与大多数过程控制系统不同,锅炉燃烧控制系统不仅存在动态品质调节的问题还要考虑到锅炉的经济燃烧。如何使主蒸汽压力既具有良好的动态特性,又能使入炉燃料得以充分燃烧,是燃烧优化控制的真正内涵,也是燃烧过程控制的关键。本文基于免疫系统的调节机理提出了一种免疫遗传算法和一种新型免疫控制器,并把它们应用于燃煤电站锅炉燃烧控制系统,以改善控制的品质,具体内容如下:概括介绍了目前主要的免疫学习算法,在此基础上,本文在遗传算法的框架之上,模拟生物体的抗原识别、免疫应答、克隆选择、优秀抗体、免疫记忆、浓度控制、新陈代谢等实际免疫行为,设计出了一种融合克隆选择算法、基于优秀抗体的免疫算法、免疫遗传算法等多种免疫学习算法的免疫遗传算法(IGA)。多峰值函数的寻优结果表明该算法可以有效改善未成熟收敛的缺陷,提高遗传算法的全局和局部搜索能力。IGA在燃煤电站锅炉汽压控制系统控制器参数优化中的应用,证明了算法的有效性 。探讨生物免疫系统的调节规律,并对免疫系统复杂精细的自我调节机制进行抽象和简化,得到体液免疫响应中抗体应答的自我调节机理。把免疫系统与控制系统类比提出一种新型的免疫控制器。该免疫控制器的本质为根据误差变化率的大小对控制器输出进行适当调节的比例控制器,调节过程中存在静差,因而本文把免疫控制器与常规PID结合提出了一种并联型免疫PID控制器,以改善控制性能。免疫PID控制器在主蒸汽压力控制系统应用的仿真结果表明,这种控制器相对于常规PID控制器能快速响应机组实发电功率指令的变化,有效克服锅炉燃烧率内扰的影响,改善了机组负荷的跟踪性能,提高了机组运行的经济性。兼顾锅炉的燃烧效率和污染物的排放,应用免疫遗传算法(IGA)寻找烟气最佳含氧量,进而调节送风量,实现锅炉燃烧的整体优化。寻优过程中对燃烧效率、氮氧化物排放量的预测,由人工神经网络(ANN)实现。仿真研究表明,采用本文提出的燃烧优化控制方案,不仅能使锅炉节能,还能降低烟气中氮氧化物的含量,减少对环境的污染,具有较强的可行性。
