基于軟測量的CFB-FGD過程脫硫劑推斷控制策略的研究.pdf

1、我國燃煤發(fā)電在電力供給中占80％以上，以煤為主的能源消耗結構導致了S02大量排放，對我國生態(tài)環(huán)境產生了嚴重的影響。節(jié)約資源，減少污染物排放是我國急需解決的重要問題之一。為研究開發(fā)出技術可行、指標較高、工程改造量不大、施工周期較短、投資合理的具有我國自主知識產權的燃煤電廠循環(huán)流化床煙氣脫硫(CFB-FGD)技術，本文以國家“十五”重點攻關課題“CFB-FGD設備自動控制技術的研究與開發(fā)”為基礎，對CFB-FGD過程脫硫劑的控制策略進行研究

2、。 本文首先介紹了CFB-FGD的機理、工藝以及控制系統(tǒng)的現(xiàn)狀。通過對CFB-FGD機理及工藝的分析，提出了CFB-FGD過程脫硫劑的推斷控制策略。由于脫硫劑主要根據(jù)反應器出口SO<,2>的濃度來控制其加入量，而SO<,2>濃度直接測量較為困難，且存在一定的滯后，因此本文提出了采用軟測量的方法進行SO<,2>濃度的實時測量。通過對軟測量技術和人工神經網絡的研究，對反應器出口SO<,2>濃度建立了基于徑向基函數(shù)(RBF)神經網絡的

3、軟測量模型，并采用增量校正法對軟測量模型進行在線校正。仿真結果表明本文利用RBF神經網絡建立的模型滿足工程應用的要求。最后對推斷控制器進行設計，本文采用的是仿人智能控制算法。通過對仿人智能的基本理論以及控制器設計方法的深入研究，設計了仿人智能推斷控制器，并將其與常規(guī)PID控制器進行比較。結果表明，本文所采用的仿人智能控制(HSIC)算法無論是動、靜態(tài)性能，還是抗干擾能力均優(yōu)于ITAE指標最優(yōu)的常規(guī)PID控制。 通過對RBF神經網