專利名稱：電弧爐控制系統(tǒng)的智能優(yōu)化控制方法
技術(shù)領(lǐng)域：
本發(fā)明屬于電弧爐、鋼包精煉爐控制領(lǐng)域，涉及電弧爐的控制方法，特別涉及一種電弧爐控制系統(tǒng)的智能優(yōu)化控制方法。
背景技術(shù)：
目前電弧爐控制系統(tǒng)多采用單片機(jī)、PLC、工控機(jī)等作為控制器，從各種電弧爐控制系統(tǒng)運(yùn)行的情況來看，多數(shù)控制系統(tǒng)在功率平衡、功率因數(shù)等方面具有很好的效果，但是電弧爐在煉鋼過程中，爐內(nèi)經(jīng)常會(huì)發(fā)生隨機(jī)的、相當(dāng)劇烈的變化，如爐料坍塌、電極與爐料接觸等造成電弧斷路或短路，產(chǎn)生突然的、強(qiáng)烈的電流沖擊，導(dǎo)致電網(wǎng)電壓的快速波動(dòng)，即“閃變”，強(qiáng)烈的閃變會(huì)造成電機(jī)轉(zhuǎn)動(dòng)不穩(wěn)定，電子裝置誤動(dòng)作甚至損壞，是一種對(duì)電網(wǎng)的公害，而現(xiàn)有技術(shù)的電弧爐控制系統(tǒng)僅能對(duì)目前的狀態(tài)做出反應(yīng)，再通過執(zhí)行機(jī)構(gòu)進(jìn)行調(diào)節(jié)，從而使調(diào)節(jié)往往滯后于電弧爐實(shí)際狀態(tài)的變化，另外，在電極控制中，由于三相解耦困難，目前的控制系統(tǒng)基于單相意識(shí)，從而導(dǎo)致電極調(diào)節(jié)中電極往往誤動(dòng)作，以上缺點(diǎn)大大降低了電弧爐運(yùn)行的綜合效益。
由于電弧爐煉鋼過程的復(fù)雜多變，現(xiàn)有的控制系統(tǒng)往往不能實(shí)現(xiàn)能量的最優(yōu)傳遞，也就是不能以最高的電效率和最低的能量、物料消耗來完成冶煉操作。

發(fā)明內(nèi)容
為了解決現(xiàn)有的控制系統(tǒng)調(diào)節(jié)滯后、電極誤動(dòng)作和不能實(shí)現(xiàn)能量最優(yōu)傳遞的問題，本發(fā)明的目的在于提供一種電弧爐控制系統(tǒng)的智能優(yōu)化控制方法，該方法將人工智能技術(shù)應(yīng)用于電弧爐控制系統(tǒng)，能夠達(dá)到提高電弧爐的運(yùn)行效益并降低能耗和減輕對(duì)電網(wǎng)危害。
實(shí)現(xiàn)上述發(fā)明目的所采用的技術(shù)方案是，一種電弧爐控制系統(tǒng)的智能優(yōu)化控制方法，電弧爐控制系統(tǒng)包括電弧爐、變壓器、電抗器、工業(yè)控制計(jì)算機(jī)、液壓驅(qū)動(dòng)裝置，其中液壓驅(qū)動(dòng)裝置連接在工業(yè)控制計(jì)算機(jī)與電弧爐之間。其特征在于，工業(yè)控制計(jì)算機(jī)內(nèi)設(shè)置有以神經(jīng)網(wǎng)絡(luò)技術(shù)基礎(chǔ)上建立的電弧爐神經(jīng)網(wǎng)絡(luò)模型，神經(jīng)網(wǎng)絡(luò)模型包括神經(jīng)網(wǎng)絡(luò)控制器和神經(jīng)網(wǎng)絡(luò)預(yù)估模型，該電弧爐神經(jīng)網(wǎng)絡(luò)預(yù)估控制模型對(duì)來自變壓器檔位的變壓器電壓信號(hào)、電抗器的電流信號(hào)、出鋼加料信號(hào)進(jìn)行采樣，和預(yù)設(shè)定的信號(hào)進(jìn)行比較，通過專家系統(tǒng)算法預(yù)估出電弧爐下一時(shí)刻的電參數(shù)的狀態(tài)，對(duì)系統(tǒng)的輸出做出優(yōu)化補(bǔ)償；具體包括下列步驟1)變壓器二次電壓、二次電流、一次電壓、一次電流模擬信號(hào)通過交流變送器變換成-10V～+10V之間的交流信號(hào)，經(jīng)200KHZ采樣頻率采集到工業(yè)控制計(jì)算機(jī)中，工業(yè)控制計(jì)算機(jī)根據(