[發(fā)明專(zhuān)利]電站鍋爐熱工參數(shù)預(yù)測(cè)監(jiān)控系統(tǒng)與方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201611045920.0
• 申請(qǐng)日: 2016-11-21
• 公開(kāi)（公告）號(hào): CN106707746B
• 公開(kāi)（公告）日: 2019-05-14
• 發(fā)明（設(shè)計(jì)）人: 王東風(fēng);李玲;王彪
• 申請(qǐng)（專(zhuān)利權(quán)）人: 華北電力大學(xué)（保定）
• 主分類(lèi)號(hào): G05B13/04
• 分類(lèi)號(hào): G05B13/04
• 代理公司: 石家莊新世紀(jì)專(zhuān)利商標(biāo)事務(wù)所有限公司 13100
• 代理人: 徐瑞豐;董金國(guó)

本發(fā)明公開(kāi)了一種電站鍋爐熱工參數(shù)預(yù)測(cè)監(jiān)控系統(tǒng)，其包括分散控制系統(tǒng)DCS和監(jiān)控工作站；分散控制系統(tǒng)DCS相應(yīng)端口分別連接被測(cè)電站鍋爐和監(jiān)控工作站；監(jiān)控工作站包括多模型預(yù)測(cè)模塊、預(yù)測(cè)結(jié)果生成模塊、預(yù)測(cè)結(jié)果顯示模塊、預(yù)測(cè)模型修正模塊、參數(shù)異常預(yù)警模塊和異常原因分析模塊；分散控制系統(tǒng)DCS與被測(cè)電站鍋爐的控制回路相應(yīng)接口連接，分散控制系統(tǒng)DCS輸出端接多模型預(yù)測(cè)模塊輸入端，多模型預(yù)測(cè)模塊輸出端分別接預(yù)測(cè)結(jié)果生成模塊和參數(shù)異常預(yù)警模塊輸入端，預(yù)測(cè)結(jié)果生成模塊輸出端依次經(jīng)預(yù)測(cè)結(jié)果顯示模塊和預(yù)測(cè)模型修正模塊反饋回多模型預(yù)測(cè)模塊，參數(shù)異常預(yù)警模塊輸出端接異常原因分析模塊輸入端。本發(fā)明的優(yōu)點(diǎn)是預(yù)測(cè)準(zhǔn)確、顯示直觀且能夠預(yù)警分析。

技術(shù)領(lǐng)域

本發(fā)明屬于熱工測(cè)量技術(shù)領(lǐng)域，涉及電站鍋爐熱工參數(shù)預(yù)測(cè)監(jiān)控系統(tǒng)與方法。

背景技術(shù)

電力生產(chǎn)是社會(huì)發(fā)展的一個(gè)重要保障，鍋爐作為電力生產(chǎn)中的一個(gè)重要設(shè)備，其安全穩(wěn)定的運(yùn)行離不開(kāi)各種各樣的自動(dòng)控制系統(tǒng)對(duì)其各項(xiàng)參數(shù)的調(diào)節(jié)。隨著節(jié)能減排壓力的日益增加，發(fā)電機(jī)組中許多參數(shù)已接近安全卡邊運(yùn)行狀態(tài)，此時(shí)對(duì)各控制系統(tǒng)及參數(shù)的監(jiān)測(cè)就顯得更加重要。

由于電站鍋爐生產(chǎn)諸多環(huán)節(jié)存在慣性大、時(shí)延長(zhǎng)、非線性特征明顯，使得運(yùn)行人員很難對(duì)鍋爐參數(shù)的未來(lái)發(fā)展趨勢(shì)做出準(zhǔn)確地估計(jì)，導(dǎo)致人們的直覺(jué)判斷只能是“眼見(jiàn)為實(shí)”。因此，如果某項(xiàng)參數(shù)具有明顯的上升或下降的變化趨勢(shì)，依靠運(yùn)行人員的直覺(jué)往往是立即努力使參數(shù)回調(diào)的方向來(lái)進(jìn)行干預(yù)控制。這樣做的結(jié)果對(duì)于具有很大慣性和遲延的系統(tǒng)來(lái)說(shuō)，往往很不利于系統(tǒng)的穩(wěn)定運(yùn)行。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問(wèn)題是提供了一種預(yù)測(cè)準(zhǔn)確、顯示直觀、能夠預(yù)警分析且能夠有效減少人工干預(yù)的電站鍋爐熱工參數(shù)預(yù)測(cè)監(jiān)控系統(tǒng)與方法。

