基于人工神经网络的电极锅炉电导率预测及控制方法

2019-01-30陈卫波曾宁张大长王升歌黄依婷

电子技术与软件工程 2019年1期

文/陈卫波曾宁张大长王升歌黄依婷

浸没式电极蒸汽锅炉是将浸入锅炉内筒的三相电极通电后，直接加热具有一定电导率的锅炉水，使锅炉水快速加热产生蒸汽的装置。通过调节内筒的液位和电导率，可实现锅炉功率的0-100%无极调节。电极锅炉具有占地面积小、启停速度快、控制精度高、效率高、节能等优点，在核辅助蒸汽系统、集中供热系统等领域得到了广泛的应用。人工神经网络（ANN）是模拟人脑神经元的结构、特征和认知功能的新型信号与信息处理系统。它是一种非线性映射，具有较强的鲁棒性、容错性、冗余性和并行性。它是人工智能的前沿研究领域，得到了广泛的应用。。

利用人工神经网络对电极锅炉电导率的不规律的变化进行预测，可以更迅速的、更准确的确定补水量，以保证电导率的稳定。因此对电导率控制系统的优化进行深入的研究对电极锅炉的安全运行具有重要意义。

1 浸没式电极锅炉原理

1.1 电极加热原理

1.1.1 锅炉筒内的三相电极浸入水中

三相电极带电后，直接加热具有一定电导率的锅炉水。在电流的作用下，炉内的水迅速加热，产生高质量的蒸汽。

1.1.2 炉膛内的水循环

锅炉外筒水通过循环泵流入内筒，连续向内筒供水。

1.1.3 锅炉外部供水

当锅炉处于正常运行或热备状态时，要求内外筒总水量保持恒定，因此需要通过给水泵将脱氧水供应到锅炉外筒。

1.2 功率无级调节原理

在内筒中电导率一定的情况下，当内筒液位逐渐升高时，其与电极棒之间接触的表面积也在变大，从而可通过调节内筒水位来实现对电极加热回路中的电阻以及电流大小的控制。液位连续升降即电极棒浸没在电解质溶液中的部分的面积连续变化，因而可实现对加热功率的无级调节。电导率的变化直接影响着电极锅炉运行过程中电流以及输出功率的变化。

2 人工神经网络

2.1 原理介绍

人工神经网络（ANN）是以简单的计算处理单元（称为神经元）为节点，采用一定的网络拓扑结构，模拟人脑神经系统的有源网络。构建神经网络的每个神经元模型模拟生物神经元，如图2所示。该神经元单元由多个输入xi, i=1, 2, …, n和一个输出yj组成。中间状态由输入信号的权和表示，而输出为：

神经网络是数据驱动的，这意味着它们必须输入大量关于系统过去特性的数据以进行分析，称为“训练”。在“训练”期间，将它们转换成连续的数学规律性，结果是适用于这些数据的模型（称为建模）。也就是说，神经网络系统基于被控系统的输入输出数据对，通过学习，得到一个描述系统输入输出关系的非线性映射。然后神经网络系统会自动调整自己的模型，因此神经网络系统也具有“推断”的功能。

2.2 特性分析

2.2.1 并行分布式处理

神经网络采用分布式信息处理，具有较高的并行结构和并行实现能力，能够快速地进行大量的计算，而不仅仅是以空间复杂度为代价来获得时间速度，具有较好的容错性和较快的综合处理能力，特别适用于实时控制和动态控制。

2.2.2 非线性映射

神经网络由于具有逼近任意非线性映射（变换）的能力，即具有任意精度的逼近任意复杂非线性函数的能力而具有固有的非线性。这种性质为非线性控制问题带来了新的途径。

2.2.3 通过训练进行学习

图1：电极锅炉结构图

图2：神经元模型

图3：模型预测流程图

神经网络通过记录过去的数据来训练、预测和控制系统的流动。经过适当训练的神经网络具有综合所有数据的能力，并且对复杂环境和多目标控制要求具有较强的自学习能力。因此，神经网络可以解决难以用数学模型或描述性规则处理的控制过程问题。

3 预测及控制流程

3.1 电导率模型建立方法

电极锅炉无补水正常运行过程中，并在一定的时间内保持内筒水位不变，锅炉输出的蒸汽以及系统循环水不断地产生损耗，内外筒的水将电导率将升高并趋于一致。由于电导率仪器检测，以及电导率安装在管道位置，内筒电导率的检测具有滞后性误差。

当预测电导率变化时，在前三分钟内每5秒收集一组电导率值，总共收集了36套初始数据。利用MATLAB强大的计算功能和工具箱对网络进行仿真和训练，最后，得到用于预测的网络。这样，通过在运行数据库中输入短期用户历史负荷数据和未来预测的一些环境状态参数，就可以预测未来30秒内的电导率变化。并建立自动补水控制程序。