锅炉热工过程先进控制策略研究综述
王庆东, 冯增健, 孙优贤
(浙江大学现代控制工程研究所, 杭州 310027)
摘 要: 锅炉是一个多输入输出、强耦合、不确定时滞的复杂控制对象，常规的控制器很难取得理想的控制效果。综述了近年来国内外在锅炉热工过程控制领域的主要研究成果，其中包括PID混合控制系统、智能控制系统、解耦控制系统以及它们在锅炉热工过程中的应用。指出了当前研究的不足，并探讨了今后国内热工自动化控制研究及应用的几个方向。
关键词: 锅炉; 智能控制; 解耦控制; 热工自动化
Survey on Advanced Control Techniques in Thermal Proces s of Boiler
WANG Qingdong, FENG Zengjian, SUN Youxian
(Institute of Modern Control Engineering,Zhejiang University, Han gzhou 310027, China)
Abstract: Boiler is a complicated control object with multivariable, strong coupling and uncertain timedelay. It is hard to get ideal control effect with normal controller. This paper presents the overview of advanced control techniques in therma l process control of boiler, such as PID multiplex control system, intelligent c ontrol system and decoupling control system. The future of advance control resea rch and application is also discussed.
Key words: boiler; intelligent control; decoupling control; thermal process control
1前言
锅炉设备的主要输入变量是负荷、锅炉给水、燃料量、减温水、送风和引风量；主要输出变量包括汽包水位、过热蒸汽温度及压力、烟气氧量和炉膛负压等。鉴于锅炉本身的复杂性，对锅炉实施控制时存在以下几个难点：1)系统存在严重耦合，例如燃料量的变化不仅影响蒸汽压力和汽包水位，还会影响过热蒸汽温度和烟气氧量等；2)存在不确定时滞，如燃料量的变化对蒸汽温度、压力、汽包水位等的影响有不同的滞后，减温水量的变化对过热器出口蒸汽温度的影响有较大的滞后，这些时滞的大小还随着负荷状况的改变而改变［2］。因此，锅炉是一个多输入、多输出且变量相互耦合并具有不确定时滞的复杂控制对象。
由于锅炉变量关系较为复杂，而操作工人的经验相对较丰富。因此，近年来锅炉自动化研究 主要集中在以下三个方面：一是在传统PID控制领域，利用其他方法和PID控制相结合来改善PID控制效果；二是应用人工智能和计算机科学的最新技术，开发专家控制系统、人工神经网络控制系统和模糊控制系统等；三是针对锅炉的强耦合性，开发解耦控制系统。
2锅炉热工过程先进控制策略研究现状
2.1PID控制的新进展
PID控制因其具有结构简单、容易实现、鲁棒性强和能够实现无差调节的特点，在传统的锅炉控制系统中得到了广泛的应用。然而，常规的PID控制器是线性的，适用于小惯性小滞后的过程，当把PID控制应用在非线性、大时滞、参数不确定的情况下时，很难获得满意的控制效果。因此，近年来，很多学者将其他方法和PID控制结合起来，在线调节PID参数来处理各种不确定性、非线性以及大时滞，这是热工自动化控制的一个很好的发展方向。
