基于最小二乘的循環(huán)流化床燃燒模型辨識方法
【專利說明】基于最小二乘的循環(huán)流化床燃燒模型辨識方法 【技術(shù)領域】
[0001] 本發(fā)明涉及自動控制技術(shù)領域，特別是基于最小二乘的循環(huán)流化床燃燒模型辨識 的技術(shù)領域。 【【背景技術(shù)】】
[0002] 目前，煤炭是我國的主要一次能源，煤電占總發(fā)電量的70%以上，還有大量的工業(yè) 鍋爐每年要消耗幾億噸煤炭。從我國的自然資源看，這種狀況在相當長的時間里都難以有 根本的改變。同時，煤炭作為燃料，長期以來存在著污染嚴重和利用率不高的問題。正因為 如此，早在20世紀60年代初我國就出現(xiàn)了沸騰床（鼓泡流化床）鍋爐，80年代末90年代 初循環(huán)流化床鍋爐又得到了飛速發(fā)展。循環(huán)流化床的的主要優(yōu)點有：①燃料適應性廣：對 難燃煤種甚至廢棄物也可高效燃用；②截面熱強度高，熱交換效率高：對改造現(xiàn)有鍋爐具 有現(xiàn)實意義；③爐膛溫度對應于脫硫反應的溫度區(qū)間：脫硫效果好，污染物排放少；④床料 是高溫循環(huán)灰：負荷適應性好；⑤燃料制備相對簡單：只需干燥、破碎等等。循環(huán)流化床燃 燒的主要任務是使燃料所提供的熱量適應負荷的需要，并同時保證經(jīng)濟燃燒和安全運行， 即維持汽壓恒定，保證燃烷烴濟性（過?？諝庀禂?shù)）和維持爐膛負壓一定。其中，維持汽壓 恒定是衡量負荷的標準，通常通過調(diào)節(jié)供給鍋爐的燃料量來調(diào)節(jié)汽壓。
[0003] 最小二乘法，又稱最小平方法，是一種數(shù)學優(yōu)化技術(shù)。它通過最小化誤差的平方和 尋找數(shù)據(jù)的最佳函數(shù)匹配。利用最小二乘法可以簡便地求得未知的數(shù)據(jù)，并使得這些求得 的數(shù)據(jù)與實際數(shù)據(jù)之間誤差的平方和為最小。
[0004] 利用最小二乘的方法對循環(huán)流化床燃燒過程進行模型的辨識，并考慮各類噪聲的 影響，從而使鍋爐的控制更加精確和有效。 【
【發(fā)明內(nèi)容】
】
[0005] 本發(fā)明的目的就是解決現(xiàn)有技術(shù)中的問題，提出基于最小二乘的循環(huán)流化床燃燒 模型的辨識方法，可以明顯減小鍋爐燃燒模型建立的誤差，從而有效地提高過程系統(tǒng)的控 制精度，并且易于實現(xiàn)計算機控制。
[0006] 為實現(xiàn)上述目的，本發(fā)明提出了基于最小二乘的循環(huán)流化床燃燒模型辨識方法， 所述控制方法充分考慮循環(huán)流化床燃燒過程的大時滯、非線性、強耦合的特性，利用基本最 小二乘參數(shù)估計的方法，具體步驟包括：
[0007] (a)模型建立：考慮隨機過程的CARMA模型，并將模型轉(zhuǎn)換為最小二乘結(jié)構(gòu)；
[0008] (b)置初值：根據(jù)基本最小二乘的一步與遞推算法，對循環(huán)流化床燃燒過程建立 參數(shù)估計，并設置算法的初始值。
[0009] (C)采樣數(shù)據(jù)：確定采樣周期T，導入循環(huán)流化床燃燒過程的供給鍋爐的燃料量 (輸入）和汽壓（輸出）數(shù)據(jù)；
[0010] ⑷參數(shù)遞推估計：根據(jù)基本最小二乘估計的遞推算法，計算和POO ;
[0011] (e)迭代收斂：返回步驟（C)，再次導入輸入和輸出的數(shù)據(jù)，直至算法收斂或者滿 足要求。
[0012] 作為優(yōu)選，所述CARMA模型在循環(huán)流化床燃燒過程的應用中，最小二乘的結(jié)構(gòu)中 考慮的噪聲影響0、幻為白噪聲，有色噪聲的影響可以看成白噪聲序列驅(qū)動的線性環(huán)節(jié)的輸 出。
