[发明专利]一种基于神经网络逆控制的大型燃煤电站CO2

说明书

本发明公开了一种基于神经网络逆控制的大型燃煤电站CO₂捕集系统及前馈控制方法，将燃煤电站CO₂捕集系统看作为五输入‑五输出的多变量系统，选取主蒸汽压力、汽水分离器出口焓值、机组发电量、CO₂捕集率及再沸器温度为主要被控变量，选取机组给煤量、给水量、主蒸汽阀门、贫液流量及再沸器蒸汽流量为相对应的控制变量。本发明采用BP神经网络技术，建立大型燃煤电站CO₂捕集系统的逆模型，从而可以根据给定值计算出所需要的控制变量，实现提前控制，能够有效处理整体系统的大延迟特性，提高输出侧的动态调节品质；此外，通过增加PID控制补偿器实现对神经网络逆模型的修正，从而增强其抗扰动和不确定性能力，使得控制系统适应工业现场需要。

技术领域

本发明涉及热工自动控制领域，尤其是一种基于神经网络逆控制的大型燃煤电站CO₂捕集系统及前馈控制方法。

背景技术

火电机组是目前CO₂气体最主要的排放源，对温室效应造成了很大的影响。基于化学吸附的燃烧后CO₂捕集技术是实现CO₂捕集、减小温室气体排放的重要措施。以MEA为吸附溶剂的燃烧后CO₂捕集技术，以其高效率、高经济性、技术成熟和便于调节等优点，成为当前世界上商业CO₂捕集技术的主流；同时，燃烧后CO₂捕集技术不需要改变现有火电机组运行结构，在尾部烟道后加上捕集设备即可有效运行，减少了投资成本。

火电机组与燃烧后CO₂捕集系统具有强耦合特性。根据电网负荷指令，火电机组需要参与负荷调峰，尾部烟气因此会随机组负荷产生波动，烟气波动会随之影响下游CO₂捕集系统，对捕集率、再沸器温度等关键变量产生较大影响；另一方面，燃烧后CO₂捕集系统中再沸器蒸汽由汽轮机抽气提供，这股抽气会减小机组发电量，影响机组调峰。考虑到火电机组与捕集系统间的耦合特性，因此需要将两者综合考虑、作为一个整体系统进行优化控制。同时，研究表明，大型燃煤电站捕集系统存在较大的惯性和延迟，扰动、测量噪声、不确定性的存在也会对控制器有一定干扰作用，很难取得良好的控制品质。目前针对大型燃煤电站CO₂捕集系统，通常采用常规PID控制方案，难以有效应对被控对象的大延迟、强耦合特性。

发明内容

本发明所要解决的技术问题在于，提供一种基于神经网络逆控制的大型燃煤电站CO₂捕集系统及前馈控制方法，能够减小大惯性造成的动态偏差，提前进行控制，改善控制品质。

为解决上述技术问题，本发明提供一种基于神经网络逆控制的大型燃煤电站CO₂捕集系统，包括：目标值设置单元1、神经网络逆控制器2、PID控制补偿器3、大型燃煤电站CO₂捕集整体系统模型4、第一延迟单元5和第二延迟单元6；目标值设定单元1有两路输出，分别与神经网络逆控制器2和PID补偿控制器3相连；目标值设定单元1输出r(k+1)与大型燃煤电站CO₂捕集整体系统模型4输出y(k+1)的偏差e(k)作为PID控制补偿器3的输入，求解出补偿输入变量u_PID(k)；大型燃煤电站CO₂捕集整体系统模型4的输入量u(k)为PID控制补偿器3输出u_PID(k)与神经网络逆控制器2输出u_NN(k)之和；大型燃煤电站CO₂捕集整体系统模型4的输入变量u(k)与输出变量y(k+1)分别通过第一延迟单元5和第二延迟单元6，得到延迟变量u(k-1)与y(k)；第一延迟单元5和第二延迟单元6输出变量u(k-1)与y(k)与目标值设定单元1输出r(k+1)作为神经网络逆控制器2输入，计算出输出u_NN(k)。

相应的，一种基于神经网络逆控制的大型燃煤电站CO₂捕集系统前馈控制方法，包括如下步骤：