本發(fā)明采用如下技術(shù)方案：

一種電站鍋爐熱工參數(shù)預(yù)測(cè)監(jiān)控系統(tǒng)，其包括分散控制系統(tǒng)DCS和監(jiān)控工作站；所述分散控制系統(tǒng)DCS的相應(yīng)端口分別連接被測(cè)電站鍋爐和監(jiān)控工作站；所述監(jiān)控工作站包括多模型預(yù)測(cè)模塊、預(yù)測(cè)結(jié)果生成模塊、預(yù)測(cè)結(jié)果顯示模塊、預(yù)測(cè)模型修正模塊、參數(shù)異常預(yù)警模塊和異常原因分析模塊；所述分散控制系統(tǒng)DCS與被測(cè)電站鍋爐的控制回路相應(yīng)接口雙向連接，所述分散控制系統(tǒng)DCS的輸出端接多模型預(yù)測(cè)模塊的輸入端，所述多模型預(yù)測(cè)模塊的輸出端分別接預(yù)測(cè)結(jié)果生成模塊和參數(shù)異常預(yù)警模塊的輸入端，所述預(yù)測(cè)結(jié)果生成模塊的輸出端依次經(jīng)預(yù)測(cè)結(jié)果顯示模塊和預(yù)測(cè)模型修正模塊反饋回多模型預(yù)測(cè)模塊，所述參數(shù)異常預(yù)警模塊的輸出端接異常原因分析模塊的輸入端。

進(jìn)一步的，所述多模型預(yù)測(cè)模塊包括三類(lèi)共8個(gè)模型，第一類(lèi)為2個(gè)輸入輸出差分方程模型，其中一個(gè)通過(guò)最小二乘辨識(shí)，另一個(gè)通過(guò)遺傳算法優(yōu)化，其分別得到n步的模型預(yù)測(cè)輸出值x_1n和x_2n；第二類(lèi)為3個(gè)BP神經(jīng)網(wǎng)絡(luò)模型，其分別具有不同的隱含層節(jié)點(diǎn)數(shù)，從而具有不同的泛化能力，通過(guò)LM算法訓(xùn)練，其分別得到n步的模型預(yù)測(cè)輸出值x_3n、x_4n和x_5n；第三類(lèi)為3個(gè)RBF神經(jīng)網(wǎng)絡(luò)模型，其分別具有不同的隱含層節(jié)點(diǎn)數(shù)，從而具有不同的泛化能力，通過(guò)梯度法訓(xùn)練，其分別得到n步的模型預(yù)測(cè)輸出值x_6n、x_7n和x_8n；其中n＝1,2,…,N。

利用所述的電站鍋爐熱工參數(shù)預(yù)測(cè)監(jiān)控系統(tǒng)的監(jiān)控方法采用如下步驟實(shí)現(xiàn)：

步驟1.確定被測(cè)電站鍋爐上的待監(jiān)控的熱工參數(shù)x及其相應(yīng)的超前預(yù)測(cè)步數(shù)N；

步驟2.所述監(jiān)控工作站從分散控制系統(tǒng)DCS獲取實(shí)時(shí)數(shù)據(jù)；

步驟3.多模型預(yù)測(cè)模塊對(duì)待監(jiān)控的熱工參數(shù)x分別進(jìn)行n步超前預(yù)測(cè)，得到預(yù)測(cè)結(jié)果，n＝1,2,…,N；

步驟4.所述預(yù)測(cè)結(jié)果生成模塊將多模型預(yù)測(cè)模塊的預(yù)測(cè)結(jié)果進(jìn)行綜合集成，得到高精度的綜合預(yù)測(cè)結(jié)果y_n；