熊銳，程文峰，李世杰，肖嘉鳴，劉嘉曄

（1.國家電投集團江西電力有限公司，江西 南昌 330096；2.國家電投集團江西電力有限公司分宜發(fā)電廠，江西 新余 336611）

0 引 言

在極端運行環(huán)境下，當(dāng)某一段線路出現(xiàn)失電故障時，可能使火電機組瞬間失去控制，燃燒大量的煤炭，嚴(yán)重可導(dǎo)致機組發(fā)生安全事故。因此，對低負(fù)荷下的火電機組燃料系統(tǒng)進(jìn)行平衡自動化控制是十分必要的。

Elman神經(jīng)網(wǎng)絡(luò)具有非常優(yōu)秀的學(xué)習(xí)能力和非線性擬合能力，基于此，本文將其應(yīng)用在火電機組煤量控制中，提出一種煤量平衡自動化控制方法。其創(chuàng)新之處在于基于熱能轉(zhuǎn)換為機械能和電能所消耗的煤炭量，引入Elman神經(jīng)網(wǎng)絡(luò)算法，優(yōu)化反饋單元、預(yù)見前饋單元以及預(yù)見平衡控制單元的權(quán)重系數(shù)，實現(xiàn)火電機組低負(fù)荷煤量平衡自動化控制。

1 時延Elman神經(jīng)網(wǎng)絡(luò)分析

Elman神經(jīng)網(wǎng)絡(luò)是由多個前饋連接構(gòu)成的，前饋連接主要由輸入層、隱含層以及輸出層構(gòu)成，隱含層又分為普通隱含層和特殊隱含層兩部分，特殊隱含層又被稱為聯(lián)系單元層或者關(guān)聯(lián)層，作用與狀態(tài)反饋類似。

假設(shè)Elman神經(jīng)網(wǎng)絡(luò)中共有個神經(jīng)元=[，，…，u]，輸出層的神經(jīng)元=[，，…，y]數(shù)量為個，隱含層和承接層的輸出向量分別為=[，，…，t]、=[，，…，h]。

輸入層與隱含層的連接權(quán)值矩陣用來表示，輸出層與隱含層的連接權(quán)值矩陣用來表示，關(guān)聯(lián)層與普通隱含層的連接權(quán)值矩陣用來表示。、在訓(xùn)練過程中始終處于更新狀態(tài)，是固定不變的。Elman神經(jīng)網(wǎng)絡(luò)計算公式如式（1）所示：

式中，表示權(quán)值連接矩陣因子，通常取值在[0，1]范圍內(nèi)；（·）、（·）分別表示與隱含層、輸出層所對應(yīng)的激活函數(shù)；b、b分別表示與隱含層、輸出層所對應(yīng)的閾值矩陣，表示輸出層變量。

2 煤耗特性曲線計算

發(fā)電廠主要由汽輪機、鍋爐、發(fā)電機以及其他一些輔助設(shè)備組合在一起，共同完成發(fā)電過程。發(fā)電過程中水作為介質(zhì)存在，煤炭燃燒產(chǎn)生的化學(xué)能，使水產(chǎn)生熱能；熱能帶動汽輪機旋轉(zhuǎn)，轉(zhuǎn)換為機械能；同時，熱能帶動發(fā)電機發(fā)電，熱能又轉(zhuǎn)換為電能。發(fā)電過程涉及設(shè)備眾多，對自動化的要求較為嚴(yán)格，通過對煤耗特性曲線的分析，可以了解每臺機組的負(fù)荷分配是否均勻、煤炭燃燒是否完全、機組作業(yè)分配是否合理等。本文從鍋爐、汽輪機和發(fā)電機三方面展開對火電機組煤耗特性曲線的分析。

2.1 鍋爐效率

從能量平衡定律來說，煤炭在鍋爐內(nèi)燃燒產(chǎn)生的熱量與輸出的熱量是對等的。但是在實際中，鍋爐輸出的熱量中必然會產(chǎn)生一部分的損失，這部分損失的熱量與輸出總熱量之比，就是鍋爐效率。本文利用反平衡計算法來計算。

當(dāng)火電機組處于穩(wěn)定運行狀態(tài)時，被鍋爐吸收的熱量與各項熱量損失存在如式（2）所示的關(guān)系：

式中，Q表示1 kg煤炭可產(chǎn)生的總熱量，表示鍋爐吸收的總熱量，表示排放掉的熱量，表示煤炭灰塵燃燒產(chǎn)生的熱損失，表示煤炭燃燒產(chǎn)生的熱損失，表示鍋爐產(chǎn)生的散熱損失總量，表示其他熱損失。

2.2 汽輪機組效率

熱能在汽輪機組中轉(zhuǎn)換為機械能。根據(jù)熱力學(xué)定律：熱能在轉(zhuǎn)換為機械能的過程中必然會損失掉一部分的能量，不可能實現(xiàn)百分百轉(zhuǎn)換。對于熱力損失的計算本文主要從以下兩方面展開：

