（例如，卡爾曼濾波器、狀態(tài)觀測器、魯棒控制器、自適應(yīng)控制、內(nèi)模控制系統(tǒng)、狀態(tài)反饋二次型優(yōu)化控制、預(yù)測控制等）設(shè)計成能夠組態(tài)到發(fā)電廠分散式控制系統(tǒng)（DCS）的控制策略，這些工作使得該書中的先進(jìn)控制技術(shù)具有實(shí)用和可操作性，從附錄中可以看到該書中的先進(jìn)控制技術(shù)的應(yīng)用成果?！　≡摃熏F(xiàn)在熱門研究的計算智能方法應(yīng)用于電廠熱工系統(tǒng)，設(shè)計了基于智能計算方法的智能控制策略。在傳統(tǒng)神經(jīng)網(wǎng)絡(luò)算法的基礎(chǔ)上，提出了神經(jīng)網(wǎng)絡(luò)的改進(jìn)算法以及一種新型的動態(tài)遞歸網(wǎng)絡(luò)；并把神經(jīng)網(wǎng)絡(luò)和混沌優(yōu)化策略以及PSO算法相融合，提出了新型的基于神經(jīng)網(wǎng)絡(luò)的存在問題，提出了改進(jìn)的遺傳算法，通過把模糊技術(shù)、量子計算弓]入遺傳算法，提出了新型的模糊量子遺傳算法。本書還設(shè)計了改進(jìn)的蟻群優(yōu)化算法并應(yīng)用于發(fā)電廠熱工過程中控制器的參數(shù)優(yōu)化和對象辨識，這是利用仿生科學(xué)設(shè)計改進(jìn)熱工控制系統(tǒng)的一個嘗試。這些計算智能優(yōu)化方法對于進(jìn)一步提高發(fā)電廠熱工過程控制系統(tǒng)的品質(zhì)具有積極的意義。

內(nèi)容概要

全書分上、下兩篇。上篇介紹基于控制器力學(xué)統(tǒng)一性的系統(tǒng)設(shè)計方法，把經(jīng)典控制理論、現(xiàn)代控制理論與過程控制的工程實(shí)際需求相結(jié)合，研究了幾種典型控制系統(tǒng)的改進(jìn)設(shè)計和參數(shù)整定方法，并對其進(jìn)行了力學(xué)統(tǒng)一性分析，本書設(shè)計的基于經(jīng)典力學(xué)勻加速運(yùn)動方程的系統(tǒng)狀態(tài)觀測器能夠準(zhǔn)確觀測被控系統(tǒng)。下篇介紹熱工過程計算智能方法及其應(yīng)用研究，在傳統(tǒng)神經(jīng)網(wǎng)絡(luò)算法的基礎(chǔ)上，提出了神經(jīng)網(wǎng)絡(luò)的改進(jìn)算法以及一種新型的動態(tài)遞歸網(wǎng)絡(luò)；并把神經(jīng)網(wǎng)絡(luò)和混沌優(yōu)化策略以及PSO算法相融合，提出了新型的基于神經(jīng)網(wǎng)絡(luò)的智能融合優(yōu)化方法；針對標(biāo)準(zhǔn)遺傳算法存在的問題，提出了改進(jìn)的遺傳算法，通過把模糊技術(shù)，量子計算引入遺傳算法，提出了新型的模糊量子遺傳算法；本書還設(shè)計了改進(jìn)的蟻群優(yōu)化算法；最后把計算智能應(yīng)用于電廠熱工系統(tǒng)，設(shè)計了基于智能計算方法的智能控制策略。    本書不僅適合發(fā)電廠控制系統(tǒng)的工程師使用，也適合化工和其他行業(yè)的控制工程師閱讀，還可供自動控制專業(yè)的高等院校師生、科研院所的科技人員閱讀。