jù)這些參數(shù)計(jì)算出變壓器一次、二次三相的電壓U、電流I、有功功率P、電弧功率Ph和電弧電壓Uh；2)工業(yè)控制計(jì)算機(jī)根據(jù)這些參量，通過神經(jīng)網(wǎng)絡(luò)控制器根據(jù)設(shè)定和電弧爐的狀態(tài)信號(hào)進(jìn)行比較，再將系統(tǒng)調(diào)節(jié)的控制量結(jié)合電弧爐的運(yùn)行狀態(tài)，神經(jīng)網(wǎng)絡(luò)預(yù)估模型給出下一時(shí)刻電弧爐電參數(shù)的狀態(tài)，如三相電流，電壓，有功功率，無功功率的狀態(tài)；3)神經(jīng)網(wǎng)絡(luò)控制器通過遺傳優(yōu)化算法得出控制電極調(diào)節(jié)的信號(hào)，該信號(hào)經(jīng)D/A板卡轉(zhuǎn)換成模擬量送給液壓驅(qū)動(dòng)系統(tǒng)的伺服放大器來驅(qū)動(dòng)執(zhí)行機(jī)構(gòu)，完成電極的升降調(diào)節(jié)。
本發(fā)明的特點(diǎn)還在于，
神經(jīng)網(wǎng)絡(luò)預(yù)估模型采用基于誤差反向傳播算法的3層前向神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)，在電弧爐和神經(jīng)網(wǎng)絡(luò)的輸入同時(shí)加上k，k-1，k-2時(shí)刻的電弧爐狀態(tài)的電壓、電流參量和電極調(diào)節(jié)器的輸出，由電弧爐k+1時(shí)刻的電參量作為指導(dǎo)信號(hào)，其中k表示當(dāng)前時(shí)刻，電弧爐的實(shí)際輸出和神經(jīng)網(wǎng)絡(luò)預(yù)估模型輸出的偏差經(jīng)過遺傳退火優(yōu)化算法，對(duì)預(yù)估模型的神經(jīng)網(wǎng)絡(luò)權(quán)值進(jìn)行不斷修正。
神經(jīng)網(wǎng)絡(luò)控制器選用輸入節(jié)點(diǎn)為26個(gè)，分別為K-1，K時(shí)刻變壓器檔位、設(shè)定弧壓、弧流、系統(tǒng)運(yùn)行弧壓、弧流以及控制輸出量，中間層為100個(gè)節(jié)點(diǎn)權(quán)值，初值為+10～-10之間，輸出層為3個(gè)節(jié)點(diǎn)，神經(jīng)網(wǎng)絡(luò)控制器得出下一時(shí)刻所需控制量，系統(tǒng)編碼即生成初始總?cè)汗?6個(gè)個(gè)體遺傳，代數(shù)為500代，達(dá)到目標(biāo)函數(shù)即誤差小到設(shè)定點(diǎn)跳出循環(huán)。
本發(fā)明的有益效果在于根據(jù)上述技術(shù)方案，電弧爐控制系統(tǒng)能夠在滿足電弧爐現(xiàn)行工藝要求及不影響爐襯壽命的條件下，在冶煉操作過程中獲得盡可能多的電功率，最大程度地降低電能、物料消耗，提高生產(chǎn)效率，從而提高電弧爐冶煉的綜合運(yùn)行效益。
a、學(xué)習(xí)及預(yù)測(cè)功能本發(fā)明的控制方法能學(xué)習(xí)及預(yù)測(cè)爐子的運(yùn)行曲線。例如在前一段時(shí)間區(qū)段內(nèi)找出輸入X和輸出Y之間的函數(shù)關(guān)系Y＝f(X)，經(jīng)過學(xué)習(xí)及處理n時(shí)刻之后，該系統(tǒng)能預(yù)測(cè)下一段運(yùn)行周期的運(yùn)行趨勢(shì)曲線，對(duì)于不希望的趨勢(shì)，在發(fā)生之前即被預(yù)測(cè)出，并提前消除發(fā)生。
b、三相電弧電流的統(tǒng)籌調(diào)節(jié)功能本發(fā)明的控制方法在調(diào)節(jié)某相弧流時(shí)，同時(shí)修正另外兩相弧流，使三相達(dá)到平衡。