式中，l表示汽輪機所產(chǎn)生的蒸汽比焓，l表示凝結(jié)水的比焓。

汽輪機內(nèi)功率的計算公式為：

式中，D、G均表示汽輪機進(jìn)汽質(zhì)量流量，前者單位為t/h，后者單位為kg/s。

（2）機械效率和發(fā)電機效率。當(dāng)汽輪機處于正常運行狀態(tài)下時，徑向軸承與推力軸承會產(chǎn)生一定的摩擦阻力，再加上主油泵和調(diào)速器的運行也要損失一部分效率，將這些損失的效率統(tǒng)稱為機械損失。汽輪機機械效率η計算公式為：

式中，p表示汽輪機聯(lián)軸器的輸出功率。

發(fā)電機效率計算公式為：

式中，表示發(fā)電機出線端的功率值。

2.3 標(biāo)準(zhǔn)煤耗率計算

煤耗率指的是每產(chǎn)生1 kW ? h的電能所需要燃燒的煤量，單位是g/kwh。煤耗率可以用來評判火電機組的經(jīng)濟性能，以及能量轉(zhuǎn)換是否完善等，計算公式為：

式中，η表示電廠效率，單位為%；29 271表示1 kg標(biāo)準(zhǔn)煤產(chǎn)生的低位發(fā)熱量，單位為kJ/kg。

3 火電機組低負(fù)荷煤量平衡自動化控制方法

通過上文對煤耗特性曲線的分析后，利用時延Elman神經(jīng)網(wǎng)絡(luò)對低負(fù)荷下火電機組的煤量進(jìn)行平衡控制。

圖1 Elman神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

在土1的Elman神經(jīng)網(wǎng)絡(luò)中，假設(shè)共有個自適應(yīng)神經(jīng)元，神經(jīng)元的權(quán)重系數(shù)W（1≤≤）又由三部分組成：第一部分為基本反饋單元，輸入向量為X，權(quán)重系數(shù)向量為W；第二部分為預(yù)見前饋單元，輸入向量為X，權(quán)重系數(shù)向量為W；第三部分為預(yù)見平衡控制單元，輸入向量為X，權(quán)重系數(shù)向量為W。這三個部分的權(quán)重系數(shù)學(xué)習(xí)算法均不相同。

3.1 反饋單元

神經(jīng)元反饋單元的X由該神經(jīng)元內(nèi)輸出量的給定值、給定值與實際值之間的偏差、偏差的變化率以及當(dāng)下其他輸出量的偏差來決定。反饋單元的權(quán)重系數(shù)學(xué)習(xí)算法為：

式中，表示學(xué)習(xí)因子，e表示輸出向量的偏差，μ表示神經(jīng)元的輸入變量。

3.2 預(yù)見前饋單元

將神經(jīng)元的預(yù)見步數(shù)設(shè)定為M，在時刻下，第個神經(jīng)元內(nèi)的輸入向量為：

式中，表示給定的信號值，表示信號值分量，、Y分別表示和的第個分量，的值由M來確定。按照規(guī)定，在步以內(nèi)就要得到煤耗量的原值，在+1步至第M步時，就要得到當(dāng)前煤耗量與標(biāo)準(zhǔn)量的差值，這是實現(xiàn)煤量平衡控制非常關(guān)鍵的一步。本文中，值取M的一半。

該單元內(nèi)權(quán)重系數(shù)學(xué)習(xí)算法為：

式中：

f表示預(yù)見步數(shù)。

3.3 預(yù)見平衡控制單元

在火電機組低負(fù)荷煤量平衡控制過程中，輸出向量分量不僅僅作用于一個輸出向量分量，所以，需要在第個神經(jīng)元中引入式（13）所示的輸入量來實現(xiàn)平衡控制：

式中，1≤≤，≠，表示第個神經(jīng)元，表示輸入向量的維數(shù)，是一個常數(shù)項，通常取值1或2。（X（））是輸入向量第個分量所產(chǎn)生的平衡控制輸入量。

該單元的權(quán)重系數(shù)學(xué)習(xí)算法為：

式中，1≤h≤，是一個常數(shù)項；

令：

式中，W（）、X（）分別表示Elman神經(jīng)網(wǎng)絡(luò)的權(quán)重值與輸入值，表示Elman神經(jīng)網(wǎng)絡(luò)系數(shù)值。

