Luận văn thạc sĩ Điều khiển nhiệt Độ hơi quá nhiệt nhà máy Điện sử dụng bộ Điều khiển dự báo trên cơ sở mô hình mạng neural nhân tạo

Lời mở đầu Nhiệt độ hơi quá nhiệt nhà máy nhiệt điện là đại lượng quan trọng quyết định đến chất lượng, điện của một nhả máy và ảnh hướng lớn đến tuổi thợ của các thiết bị vền có giả tr

Trang 1

_BQ GIAO DUC VA DAO TAO

TRUONG DAI TIQC BACII KIIOA IIA NOI

NGUYEN VAN NAM

DIEU KHIEN NHIET DO HOI QUA NHIET

NHÀ MÁY NHIẸT DIỆN SỬ DỰNG

BO DIEU KHIEN DU BAO TREN CO SG

MO HINH MANG NEURAL NHAN TAO

Chuyển ngành: Điều khiển tự động

LUẬN VĂN THẠC SĨ KIOA HỌC

DIU KITEN TY DONG

NGƯỜI HƯỚNG DẪN KHOA HỌC

PG8 T8 PHAN XUÂN MINH

Hà Nội, Tháng 10/2010

Trang 2

Lời mở đầu

Nhiệt độ hơi quá nhiệt nhà máy nhiệt điện là đại lượng quan trọng quyết định

đến chất lượng, điện của một nhả máy và ảnh hướng lớn đến tuổi thợ của các thiết bị vền có giả trị rất lớn Hiiện nay, nhiệt độ hơi quá nhiệt đang được điền khiển bằng các

bộ điều khiếu truyền thống ŒID) Vấn đề khó khăn là mỗ hình đối lượng hơi quá nhiệt phụ thuộc nhiều vào công suất phụ tải tiêu thụ Khi mô hình thay đổi, bộ diều khiến

TID vốn nghèo nàn tham số điều chỉnh và không có tính thích nghĩ sẽ gặp khó khăn

trong việc duy trì chất lương điều khiến Nó có thể cho kết quả Lối ở vũng lâm vide my nhưng lại cho kết quá hạn chế ở vủng, làm việc khác

Bộ điều khiến đự báo tựa mô hình (MPC) đã được nghiên cứu rộng rãi từ những

ầm 60 của thể kỷ trước Ứu điểm của bộ diều khiến dự báo là không dồi hôi người

thiết kế phái có kiến thức quả chuyên sảu về điều khiển bởi vị những khái niệm đưa ra đều rất trực quan, việc điều chính tương đổi dễ dàng, có thể được sứ dụng để điều khiển rất nhiều quá trình, rất hiệu quả khi quỹ đạo tín hiệu đặt đã biết trước

Tay nhiên img dung cia MPC bị hạn chế bởi việc giải bài toán tôi ưu trực uyên

đòi hồi khối lượng tỉnh toán lớn, trong khi các thiết bị điều khiển những nắm trước day

bị hạn chả về têc độ tính toán và đưng lượng bộ nhớ Ngày nay, cùng với sự phát triển

vượt bật

của thiết bị phần cứng, khi tốc độ của các ví xử lý ngày cảng được nàng cao

và dụng lượng bộ nhớ ngày cảng dược cải thiện, thuật toán diễu khiển dự báo lại dược nghiên cứu nhiều ham và ứng dung trong nhiều lĩnh vực

6 bé điều khiến dụ báo, mô hình xếp xỉ của đối lượng đồng vai trò trung lâm

Mô hình dối tượng cần phái đủ chỉnh xác để phục vụ việc tính toán tin hiệu ciểu khiển

đự báo rong mỗi chu kỳ trích mẫu Mạng neural nhân tạo, vốn là một khâu xếp xi vạn xăng, có khả năng xáp xỉ dối Lượng với độ chính xác luỷ ý

'TTừ thực tế nảy, luận văn với đề tải “Diều khiến nhiệt độ hơi quá nhiệt nhả mày

nhiệt điện trên cơ sở mê hình mạng neural nhân tạo” nghiên cứu áp dụng thuật toán

diéu khién MPC với mỏ hình xắp xỉ đối tượng dược xây dụng trên cơ sở mạng neural nhân tạo cho đối tượng nhiệt độ hơi quả nhiệt nhá rnáy nhiệt điện như một giải pháp khắc phục nhược điểm của các bộ điểu khiến PID kính điển để thu được chất lượng

Trang 3

diéu khién tét hon Két qua dat duce với thuật toán điều khiển mới là rất khả quan, mở

ra khả năng áp dụng trong thực tế

Bé cue huận văn gồm 4 chương:

-_ Chương Ì: Điểu khiến đự báo trên cơ sở mỗ hình

-_ Chương 2: Nhận dạng đối tượng sử dung mang neural

-_ Chương 3: Thuật toán điều khiển dự báo trên cơ sở câu trúc mạng neural -_ Chương 4 Điều khiển nhiệt độ hơi quả nhiệt sử dụng bộ diễu khiển dự bảo

trên cơ sé mé hinh mang neural

Dưới su huéng din cia cd gido PGS TS Phan Xuân Minh, tác giá đã hoàn thành để tài nghiên cứu dúng thời hạn qui định Tuy nhiên, do thời gian hạn hẹp, luận

văn chắc chắn không tránh khỏi những sai sót Tác giả rắt mong nhận được sự đóng góp ý kiến của các thấy có giáo để hoàn thiện kết quả nghiên cứu Tác giả cảm ơn sầu sắc cô giảo PGS T8 Phan Xuân Minh đã tận tình giủp đỡ tác giá trong suốt qua tinh

thực biện để tải!

