吉曉青 孫榮霞
摘 要:由于循環流化床鍋爐燃燒系統具有參數分布廣、非線性、時變和大滯后等控制難題,因此分析了該系統的結構與工藝特點。運用多智能體建模方法,將系統進行機理分析分解為若干個子系統,并找出子系統輸入輸出變量之間的關系,建立被控對象的子系統的數學模型。采用多智能體預估和控制方法,給出循環流化床鍋爐燃燒系統的多智能體預估控制算法。仿真結果表明采用該建模和控制方法,能夠取得滿意的控制效果。
關鍵詞:循環流化床鍋爐;多智能體;預估;控制
中圖分類號:TP13;TP273
近年來,我國北方霧霾越來越嚴重,究其原因,我國的能源結果以煤炭為主,火電裝機總量高達8.81億千瓦,因此我國大力發展清潔燃燒技術。循環流化床鍋爐以其燃燒效率高、污染少、燃料范圍廣的優勢,在近年來得到大規模的應用。在控制過程中,床層溫度是一個直接影響鍋爐能否經濟安全運行的重要指標。但是由于循環流化床鍋爐燃燒過程中伴隨著強烈的熱交換和化學反應,而且煤炭燃燒具有大的熱慣性,通過給煤量調節床層溫度滯后較大,這些情況大大增加了循環流化床鍋爐建模的復雜性,因此采用普通的控制手段,很難有良好的效果。
循環流化床鍋爐燃燒過程存在著復雜的流體動力學特性和傳熱傳質特性,難以得到被控對象的精確模型,目前大部分的控制系統數學模型是依靠原始數據辨識或者依賴技術人員經驗積累來實現的。文獻[1]在總結研究循環流化床鍋爐的動態特性后,建立了循環流化床鍋爐的自整定智能控制器并成功應用于國產75t/h循環流化床鍋爐床層溫度的控制。文獻[2]針對循環流化床鍋爐汽溫被控對象的高階特性,將Smith預估器應用到大滯后系統中,設計出一種結合系統數學模型,參考內膜原理的自適應解耦控制系統。然而,循環流化床鍋爐燃燒系統存在著大慣性、強耦合以及調節給煤量的大滯后特性,致使被控對象難以控制;Smith預估器對于大滯后系統來說要求得到系統被控對象的精確數學模型,否則一旦模型誤差發生大的變化,系統可能進入不穩定狀態。
近年來,多Agent系統MAS(Multi-agent System)已成為一個熱門的研究方向。Agent模型最初是作為一種分布式智能計算模型被提出來的。二十世紀八十年代Bratman[4]提出了Agent的基本模型,模型包含三個基本的要素:信念(Belief)、期望(Desire)和意圖(Intention),各自表示其Agent所具有的認知、能力以及要實現的意圖,各個Agent的獨立行為動作,都是基于三個基本要素,通過與外界以及和其他Agent之間的交互來完成的。
對于現實中復雜的、大規模的系統有必要采用多Agent系統,多Agent不但具有求解自身內部的參數,而且還可以通過相互合作,來解決系統整體復雜的問題。它們具有如下特點:
(1)各個Agent具備處理自身信息和解決自身問題的能力;
(2)各個Agent獨自存儲并且處理自身的數據;
(3)各個Agent之間是異步通信和并行計算的。
MSA系統由多個Agent組成,它們通過相互之間以及與環境之間通訊、協作來共同完成復雜的任務,和傳統建模方法和控制方式比起來,具有更靈活的適用性、更高的效率、分布式的感知與作用、內在的并行性[5]、改良的系統性能、容錯控制、魯棒性。因此多Agent系統近年來得到學者們深入的研究,并且在醫學、航天和交通控制等領域也得到廣泛的應用。
本文在分析循環流化床鍋爐燃燒過程系統內部結構和工藝特點的基礎上,采用一種多智能體模型描述不確定、大滯后、強耦合的循環流化床鍋爐燃燒過程的運動特性,將復雜的系統分解為多個子系統模型。子系統數學模型比整體系統模型更易求得而且可以大大降低輸出對輸入的時延,采用一種多智能體預估控制算法,以期提高控制效果的滿意程度[6]。
1 循環流化床鍋爐燃燒系統結構分析與多智能體建模
