[发明专利]一种基于人工神经网络软测量技术的加热炉智能燃烧控制系统

说明书

本发明公开了一种基于人工神经网络软测量技术的加热炉智能燃烧控制系统，包括燃料气输入和燃料气在线热值仪，所述燃料气输入的相应变量输出端为燃料气在线热值仪，所述燃料气在线热值仪的输出端设置有两组，所述燃料气在线热值仪的一组输出端为燃料气热值软测量模块，所述燃料气在线热值仪的另一组输出端为燃料气状态检测模块，所述燃料气状态检测模块的输出端为燃料气热值软测量模块，所述燃料气热值软测量模块的输出端为温度控制系统，所述温度控制系统的输出端为热值前馈模块，解决燃料气热值变化干扰对炉内温度的影响，且该控制方法无需通过人工进行介入，可自主进行精确调节，更加智能化，实用性俱佳。

技术领域

本发明属于石化设备相关技术领域，具体涉及一种基于人工神经网络软测量技术的加热炉智能燃烧控制系统。

背景技术

加热炉在生产过程中使用的燃气的混合比例如果发生变化，混合燃气的热值亦随之变化，并且无法提前预知，目前操作人员一般通过空气流量、炉内温度、烟气温度等间接参数判断燃气热值已经发生变化，然后再根据经验调整空燃比，这样的调整及时性较差，会导致氧化烧损增加，加热质量下降，容易造成大气污染。

现有的加热炉智能燃烧控制系统技术存在以下问题：目前国内对于加热炉燃烧这种大滞后控制系统，主要的控制方法包括了PID调节器控制、斯密斯预估补偿、模糊逻辑控制、PI参数自学习和模糊温度控制相结合的双交叉限幅控制方法等，上述方法普遍存在着温度控制的精度不高、波动大、系统的响应时间慢等问题。

发明内容

本发明的目的在于提供一种基于人工神经网络软测量技术的加热炉智能燃烧控制系统，以解决上述背景技术中提出的目前国内对于加热炉燃烧这种大滞后控制系统，主要的控制方法包括了PID调节器控制、斯密斯预估补偿、模糊逻辑控制、PI参数自学习和模糊温度控制相结合的双交叉限幅控制方法等，上述方法普遍存在着温度控制的精度不高、波动大、系统的响应时间慢等问题。

为实现上述目的，本发明提供如下技术方案：

一种基于人工神经网络软测量技术的加热炉智能燃烧控制系统，包括燃料气输入和燃料气在线热值仪，所述燃料气输入的相应变量输出端为燃料气在线热值仪，所述燃料气在线热值仪的输出端设置有两组，所述燃料气在线热值仪的一组输出端为燃料气热值软测量模块，所述燃料气在线热值仪的另一组输出端为燃料气状态检测模块，所述燃料气状态检测模块的输出端为燃料气热值软测量模块，所述燃料气热值软测量模块的输出端为温度控制系统，所述温度控制系统的输出端为热值前馈模块，所述热值前馈模块的输出端为炉内温度控制模块，所述炉内温度控制模块的输出端为炉内温度调控。

优选的，所述燃料气输入包括燃料气混合度、燃料气成分、燃料气流速、燃料气系统压力和燃料气温度，所述燃料气混合度、燃料气成分、燃料气流速、燃料气系统压力和燃料气温度均为燃料气在线热值仪所测量的燃料气变量值，所述燃料气混合度、燃料气成分、燃料气流速、燃料气系统压力和燃料气温度的变量出现改变时相应的燃料气在线热值仪输出量会发生变化。

优选的，所述燃料气热值软测量模块包括人工神经网络，所述燃料气热值软测量模块基于人工神经网络，所述燃料气热值软测量模块可构建与燃料气热值相关的辅助变量和燃料气热值输出训练样本，所述燃料气热值软测量模块对人工神经网络的权值参数进行自适应学习，所述燃料气热值软测量模块的目标使人工神经网络输出逼近热值仪输出，所述燃料气热值软测量模块通过测试样本检验人工神经网络模型的对热值变化的预测性能。

优选的，所述燃料气状态检测模块包括测量干扰、数据缺损和数据跳变，所述燃料气状态检测模块可根据燃料气在线热值仪输出数据的特点来对分析仪输出的测量干扰、数据缺损和数据跳变进行处理并去除粗差数据，所述燃料气状态检测模块连接燃料气热值软测量模块用正常数据对燃料气热值软测量模块进行实时校正。