为了解决大惯性大滞后过程的控制问题而又无需建立被控过程的数学模型，可以采用一种模糊预估PID控制方法［3］，即在常规PID控制器前串联一个模糊预估器，通过模糊预估器对过程未来输出的预估作用来补偿被控过程的惯性和滞后对控制系统性能的影响。如图1所示的过热汽温模糊预估PID控制系统，其中，FE为模糊预估器(fuzzy estimator)，z1为滞后算子。模糊预估器的作用是根据系统当前时刻的状态预测k+L时刻过程的输出，并将k+L时刻过程输出的估计值 与过程输出值的偏差 送入PID控制器进行控制，从而有效防止了当被控过程的纯滞后较大时，PID控制系统出现严重的超调和振荡，有利于抑制扰动。需要指出的是，这里的模糊预估器和一般的Smith预估器不同，不需要对对象建立精确的数学模型，它是根据一组模糊规则来实现对k+L时刻输出预估值的。
对于不确定时滞的热工过程，常规的PID控制往往不能做到及时调节，造成了控制品质的下降。将调节器输入的被控量的偏差根据被控量的大小和其变化速率、方向以及时间关系，先进行预补偿［4］，然后再经过PID控制器运算输出，可以使控制品质得到有效改善。根据补偿环节的基本思想，可以采用如下一类补偿方法，根据偏差△y和被控
用到过热汽温PID串级控制系统，补偿后的系统对控制对象的特性变化适应性更好。
文献［5,6,8,9］将模糊控制与常规PID控制有机结合起来形成模糊PID控制器，结合现场运行人员的经验和专家知识建立模糊规则和进行模糊推理，应用在锅炉汽温调节系统中，用一组模糊校正规则，实时地对锅炉主汽温串级控制系统主PID控制器的参数Kp 、Ti进行在线调整，使PID控制器能根据系统运行情况进行变参数调节，从而提高了系统对非线性、时变性和不确定性等的处理能力。控制系统原理框图如图2。虚线部分为原系统基础上新加控制功能，整个模糊自调整PID控制器由常规PI控制和模糊推理参数校正两部分组成。文献［7］将模糊PID控制器应用于锅炉一次风压的控制系统中，建立了模糊控制规则，根据被调量的偏差和被调量的变化率来选择不同的控制规律。
文献［10］提出了一种自适应分层递阶模糊PID参数控制方法。在较高的级别应用规则集建立其高层规划模型，根据系统的基本参数变化判定高层的参数调节方案，以保证系统的安全运行；在较低层次，按照物理定律应用微分方程等构造其数学模型，根据e和△e的变化在动态过程中实时调节规划参数值和PID参数值，使动态系统达到性能要求。文献［11］提出了适配值函数选择的一般原则和遗传算法的自适应机制。利用遗传算法自动仿生寻优随机算法，在线优化PID参数，并将其运用到电厂锅炉过热汽温的PID参数优化控制中。
2.2智能控制
电厂锅炉是个具有高度耦合的多变量输入输出非线性热工系统，其动态特性随着运行工况的变化而大范围变化，各环节的动态特性差异很大，还有噪音和负荷干扰、时滞等。因此要建立锅炉的精确数学模型较困难，而粗略模型只能由一系列分布参数系统描述，锅炉的复杂特性使得基于精确数学模型的常规控制器难以取得理想的控制效果，这就给不需要建立精确模型的专家系统、人工神经元网络以及模糊控制等智能控制方法的应用提供了广阔的空间。因此，将这些智能控制方法应用于锅炉热工控制过程具有较强的理论与实践意义。
人工神经元网络具有学习、泛化以及非线性映射多种能力，可以很好地弥补常规控制方法的 局限性，使非线性、时变和不确定系统的控制成为可能［12］。文献［13］提出了自回归神经网络拓扑结构以及一种快速训练的算法，并把该复合控制系统用于锅炉主汽温控制，一个充当辨识器，另一个充当控制器，如图3所示。前者对未知系统辨识，然后把受控对象的信息传送给后者，后者发出控制动作调整动态系统，有效地解决了热工系统中非线性受控对象的未知性和时变性问题。Li Jianyong等人［14］设计了一个BP神经网络用来学习锅炉负荷和主蒸汽压力随着燃烧效率和汽轮机阀门开度的变化动态特性，通过和PID控制效果的比较，表明神经网络可以学习锅炉动态特性，有很好的控制效果。文献［15］提出了一种多层反馈神经网络控制器来控制MIMO的锅炉对象，训练数据和测试数据都来自ZFCL电力公司，训练好的系统应用状况良好。文献［16］利用神经网络具有的以任意精度逼近任意连续函数及其各阶导数的特性，把神经网络作为模型辨识和预报的工具以代替GPC控制中的线性CARIMA模型，并运用到锅炉的过热汽温系统上。文献［17~19］对整个电厂机组的运行进行了模拟和优化控制。