循環流化床鍋爐燃燒系統結構復雜,本文采用多智能體建模方法,通過利用Agent的局部連接規則、機理方程和局部細節模型,建立該復雜系統的一種多智能體模型。
循環流化床鍋爐按結構分,由爐體、給煤系統、一次風系統、二次風系統、分離器、回料器、尾部煙道等組成。通常鍋爐本體分為密相區和稀相區兩部分。
循環流化床鍋爐燃燒過程可以看成是由相互關聯的四個部分組成,即密相區、稀相區、分離器和回料器,假設每一部分中包含有一個Agent模塊,這些Agent模塊分別為Agent1、Agent2、Agent3、Agent4。它們能夠長期獲取數據,發現規則并且建立周期性的模型。分別對這四個部分進行分析,列出動態物料平衡和動態能量平衡方程,用大量實例數據訓練Agent模塊,建立子系統智能體模型。
根據某型循環流化床鍋爐的運行狀況,提出了如下簡化假設:
(1)不考慮石灰石的加入及其化學反應;
(2)各部分均為均質對象,即溫度和密度均勻分布;
(3)鍋爐與外界完全絕熱,密封良好;
(4)分離器內沒有換熱裝置,且不發生燃燒反應。
1.1 建立密相區Agent模型
密相區是鍋爐本體的下半部分,燃燒的顆粒濃度較高。密相區具有復雜的多輸入多輸出結構,建立以煤、一次風、回料器、稀相區對密相區的沉降為輸入,以排渣、密相區對稀相區的揚析為輸出的動態平衡方程。
密相區床料質量平衡方程為:
式中,MA1為密相區質量,Fc為給煤量,FA1,A2為稀相區對密相區的揚析量,Fd為排渣量, 為單位時間內密相區內煤炭燃燒量,FA4,A1為回料器返料量,FA2,A1為稀相區對密相區的揚析量。相對于給煤量Fc和燃燒量 ,其他各分量對密相區質量的影響較小,可以忽略不計。
密相區燃燒熱量平衡方程為:
QF1為單位時間一次風帶入的熱量,可表示為:
QF1=Vg1Sg1CgTA1 (5)
其中,Vg1為一次側風速,Sg1為一次側風入口截面積,Cg為空氣比熱容。
Qc為單位時間給煤帶入的熱量;
Qc=FcCgTA1 (6)
QA4,A1為單位時間返料帶入的熱量。
QA2,A1為單位時間稀相區對密相區沉降物料的熱量;QA1,A2為單位時間密相區對稀相區揚析的熱量。
QA2,A1=FA2,A1CgTA1=α1MA1CcTA1 (7)
QA1,A2=FA1,A2CgTA1=(1-α1)MA1CcTA1 (8)
其中,α1為沉降分離效率修正因子,一般取0.05。
Qd為單位時間排渣排出的熱量;
Qd=FdCcTA1 (9)
為單位時間密相區煤燃燒產生的熱量;
(10)
其中,Hc為煤炭的熱值,Carvalho[11]給出了燃燒速率 的關聯式。
(11)
式中,k1為燃燒速率系數;dc1為密相區煤炭顆粒直徑;ρo2為密相區氧氣濃度,ρc1為密相區煤炭顆粒濃度。
為單位時間密相區輻射輸出的熱能。
(12)
其中,β1為傳熱系數;S1為受熱面;Tw為受熱面溫度。
將式(3)-(12)帶入到熱量平衡方程式(2)中,可得:
假設計算機采樣周期為ΔH(ΔH足夠?。r,式(12)可近似為:
其中,d0為密相區輸出對一次風的滯后時間。從上式可以看出,在實際控制過程中,一般通過調節一次風速Vg1及密相區顆粒濃度ρc1來調節溫度的。
整理得:
(15)
式中,Z12(k)為密相區的系統輸出溫度TA1,Z11(k-d0)為一次側輸入風速Vg1,Z10(k)為煤炭顆粒濃度ρc1,v1是擾動。
(16)
其中,a、b是與密相區質量MA1有關的參數,c、d與煤炭顆粒的直徑和氧氣濃度有關??梢杂米钚《朔▉肀孀R式(15)中的參數。
令:
Y=[Z12(k+1)Z12(k+2)…Z12(k+n)]T
(17)
其中,Y=AUT,即可通過A=Y(UT)′辨識出系統參數,由于密相區質量MA1會緩慢變化,所以式(16)中的模型參數會變化,所以在線用最小二乘法辨識這些參數,最終得到密相區的Agent模型。
