【摘 要】计算机信息技术及控制理论的发展，给工业生产中的控制技术带来了发展变革的契机。各种由现代控制理论加以演化的先进控制技术在电厂热工过程控制中也得到普遍应用。本文在分析相关控制技术的基础上，结合电厂热工过程控制的实际，讨论先进控制技术在电厂热工过程中的具体应用。
【关键词】电厂热工过程；先进控制；神经网络；应用
电厂热工过程是一个复杂程度高，不确定变量较多的控制对象，现阶段传统控制方式以其简单通用性，在电厂热工过程中占据重要位置。随着控制理论的成熟，结合电厂热工过程工作特点，需要及时引入先进控制技术，实现电厂热工控制的科技化、智能化。
1 电厂热工过程控制的种类及特点
电厂热工过程有别于其他工业过程，带有自身的复杂性，在动力装置及热工过程中表现出强烈的非线性、随机性、突变性及时延性，同时各变量之间也缺乏信息的完整性，因此，很难采用数学建模方式精确分析全过程，常规的PID控制方法并不能达到完美的控制效果。一般来说，电厂热工过程包含以下方面。
（1）过热汽温过程。电厂锅炉温度控制常规采用增减温水量的方式进行，带有比较明显的惯性和时滞性，动态特性呈现不断变化。
（2）单元机组的负荷过程。这一过程具有强烈的非线性、不确定性及时变性，存在耦合程度较高的多变量，难以进行数学建模。
（3）锅炉水位系统。汽包给水系统复杂多变，容易受到水量的扰动，当系统处在低负荷阶段，会出现时滞性和非最小相位现象。
（4）锅炉燃烧系统。这一过程也是多变量耦合较严重，且干扰因素众多，燃烧率也难以准确测量。该系统又细分为热负荷调节、氧量校正及炉膛负压调节三个系统，以热负荷调节系统为主。
（5）制粉系统。作为一个辅助系统，起到重要的调节作用。该系统也是具备了纯延迟及强耦合的非线性系统，带有时变性。
2 先进控制技术的主要类别
2.1 基于模型式的预测控制技术
预测控制包含模型算法控制及动态矩阵控制。预测控制不需掌握过程模型具备的结构参数，可以直接从生产的过程来描述动态行为，根据一项指标控制系统即可确定控制量的序列，从而使被控量在运行轨迹上尽量贴近预测过程，取得最小的误差平方和。预测控制通过不断的进行滚动式优化程式，能做到对系统输出量和预测量进行误差分析校正，最后获得较为稳定的变量值，克服了数学模型在误差及不确定性上的劣势，适用于较为复杂的控制过程。
简而言之，预测控制就是基于模型的，能够滚动实施并有效结合反馈校正的一种优化控制计算方法。
2.2 智能PID控制
智能PID控制是常规PID控制和智能控制技术的结合。智能控制技术主要采用的方式为模糊控制及神经网络控制。智能PID控制又相应可以分为模糊PID控制、基于神经网络的PID控制及神经网络的自适应PID控制。
（1）模糊PID控制。主要是根据系统的实际偏差产生的大小在模糊控制和PID控制间加以切换。一般根据模糊控制器的不同形式，又可分为码达尼型与PID的组合及模糊控制器自身的模糊PID。该控制器关键点在于切换逻辑及切换扰动的选择设计。
（2）基于神经网络的PID控制。众所周知，神经网络因为具备较强的非线性能力，可以进行自适应学习，在并行分布处理上优势明显，此外还具备强大的鲁棒性和容错性，有效填补了解决不确定性较高的非线性系统建模及控制途径。基于神经网络的PID控制，通过神经网络的自适应性，能够找寻出最优化的PID参数。与模糊PID控制一样，基于神经网络的PID控制系统也可分为两种神经网络，一个神经网络用于配合辨识被控对象，形成辨识模型。另一神经网络可以用于参数学习，根据辨识模型推断输出PID参数。
3 先进控制技术在电厂热工过程中的具体应用
根据电厂热工的几个过程，可以有效采用预测控制、模糊控制及神经网络控制技术。
3.1 过热汽温过程
如前所述，电厂热工的过热汽温过程具有一定的惯性及时滞性，动态特性呈现不断变化波动，因此，可以将模糊预测控制技术、神经网络的PID控制应用到这一过程中，在变量中获取较为稳定的数值，有效对系统的性能加以提升，强化了控制品质，实现了较好的鲁棒性。
3.2 单元机负荷过程
电厂的汽机发电单元作为一个非线性、惯性大、变量大的系统，当负荷在较大范围之间变化时，协调控制系统往往很难进行正常化的运行，此时应用模型预测控制方法就是有效提高单元机协调控制系统的有效方法。预测控制凭借算法简单，计算量小的控制性能，能够提升该过程的智能化程度。此外，将预测控制和模糊控制加以结合，可以设计出模糊预测控制器，从而极大缓解单元机负荷过程中非线性及时滞性对热工过程的影响。
3.3 锅炉水位系统
锅炉水位系统是纯延迟，参数多变的系统，伴有“虚假水位”的现象。现阶段，较常采用的控制方法仍未三冲量控制方式，根据数学模型来整定PID参数，实际控制效果不甚理想。在此系统可以将预测控制技术加以运用，一方面提高控制精度，减缓调节器在输出时产生的波动，有效延长电厂设备使用周期。
3.4 锅炉燃烧系统
锅炉燃烧系统受到多种因素的制约，如煤炭的煤质变化、变量间的耦合程度、单元机的负荷变化、时滞性等，燃烧系统呈现强烈的波动性，外加上燃烧率通过在线测量时难以做到准确化，因而经常采用PID控制器求取出固定的参数。在这一系统中，先进的控制技术并未得以普遍的运用。为弥补信息采集不完整性的缺点，可以将带有误差校正的预测控制技术引进到锅炉燃烧系统控制过程，通过对参数的不断优化，获取较好的控制效果。
3.5 制粉系统
制粉系统难以实现自动控制的阻碍在于其多变量、时滞性及强耦合特性。在此系统中，神经网络预测模型可以在球磨机的控制上发挥其重要作用，通过非线性系统控制办法，可以具有良好的鲁棒性及抗干扰性。
4 结语
电厂热工过程具有惯性、时延性、耦合性及不确定性等各种动态特性，难以进行精准的数学建模，而现今的控制技术理论又凭借自身优势，找到了与电厂热工过程的有效结合点。虽然尚存在一些冲突及缺陷，但电厂热工过程的先进控制应用已成为行业大势所趋。
参考文献：
[2]郝伟.DCS系统设计及在电厂热工控制系统的应用[J].科技创新与应用，2014 （31）.
[3]李世原，黄鑫.基于广义预测控制的常压加热炉先进控制技术应用研究[J].计算机与应用化学，2013（8）.