[0013] 作為優(yōu)選，所述最小二乘的結(jié)構(gòu)模型只考慮循環(huán)流化床的主要任務，即燃料與負 荷的相關關系，從而簡化了辨識的模型，提高計算機辨識的效率。
[0014] 作為優(yōu)選，所述最小二乘類方法采用的是基本最小二乘估計方法，因為引風量、給 水量等因素而對模型辨識造成的干擾可通過最小二乘結(jié)構(gòu)模型中的噪聲項來表述。
[0015] 作為優(yōu)選，所述迭代收斂過程的結(jié)束可以通過滿足目標準則的要求來確定，對循 環(huán)流化床燃燒模型的辨識精度要求范圍更加大，自由度也更大。
[0016] 本發(fā)明的有益效果：本發(fā)明通過基本最小二乘的估計方法，充分考慮鍋爐燃燒的 大時滯、非線性、強耦合的特性，建立遞推的模型，有利于計算機的實時控制與在線校正，使 得所建立的模型精度大大提高，對于之后的鍋爐液位控制過程、主蒸汽壓力控制過程等更 加有效，明顯減小被控量的超調(diào)量與方差，有效地提高過程系統(tǒng)的反應速度和控位精度，同 時具有很強的推廣性，易于建立其他工業(yè)對象的輸入輸出模型。
[0017] 本發(fā)明的特征及優(yōu)點將通過實施例進行詳細說明。 【【具體實施方式】】
[0018] 本發(fā)明，具體步驟包括：
[0019] 步驟一、考慮隨機過程的CARMA模型，并將模型轉(zhuǎn)換為最小二乘結(jié)構(gòu)；
[0020] 步驟二、根據(jù)基本最小二乘的一步與遞推算法，對循環(huán)流化床燃燒過程建立參數(shù) 估計，并設置算法的初始值；
[0021] 步驟三、確定采樣周期T，導入循環(huán)流化床燃燒過程的供給鍋爐的燃料量（輸入） 和汽壓（輸出）數(shù)據(jù)；
[0022] 步驟四、根據(jù)基本最小二乘估計的遞推算法，進行參數(shù)遞推估計，計算和 PGO ;
[0023] 步驟五、返回步驟（C)，再次導入輸入和輸出的數(shù)據(jù)，直至算法收斂或者滿足要求。
[0024] 所述CARMA模型在循環(huán)流化床燃燒過程的應用中，最小二乘的結(jié)構(gòu)中考慮的噪聲 影響0幻為白噪聲，有色噪聲的影響可以看成白噪聲序列驅(qū)動的線性環(huán)節(jié)的輸出。所述最 小二乘的結(jié)構(gòu)模型只考慮循環(huán)流化床的主要任務，即燃料與負荷的相關關系，從而簡化了 辨識的模型，提高計算機辨識的效率。所述最小二乘類方法采用的是基本最小二乘估計方 法，因為引風量、給水量等因素而對模型辨識造成的干擾可通過最小二乘結(jié)構(gòu)模型中的噪 聲項來表述。所述迭代收斂過程的結(jié)束可以通過滿足目標準則的要求來確定，對循環(huán)流化 床燃燒模型的辨識精度要求范圍更加大，自由度也更大。
[0025] 步驟一中，建立CARMA模型為隨機過程的CARMA模型：
[0026] A(z ')y(k)-B(z ' )u{k - d) jT C{z ' )c(k)
[0027] 其中，y(k)為主汽壓力的實時測定離散值，u(k)為電機輸出的控制作用，d為純時 延，?(&)為包括測量噪聲、引風量、給水量等各類干擾的過程噪聲影響，且 [0028]
[0029] na, nb, η。分別為輸出、輸入和噪聲的階次。
[0030] 假定d幻可觀測，將上述模型轉(zhuǎn)換為最小二乘結(jié)構(gòu)：
[0031] y(k) = φ! {k)0 + q{k)
[0032] 步驟二中，最小二乘的一步與遞推算法為：
[0033]
[0034] 算法初始值取_)=(),仏:1。 P(O) - al
[0035] 步驟四中，基本最小二乘估計的遞推算法進行參數(shù)遞推估計：
[0036]
\p(k)^{0kT0Kyl λ
[0037] 其中，y ",、^計算外幻和卩⑵。
[外，-二[_)，，(八)]
[0038] 本發(fā)明工作過程：