c、抑制電壓閃變功能本發(fā)明的控制方法能夠借助于快速數(shù)據(jù)采集系統(tǒng)，采集的大量數(shù)據(jù)來預(yù)測(cè)運(yùn)行趨勢(shì)曲線，在運(yùn)行中，對(duì)于運(yùn)行短路不希望的趨勢(shì)，在發(fā)生之前即被預(yù)測(cè)出并被消除。另外，對(duì)于不可避免的工作短路(如點(diǎn)弧)持續(xù)時(shí)間也能夠縮短。
d、數(shù)據(jù)采集功能利用快速采集的大量數(shù)據(jù)，尋找輸入X和輸出Y之間的函數(shù)關(guān)系，并將采集并存儲(chǔ)到硬盤中的數(shù)據(jù)進(jìn)行在線學(xué)習(xí)和預(yù)測(cè)，以及離線分析和培訓(xùn)。
e、專家系統(tǒng)保護(hù)功能能夠監(jiān)視爐子運(yùn)行狀態(tài)，以及讓神經(jīng)元網(wǎng)絡(luò)系統(tǒng)正常工作，從不發(fā)生不安全事故。


圖1是系統(tǒng)原理結(jié)構(gòu)圖；其中EAF為電弧爐，YA為液壓驅(qū)動(dòng)裝置，R為電抗器，T是電弧爐煉鋼特種變壓器，由于變壓器T的一次，二次電壓和電流的值較大，因此需要采用二級(jí)變壓器以便將采集到的信號(hào)轉(zhuǎn)換成工業(yè)控制計(jì)算機(jī)可以接收的信號(hào)，即TA1、TA2、TV1、TV2分別是轉(zhuǎn)換一次電流，二次電流，一次電壓，二次電壓所用變壓器。
圖2是控制系統(tǒng)原理圖；圖3是神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)；圖4是遺傳退火優(yōu)化算法流程圖；圖5是優(yōu)化用電曲線，其中，橫坐標(biāo)是電流，縱坐標(biāo)是功率。
以下結(jié)合附圖和發(fā)明人給出的實(shí)施例對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說明。
具體實(shí)施例方式
本發(fā)明為基于神經(jīng)網(wǎng)絡(luò)技術(shù)(Artificial Neural Network，ANN)和遺傳退火優(yōu)化算法的電弧爐控制系統(tǒng)。
參見圖1，電弧爐控制系統(tǒng)包括電弧爐EAF、變壓器T、電抗器R、工業(yè)控制計(jì)算機(jī)C、液壓驅(qū)動(dòng)裝置，其中液壓驅(qū)動(dòng)裝置連接在工業(yè)控制計(jì)算機(jī)C與電弧爐EAF之間。工業(yè)控制計(jì)算機(jī)C內(nèi)設(shè)置有以神經(jīng)網(wǎng)絡(luò)技術(shù)基礎(chǔ)上建立的電弧爐神經(jīng)網(wǎng)絡(luò)模型，神經(jīng)網(wǎng)絡(luò)模型包括神經(jīng)網(wǎng)絡(luò)(ANN)控制器和神經(jīng)網(wǎng)絡(luò)(ANN)預(yù)估模型。該電弧爐神經(jīng)網(wǎng)絡(luò)預(yù)估控制模型對(duì)來自變壓器T檔位的變壓器電壓信號(hào)、電抗器的電流信號(hào)、出鋼加料信號(hào)進(jìn)行采樣，和預(yù)設(shè)定的信號(hào)進(jìn)行比較，通過誤差反向傳播算法(Back Propagation，BP算法)及遺傳退火優(yōu)化算法預(yù)估出電弧爐下一時(shí)刻(各種電參數(shù)，如三相電流，電壓，有功功率，電弧功率和電弧電壓等)的狀態(tài)，對(duì)系統(tǒng)的輸出做出優(yōu)化補(bǔ)償；具體包括下列步驟1)電弧爐控制系統(tǒng)采集的瞬時(shí)值，反映出冶煉時(shí)期弧壓、弧流的非正弦畸變波形及各主要諧波。將采集到的一個(gè)周期內(nèi)的變壓器二次電壓、二次電流、一次電壓、一次電流等瞬時(shí)模擬信號(hào)通過交流變壓器(TV2，TA2，TV1，TA1)變換成-10V～+10V之間的交流信號(hào)，經(jīng)200KHZ采樣頻率采集到工業(yè)控制計(jì)算機(jī)中，工業(yè)控制計(jì)算機(jī)根據(jù)這些瞬時(shí)值利用下述公式計(jì)算出變壓器一次、二次三相的電壓U、電流I、有功功率P、電弧功率Pb和電弧電壓Uh，其計(jì)算依據(jù)以下公式U=1N-1Σm=1Num2-----(1)]]>I=1N-1Σm=1Nim2-----(2)]]>Pr=I2*Rd-----(3)]]>P=1N-1Σm=1Nimum---(4)]]>Ph＝P-Pr-----(5) Uh＝Ph/I-----(6)um第m-1個(gè)時(shí)刻，電壓采集瞬時(shí)值；