書籍目錄

序 前言 上篇 基于控制器力學(xué)統(tǒng)一性的系統(tǒng)設(shè)計方法   第1章 熱工過程控制策略概述     1.1 概述     1.2 熱工過程先進(jìn)控制策略研究現(xiàn)狀   第2章 基于時間尺度的PID參數(shù)整定和二階系統(tǒng)參數(shù)辨識     2.1 基于時間尺度的PID控制器參數(shù)整定     2.2 二階系統(tǒng)參數(shù)辨識     2.3 本章小結(jié)   第3章 基于勻加速運(yùn)動方程構(gòu)建的系統(tǒng)狀態(tài)觀測器     3.1 卡爾曼濾波器     3.2 狀態(tài)觀測器     3.3 基于勻加速運(yùn)動方程構(gòu)建的系統(tǒng)狀態(tài)觀測器     3.4 基于勻加速運(yùn)動方程狀態(tài)觀測器構(gòu)建的控制系統(tǒng)     3.5 本章小結(jié)   第4章 大滯后控制系統(tǒng)的幾種設(shè)計方法     4.1 確定性大時滯控制系統(tǒng)的兩步整定方法     4.2 時變大時滯控制系統(tǒng)的兩種設(shè)計方法     4.3 本章小結(jié)   第5章 幾種典型控制器的動力學(xué)統(tǒng)一性分析及其設(shè)計改進(jìn)     5.1 二階系統(tǒng)通用控制器     5.2 魯棒控制器     5.3 PID控制器     5.4 內(nèi)?？刂葡到y(tǒng)(IMC)     5.5 狀態(tài)反饋控制     5.6 預(yù)測控制(GPC／MPC)     5.7 本章小結(jié)   第6章 對非線性控制系統(tǒng)設(shè)計的探討     6.1 引言     6.2 反饋線性化     6.3 系統(tǒng)間隙度和非線笥系統(tǒng)的優(yōu)化控制     6.4 本章小結(jié) 下篇 熱工過程計算智能方法及其應(yīng)用研究   第7章 計算智能概論     7.1 概述     7.2 計算智能在電廠熱工系統(tǒng)中的應(yīng)用   第8章 神經(jīng)網(wǎng)絡(luò)及其算法研究     8.1 BP神經(jīng)網(wǎng)絡(luò)及其改進(jìn)算法     8.2 RBF神經(jīng)網(wǎng)絡(luò)     8.3 CMAC神經(jīng)網(wǎng)絡(luò)     8.4 PID神經(jīng)網(wǎng)絡(luò)     8.5 HIOCDRN動態(tài)遞歸神經(jīng)網(wǎng)絡(luò)及其在系統(tǒng)辨識中的應(yīng)用     8.6 本章小結(jié)   第9章 混沌和PSO算法研究及其與神經(jīng)網(wǎng)絡(luò)的混合應(yīng)用     9.1 混沌優(yōu)化策略     9.2 RPROP與混沌優(yōu)化耦合算法     9.3 PSO算法     9.4 PSO算法改進(jìn)策略     9.5 基于PSO的RBF神經(jīng)網(wǎng)絡(luò)在熱工系統(tǒng)辨識中的應(yīng)用     9.6 本章小結(jié)   第10章 模糊量子遺傳算法   第11章 計算智能在熱工控制系統(tǒng)中的應(yīng)用研究   第12章 蟻群優(yōu)化算法及其在熱工控制系統(tǒng)中的應(yīng)用 附錄1 KPAACP優(yōu)化在汽包水位系統(tǒng)中的應(yīng)用 附錄2 300MW火電機(jī)組再熱汽溫調(diào)節(jié) 致謝 參考文獻(xiàn)