专家系统以知识模型为基础［20］，不仅利用理论知识，而且利用人的知识与经验，很适合像锅炉燃烧过程这样难以建模和操作的工业对象。专家系统在锅炉燃烧过程中得到了广泛的应用［21~24］。文献［21］提出了一种锅炉燃烧过程实时控制专家系统，专家系统采用的推理机为数据驱动的正向推理方法，逐次判断知识库中的规则，是一种前向推理的产生式系统。其判断规则集包括紧急事故及执行机构故障诊断子集、工况判断子集、煤厚调节子集、送风调节子集等。文献［22］把专家智能控制应用于CFB锅炉系统，实现了控制床温稳定以及在此基础上维持主蒸汽气压稳定两个目标，控制效果很好。针对锅炉燃烧过程送引风系统，马平等［23］设计了一个专门用于这一过程的专家系统控制器，利用专家规则库确定了送风阀门开度和锅炉机组负荷之间的关系。文献［25，26］则把专家控制器和模糊控制器结合用于锅炉汽水子系统，推理机采用模糊控制器，建立模糊控制决策表。仿真结果表明这种复合控制器反应迅速，控制效果明显。
自从1974年英国的E.H.Mamdani教授成功的把模糊控制应用于锅炉和蒸汽机控制［27］以来，模糊控制在热工控制领域得到了广泛的应用。文献［28~30］研究了模糊控制系统在过热汽温控制过程中的应用。文献［28］将模糊控制和预测技术结合，提出了模糊预 测控制方法，克服了常规的模糊控制方法不能及时反馈的不足。首先将控制量的论域分为若干子域，并且以分界点作为参考控制量，随后预测各参考控制量在被控过程模型作用下的输出，以预测的偏差和偏差的变化量两个变量为输入，建立模糊性能规则库，推理出控制性能测量指标，来评价各参考控制量的控制效果。最后确定出最佳控制量和最佳控制量所在子域的确定控制输出。文献［29］在串级控制系统中引入模糊控制器，根据运行人员的操作经验，采用复合模糊串级控制系统，与PID控制相比，具有更快的响应和更强的鲁棒性。文献［31］构造的加权模糊控制系统借鉴了传统的三冲量给水系统的优点，如图4所示，模仿操作人员的经验，由三个相互独立的模糊输出逻辑控制器的输出量加权来决定主控入水阀的开度。这三个模糊控制器分别考察汽包水位、流量平衡和实际输出功率。文献［32，33］针对火电厂给水自动控制系统和循环流化床床温控制，设计了模糊控制器，仿真结果良好。文献［34］把主汽压的偏差及其偏差的变化率为主汽压模糊控制器的输入，模糊控制器的输出为增量形式的控制信号，加上前馈信号，构成副回路的输入值，即给煤机转速，可快速消除给煤量扰动。文献［35，39］把模糊控制器应用到电厂300MW机组燃烧系统的最佳风煤比的实际控制上，运行平稳，得到了良好的控制效果。
把神经网络和模糊控制结合起来构成模糊神经网络（FNN）控制器也是处理锅炉燃烧过程耦合不确定性的有效手段。文献［38］综合考虑了锅炉的蒸汽压力、蒸汽负荷和含氧量等，提出了工业炉燃烧系统自学习FNN控制策略，如图5。FNN采用离线学习和在 线学习相结合的算法，获得一个基本反映系统要求的多层网络，然后再将这一网络加到系统中去，在系统运行中采用在线算法，随时修正系统的实际输出和希望输出之间的偏差。文献［40］提出了一种自调整模糊控制系统，采用解析法描述模糊控制规则，将智能权函数引入模糊控制器的设计，采用一组模糊子集隶属度函数实现模糊控制自调节。并把这种控制方法应用到单元机组过热汽温串级控制器上，仿真结果表明其控制效果良好。
2.3解耦控制
锅炉是一个多变量紧密耦合的被控对象，根据多变量频域控制理论，克服内扰实现解耦的最 有效途径是采用解耦控制方法。其中准优势化法是适应工业现场环境的较为实用和有效的方 法［41］。其解耦控制器D11、D12、D21、D22的设计是关键，为简化通常取D11=D22=1，仅设计D12和D21就可以了，如图6。文献［42］对锅炉送引风对象采用了上述控制器，解耦后的对象特性不变而且容易工程实现。文献在上述控制器的基础上针对循环流化床（CFB）料床温波动较大的情况，提出和设计了补偿式解耦控制系统，直接用床体温度这一波动较大的信号去补偿和调节给煤量，克服了由于CFB给煤粒度分布不均匀引起的床温的变化。