im第m-1個(gè)時(shí)刻，電流采集瞬時(shí)值；N20ms內(nèi)采樣點(diǎn)；U電壓有效值；I電壓有效值；P有功功率；Pr相損耗功率；Ph電弧功率；Uh電弧電壓；2)如附圖2所示，神經(jīng)網(wǎng)絡(luò)預(yù)估模型包括ANN控制器和ANN預(yù)估模型，兩個(gè)模型都具有在線自學(xué)習(xí)功能。ANN控制器的作用是根據(jù)設(shè)定和電弧爐的狀態(tài)計(jì)算出系統(tǒng)調(diào)節(jié)的控制量；ANN預(yù)估模型的作用是根據(jù)ANN控制器計(jì)算出的控制量結(jié)合電弧爐的運(yùn)行狀態(tài)，預(yù)估下一時(shí)刻電弧爐的狀態(tài)。工業(yè)控制計(jì)算機(jī)根據(jù)計(jì)算出的參數(shù)，通過神經(jīng)網(wǎng)絡(luò)(ANN)控制器根據(jù)設(shè)定和電弧爐的狀態(tài)計(jì)算出系統(tǒng)調(diào)節(jié)的控制量，神經(jīng)網(wǎng)絡(luò)(ANN)預(yù)估模型根據(jù)神經(jīng)網(wǎng)絡(luò)(ANN)控制器計(jì)算出的控制量結(jié)合電弧爐的運(yùn)行狀態(tài)，預(yù)估下一時(shí)刻電弧爐各種電參數(shù)，如三相電流，電壓，有功功率，無功功率等的狀態(tài)，若發(fā)現(xiàn)短路、塌料等現(xiàn)象，提前給予調(diào)節(jié)。
具體說明如下K時(shí)刻電弧爐的各個(gè)電參量經(jīng)ANN控制器得出系統(tǒng)調(diào)節(jié)控制量，k，k-1時(shí)刻的電參量與電極調(diào)節(jié)器的輸出量以及k+1時(shí)刻預(yù)測(cè)控制經(jīng)ANN預(yù)估模型得出k+1時(shí)刻電弧爐輸出狀態(tài)，k+1時(shí)刻電弧爐輸出與預(yù)測(cè)輸出相比較得出預(yù)估控制的偏差量，經(jīng)遺傳優(yōu)化算法重新修正ANN預(yù)估模型，同時(shí)將電弧爐期望的k+1時(shí)刻狀態(tài)與實(shí)際k+1時(shí)刻電弧爐的輸出比較，再經(jīng)遺傳優(yōu)化算法送到ANN控制器，得出k時(shí)刻電弧爐控制量，控制電弧爐調(diào)節(jié)，如此循環(huán)往復(fù)，使電弧爐始終保持在期望的狀態(tài)。
神經(jīng)網(wǎng)絡(luò)預(yù)估模型采用基于誤差反向傳播算法(Back Propagation，BP)的3層前向神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)，神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)如附圖3所示，其中神經(jīng)網(wǎng)絡(luò)的輸入信號(hào)為三相電弧電流信號(hào)，三相電弧電壓信號(hào)，三相電極控制信號(hào)檔位電壓信號(hào)，檔位電流信號(hào)，上一時(shí)刻的電流三相電弧電流，電壓信號(hào)，三相電極控制信號(hào)可以依此下推到本時(shí)刻的前若干個(gè)時(shí)刻。輸出信號(hào)為下一時(shí)刻的Y1三相電弧電流預(yù)估信號(hào)，Y2三相電弧電壓預(yù)估信號(hào)。其中輸入信號(hào)為K個(gè)，中間的神經(jīng)元個(gè)數(shù)為L(zhǎng)個(gè)。
