热工控制对象的智能PID控制策略的研究

摘 要：随着大容量、高参数火电机组的蓬勃发展，热力设备和热工过程越来越复杂，控制要求不断提高。PID控制算法原理简单，适用范围广且逻辑组态方便易行。对于热工系统控制的研究，尤其是工程应用性强的PID控制策略的研究具有重要意义。

关键词：热工系统；热工控制；PID控制

DOI：10.16640/j.cnki.37-1222/t.2018.15.122

1 研究背景与现状

自计算机技术诞生以来，工业过程控制取得了飞跃式的发展。以计算机仿真与智能优化算法为主要手段，对控制系统进行分析、设计与整合，已成为研究的主要方向。

针对电站热工系统控制的研究主要集中在三个方面：（1）利用计算智能及一些先进的控制理论对传统PID控制进行改进；（2）利用计算智能或一些先进的控制理论设计新的控制策略替代传统的PID控制；（3）利用计算机仿真与智能优化算法对被控对象的特性进行辨识，在此基础上设计优化控制方案，或者利用计算机技术与智能算法优化、整定PID控制器参数。

PID控制算法原理简单、适用范围广、鲁棒性强而且易于组态实现，目前仍然是工业生产中应用最广泛、最基本的控制方法。然而，工程应用中热工控制还是以常规的线性PID控制策略为主，难以满足机组深度调峰的需求。尤其，当过程的非线性、大滞后等特性愈加突出时，线性PID控制器也更加难以满足热工过程控制品质的要求。

2 热工过程模型辨识及PID参数整定

近年来，仿生学智能算法随着计算机科学、生物学和人工智能的兴起，取得了飞跃式的发展，产生了许多备受关注的领域。尤其在热工过程模型辨识和PID参数整定方面应用非常广泛。其中比较有代表性的算法有，遗传算法、粒子群算法、免疫算法等。

各类仿生学算法中，遗传算法是最早兴起并发展起来的，它在研究自然遗传现象与人工系统自适应行为的基础上，借鉴“优胜劣汰”的生物进化与遗传思想而提出的一种全局性并行搜索算法。它是通过在一定的编码空间内，以一定的概率或条件对种群不断地进行选择、交叉和变异而达到寻优目的的。因此，种群数目、复制、交叉及变异操作和操作概率是影响遗传算法性能的关键因素。

粒子群算法是一种新的进化计算技术，它是从模拟动物的社会行为中发展而来。该算法源于对鸟群捕食的行为研究，受到鸟群活动的规律性启发，利用群体智能建立起一个初级的优化模型。由于寻优空间维数扩大而引起的维数灾难或种群陷入局部极值点是标准粒子群算法应用中一个非常突出的问题，严重影响到了算法的寻优效果，其次，由于在算法后期所有的粒子特性逐渐变得一致，当失去了粒子的多样性滞后，算法的收敛速度会明显减慢，以至于影响到算法最终的搜索精度。为此，许多学者将粒子群算法进行了改进，并将改进后的粒子群算法应用于控制器参数的整定当中。

免疫算法是一种模仿生物免疫系统的智能优化算法，一般的免疫算法存在收敛速度慢、参数设置复杂和亲和度计算存在误差等缺点。免疫算法经常和遗传算法一起发挥优势互补，结合起来应用于热工过程的控制当中。仿真实验证明，免疫理论的引入有效地改善了遗传算法的寻优能力、提高了搜索效率，经过遗传算法结合免疫算法优化整定的PID控制器控制效果明显优于其它传统方法的整定效果。

3 PID控制在热工控制中的主要应用

常规的PID控制算法是线性的，对于动态特性比较复杂的生产过程很难得到满意的控制效果。近年来，学者们将PID控制算法进行改进，和其他一些先进的方法结合起来构成新的控制方案，这是热工控制当中一个很好的发展方向。目前，PID控制应用策略的主要包含：

（1）基于对角递归神经网络的两级神经网络的自整定PID控制策略，其中两级神经网络分别为静态网络和动态网络，静态网络依据机组运行工况如负荷进行PID参数的粗调整定，动态网络依据偏差和偏差变化率进行PID参数的细调整定，引入灰色预测器对未来信号进行预测，预测结果作为动态网络使用的整定信息；

（2）基于混沌遗传算法的径向基函数神经网络，具有自适应能力的PID参数整定方法，可以根据所要求的优化指标和学习算法对PID控制器参数进行实時动态的调整；

（3）针对典型燃煤机组的动态模型，通过合理选择虚拟控制变量，逐步构造出偏差信号的李亚普诺夫函数，利用反向推理设计了单元机组非线性协调控制器，并将该控制器转化为相应的PID形式；

（4）通过求解与系统参数及控制器参数相关联的优化问题，串加比例-微分控制方式降低系统阶次，设计尼科尔斯曲线的PID控制器；

（5）基于最小二乘原理的分数阶内模PID控制器的设计方法，由于该方法不仅需要采用最小二乘原理对模型进行简化，而且还需要与内模控制原理相结合设计控制策略，算法实现相对复杂，目前该方法仍处于仿真研究阶段；

（6）基于内模控制原理提出高维多变量时滞系统的分散PI控制器设计新方法。该方法由于受到分散结构和PI控制结构的限制，导致对强耦合多变量系统的解耦性能不佳，从而使得系统的性能不能满足相应的控制要求；

（7）基于期望闭环传递函数的逆阵，使用动态理性遗传算法最终由迈克劳林级数获得PID控制器的新方法；

（8）Smith预估控制算法是利用补偿原理克服系统大滞后的经典控制方法，有许多学者认为Smith预估控制算法对受控对象数学模型的依赖性很强，如果模型失配，Smith预估控制将达不到理想的控制效果。为此，对Smith预估控制的改进也成了学者们研究的热点课题，在这方面的研究非常多。

4 结束语

火力发电过程是一项负责的系统工程，任何设备、系统都不是相互独立的，系统不确定因素越来越多，因此，大机组的综合优化控制是一个有待深入研究的课题。从整个生产过程来讲，本文的研究是对典型的控制策略进行了介绍，但随着经济的发展及火电机组规模的不断扩大，仅对这些基础层面研究是远远不够的。从整个电力系统社会、经济功能的角度出发，综合技术经济因素、环保目标等多种因素，对控制回路进行综合优化管理，提升至电力生产系统层面的综合优化控制是未来的发展方向。

参考文献：

[1]刘建民.火电厂热工过程优化控制策略及应用研究[D].华北电力大学，2009.

[2]陈立军，周正兴，赵丽丽.先进控制策略在火电厂热工控制中的应用[J].东北电力大学学报（自然科学版），2012（01）：57-61.

[3]韩璞，魏乐.锅炉-汽轮机单元协调控制的反推PID方法[J].中国电机工程学报，2010，30（02）：17-22.