神经网络具有的学习、泛化、非线性映射等多种能力使得多变量系统的解耦控制成为可能［42~44］。文献［43］基于神经网络α阶逆系统方法提出了一种锅炉主汽压非线性控制系统的设计方法。针对锅炉和汽轮机之间的非线性耦合关系，对锅炉对象，可以写成输入输出微分方程描述的形式
pT—汽轮机前压力，μB—燃烧率，μT—阀门开度。
由隐函数定理，其α阶积分逆系统可写成
根据机组的运行数据，得到输入输出数据，构成了神经网络训练样本集。训练达到一定精度后就构成了汽包锅炉的神经网络α阶逆系统。把训练好的神经网络和对象非线性模型结合起来构成复合控制器。该方法克服了对对象精确模型的依赖，减小了计算量，在工程上易于实现。文献［46，47］把预测控制［48］和解耦控制结合起来,应用到锅炉汽温控制对象中。文献［46］提出了Smith预估模型参考自适应解耦控制系统，文献［47］针对运行工况变化较频繁的强耦合时变大滞后锅炉再热汽温系统的特性，提出了一种基于模糊逻辑推理自整定设计参数的自适应解耦DMC算法，仿真结果表明该方法使参数的调整更加灵活，对多变量系统更为有效。
3锅炉热工控制的研究及应用前景
近年来锅炉热工过程先进控制理论的研究工作已经为其在电站中的应用奠定了应有的理论基础。控制计算机的普及与提高也为先进控制的应用提供了强有力的硬件和软件平台。纵观这些研究成果，仍然存在一些不足，今后热工自动化的研究方向应该注意以下几个方面的研究与开发：
1)实际控制工程中，要求控制器简单，计算时间短，而目前研究的先进控制策略往往结构复杂，计算时间长，且大部分研究成果仍处于实验室仿真阶段［49］，如何将其推向热工控制实际应用是今后的努力方向。
2)目前的先进控制策略大都是从某一热工过程出发，满足这一过程的特殊控制要求，没有考虑对其他过程，乃至全局的影响。因此电厂单元机组控制的进一步整体化、智能化研究十分重要。如何在先进控制策略的基础上，将生产调度、计划、优化经营管理与决策等内容加入到控制与优化系统中，是今后的研究方向。
3)优化监控系统以状态计算、分析和诊断为基础，涉及电厂的安全和经济两个方面，包括机组偏差能损分析，优化燃烧，锅炉、汽机及其辅机故障诊断等，应积极开发先进的优化监控软件和系统。
4)针对锅炉设备和热工过程的特点，开发锅炉成套专用控制软件和装置，具有良好的产业化前景和广阔的市场容量，是国内外自动化高技术的发展方向之一。
5)先进控制策略能否成功地应用到实际，关键在于对现场运行情况的深入了解及在理论上的提升。因此，应加强电站锅炉运行过程理论建模以及基于运行数据库的非参数建模，把专家经验和知识应用于先进控制策略。
参考文献
［1］徐传诏，赵岩.我国工业锅炉的现状、差距与展望［J］.应用能源技术，200 2 73(1)：42-43
［2］张玉铎，王满家.热工自动控制系统［M］.北京：水利电力出版社，1985
［3］雎刚，陈绍炳，等.模糊预估PID控制及其应用［J］.东南大学学报，1998,2 8(sup):104-108
［4］林永君，等.带预补偿环节的PID控制器及其在过热汽温控制中的应用［J］.河北电力技术，1999,18(3):30-34
［5］孙志英，佟振声.模糊自调整PID过热气温控制系统［J］.华北电力大学学报，2001,28(4):33-38
［6］吕剑虹，陈来九.模糊PID控制器及在汽温控制系统中的应用研究［J］.中国电机工程学报，1995,15(1):16-22
［7］薛文顺，吕剑虹.模糊PID复合控制系统及其在锅炉一次风压力控制中的应用［J］.电力自动化设备，2001,21(8):15-17,50
［8］张晶涛，王伟，曹方.一种智能控制方法在300 MW机组主汽温控制系统中的应用研究［J］.中国电机工程学报，1999,19(3):6-10
［9］Wang Wei,Li Hanxiong,Zhang Jingtao.Intelligencebased hybrid control for power plant boiler［J］.IEEE Trans on Control System,2002,(10):280-2 87
［10］谢克明，侯宏仑，谢刚.过热汽温系统的自适应递阶模糊PID参数控制［J］ .中国电机工程学报，2001,21(9):38-42