神經(jīng)網(wǎng)絡(luò)的每一個(gè)人工神經(jīng)元是一個(gè)多輸入輸出的非線性文件，其輸入和輸出關(guān)系為Ii=Σj=0kwij*xj,]]>Yi＝f(Ii)。Ii為人工神經(jīng)元的輸入，Yi為人工神經(jīng)元的輸出，xj每個(gè)人工神經(jīng)元輸入層輸入，Wij為每個(gè)人工神經(jīng)元輸入的權(quán)值，∑|f為上層人工神經(jīng)元輸入之和，同時(shí)也是下層人工神經(jīng)元的輸入。
神經(jīng)網(wǎng)絡(luò)選用的傳遞函數(shù)為Sigmoid函數(shù)，表達(dá)式為f(X)＝1/(1+exp(e0-Ii))，其中e0為神經(jīng)元的閾值。
給定樣本模式后，通過前向計(jì)算可以得到一組輸出Y，而樣本值為Y*，則誤差函數(shù)的平方型為Ek=12Σj(yjk-yjk*)2.]]>對(duì)于學(xué)習(xí)過程是修正權(quán)值的過程，即誤差反向傳播訓(xùn)練算法。對(duì)于修正量取決于其對(duì)誤差的梯度，對(duì)于輸出層而言如下δjkl=∂Ek∂Ii=-(1-yjk)(yjk-yjk*)Ii;]]>如果不是輸出單元，本系統(tǒng)中為中間層的梯度為δjkl=Σmδmkl+1wmjl+1Ii;]]>則Δwij=u*δjkl*Ojkl-1,]]>其中Ojkl-1為送到下層或輸出層的輸出量，u為學(xué)習(xí)速率。通過上述算法就完成了誤差反向傳播(Back Propagation，BP)神經(jīng)網(wǎng)絡(luò)的算法和計(jì)算。
3)算法優(yōu)化目的是為了追求盡可能高的電弧功率，在表觀功率不超過變壓器許用容量、工作電流不超過許用電流、電弧穩(wěn)定燃燒、較好的電能利用狀況等約束條件下，修正控制量，從而使系統(tǒng)性能達(dá)到最優(yōu)。本電弧爐控制系統(tǒng)中誤差反向傳播(Back Propagation，BP)神經(jīng)網(wǎng)絡(luò)算法的實(shí)質(zhì)是基于導(dǎo)數(shù)的梯度算法，這就難免會(huì)出現(xiàn)局部極小問題。因此采用遺傳退火算法對(duì)神經(jīng)網(wǎng)絡(luò)預(yù)估模型的權(quán)值進(jìn)行優(yōu)化，加快神經(jīng)網(wǎng)絡(luò)的收斂速度，增強(qiáng)學(xué)習(xí)性能，使神經(jīng)網(wǎng)絡(luò)的非線性逼進(jìn)能力得到更好的發(fā)揮。電弧爐神經(jīng)網(wǎng)絡(luò)預(yù)估模型中神經(jīng)網(wǎng)絡(luò)(ANN)控制器選用輸入節(jié)點(diǎn)為26個(gè)分別為K-1，K時(shí)刻變壓器檔位、設(shè)定弧壓、弧流、系統(tǒng)運(yùn)行弧壓、弧流以及控制輸出量，中間層為100個(gè)節(jié)點(diǎn)權(quán)值，初值為+10～-10之間，輸出層為3個(gè)節(jié)點(diǎn)，ANN控制器計(jì)算出下一時(shí)刻所需控制量。系統(tǒng)編碼即生成初始總?cè)汗?6個(gè)個(gè)體遺傳，代數(shù)為500代，達(dá)到目標(biāo)函數(shù)即誤差小到設(shè)定點(diǎn)跳出循環(huán)。其算法流程圖如附圖4所示，開始時(shí)，隨機(jī)初始化群體P(0)，t←0，并計(jì)算P(t)中每個(gè)個(gè)體的適應(yīng)值fiL，如果滿足終止條件則輸出結(jié)果，結(jié)束本次計(jì)算，如不滿足，則將k←0，判斷判斷k值，如果k≥N則將t←t+1并返回計(jì)算P(t)個(gè)體適應(yīng)值步驟，如果不滿足k≥N，則根據(jù)個(gè)體的適應(yīng)值比例選擇兩父體，繼續(xù)進(jìn)行判斷隨機(jī)數(shù)Random