1.2 稀相區Agent模型
同樣地把稀相區Agent看成系統整體中的其中一個Agent2,稀相區有三個輸入和二個輸出,建立其動態能量平衡方程。
稀相區床料質量平衡:
(18)
式中,MA2為稀相區質量;FA3,A2為分離器對稀相區的沉降速率;FA2,A3為稀相區對分離器的揚析速率; 為單位時間內稀相區內煤炭燃燒量。
稀相區動態能量平衡方程為:
(19)
式中, (20)
其中,QA2為稀相區能量,TA2為稀相區溫度。
QF2為單位時間二次風帶入的熱量;
QF2=Vg2Sg2CgTA2 (21)
其中,Vg2為二次側風速,Sg2為二次側風入口截面積。
QA3,A2為單位時間分離器對稀相區沉降物料的熱量,QA2,A3為單位時間稀相區對分離器揚析物料的熱量;
QA3,A2=FA3,A2CcTA2=α2MA2CcTA2 (22)
QA2,A3=FA2,A3CcTA1=(1-α2)MA2CcTA2 (23)
其中,α2為沉降分離效率修正因子。
為單位時間稀相區煤炭燃燒產生的熱量;
(24)
其中,單位時間內稀相區內煤炭燃燒量 可由式(24)確定。
(25)
式中,k2為燃燒速率系數;dc2為稀相區煤炭顆粒直徑;ρc2為稀相區煤炭顆粒濃度。
為單位時間稀相區輻射輸出的熱能。
(26)
其中,β2為傳熱系數;S2為受熱面。
由上述公式聯立可得:
(27)
同理,可得稀相區運動方程:
(28)
式中,Z23(k+1)為稀相區系統的輸出溫度TA2,Z20(k-d1)為二次側輸入風速Vg2,Z12(k)為稀相區的煤炭顆粒濃度ρc2,v2為擾動,d1為滯后時間。
(29)
同樣地,用最小二乘法可辨識得到稀相區Agent模型。
相應地建立分離器(Agent3)和回料器(Agent4)的動態能量平衡方程。
(30)
式中,QM為廢氣帶走的熱量。
QM=(Vg1Sg1+Vg2Sg2)CgTA3 (31)
同理,將式(27)整理得:
(32)
這樣通過辨識可得到分離器Agent數學模型?;亓掀饕话悴捎酶邷匕l料,運行穩定時,可認為回料器中能量基本保持不變。
即: (33)
2 多智能體預估控制算法實現
由于循環流化床鍋爐結構復雜,傳統控制思想存在著控制效率低下,抗干擾能力不足,難以克服系統中的大滯后和強耦合等問題。多智能體預估控制是將模型信息與檢測信號分散化,采用模型誤差反饋校正,滾動優化控制參數,能夠控制復雜的被控對象[7-9]。
表示子單元ΣA1的智能體預估器, 表示子單元ΣA2的智能體預估器。各個子單元智能體預估器之間的通信依靠系統的物理結構進行,我們假設在子單元上設計的預估算法可以得到整體系統運行狀況。
假設子單元ΣA1的控制輸入相對于控制輸出的滯后是D12,子單元ΣA2的控制輸入相對于控制輸出的滯后是D23。因此可以得出預算法:
式中: 、 分別是Z12、Z23的預估值。
假設Zij的期望值是 ,并且系統輸入輸出的期望與預估值之間存在某種關系,即:
其中:p為可調參數,且-1
根據上式可得:
同理可得:
其中:p1、p2為設計參數。
結合預估算法得到多智能體控制算法:
其中:a1、a2、a3、b1、b2、b3為系統辨識參數;p1、p2為設計參數。
3 仿真分析
循環流化床鍋爐燃燒系統模型的數據來源于某鍋爐廠220t/h循環流化床鍋爐,采集其2011年度運行數據,辨識出各個子系統Agent模型及其之間的關聯關系,然后設計多智能體預估控制算法,采用子系統數學模型和實際系統的輸出誤差進行反饋校正,滾動優化控制參數,來實現對被控對象的控制。并且具有較好的控制效果。
用MATLAB進行仿真,并和常規PID控制進行對比,仿真結果如圖4和圖5所示。圖4為正常情況下的多智能體預估控制和常規PID控制的效果圖,圖5為在引入擾動后的控制效果圖??梢钥闯?,多智能體預估控制可以降低大的超調并且在要求范圍內使系統更快的達到穩定。經對比可以說明該方法設計的系統具有良好的穩定性以及抗干擾能力。