［11］李萌，沈炯.基于自适应遗传算法的过热汽温PID参数优化控制仿真研究［ J］.中国电机工程学报，2002,22(8):145-149
［12］Zurada,Jacek M.Introduction to Artificial Neural Systems［M］.Wes t Publishing Company,1992
［13］辛开远，金秀章，杨玉华.自回归神经网络在主气温控制中的应用［J］.华北电力大学学报，2001,28(1):43-48
［14］Li Jianyong,Ososanya Esther T,Smoak Robert A.The neural network control application in a power plant boiler［A］.In:Proceeding of the IEEE Sout heast Con'96［C］.1996.521-524
［15］Saha P K,Shoib Mohammed,Kamruzzaman J.Development of a neural net work based integrated control system［J］.Computers and Electrical Engineering,1 998,24:423-440
［16］卢勇，徐向东.基于神经网络模型的锅炉广义预测控制［J］.热能动力工程，2001,16(1):55-58
［17］李秀云，等.人工神经网络在发电厂模拟和控制中的应用研究［J］.热力发电，1999，(5):39-42
［18］王占杰，等.神经网络锅炉自动控制系统［J］.节能，2000，(6):3-4
［19］ChiLiMa Harnold,Lee Kwang Y.Freemodel based neural networksforboilerturbine plant［R］.IEEE Power Engineering Society Winter Meeting, 2000.1140-1144
［20］傅京孙，等.人工智能原理及其应用［M］.北京：清华大学出版社，1987
［21］陈增强，车海平，等.工业锅炉燃烧过程实时控制专家系统［J］.模式识别与人工智能，1994,7(2):165-170
［22］俞海斌，褚健，等.基于专家智能的循环流化床锅炉自动控制系统［J］.发电设备，1999，(4):14-21
［23］马平，王琳，王华春.燃烧控制系统智能控制［J］.电力系统及其自动化学报，2002,14(3):55-59
［24］邓宏贵，等.递阶智能控制在电弧炉控制系统中的应用［J］.电力系统及其自动化学报,2003,15(4):51-54
［25］Tahani M A,Lucas C.Development of expert controller for steam tem perature regulation in power plants［J］.IEEE International Workshop on Intellig ent Roberts and System,1991,(3):1334-1337
［26］张小辉.锅炉汽水子系统专家控制系统［J］.计算机自动测量与控制，2001 ,9(5):17-18
［27］Mamdani E H.Application of fuzzy algorithms for control of simple dynamic plant［J］.Proc IEEE,1974,121:1585-1588
［28］雎刚，陈来九.模糊预测控制及其在过热汽温控制中的应用［J］.中国电机工程学报，1996,16(1):17-21
［29］左燕，侯国莲，等.复合模糊串级系统在火电厂过热汽温控制中的应用［J］.现代电力，2002,19(1):64-69
［30］郑小虎，等.模糊控制在再热汽温控制中的应用［J］.电力学报，2000,15(2):109-111