＜Pc，如果滿足，則對(duì)兩父體實(shí)行雜交操作，進(jìn)而將后代串變異后插入到P(t+1)，并將k←k+2，并返回k≥N判斷步驟；如果隨機(jī)數(shù)Random
＜Pc不滿足，則將兩父體變異后插入到P(t+1)，并將k←k+2，并返回k≥N判斷步驟。
具體說明如下①隨機(jī)產(chǎn)生一組二進(jìn)制字符串，每個(gè)字符串表示網(wǎng)絡(luò)連接的一個(gè)集合，其中串長(zhǎng)L取決于權(quán)值的值域和需要的精度，例如當(dāng)權(quán)值的值域是[Wtmin，Wtmax]而要求的精度是小數(shù)點(diǎn)后4位，則串長(zhǎng)L必須滿足(1)式，即2l-1＜(Wtmax-Wtmin)≤2l-1(1)②將二進(jìn)制字符串依據(jù)(2)式譯碼成網(wǎng)絡(luò)的各個(gè)連接權(quán)值，即Wt(i,j,k)=Wmin(i,j,k)+P(t)2l-1[Wmax(i,j,k)-Wmin(i,j,k)]---(2)]]>式中P(t)是由L位字符串所表示的二進(jìn)制整數(shù)，Wmin(i，j，k)，Wmax(i，j，k)分別為各連接權(quán)的上限和下限值，可事先確定其范圍-10～+10。
③運(yùn)行網(wǎng)絡(luò)，評(píng)價(jià)網(wǎng)絡(luò)的性能，按(3)式概率值選擇網(wǎng)絡(luò)個(gè)體，即Ps=eftl/TΣi=iNeftl/T---(3)]]>式中，fil為lt位二進(jìn)制碼表示的第i個(gè)個(gè)體的適應(yīng)度，N為種群大小，g為遺傳代數(shù)，T為溫度，T＝T0(0.99g-1)，T0為初始溫度，這里取目標(biāo)函數(shù)即誤差指標(biāo)函數(shù)值的倒數(shù)為適應(yīng)度值。
④以預(yù)先確定的概率值Pc(＝0.25)，Pm(＝0.01)進(jìn)行交叉、變異等遺傳操作，產(chǎn)生下代網(wǎng)絡(luò)權(quán)值。
⑤重復(fù)步驟③～步驟④，直到網(wǎng)絡(luò)被遺傳優(yōu)化，達(dá)到所要求的性能為止。只要變異概率Pm不等于零，遺傳算法最終必能搜索到滿足要求的網(wǎng)絡(luò)，預(yù)估出電流大小與下一時(shí)刻的實(shí)際值誤差使其小于3％。在離線建模的基礎(chǔ)上，實(shí)時(shí)控制時(shí)再不斷修正網(wǎng)絡(luò)系統(tǒng)的權(quán)值和閾值，從而達(dá)到電弧爐控制系統(tǒng)的控制要求。
4)在電弧爐和神經(jīng)網(wǎng)絡(luò)的輸入同時(shí)加上k，k-1，k-2時(shí)刻(k為當(dāng)前時(shí)刻)的電弧爐狀態(tài)參量(電壓、電流)和電極調(diào)節(jié)器的輸出，由電弧爐k+1時(shí)刻的電參量作為指導(dǎo)信號(hào)，由電弧爐的實(shí)際輸出和神經(jīng)網(wǎng)絡(luò)預(yù)估模型輸出的偏差經(jīng)過遺傳退火優(yōu)化算法，對(duì)預(yù)估模型的權(quán)值進(jìn)行不斷修正，由此建立的電弧爐神經(jīng)網(wǎng)絡(luò)預(yù)估模型作為ANN控制器的初始模型。神經(jīng)網(wǎng)絡(luò)(ANN)控制器經(jīng)上述算法計(jì)算出的控制電極調(diào)節(jié)的數(shù)字信號(hào)經(jīng)D/A板卡轉(zhuǎn)換成模擬信號(hào)送給液壓驅(qū)動(dòng)系統(tǒng)的伺服放大器來驅(qū)動(dòng)執(zhí)行機(jī)構(gòu)，從而完成電極的升降調(diào)節(jié)。
最優(yōu)化模型可以通過對(duì)已有數(shù)據(jù)的學(xué)習(xí)，形成原始的電弧爐最佳供電曲線，理想情況當(dāng)然是電弧爐相關(guān)參數(shù)一直保持不變，但是這在實(shí)際中是不可能的，因此需要對(duì)原始供電曲線進(jìn)行修正。一定時(shí)期內(nèi)，在綜合考慮電氣設(shè)備容量、電弧弧長(zhǎng)控制、電效率和熱效率、耐材指數(shù)、三相功率平衡、冶煉階段和生產(chǎn)節(jié)奏等因素的基礎(chǔ)上，通過適當(dāng)調(diào)整設(shè)定值，使用電曲線重新達(dá)到最優(yōu)。