利用聯(lián)想式學(xué)習(xí)策略計算煤量平衡控制的算子：

確定了平衡控制算子后，即可實現(xiàn)對火電機組低負(fù)荷煤量的平衡自動化控制。

4 仿真實驗

為了驗證本文方法在實際應(yīng)用中是否同樣合理有效，構(gòu)建了仿真實驗環(huán)境，展開了性能測試。實驗在某發(fā)電廠進(jìn)行，該電廠有4臺以燃煤為基本能量的發(fā)電機組，標(biāo)記為1#、2#、3#、4#。機組的運行方式通常有三種：雙機、三機和四機同時運行。按照順序依次進(jìn)行排列，雙機運行可得到6種組合方式：（1#，2#）、（1#，3#）、（1#，4#）、（2#，3#）、（2#，4#）、（3#，4#）；三機運行可得到4種組合方式：（1#，2#，3#）、（1#，2#，4#）、（2#，3#，4#）；四機運行共有一種方式：（1#，2#，3#，4#）。4臺機組均處于350～400 MW的低負(fù)荷運行狀態(tài)下，機組內(nèi)的主蒸汽壓力值始終保持為恒定狀態(tài)。

首先，對不同訓(xùn)練步數(shù)下的火電機組煤耗量進(jìn)行測試，結(jié)果如圖2所示。

圖2 不同訓(xùn)練步數(shù)下的煤耗量

從圖2中可以很明顯地看出，當(dāng)訓(xùn)練步數(shù)達(dá)到第5步時，煤耗量逐漸趨于穩(wěn)定狀態(tài)，之后再增加訓(xùn)練步數(shù)，也沒有出現(xiàn)較大的波動幅度。這說明本文方法在火電機組低負(fù)荷的運行狀態(tài)下，可實現(xiàn)對煤炭燃燒量的快速控制，在不影響發(fā)電效率的前提下，始終控制煤耗量在最低。

接下來對運用本文方法前后的4臺火電機組煤耗量進(jìn)行比較，結(jié)果如表2所示。

表2 應(yīng)用本文控制方法前后煤耗量對比

通過表2可以看出，利用本文方法進(jìn)行自動化控制后，每臺機組根據(jù)自身性能的不同，所提供的發(fā)電貢獻(xiàn)比例也是不同的，有效控制了機組內(nèi)煤炭的燃燒情況，在一定程度上減少了煤耗量。在6種不同的負(fù)荷下，控制后的煤耗量較控制前比，平均降低了1.87 t/h，大大節(jié)省了經(jīng)濟開支。

最后，在主蒸汽壓力不變的前提下，對應(yīng)用本文方法前后的火電機組低負(fù)荷煤量平衡控制效果進(jìn)行實驗測試。將主蒸汽壓力值設(shè)定為13.8 MPa，機組負(fù)荷從350 MW逐漸升為400 MW（該過程為升負(fù)荷），然后再從400 MW逐漸降為350 MW（該過程為降負(fù)荷）升、降負(fù)荷過程速率均為6 MW/min。由于實驗中并未對控制器參數(shù)進(jìn)行調(diào)整，所以選取出廠參數(shù)，控制器工作原理表達(dá)式為：

式中，煤炭燃燒鍋爐主控制器參數(shù)為：=5、K=1.06、K=0.08/分、K=1.19、K=10.600 1；火電機組主控制器參數(shù)為：=0.17、K=0.45、K=2、K=0、K=10。表示控制器輸出系數(shù)。

對應(yīng)用本文方法前后，機組負(fù)荷的變化情況展開測試，結(jié)果如圖3、圖4所示。

圖3 應(yīng)用本文方法前后機組負(fù)升荷變化情況

圖4 應(yīng)用本文方法前后機組負(fù)降荷變化情況

由圖3、圖4可知，當(dāng)火電機組處于低負(fù)荷運行狀態(tài)下時，應(yīng)用本文控制方法后，提高了整體的響應(yīng)速度，使機組更加穩(wěn)定運行。在升負(fù)荷過程中，在氣機調(diào)門的作用下，主蒸汽壓力曲線先出現(xiàn)下降趨勢，隨后一直沿著13.8 MPa直線變化；在降負(fù)荷過程中，氣機調(diào)門逐漸關(guān)閉，主蒸汽壓力隨之出現(xiàn)上升趨勢，而后又在平衡控制的作用下迅速穩(wěn)定在13.8 MPa。由此可以說明本文方法對于火電機組的響應(yīng)時間和穩(wěn)定時間都有了明顯的縮短，在一定程度上實現(xiàn)了對煤炭燃燒量的有效控制。

5 結(jié) 論

本文在時延Elman神經(jīng)網(wǎng)絡(luò)算法的基礎(chǔ)上，提出了一種煤量平衡自動化控制方法。在對煤耗特性曲線分析之后，確定發(fā)電過程中煤炭的損失以及產(chǎn)生的電能，然后再利用Elman神經(jīng)網(wǎng)絡(luò)中的反饋單元、預(yù)見前饋單元以及預(yù)見平衡控制單元實現(xiàn)對煤量的平衡自動化控制，實現(xiàn)對低負(fù)荷運行下的火電機組煤量平衡控制，可在很大程度上助力發(fā)電廠提高運行經(jīng)濟性。