4 結束語
本文采用多智能體建模方法,并對循環流化床鍋爐進行機理分析,把原本復雜的系統分散成若干個小系統模型,并給出傳遞控制參數的多智能體模型,建立相應的智能體預估器。利用多智能體預估控制算法,可以使系統受到擾動后更快的穩定下來,具有較強的魯棒性。多智能體預估控制方法是把復雜的系統結構離散化,預估僅僅根據模塊信息,然后控制局部,當子單元出現故障,可以依賴預估信息進行處理,降低系統的停車率。隨著對多智能體系統的深入研究,其得到越來越多的專家學者的認可,目前已在智能交通、航天航空等領域得到廣泛應用。
參考文獻:
[1]牛培峰.自整定智能控制器及其應用[J].自動化學報,1996(02):215-218.
[2]Liu X W, Lu W L, Chen T P. Consensus of multi-agent systems with unbounded time-varying delays[J]. IEEE Transactions on Automatic Control, 2010, 55(10):2396-2401.
[3]陳鐵軍,邱祖廉.結構分散模型及其應用[J].自動化學報,1992(06):655-661.
[4]Jeff Y C P, Tenenbuam J M. An intelligent agent framework for enterprise integration[J]. IEEE Tarns. Systems, Man and Cybernetics,1991, 21(6):1391-1408.
[5]劉軍志,朱阿興.分布式水文模型的并行計算研究進展[J].地理科學進展,2013(04):538-547.
[6]Qiang MA, Da-ping XV. ADRC with synthesis tuning algorithm for superheating steam temperature of CFBB[J]. Proceedings of the Seventh International Conference on Machine Learning and Cybernetics, Kunming, 12-15 July 2008.
[7]席學軍,姜學智.循環流化床鍋爐燃燒系統的自抗擾控制[J].清華大學學報,2004(11):1575-1579.
[8]于希寧,王慧.模糊控制在循環流化床鍋爐床溫控制中的應用[J].華北電力大學學報,2005(03):43-46.
[9]周樹孝,石炎福.基于小波除噪和神經網絡理論的氣固流化床顆粒濃度預測[J].石油化工,2003(03):224-229.
[10]毛新軍,胡翠云.面向Agent程序設計的研究[J].軟件學報,2012(11):2885-2904.
[11]覃威寧,鄭天舒.基于Multi-Agent的實體建模與時間同步方法研究[J].系統仿真學報,2014(09):1933-1938.
[12]梁曉龍,孫強.大規模無人系統集群只能控制方法綜述[J].計算機應用研究,2015(01):41-46.
[13]馮茜,王磊.仿人智能協調控制在循環流化床鍋爐燃燒控制系統中的應用[J].計算機測量與控制,2014(10):3158-3160.
[14]周星龍,謝建文.330MW CFB鍋爐爐膛壁面顆粒流率分布測量[J].動力工程學報,2014(10):31-36.
作者簡介:吉曉青(1987.09-),女,河北任縣人,碩士研究生,研究方向:檢測技術。
作者單位:河北大學 電子信息工程學院,河北保定 071002