[0039] 本發(fā)明通過基本最小二乘的估計方法，充分考慮鍋爐燃燒的大時滯、非線性、強耦 合的特性，建立遞推的模型，有利于計算機的實時控制與在線校正，使得所建立的模型精度 大大提高，對于之后的鍋爐液位控制過程、主蒸汽壓力控制過程等更加有效，明顯減小被控 量的超調(diào)量與方差，有效地提高過程系統(tǒng)的反應速度和控位精度，同時具有很強的推廣性， 易于建立其他工業(yè)對象的輸入輸出模型。
[0040] 上述實施例是對本發(fā)明的說明，不是對本發(fā)明的限定，任何對本發(fā)明簡單變換后 的方案均屬于本發(fā)明的保護范圍。
【主權(quán)項】
1. 基于最小二乘的循環(huán)流化床燃燒模型辨識方法，其特征在于：所述控制方法利用充 分考慮循環(huán)流化床燃燒過程的大時滯、非線性、強耦合的特性，利用基本最小二乘參數(shù)估計 的方法，具體步驟包括： (a) 模型建立：考慮隨機過程的CARMA模型，并將模型轉(zhuǎn)換為最小二乘結(jié)構(gòu)； (b) 置初值：根據(jù)基本最小二乘的一步與遞推算法，對循環(huán)流化床燃燒過程建立參數(shù) 估計，并設置算法的初始值。 (c) 采樣數(shù)據(jù)：確定采樣周期T，導入循環(huán)流化床燃燒過程的供給鍋爐的燃料量（輸 入）和汽壓（輸出）數(shù)據(jù)； (d) 參數(shù)遞推估計：根據(jù)基本最小二乘估計的遞推算法，計算6^)和P(k); (e) 迭代收斂：返回步驟（c)，再次導入輸入和輸出的數(shù)據(jù)，直至算法收斂或者滿足要 求。2. 如權(quán)利要求1所述的基于最小二乘的循環(huán)流化床燃燒模型辨識方法，其特征在于： (a)步驟中，所述CARMA模型在循環(huán)流化床燃燒過程的應用中，最小二乘的結(jié)構(gòu)中考慮的噪 聲影響?(幻為白噪聲，有色噪聲的影響可以看成白噪聲序列驅(qū)動的線性環(huán)節(jié)的輸出。3. 如權(quán)利要求1所述的基于最小二乘的循環(huán)流化床燃燒模型辨識方法，其特征在于： (a) 步驟中，所述最小二乘的結(jié)構(gòu)模型只考慮循環(huán)流化床的主要任務，即燃料與負荷的相關 關系，從而簡化了辨識的模型，提高計算機辨識的效率。4. 如權(quán)利要求1所述的基于最小二乘的循環(huán)流化床燃燒模型辨識方法，其特征在于： (b) 步驟中，所述最小二乘類方法采用的是基本最小二乘估計方法，因為引風量、給水量等 因素而對模型辨識造成的干擾可通過最小二乘結(jié)構(gòu)模型中的噪聲項來表述。5. 如權(quán)利要求1所述的基于最小二乘的循環(huán)流化床燃燒模型辨識方法，其特征在于： (e)步驟中，所述迭代收斂過程的結(jié)束可以通過滿足目標準則的要求來確定，對循環(huán)流化床 燃燒模型辨識的精度范圍和自由度更加大。
【專利摘要】本發(fā)明公開了基于最小二乘的循環(huán)流化床燃燒模型得辨識方法，其特征在于：所述控制方法利用基本最小二乘參數(shù)估計的方法，具體步驟包括：(a)模型建立；(b)置初值：對循環(huán)流化床燃燒過程建立參數(shù)估計，設置算法的初始值。(c)采樣數(shù)據(jù)：導入循環(huán)流化床燃燒過程的供給鍋爐的燃料量(輸入)和汽壓(輸出)數(shù)據(jù)；(d)參數(shù)遞推估計；(e)迭代收斂。本發(fā)明通過基本最小二乘的估計方法，充分考慮鍋爐燃燒的大時滯、非線性、強耦合的特性，建立遞推的模型，有利于計算機的實時控制與在線校正，使得所建立的模型精度大大提高，有效地提高了過程系統(tǒng)的反應速度和控位精度，同時易于建立其他工業(yè)對象的輸入輸出模型。
【IPC分類】F23N1/08
【公開號】CN105157055
【申請?zhí)枴緾N201510357392
【發(fā)明人】楊海霞, 黃紅林
【申請人】黃紅林
【公開日】2015年12月16日
【申請日】2015年6月24日