基于现场数据的热工系统智能建模方法研究.doc

基于BP网络的轴流通风机动态实时仿真模型 马仪炜 马良玉/华北电力大学控制科学与工程学院 摘要：根据动（静）叶调节轴流通风机静态性能曲线的特点，对其参数进行了分析，提出了采用BP神经网络建立其静态性能模型。通过测试数据对所建模型进行了仿真试验，证明了该建模方法的可行性。 关键词：轴流式通风机；BP神经网络；建模；仿真 中图分类号：TH432.1；TP15 文献标识码：B 文章编号：1006-8155（2008）06-0048-03 Real-time Dynamic Simulation Model of Axial-flow Fan based on BP Neural Network Abstract: According to the features of static performance curve of the axial-flow fan with adjustable vanes and the analysis on its parameters, a method of using BP network is put forward to set up the static performance model of fan. The feasibility of this modeling method is validated through a simulation using some test data. Key words: axial-flow fan; BP neural network; modeling; simulation 0 引言 对于复杂的非线性系统，传统的机理建模得到的模型与现场设备在性能上有一定的差距，不可能通过数学公式得到精确的模型。如何从蕴藏着大量信息的数据中提取各变量间的规律，成为目前建模的主要研究热点。神经网络以其强大的非线性逼近功能，在非线性系统辨识、控制、信号处理等领域中有着重要的应用[1]。神经网络作为一个“黑箱”，为解决建模问题提供了新的思想和方法。 在火电机组的仿真过程中，风烟系统是十分重要的部分，对于锅炉乃至整个机组的稳定运行具有至关重要的作用。所以，在风烟系统仿真模型建立的过程中，尤为重视送、引风机的建模，要求送、引风机模型的动、静态特性与实际设备十分相符。大型的火力发电机组广泛采用动（静）叶调节轴流通风机作为锅炉的送、引风机，因此建立良好的轴流通风机模型就变得十分必要[2]。 风机性能曲线是刻画其变工况性能的主要依据，因此基于性能曲线的研究方法也就成为研究风机性能规律的重要依据和手段[3]。目前所用的轴流通风机仿真模型，有以某一特定型号的风机为原型建立的纯经验模型，也有采用曲面拟合或插值方法建立的模型。为此，本文根据动（静）叶调节轴流通风机的静态性能曲线特点，采用神经网络与风机相关定律和原理建立了风机的动态实时仿真模型。 1 轴流通风机的性能特点 以某电厂一次风机为例，如图1所示，为动（静）叶调节轴流通风机标准工况（风机额定转速、流体标准密度）下的静态特性。由图1可知，动（静）叶调节轴流通风机的静态性能具有如下特点： （1）轴流通风机的静态性能曲线由不同角度对应的多条性能曲线构成的曲线族表达； （2）风机性能曲线给出了风机全压、容积流量和叶片角度 3个参数； （3）不同角度下曲线的斜率不同，各曲线间并无确定的依变关系。 图1 动（静）叶调节轴流通风机标准 工况静态特性示意图 由其特点可看出轴流通风机静态特性曲线的复杂特性，若再考虑变工况特性，如电压波动使风机偏离额定转速，流体密度变化等对风机性能的影响，则轴流通风机动态模型的建立就会显得比较困难。 结合轴流通风机静态性能曲线的特点，通过分析和之间的关系，又考虑到现场容易测量的数据，最终将其静态性能的空间曲面表达式确定为之后，结合风机有关定律和原理确立其全工况动态实时仿真模型。 2 静态性能神经网络模型的建立 2.1 轴流通风机参数映射分析 轴流通风机静态性能曲线由不同角度对应多条性能曲线族构成，由于风机的全压是由动压和静压合成的，而动压与流量有直接关系，所以在现场全压是很少直接测取的，若将风机全压、流量和叶片角度 3个参数直接拟合静态性能曲面，则动态模型的建立就会显得比较困难。现场容易测取的一般是进、出口静压、，所以确定把静压和角度作为输入，把流量作为输出，建立一个2入1出的神经网络静态性能模型。 2.2 BP网络静态模型的建立 神经网络以其拓扑结构的不同，可实现不同功能。目前，在神经网络的实际应用中，绝大部分模型是采用反向误差传播（Back-Propagation,简称BP）网络及其变化形式，它也是前向网络的核心，采用BP网络作为曲面拟合和模型。 根据风机全压的概念，全压