[发明专利]热电厂水汽管道加氧控制方法

说明书

本发明公开了一种热电厂水汽管道加氧控制方法，包括以下步骤：建立神经网络，根据已有的历史监测数据，使用BP神经网络，附加动量学习规则，训练神经网络；由粒子群算法，求解神经网络的最优输入参量；以神经网络估计与实测的误差数据一起，使用附加动量学习规则，更新训练神经网络。本发明解决了因取样装置的含氧量信号滞后、加氧管路氧气输送迟滞、水质水量变化导致调节精度不稳定，凝结水含氧量发生震荡或偏离调节目标值的技术问题。避免水汽管道腐蚀，保障电厂安全可靠运行。

技术领域

本发明涉及一种控制方法，尤其涉及一种热电厂水汽管道加氧控制方法，属于发电设备技术领域。

背景技术

火力发电厂的水汽管道腐蚀一直是威胁电厂安全可靠运行的重大隐患，为预防和减轻超临界、超超临界火力发电机组的水汽管道的腐蚀，需向给水和凝结水系统中加入适量的氧气和其它制剂。根据相关的研究结论，氧气的加入量不能过多或过少，水中氧含量保持在50～150μg/L为最佳。由于机组的水质和水量不稳定，为保持水中氧含量相对稳定在最佳值，加氧速率不能为定值，应根据水质和水量等情况实时调整以控制加氧过程。

现在电厂一般采用可编程序控制器(PLC)结合流量控制阀来控制加氧速率，将取样装置的给水或凝结水含氧量信号送入PLC的模拟量输入模块，PLC对这两个信号分别进行PID运算，然后输出两个4～20mA信号，分别控制给水、凝结水的流量控制阀的开度，从而达到控制加氧速率的目的。

但是，由于水含氧量取样装置的取样点到分析仪表之间的水汽管路较长，因此取样装置的含氧量信号滞后现象比较严重；同时，加氧管路将氧气输送至凝结水中到改变水氧含量也存在迟滞现象，尤其是水质、水量变化时，导致调节精度不稳定，容易使凝结水含氧量发生震荡或偏离调节目标值。

因此，研究热电厂水汽管道加氧控制的新方法，解决凝结水含氧量发生震荡或偏离调节目标值的技术问题十分必要。

发明内容

本发明的目的在于提供一种热电厂水汽管道加氧控制方法，解决凝结水含氧量发生震荡或偏离调节目标值的技术问题。

本发明的目的通过以下技术方案予以实现：

一种热电厂水汽管道加氧控制方法，包括以下步骤：

1)根据对热电厂水汽管道的水质参数的记录，统计出凝结水泵入口水温、水流量、水含氧量、加氧点氧气流量，对应时刻的省煤器入口水含氧量的数据；将凝结水泵入口水温、水流量、水含氧量、加氧点氧气流量作为输入参量，将省煤器入口水含氧量作为输出参量，建立神经网络，根据已有的历史监测数据，使用BP神经网络，附加动量学习规则，训练神经网络；

2)根据热电厂水汽管道省煤器入口水含氧量的规定值，由粒子群算法，求解神经网络的最优输入参量，即凝结水泵入口水温、水流量、水含氧量、加氧点氧气流量；

3)根据上一循环神经网络估计误差判断是否需要人工采样，如需要，通过人工采样然后离线分析，对比得出实测的省煤器入口水含氧量与神经网络估计出的省煤器入口水含氧量的误差，然后将这组实测的省煤器入口水含氧量数据，以及神经网络估计与实测的误差数据一起，使用附加动量学习规则，更新训练神经网络；如不需要人工采样，则返回步骤2)。

本发明的目的还可以通过以下技术措施来进一步实现：

前述热电厂水汽管道加氧控制方法，其中粒子群算法，步骤如下：

1)初始化粒子群：确定粒子群大小NP，粒子群算法迭代次数NG，初始化粒子位置，计算每个粒子的适应度并初始化全局最优解与个体最优解；

计算粒子适应度的函数为：

其中，O_i表示神经网络输出向量的第i个元素，O_i'为理论期望的输出向量的第i个元素；