学位论文 > 优秀研究生学位论文题录展示

电站锅炉燃烧过程数据驱动预测控制系统研究

作　者: 罗威
导　师: 黄景涛
学　校: 河南科技大学
专　业: 控制理论与控制工程
关键词: 电站锅炉燃烧过程数据驱动记忆模式预测控制
分类号: TM621.2
类　型: 硕士论文
年　份: 2013年
下　载: 20次
引　用: 0次
阅　读: 论文下载

内容摘要

随着能源短缺、环境污染等问题日益加剧，为适应社会发展需求，作为高能耗、高排放的火电行业必须提高运行水平。锅炉燃烧过程决定了污染物的排放水平，研究实现锅炉燃烧过程优化运行和经济燃烧的理论与方法具有重要现实意义。锅炉燃烧过程包含了复杂的物理化学变化，是一个强干扰、多变量强耦合的非线性时变工业过程。对于这种带有典型非线性特点、机理复杂的锅炉燃烧过程，常规建模方法难以建立精确的机理模型，因此对锅炉的优化控制也难以满足新要求。而运行过程积累的大量数据蕴含了丰富的系统信息，基于数据驱动的建模与控制方法为机组的运行优化提供了一种有效途径。本文在分析现有理论方法的基础上，针对支持向量回归(support vectorregression，SVR)算法在大样本训练中存在训练速度慢、占用内存空间大等问题，考虑到工业过程运行数据的时间序列特征，根据数据的时效性构建一种海量历史数据的重采样机制，提出一种基于记忆模式的样本选择与更新策略，结合支持向量回归算法，形成了基于记忆模式的支持向量回归建模方法(memory modesupport vector regression，MM-SVR)。在此基础上，为实行燃烧过程关键参数的在线建模，研究了历史数据与在线数据的综合利用问题，提出一种样本在线更新策略，构造了综合记忆模式的在线建模方法MM-OSVR(memory mode onlinesupport vector regression)。在几个标准数据集上的仿真分析表明基于记忆模式的支持向量回归建模可在保证模型精度的同时提高了模型训练速度。在某电厂锅炉实际运行数据上对烟气中NO_x含量的分析也验证了该方法的有效性。在建模分析的基础上，研究了基于数据驱动模型的电站锅炉燃烧过程预测控制方法。本文以燃烧过程NO_x排放为指标，利用MM-SVR算法建立其预测模型，结合预测控制算法设计了燃烧过程中NO_x排放控制系统，以对锅炉燃烧过程进一步进行优化。基于不同负荷下锅炉运行数据的仿真表明，该控制系统具有较好的动态性能。

全文目录

摘要  2-4
ABSTRACT  4-8
第1章绪论  8-18
  1.1 研究背景和意义  8-9
  1.2 研究现状  9-16
    1.2.1 锅炉燃烧过程控制的研究现状  9-10
    1.2.2 预测控制的研究现状  10-16
  1.3 研究内容及结构安排  16-18
第2章电站锅炉燃烧过程分析  18-27
  2.1 电站锅炉结构及其原理  18-21
    2.1.1 锅炉的基本结构  18-20
    2.1.2 电站锅炉燃烧过程  20-21
  2.2 锅炉燃烧氮氧化物生成机理与控制方法  21-23
  2.3 电站锅炉燃烧过程控制量分析  23-26
    2.3.1 燃烧过程控制任务  23-24
    2.3.2 电站锅炉燃烧过程控制量  24-26
  2.4 本章小结  26-27
第3章基于记忆模式的数据驱动建模  27-50
  3.1 支持向量机原理  27-32
    3.1.1 支持向量机分类算法  28-31
    3.1.2 支持向量机回归原理  31-32
  3.2 记忆模式支持向量机回归算法  32-43
    3.2.1 记忆模式算法原理  33-34
    3.2.2 记忆模式支持向量回归算法  34-43
  3.3 在线记忆模式支持向量机回归算法  43-49
  3.4 本章小结  49-50
第4章基于数据驱动模型的电站锅炉燃烧预测控制  50-67
  4.1 基于 MM-SVR 的模型预测控制方案  50-54
    4.1.1 记忆模式支持向量回归预测模型  52
    4.1.2 基于 MM-SVR 的模型预测控制器  52-54
  4.2 锅炉燃烧 NOX预测控制器设计  54-66
    4.2.1 MM-SVR 预测模型  56-60
    4.2.2 电站锅炉燃烧过程预测控制仿真分析  60-66
  4.3 本章小结  66-67
第5章结论  67-69
  5.1 研究工作总结  67-68
  5.2 工作展望  68-69
参考文献  69-74
致谢  74-75
攻读硕士学位期间的研究成果  75

电站锅炉燃烧过程数据驱动预测控制系统研究

内容摘要

全文目录

相似论文