圖5是根據(jù)工業(yè)現(xiàn)場(chǎng)采集到的大量的實(shí)際生產(chǎn)數(shù)據(jù)，利用上述優(yōu)化算法計(jì)算出的一組最優(yōu)用電曲線，包括視在功率，功率因數(shù)，有功功率，損耗功率，電弧功率，電弧電壓，電效率參數(shù)曲線。對(duì)于每一組最優(yōu)用電曲線，我們最關(guān)心的是有功功率Pc，損耗功率Pr和電弧功率Q。它們之間的關(guān)系為Q＝Pc-Pr，本發(fā)明就是通過不斷的修正用電曲線，使電弧功率Q盡可能的保持最大。
下表是某鋼廠40t電弧爐采用本發(fā)明的智能控制方法與美國(guó)IAF系統(tǒng)的數(shù)據(jù)對(duì)比實(shí)例
某鋼廠40t電爐生產(chǎn)統(tǒng)計(jì)表

通過綜合計(jì)算分析，采用本發(fā)明的智能控制方法噸電耗平均下降50度，按每月20000噸計(jì)算，每臺(tái)電爐可節(jié)電1000000度，當(dāng)年可收回成本。
權(quán)利要求
1.一種電弧爐控制系統(tǒng)的智能優(yōu)化控制方法，電弧爐控制系統(tǒng)包括電弧爐、變壓器、電抗器、工業(yè)控制計(jì)算機(jī)、液壓驅(qū)動(dòng)裝置，其中液壓驅(qū)動(dòng)裝置連接在工業(yè)控制計(jì)算機(jī)與電弧爐之間，其特征在于，工業(yè)控制計(jì)算機(jī)內(nèi)設(shè)置有以神經(jīng)網(wǎng)絡(luò)技術(shù)基礎(chǔ)上建立的電弧爐神經(jīng)網(wǎng)絡(luò)模型，神經(jīng)網(wǎng)絡(luò)模型包括神經(jīng)網(wǎng)絡(luò)控制器和神經(jīng)網(wǎng)絡(luò)預(yù)估模型，該電弧爐神經(jīng)網(wǎng)絡(luò)預(yù)估模型對(duì)來自變壓器檔位的變壓器電壓信號(hào)、電抗器的電流信號(hào)、出鋼加料信號(hào)進(jìn)行采樣，和預(yù)設(shè)定的信號(hào)進(jìn)行比較，通過專家系統(tǒng)算法預(yù)估出電弧爐下一時(shí)刻的電參數(shù)的狀態(tài)，對(duì)系統(tǒng)的輸出做出優(yōu)化補(bǔ)償；具體包括下列步驟1)變壓器二次電壓、二次電流、一次電壓、一次電流模擬信號(hào)通過交流變送器變換成-10V～+10V之間的交流信號(hào)，經(jīng)200KHZ采樣頻率采集到工業(yè)控制計(jì)算機(jī)中，工業(yè)控制計(jì)算機(jī)根據(jù)這些參數(shù)計(jì)算出變壓器一次、二次三相的電壓U、電流I、有功功率P、電弧功率Ph和電弧電壓Uh，其計(jì)算依據(jù)以下公式U=1N-1Σm=1Num2---(1)]]>I=1N-1Σm=1Nim2---(2)]]>Pr＝I2*Rd-----(3)P=1N-1Σm=1Nimum---(4)]]>Ph＝P-Pr-----(5) Uh＝Ph/I -----(6)um第m-1個(gè)時(shí)刻，電壓采集瞬時(shí)值；im第m-1個(gè)時(shí)刻，電流采集瞬時(shí)值；N20ms內(nèi)采樣點(diǎn)；U電壓有效值；I電流有效值；P有功功率；Pr相損耗功率；Ph電弧功率；Uh電弧電壓；2)工業(yè)控制計(jì)算機(jī)根據(jù)這些參量，通過神經(jīng)網(wǎng)絡(luò)控制器根據(jù)設(shè)定和電弧爐的狀態(tài)信號(hào)進(jìn)行比較，再將系統(tǒng)調(diào)節(jié)的控制量結(jié)合電弧爐的運(yùn)行狀態(tài)，神經(jīng)網(wǎng)絡(luò)預(yù)估模型給出下一時(shí)刻電弧爐電參數(shù)的狀態(tài)；3)神經(jīng)網(wǎng)絡(luò)控制器通過遺傳優(yōu)化算法得出控制電極調(diào)節(jié)的信號(hào)，該信號(hào)經(jīng)D/A板卡轉(zhuǎn)換成模擬量送給液壓驅(qū)動(dòng)裝置的伺服放大器來驅(qū)動(dòng)執(zhí)行機(jī)構(gòu)，完成電極的升降調(diào)節(jié)。
