1、熱工過(guò)程的建模與控制是保證熱力設(shè)備安全、經(jīng)濟(jì)、環(huán)保運(yùn)行的必要措施和手段。隨著我國(guó)電力工業(yè)對(duì)環(huán)境保護(hù)的日益重視，電站鍋爐污染物排放控制問(wèn)題也越來(lái)越受到人們的關(guān)注。鍋爐特性往往具有典型的非線性和不確定性等特點(diǎn)，常規(guī)的線性建模方法無(wú)法準(zhǔn)確描述鍋爐典型非線性過(guò)程的整體特性，難于實(shí)施理想的優(yōu)化控制。人工神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的逼近非線性函數(shù)的能力，并具有自適應(yīng)學(xué)習(xí)、并行分布處理和較強(qiáng)的魯棒性及容錯(cuò)性等優(yōu)點(diǎn)，為未知不確定非線性系統(tǒng)的建模和控制提供了一種有

2、效的解決途徑。 針對(duì)電站鍋爐NOx排放過(guò)程和過(guò)熱汽溫的非線性和不確定性，本文著重研究了這兩個(gè)典型非線性過(guò)程的神經(jīng)網(wǎng)絡(luò)建模和控制方法。 電站鍋爐NOx排放量的模型分為三類(lèi)：基于化學(xué)反應(yīng)動(dòng)力學(xué)的CFD模型、人工神經(jīng)網(wǎng)絡(luò)模型、集總參數(shù)模型。不少學(xué)者分別對(duì)這三類(lèi)模型進(jìn)行過(guò)研究，但還沒(méi)有把這三類(lèi)模型結(jié)合起來(lái)進(jìn)行研究的報(bào)道。本文首先對(duì)多層前向神經(jīng)網(wǎng)絡(luò) BP的基本構(gòu)成、常用及改進(jìn)的學(xué)習(xí)算法作了簡(jiǎn)要的介紹，對(duì)燃煤過(guò)程中的NOx生成機(jī)理進(jìn)

3、行了詳細(xì)分析，通過(guò)將BP神經(jīng)網(wǎng)絡(luò)建模方法與NOx生成機(jī)理的有機(jī)結(jié)合，提出了基于NOx生成機(jī)理的非線性神經(jīng)網(wǎng)絡(luò)模型。在此基礎(chǔ)上，利用所建立的非線性NOx排放神經(jīng)網(wǎng)絡(luò)模型對(duì)某電廠鍋爐NOx的排放特性進(jìn)行了預(yù)測(cè)，算法不僅可預(yù)測(cè)鍋爐總的NOx排放量，還可預(yù)測(cè)各層一次風(fēng)粉單元的NOx排放量，通過(guò)預(yù)測(cè)計(jì)算可以定量地獲得如下結(jié)論：①鍋爐各層一次風(fēng)粉單元生成的氮氧化物量是不相同的，中間幾組一次風(fēng)粉單元生成的氮氧化物量很少，最底層和最上層一次風(fēng)粉單元所生

4、成的氮氧化物較多；②在保證空氣過(guò)量系數(shù)的前提下，采用過(guò)燃風(fēng)及減少對(duì)燃燒區(qū)的供氧，是降低NOx排放量的有效措施。顯然，這些結(jié)論對(duì)于有效抑制鍋爐NOx的生成及排放具有非常重要的指導(dǎo)意義。另外，由于該NOx神經(jīng)網(wǎng)絡(luò)模型具有隱節(jié)點(diǎn)數(shù)少、泛化能力強(qiáng)及學(xué)習(xí)速度快的優(yōu)點(diǎn)，可以有效地對(duì)鍋爐NOx排放特性進(jìn)行在線預(yù)測(cè)和控制。 在RBF網(wǎng)絡(luò)中，隱層節(jié)點(diǎn)的數(shù)目和中心分布將直接影響到RBF網(wǎng)絡(luò)的函數(shù)逼近和泛化能力，RBF網(wǎng)絡(luò)的隱層節(jié)點(diǎn)數(shù)和中心位置的動(dòng)態(tài)

