杨国田,何雨晨,李 鑫,李新利
(华北电力大学控制与计算机工程学院,北京 102206)
锅炉燃烧系统是典型变量复杂型多输入多输出系统,具有非线性、强耦合、大滞后、输入输出信号时序性与关联性强等特点[1-2]。对燃烧系统建模是锅炉燃烧优化控制的基础,目前由于燃煤电站煤质变化大、电网频繁调整造成的机组负荷波动、炉内相关参数测点较少都为锅炉燃烧系统建模增加了困难。因此,建立一个与实际工况更贴近的燃烧系统模型一直是锅炉燃烧领域研究的热点[3-6]。
现有锅炉燃烧系统建模主要分为基于燃烧机理的白盒模型和基于数据驱动的黑盒模型。白盒模型是依据热力学变量的动态物理特性建立[7-12],其模型复杂,难以应用到实际锅炉燃烧控制现场。黑盒模型则是基于数据建模,其计算成本较低,一般通过数据挖掘、数据拟合等方法进行建模。常见的黑盒模型有基于神经网络[13]、支持向量机[14]、高斯过程[15]等,是在分析已知运行参数与实验数据之间关联性的基础上建立模型。黑盒模型相较于白盒模型,更适用于复杂的工业现场控制。随着电厂智能控制的不断推进,传统粗犷式锅炉燃烧控制逐步向精细化燃烧控制转变,锅炉侧测量点与分散控制系统(distributed control system,DCS)采集数据量增多;同时,工业过程建模并不是一个静态模型,而是一个系统各变量随时间变化而变化的动态过程。传统的数据驱动方法不能支持大数据量运算,而且动态模型的实现往往伴随输入模型复杂度的几何倍数增加,冗余的信息输入严重影响模型的精度和泛化能力。……