2.如權(quán)利要求1所述的方法，其特征在于，神經(jīng)網(wǎng)絡(luò)預(yù)估模型采用基于誤差反向傳播算法的3層前向神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)，在電弧爐和神經(jīng)網(wǎng)絡(luò)的輸入同時(shí)加上k，k-1，k-2時(shí)刻的電弧爐狀態(tài)的電壓、電流參量和電極調(diào)節(jié)器的輸出，由電弧爐k+1時(shí)刻的電參量作為指導(dǎo)信號(hào)，其中k表示當(dāng)前時(shí)刻，電弧爐的實(shí)際輸出和神經(jīng)網(wǎng)絡(luò)預(yù)估模型輸出的偏差經(jīng)過遺傳退火優(yōu)化算法，對(duì)預(yù)估模型的神經(jīng)網(wǎng)絡(luò)權(quán)值進(jìn)行不斷修正。
3.如權(quán)利要求1所述的方法，其特征在于，所述的神經(jīng)網(wǎng)絡(luò)控制器選用輸入節(jié)點(diǎn)為26個(gè)，分別為K-1，K時(shí)刻變壓器檔位、設(shè)定弧壓、弧流、系統(tǒng)運(yùn)行弧壓、弧流以及控制輸出量，中間層為100個(gè)節(jié)點(diǎn)權(quán)值，初值為+10～-10之間，輸出層為3個(gè)節(jié)點(diǎn)，神經(jīng)網(wǎng)絡(luò)控制器得出下一時(shí)刻所需控制量，系統(tǒng)編碼即生成初始總?cè)汗?6個(gè)個(gè)體遺傳，代數(shù)為500代，達(dá)到目標(biāo)函數(shù)即誤差小到設(shè)定點(diǎn)跳出循環(huán)。
全文摘要
本發(fā)明公開了一種電弧爐控制系統(tǒng)的智能優(yōu)化控制方法，電弧爐控制系統(tǒng)包括電弧爐、變壓器、電抗器、工業(yè)控制計(jì)算機(jī)、液壓驅(qū)動(dòng)系統(tǒng)，其中電弧爐通過液壓驅(qū)動(dòng)系統(tǒng)連接在工業(yè)控制計(jì)算機(jī)上，工業(yè)控制計(jì)算機(jī)內(nèi)設(shè)置有在神經(jīng)網(wǎng)絡(luò)技術(shù)基礎(chǔ)上建立的電弧爐神經(jīng)網(wǎng)絡(luò)預(yù)估控制模型，神經(jīng)網(wǎng)絡(luò)預(yù)估模型包括神經(jīng)網(wǎng)絡(luò)控制器和神經(jīng)網(wǎng)絡(luò)預(yù)估模型，該電弧爐神經(jīng)網(wǎng)絡(luò)預(yù)估控制模型對(duì)來自變壓器檔位的變壓器電壓信號(hào)、電抗器的電流信號(hào)、出鋼加料信號(hào)進(jìn)行采樣，和預(yù)設(shè)定的信號(hào)進(jìn)行比較，通過神經(jīng)網(wǎng)絡(luò)和遺傳退火優(yōu)化算法預(yù)估出電弧爐下一時(shí)刻各種電參數(shù)的狀態(tài)，對(duì)系統(tǒng)的輸出做出優(yōu)化補(bǔ)償；能夠提高電弧爐生產(chǎn)率，降低能耗、節(jié)約能源、減輕對(duì)電網(wǎng)危害，提高電弧爐運(yùn)行效益。
文檔編號(hào)F27B3/28GK1719171SQ20051004284
公開日2006年1月11日 申請(qǐng)日期2005年6月23日 優(yōu)先權(quán)日2005年6月23日
發(fā)明者李強(qiáng), 夏春雷 申請(qǐng)人:西安理工大學(xué)