一种基于改进ELM的燃气锅炉炉膛压力控制方法及装置

本发明涉及燃气锅炉炉膛压力控制，具体涉及一种基于改进elm的燃气锅炉炉膛压力控制方法及装置。

背景技术：

1、燃气锅炉燃烧过程一般由燃料、送风、引风3个子控制系统调节，其中引风控制系统主要通过控制引风量大小保证送风和引风风量之间的平衡，维持锅炉炉膛负压稳定；燃料控制系统用于调节进入锅炉炉膛的燃料量，以控制蒸汽压力大小；送风控制系统主要调节进入炉膛的风量，保证合适的煤气和空气配比，促进煤气充分燃烧。

2、引风控制系统对炉膛压力控制至关重要，其运行功率大小对于炉膛压力的影响远大于其余的运行参数，故引风量的控制决定着炉膛压力是否稳定，而炉膛压力的稳定是锅炉系统稳定运行的保证。锅炉炉膛负压的大小对于节能影响很大，负压大，被烟气带走的热量相应增大，增加引风机负荷和排烟带走的热量损失，导致热损失增加，燃气耗量增大；压力接近或超过大气压，则锅炉可能出现倒烟、倒火现象，影响设备和人员安全。理想运行状态应在微负压状态。

3、锅炉运行时，如果机组要求的负荷指令改变，则进入炉膛的燃料量和送风量将跟着改变，燃料在炉膛中燃烧后产生的烟气量也将随之改变。这时，为了维持炉膛内的正常压力，必须对引风量进行相应的调节。如果炉膛压力过低，炉膛和烟道的漏风量将增大，可能使燃烧恶化，燃烧损失增大，甚至会燃烧不稳定或灭火。此外，还可能会引起过热气温升高或加大灰粒对受热面的磨损及引风机的损耗。反之，如果炉膛压力过高，炉膛内火焰和高温烟气就会向外面泄露，影响锅炉的安全运行。因此必须对炉膛压力进行控制，以保证炉膛压力保持在一定的允许范围内。

4、锅炉运行中常出现压力波动，基于阀值的传统调节方法常常具有滞后性与不稳定性，炉膛负压也会常常出现超调等现象，不利于锅炉的运行状态保持在微负压状态。因此该方法控制的锅炉在运行中往往不够稳定、可靠。

技术实现思路

1、发明目的：本发明的第一目的是提供一种能够保证炉膛压力稳定的基于改进elm的燃气锅炉炉膛压力控制方法；本发明的第二目的是相应提供基于改进elm的燃气锅炉炉膛压力控制装置。

2、技术方案：本发明所述的基于改进elm的燃气锅炉炉膛压力控制方法，包括：

3、(1)获取锅炉运行历史数据，包括炉膛压力以及对应的引风量、燃料量、进氧量；

4、(2)对数据进行预处理，构建数据集；

5、(3)构建elm网络，以x＝[ek-1,hk-1,μk-1]t作为输入，以炉膛压力作为输出，其中ek-1为引风量与引风预设量的差值，hk-1为燃料量，μk-1为进氧量；

6、(4)引入切比雪夫映射改进金豺优化算法；

7、(5)利用经改进的金豺优化算法对elm网络进行优化，利用数据集对经优化的elm网络进行训练；

8、(6)将包括引风量与引风预设量的差值、燃料量、进氧量的实时锅炉运行数据输入经优化训练的elm网络，得到炉膛压力预测值；

9、(7)根据炉膛压力预测值，计算pid控制参数kp、ki、kd以及pid控制器的输出μ(k)；根据输出μ(k)计算预测输出，若预测输出满足精度要求，则将预测输出传输给调节引风量的变频器，实现锅炉炉膛压力的控制。

10、进一步地，步骤(2)中，数据预处理包括：

11、对所有数据进行缺失值处理，删除空白行，以保证所有数据有效；

12、对引风量进行处理，计算：

13、e(k)＝ys(k)-y(k) (1)

14、其中，ys(k)表示引风预设量，y(k)表示实际引风量，e(k)为引风预设量与实际引风量的差值；

15、对e(k)行归一化处理。

16、进一步地，将数据集按照7:3划分为训练集和测试集。

17、进一步地，步骤(3)中，elm网络具有3个输入节点、12个隐含层节点和1个输出节点。

18、进一步地，步骤(4)中，利用切比雪夫映射，将金豺优化算法种群中的个体随机地映射到d维空间中，实现位置的初始化；位置初始化公式为：

19、xn+1＝cos(k*arccosxn),xn∈[-1,1] (2)

20、其中，x为金豺个体位置，k为阶次；切比雪夫映射能够生成不相关且带有遍历性质的混沌序列。

21、进一步地，将金豺优化算法的种群规模初始化为n，群体中个体的维数为d，最大迭代次数为tmax；

22、在d维空间中随机产生一个d维向量，作为第1个金豺个体；

23、利用公式(2)进行n-1次迭代，产生其余的n-1个金豺个体；

24、利用公式(3)将生成的n个金豺个体依次映射到解搜索空间；

25、xid＝ld+(1+yid)*(ud-ld)/2 (3)