5、調(diào)整已越來(lái)越受到人們的重視。本文在對(duì)RBF網(wǎng)絡(luò)的結(jié)構(gòu)、構(gòu)建和訓(xùn)練算法作了簡(jiǎn)要的介紹后，從提高網(wǎng)絡(luò)泛化能力出發(fā)，分析了資源分配網(wǎng)絡(luò)(RAN)和最小資源分配網(wǎng)絡(luò)(MRAN)的基本算法，通過(guò)加入懲罰策略和合并策略，對(duì)最小資源分配網(wǎng)絡(luò)算法的隱節(jié)點(diǎn)刪減策略進(jìn)行了有效改進(jìn)，使改進(jìn)的MRAN網(wǎng)絡(luò)具有學(xué)習(xí)速度快、泛化能力強(qiáng)、計(jì)算精度高且具有更加緊湊的結(jié)構(gòu)，十分適合于網(wǎng)絡(luò)的在線實(shí)時(shí)調(diào)整。在此基礎(chǔ)上，本文進(jìn)一步采用改進(jìn)的MRAN網(wǎng)絡(luò)，并結(jié)合某300MW燃煤

6、鍋爐NOx排放和效率試驗(yàn)數(shù)據(jù)，建立了電站鍋爐NOx排放與效率的非線性神經(jīng)網(wǎng)絡(luò)模型，通過(guò)計(jì)算比較，驗(yàn)證了采用改進(jìn)MRAN網(wǎng)絡(luò)所建立的鍋爐NOx排放與效率模型具有較高的精度，能滿足鍋爐NOx排放過(guò)程非線性、時(shí)變性和不確定性的要求。 影響電站鍋爐NOx排放和燃燒效率的因素基本相同，但效果往往相反，如何實(shí)現(xiàn)鍋爐高效率低NOx排放是人們關(guān)注的重要問(wèn)題。為了實(shí)現(xiàn)這一目的，本文在對(duì)現(xiàn)有鍋爐高效低NOx排放措施進(jìn)行總結(jié)后，對(duì)前面所提出的改進(jìn)MR

7、AN網(wǎng)絡(luò)學(xué)習(xí)算法作了進(jìn)一步的改進(jìn)，即在每一采樣點(diǎn)對(duì)過(guò)去若干樣本點(diǎn)進(jìn)行反復(fù)的EKF學(xué)習(xí)，使改進(jìn)的MRAN網(wǎng)絡(luò)能對(duì)在樣本點(diǎn)附近區(qū)域的樣本有較高的預(yù)測(cè)精度。另外，論文還進(jìn)一步提出了基于實(shí)數(shù)編碼的遺傳算法和改進(jìn)的模擬退火算法，并把這兩種優(yōu)化方法分別應(yīng)用于對(duì)電站鍋爐高效率低NOx排放燃燒的優(yōu)化調(diào)整上，計(jì)算結(jié)果表明：采用這兩種優(yōu)化調(diào)整方法后，鍋爐可以在高效率低NOx排放量的優(yōu)化工況下運(yùn)行。 電站鍋爐過(guò)熱汽溫被控過(guò)程具有大慣性、時(shí)變、非線性等

8、難于控制的特點(diǎn)。本文在分析神經(jīng)網(wǎng)絡(luò)與自適應(yīng)控制方法相結(jié)合的基礎(chǔ)上，利用改進(jìn)的MRAN網(wǎng)絡(luò)，提出了三種動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制算法：神經(jīng)PID控制(NNPID)策略、神經(jīng)內(nèi)?？刂?NNIMC)策略和神經(jīng)PID協(xié)調(diào)控制(NN-PID Coordinator)策略。并以某電廠過(guò)熱汽溫控制為研究對(duì)象，進(jìn)行了仿真比較研究，結(jié)果表明：這三種基于動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的汽溫自適應(yīng)控制系統(tǒng)均比常規(guī)的PID控制系統(tǒng)具有更好的控制品質(zhì)。三種非線性汽溫控制方案中，NNP