章節(jié)摘錄

插圖：（3）反饋校正。預(yù)測控制是一種閉環(huán)控制算法。由于實(shí)際系統(tǒng)中存在非線性、時變、模型失配、干擾等因素的影響，基于不變模型的預(yù)測輸出不可能與系統(tǒng)的實(shí)際輸出完全一致，而在滾動實(shí)施優(yōu)化過程中，又要求模型輸出與系統(tǒng)實(shí)際輸出保持一致，為此，在預(yù)測控制算法中，采用檢測實(shí)際輸出與模型輸出之間的誤差進(jìn)行反饋校正來彌補(bǔ)這一缺陷。反饋校正的形式是多樣的，可以在保持預(yù)測模型不變的基礎(chǔ)上，對未來的誤差作出預(yù)測并加以補(bǔ)償，也可以根據(jù)在線辨識的原理直接修改預(yù)測模型。不論采取何種校正形式，預(yù)測控制都把優(yōu)化建立在系統(tǒng)實(shí)際的基礎(chǔ)上，并力圖在優(yōu)化時對系統(tǒng)未來的動態(tài)行為作出比較準(zhǔn)確的預(yù)測。因此，預(yù)測控制中的優(yōu)化不僅基于模型，而且利用了反饋信息，因而構(gòu)成了閉環(huán)優(yōu)化。由上述可知，預(yù)測控制是一種基于模型、滾動實(shí)施并結(jié)合反饋校正的新型計算機(jī)優(yōu)化控制算法。由于預(yù)測控制具有優(yōu)良的性能，國內(nèi)外不少學(xué)者對預(yù)測控制技術(shù)在火電機(jī)組熱工過程控制中的應(yīng)用進(jìn)行了一些研究。文獻(xiàn)[27]將模糊控制和預(yù)測控制相結(jié)合，提出模糊預(yù)測控制方法，并應(yīng)用該方法對火電廠鍋爐過熱汽溫控制進(jìn)行了仿真研究。仿真結(jié)果表明，該系統(tǒng)具有優(yōu)良的控制性能和很強(qiáng)的魯棒性；文獻(xiàn)[28]介紹了基于非線性模型的預(yù)測控制，并對鍋爐負(fù)荷控制系統(tǒng)進(jìn)行了全工況的仿真研究；文獻(xiàn)[29]通過神經(jīng)網(wǎng)絡(luò)模型來辨識被控對象的全局動態(tài)模型，并給出了基于神經(jīng)網(wǎng)絡(luò)模型的非線性全局預(yù)測控制算法，應(yīng)用于鍋爐的主蒸汽溫度和主蒸汽壓力控制系統(tǒng)中；文獻(xiàn)[30]給出了一種改進(jìn)的廣義預(yù)測控制算法，引入階梯式控制策略，增強(qiáng)算法的魯棒性和抗干擾能力，實(shí)現(xiàn)主蒸汽壓力的控制；文獻(xiàn)[31]將基于模型的預(yù)測控制應(yīng)用于電站的控制中，將預(yù)測控制與人工智能方法相結(jié)合，用來解決電廠控制中的最優(yōu)化問題；文獻(xiàn)亡[32]將普通的預(yù)測控制優(yōu)化方法與遺傳算法的優(yōu)化方法有機(jī)地融合起來，用遺傳算法來監(jiān)督整個優(yōu)化過程。文獻(xiàn)[33]將預(yù)測函數(shù)控制推廣應(yīng)用到200Mw火電機(jī)組的多變量再熱汽溫系統(tǒng)；文獻(xiàn)[35]將模型算法控制技術(shù)應(yīng)用于鍋爐制粉系統(tǒng)的磨煤機(jī)控制中，實(shí)際運(yùn)行結(jié)果表明，該控制系統(tǒng)使磨煤機(jī)能自動地保持在經(jīng)濟(jì)工況下運(yùn)行，取得了較好的經(jīng)濟(jì)效益。

編輯推薦

《火電廠熱工過程先進(jìn)控制技術(shù)》由中國電力出版社出版。

圖書封面

評論、評分、閱讀與下載

---

    火電廠熱工過程先進(jìn)控制技術(shù) PDF格式下載

---