摘 要： 锅炉的主汽温被控对象是一个大惯性、大迟延、非线性且对象变化的系统，常用的汽温控制系统有串级PID控制和基于BP神经网络的PID控制。串级PID控制一般能将主汽温控制在允许的范围内；基于BP神经网络的PID控制将神经网络所具有的自学习能力与PID控制器的鲁棒性相结合，能实现对非线性、大时滞系统模型的控制。对这两种策略在不同负荷下进行了实验仿真，该结果对当前电厂的经济性和安全性有一定参考价值。
关键词: BP神经网络；PID控制；主汽温
锅炉的主蒸汽温度与火电厂的经济性和安全性有重要的关系，是火电厂的一个极其重要的参数，其控制的好坏直接影响到电厂的整个经济效益。主蒸汽温度的控制任务是：(1)维持主蒸汽温度在允许的范围之内。对于亚临界机组的主蒸汽温度为540 ℃±10 ℃，长期运行应控制在540 ℃±5 ℃，对于超临界及超临界主蒸汽温度控制在(540 ℃～610 ℃)±10 ℃，长期运行应控制在(540 ℃～610 ℃)±5 ℃；(2)保护过热器，使其管壁不超过允许的工作温度。气温过高，会烧毁过热器的高温段，气温每降5 ℃，热经济性下降1%，气温偏低会使蒸汽机尾部蒸汽湿度增大甚至带水，严重影响汽机的安全运行。
影响主汽温的扰动因素很多，主要有蒸汽量扰动、烟气量扰动和减温水量扰动。而对主汽温的控制策略通常有两种：
(1)在火电厂实际生产过程中,针对主汽温控制是一个存在大时滞、时变性、大干扰、具有不确定性和非线性的复杂热工对象，常规气温控制系统设计为串级PID控制，如图1所示。
其中，r为主汽温设定值，G1(s)、G2(s)分别为控制系统对象的导前区和惰性区的传递函数，M1、M2分别为副变送器和主变送器传递函数。
(2)利用神经网络的非线性特性和不依赖于对象精确模型的优点，对主汽温的控制方案加入BP神经网络，搭建成基于BP神经网络的PID控制系统，用以完成对锅炉主汽温的控制。该方案如图2所示。
在传统PID的基础上增加了一个BP神经网络，用神经网络在线实时输出PID的比例、积分和微分三个参数。
1 BP神经网络的算法
上文中BP神经网络采用三层结构：j表示输入层节点，i表示隐含层节点，l表示输出层节点。输入层有m个输入节点，隐含层有q个隐含节点，输出层有3个输出节点。输入节点对应所选的系统运行状态量，输出节点分别对应PID控制器的三个参数kp、ki、kd，输出层神经元激活函数取非负的Sigmoid函数。BP神经网络的输入层输出为：
其中，串级控制的副控制器采用P控制，kp2=1；主控制器采用PI控制，kp1=0.05，ki=0.05。基于BP神经网络的PID控制方案中，采用PID控制，BP神经网络取三层神经网络，有3个输入，分别为输入信号、输出信号、输入与输出之差，阈值取为1；有3个输出kp、ki和kd，隐含层取5个节点。学习步长η=0.6，惯性系数0.06。对于惰性区传递函数采用近似方法用e-10s来代替。
限于篇幅仿真结果只列出负荷为50%和100%时两种控制策略的仿真曲线和100%负荷时BP神经PID控制下的3个参数变化曲线。图3、图4所示分别为负荷为50%、100%时阶跃响应曲线。
图中虚线代表串级控制下的阶跃响应曲线，实线代表BP神经PID控制下的阶跃响应曲线。
负荷为100%时BP神经PID控制下的3个参数变化曲线如图5所示。仿真结果分析如表2所示。
从以上仿真结果分析，基于BP神经网络的自整定PID控制能依据被控对象的变化自适应地调整PID的3个参数，依据一定的最优准则满足不同负荷下的控制要求。在不同负荷下，也即从锅炉的启动到稳定运行的整个过程，都可以实现较好的控制，且调节时间短，超调量小。当负荷为100%变化时，基于BP神经网络的PID控制与串级控制的调节时间相近，但是超调量却明显优于串级控制；当负荷比较低时，串级控制的效果极差，而基于BP神经网络的PID控制仍然有比较好的控制效果。
参考文献
[1] 刘金琨．先进PID控制及其MATLAB仿真[M]．北京：电子工业出版社，2004.
[2] 马平，朱燕飞，牛征.基于神经网络的主汽温控制系统[J].华北电力大学学报，2001，28(2)：52-55.
[3] 薛阳，叶建华，钱虹，等.火电机组过热汽温神经网络控制的研究[J].上海电力学院学报，2009，25（1）：33-38.
[4] 王华春.基于模糊神经网络的主汽温控制系统的研究[D].保定：华北电力大学，2003.
[5] COMINOS P，MUNRO N.PID controlles：recent tuning methods and design to specification[C].IEEE Proceeedings control theory and application 2002，149(1)：46-53