火电厂热工过程的自动控制是一个成熟而常新的研究邻域,一方面,基于常规PID控制的电厂DCS控制系统具有一套成熟、规范的体系,几十年的运行证明其控制策略是可行的；另一方面,电力市场剧烈竞争的客观结果对电厂的供电质量、经济和安全性能均提出更高的要求,而且随着亚临界、超临界等大型机组在电厂中的比重越来越大,其大容量、高参数带来的更加复杂多变的热工特性,使现行的控制策略难以适应新的形式下的控制要求。新的控制理论、方法和策略的研究和应用对于热工控制具有迫切的现实意义。 热工过程的非线性、强耦合、大惯性、大滞后、时变性、不确定性、工况范围广等复杂特性对热工控制中的系统建模和控制策略提出了一系列的挑战课题,新的控制策略研究必须充分建立这些特性基础之上。把其他控制领域内先进的理论研究成果借鉴到热工过程控制中是现实可行的思路,多模型控制和神经网络预测控制属智能控制的范畴,利用神经网络的优良特性,可以很大程度解决复杂对象的建模问题,把二者有机结合起来,寻求一种复杂过程对象的控制方法是本文研究的目的。 应用于热工过程控制时,无论是多模型控制还是神经网络预测控制自身均存在很多问题需待解决。在线滚动优化是神经网络预测控制的核心,其本质属于非线性规划问题,由于算法简单、计算量小、实时性强是电厂DCS对优化算法的基本要求,因此本文没有采用非线性规划中的一些智能算法,而是基于传统优化算法中做进一步基础理论工作；模型集构造方案和模型调度切换策略是多模型控制的核心问题,尤其是模型集构造方案还处于研究初期阶段,本文尝试在该方面做一些工作。具体研究内容如下： (1)提出一种神经网络预测控制与神经网络逆控制的复合控制系统。神经网络逆模型输出用于确定基于黄金分割优化算法的初始搜索区间,通过缩小优化算法的初始搜索区间,从而达到降低在线滚动优化计算量的目的；同时使控制系统在不同运行工况下,具有神经网络预测控制和神经网络逆控制的双重特性,两种控制方式可以优势互补；本文运用区间套定理对该算法的收敛性给予了严格的数学证明,并就其收敛阶次给予了推导。通过对某300MW汽机机前压力的控制仿真表明,本方案在降低在线优化计算量和控制品质方面均获得满意结果。 (2)把神经网络预测控制从SISO系统推广到MIMO系统,提出一种基于差商梯度的在线滚动优化算法,应用于单元机组负荷控制。梯度算法由于其收敛速度快而被广泛采用,但在多步预测控制中,由于无法通过导数获得搜索梯度信息,故本文以偏差商替代函数的导数；运用偏差商替代函数导数是一个参数估计问题,这是因为在求取偏差商时,其步长不可以过小,否则会因为计算中的截断和舍入误著而失真,过人则导致估计误差偏大；在三种形式的偏差商中,本文论证了采用中心偏差商是相应导数的“无偏估计”,而其他差商形式的估计则是有“理论偏差”的,并对中心偏差商估计误差做了进一步理论分析。通过某300MW单元机组2×2系统的负荷控制仿真表明,策略是可行的。 (3)首次从时变大滞后角度考虑锅炉过热汽温这一复杂系统的控制问题,提出了基于切换多模型的神经网络预测控制方案。过热汽温时滞的变化属于系统模型结构的变化,对于这样的变结构对象,一般控制方法难以取得理想控制效果,经典的滑模变结构控制也难以适应过热汽温这类非线性、不确定性系统的控制。本文进而针对多模型控制的核心问题,提出了一种分层的二维模型集构造方案,并依据时滞随负荷的变化特性建立了离散样本下的子空间划分优化模型。 (4)子空间划分优化模型的求解采用粒子群优化算法(PSO),在比较详细介绍PSO算法的形成背景、机理的基础上,借鉴“小世界”理论,提出了一种变邻域结构的粒子群算法,用于平衡PSO算法的收敛速度、全局搜索能力和局部搜索能力。并通过过热汽温子空间划分优化模型的仿真求解,验证了所提出的PSO优化算法。 (5)运用以以上提出的基于切换多模型的预测控制方案,对某600MW超临界机组过热汽温这一复杂对象的控制进行了仿真实验研究。并在子模型切换中,依据本文模型集构造方案,提出了相应的模型切换方案,用于降低当前系统子模型/子控制器的选择代价。在仿真中,通过对不同参数下的无约束阶跃仿真、子模型切换仿真、输入约束条件下仿真、有界输入输出扰动仿真和模型增益失配鲁棒性仿真等,较为全面地验证本文所提出控制策略的控制性能,并根据仿真结果给出了一些作者的观点和看法。仿真结果表明,控制系统在各种扰动条件下,均具有较理想的控制品质。