26、其中，xid为第i个金豺在搜索空间中第d维坐标值，ld为搜索空间第d维的下界，yid为第i个金豺第d个维度，ud为搜索空间第d维的上界。

27、进一步地，步骤(5)包括：

28、(5.1)猎物矩阵表示为：

29、

30、其中，prey为猎物矩阵；yi,j为第i个猎物的第j维位置，j取1至d，d为问题求解的维度；i取1至n，n为猎物的数量；

31、(5.2)搜索猎物

32、豺狼的本性使得它们能够感知并跟随猎物，但偶尔猎物不会轻易被抓住从而逃脱，因此豺狼会等待和寻找其他的猎物；狩猎工作由雄性豺狼领导，雌性豺狼跟随雄性豺狼；

33、y1(t)＝ym(t)-e·|ym(t)-r1·prey(t)| (4)

34、y2(t)＝yfm(t)-e·|yfm(t)-r1·prey(t)| (5)

35、其中，y1(t)为第t次迭代的与猎物相应的雄性豺狼更新后的位置，ym(t)为第t次迭代的雄性豺狼的位置；y2(t)为第t次迭代的与猎物相应的雌性豺狼更新后的位置，yfm(t)为第t次迭代的雌性豺狼的位置；e为猎物的逃脱能量；r1表示一个基于莱维分布的随机数；prey(t)为第t次迭代的猎物的位置；t为当前迭代次数；

36、e＝e1*e0 (6)

37、e0＝2*r-1 (7)

38、e1＝c1*(1-(t/t)) (8)

39、其中，e1表示猎物能量的下降过程，e0表示猎物能量的初始状态；r为[0,1]范围内的随机数；c1为一个常数；在整个迭代过程中，t从1.5线性减少到0；

40、r1＝0.05*lf(y) (9)

41、其中，lf()是莱维飞行函数，公式如下：

42、

43、其中，β通常为1.5，u为服从n(0,σ)的随机数，υ为服从n(0,1)的随机数；

44、因此，该搜索猎物阶段的更新策略最终如下：

45、

46、其中，y(t+1)为第t+1次迭代后的豺狼的位置；

47、(5.3)包围并攻击猎物

48、当猎物被豺狼侵扰时，它们的逃脱能量会减少，然后豺狼对会将在前一阶段检测到的猎物包围起来；当豺狼对将猎物包围后，开始攻击并吞食猎物；雄性和雌性豺狼一起捕猎的行为的数学模型如下：

49、y1(t)＝ym(t)-e·|r1·ym(t)-prey(t)| (12)

50、y2(t)＝yfm(t)-e·|r1·yfm(t)-prey(t)| (13)

51、(5.4)将整个经改进的金豺优化算法流程的均方根误差，作为适应度值函数，根据此适应度值函数，用来作为经改进的金豺优化算法的猎物以及金豺的位置更新依据，从而获得最优elm网络；

52、(5.5)将数据集输入elm网络，经过不断学习及训练，直至达到精度要求。

53、进一步地，步骤(7)包括：

54、(7.1)根据炉膛压力预测值，计算kp、ki、kd参数的变化量δkp、δki、δkd：

55、

56、其中，μ为pid输出的控制量，ec(k)为引风量的偏差，y(k)为炉膛压力预测值，kp、ki、kd分别为pid比例、积分、微分环节参数，k为迭代步长；

57、利用δkp、δki、δkd，计算kp、ki、kd参数：

58、

59、其中，α1、α2、α3为动量项因子，其作用是考虑以前迭代过程中经验的积累；

60、(7.2)计算pid控制器的输出μ(k)；

61、μ(k)＝μ(k-1)+kp[e(k)-e(k-1)]+kie(k)+kd[e(k)-2e(k-1)+e(k-2)] (17)

62、(7.3)将pid控制器的输出通过预测输出公式(18)来计算预测输出

63、

64、其中，f'为的一次导数，ny为输入层节点数，q为隐含层的节点数，ωij为elm网络输入层与隐含层之间的连接权值的修正值；

65、通过公式(18)计算出调整参数后的锅炉实际炉膛压力，并判断引风量偏差e(k)是否超过引风预设量1倍以上；若不满足，则令k＝k+1，重新进行计算；如果满足，则将预测输出传输给变频器，实现对锅炉炉膛压力的控制。

66、本发明所述的基于改进elm的燃气锅炉炉膛压力控制装置，包括：

67、运行数据获取模块，用于获取炉膛压力以及对应的引风量、燃料量、进氧量；

68、炉膛压力预测模块，内置上述经优化训练的elm网络，用于根据包括引风量与引风预设量的差值、燃料量、进氧量的实时锅炉运行数据，获取炉膛压力预测值；

69、参数调整计算模块，用于根据炉膛压力预测值计算pid控制参数kp、ki、kd以及pid控制器的输出μ(k)，根据输出μ(k)计算预测输出；

70、以及，pid控制器，用于判断预测输出是否满足精度要求，若满足，则将预测输出传输给调节引风量的变频器，实现锅炉炉膛压力的控制。

71、本发明所述的基于改进elm的燃气锅炉炉膛压力控制装置，包括存储器和处理器，其中存储器中存储有计算机程序，当计算机程序被处理器执行时，实现上述的燃气锅炉炉膛压力控制方法。

72、有益效果：本发明与现有技术相比，具有如下显著优点：

73、炉膛负压控制采用基于金豺优化算法建立的elm网络pid控制方法，一方面，利用切比雪夫映射改进的金豺优化算法对elm神经网络模型进行优化，提高了elm神经网络的收敛能力；另一方面，利用经改进的elm神经网络对炉膛压力进行预测并对pid参数进行配置，可以克服pid算法控制炉膛压力时的算法鲁棒性不佳并且难以满足其在高温、高精度及扰动较大等场合的应用的问题；从而，本发明达到稳定控制炉膛压力的目的。