［31］Liu Xiangjie,Chai Tianyou.A weighted algorithm of fuzzy logic str ategy on water level control of steam generator［A］.In：The 36th IEEE Con ference on Decision and Control［C］.1997.10-12
［32］安鹏洲，李秋凉.模糊控制技术在发电厂给水自动控制系统中的应用［J］. 发电设备，2002，(4):29-32
［33］胡益民，等.循环流化床锅炉床层温度的模糊控制［J］.自动化技术与应用，2001，(4):3-4
［34］刘向杰，柴天佑.动力锅炉燃烧系统的模糊控制策略［J］.自动化学报，19 98,24(4):534-538
［35］王岩，张福恩.自适应模糊控制器在锅炉系统中的应用［J］.电站系统工程，2001,17(1):51-53
［36］刘向杰，周孝信.模糊控制在电厂锅炉控制中的应用现状及前景［J］.电网技术，1998，22(11):4-9
［37］胡一倩，吕剑虹，等.模糊控制在火电厂热力过程自动控制中的应用［J］. 工业控制计算机，2002,15(4):25-27
［38］Wang Fuzhong,Yu Fashan,et al.Research of the control strateg y of burning system of industrial oilpoor boiler based on selflearning fuzzy neural network［A］.In:Proceedings of the 4th World Congress on Intellige nt Control and Automation［C］.2002.1515-1519
［39］Prokhorenkov A M,Saburov I V,et al.Application of fuzzy model s in control systems of boiler aggregates technological processes［A］.In:Intern ational Workshop on Intelligent Data Acquisition and Advanced Computing System:T echnology and Applications［C］.2001.40-43
［40］Liu Wending,Xie Keming,Dong Wenbin.The selfadjusting intelligen t fuzzy control system to superheated steam temperature in monoblock unit［A］ .In:Proceedings of the 3rd World Congress Intelligent Control and Automati on［C］.2000.1667-1670
［41］吕泽华，徐向东，等.循环流化床燃烧的补偿式解耦控制系统［J］.热能动力工程，2000,15(5):553-555
［42］叶建华.锅炉燃烧送引风多变量互耦模型及解耦控制［J］.动力工程，1992 ,12(1):39-44
［43］于达仁，徐志强，等.基于神经网络解耦线性化方法的锅炉主汽压力控制［ J］.中国电机工程学报，2002,22(5):143-147
［44］胡益民，等.神经网络解耦控制策略及在锅炉燃烧系统中的应用［J］.湖南电力，2002,22(4):1-3
［45］张杰，杨翠娥，等.电加热锅炉系统神经网络PID解耦控制器［J］.系统工程理论与实践，2002,22(1):123-127
［46］牛培峰.循环流化床锅炉汽温自适应解耦控制系统［J］.自动化学报，1999 ,25(1):127-132
［47］王东风，李遵基，等.基于参数自整定的再热汽温解耦预测控制［J］.华北电力大学学报，2001,28(2):34-39
［48］胡国龙，孙优贤.预测控制进展及其应用研究［J］.电力系统及其自动化学报,2003,15(1):109-114
［49］黄纯，等.电力系统自动控制实验台的研究［J］.电力系统及自动化学报,2003,15(3):97-101
来源：电力系统及其自动化学报