Hà

Xôi, ngày 26 tháng 10 răm 2010

Nguyễn Văn Nam

ii

Trang 4

Danh mục tử viết tắt

Multiple Input Multiple Output

Multiple Tput Single Output

Multi-Layer Perceptron

Model Predictive Control

Moan Squared Error

Nonlinear Autoregressive Moving Average

MBC hased on Neural Network Model

Nonhnear Optmizalion

Nonlinear Prediction and Linearization

Proportional Integral Derivative

Singls Taput Single Output

Trang 5

Danh mục ký hiệu

hộ số khuếch dại của bộ điều khiển PID

hằng số thời gian tích phân của bộ điều khién PID hing số thời gian vi phân của bộ điều khiển PII3

vũ

Trang 6

vũ

Trang 7

ổ tham số phiểm hàm mục tiêu

a tham sé phiém ham mue tiéu

N, sẽ phần tứ trễ tin hiệu vào

Ny số phân tứ trễ tin hiệu ra

Iw ma tn trọng lượng lop vao mang MLP

1B veclor bias của lớp vào mạng MLP

LW voelor trọng lượng lớp ra uạng MĨ,P

LB vector bias cia lop ra mang MLP

fm ham phi tuyén của mạng MLP

Ne dai điều khiến

Np tam du bao

ye? vector gia tri dat

vị

Trang 8

vũ

Trang 9

Danh muc hinh vé

Hình 1.1 - Nguyén ly digu khién du báo

Hinh 1.2 - So dé khéi hệ thống diệu khiển dự báo ào eee

Tlinh 1.3 - Minh hoa tac dung ctia khau tao tin hidu ChUaI oc cccceccccccseessssssseeeseeee

Hình 1.4 - Minh họa đáp ứng xung

Hinh 2.1 - Một phần của mạng netưal

Tlinh 2.2 - Neural là khâu MISO

Hình 2.3 - Neural nhậu tạo

Linh 2.4 - Minh họa mạng netral

Hình 2.5 - C4u trie mang neural

Hih 2.6 - Mang neural cé de tính động học tuyển tĩnh

Tlinh 2.7 - Mang neural cé dic tinh phi tuyén tinh

Hình 2.8 - Mang neural cé dac tinh 4éng hoe phi tuyén

Hình 2.9 - Cầu trúc của các khôi TDLa và TOLy

Hình 2.10 - Cầu trủc mang neural MILP 2 lớp -s-

Hình 2.11 - Câu trúc NARX cửa mang neural

Hình 2.12 - Sơ dỗ câu trúc trong nhận dang va kiém chứng mô hình

1Hinh 2.13 - Mô hình tay may rob0t vec sesssesssesiestesersienesnee senses

Hình 2.14- Lay dữ liệu nhận dang cánh tay robot

Hình 2.15 - Thử nghiệm mạng sau khi huấn lưyện

Ilinh 3.1 - Lệ thông điều khiển MPC tôi wu héa phi tuyén

Hình 3.2 - Minh họa phương pháp chuyển đông ngược hướng gradient

Hình 3.3 - Cau trie thuat toan MPC - NPL

Tinh 4.1 - Chu trình nhiệt chính của nhả máy nhiệt điện

Hình 4.2 - Sơ đỗ công nghệ nhà náy nhiệt điện

11nh 4.3 - Hoạt động của lò hơi —

Hình 4.4 - Cac dang dng xoan của hỗ quá nhiệt

Hình 4.5 - Cầu Iạo bộ quá nhiệt

Trang 10

vũ

Trang 11

Mục lục

42.1 Tâm quan trọng của việc đâm bũo Ôn định nhiệt độ hơi quá nhiệt 54

4.2.2 Cac nguyén nhân làm thay adi nhiệt độ hơi quả nhiệt

4.2.3, Các phương pháp điều chính nhiệt độ hơi quả nhiệt

4.3 Thiết kế bộ điều khiển

4.4.1 BG diéu khién PID kinh dién 66

4.4.2 Bộ điều khiển dự bảo trên cơ sở mạng neural nhân tạo 71

4.5 Nhận xét, đánh giá

iv

Trang 12

vũ

Trang 13

Np tam du bao

vị

Trang 14

Danh muc hinh vé

Trang 15

Danh muc hinh vé

Trang 16

Mục lục

Chương 1 Điền khiển dự bảo trên cơ sở mô hình

1.1 Nguyễn lý diều khiển dự báo

1.2 Cấu trúc cơ sở của MPC

1.44 Khối tôi ưu hỏa

Chương 2 Nhận dạng đối lượng sử dụng mạng neural

2.1 Giới thiệu vài nét về bài toán nhận dạng

21.1 Một vài nguyên tắc chung .10

21.2 M6 hinh phi tuyén NARX 12

2.2 Neural va mang neural .13

2.2.1 Mang neuradl tự nhiền 13

2.24 Phuong phap hudn luyén mang neural - 24 2.3 Nhân dạng dối tượng sử dụng mô hình mạng neural 30

2.3.2 VÍ dụ nhận dạng đổi tượng bằng mô hình mạng neural 32

Chương 3 Thuật toán MPC dựa trên cầu trúc mạng neural

3.2 'Thuật toán tôi ưu phi tuyến (Nonlinear Optimization) 36

3.3 Phương pháp chuyển động ngược hướng gradient 40 3.4 Thuật toán dự báo phi tuyên kết hợp tuyế ến tỉnh hóa (MPC NPL) ‹ 4]

Chương 4 Điều khiến nhiệt độ hơi quá nhiệt nhà máy nhiệt điện sử dụng bộ điền

41.2 La hơi - 50 4.1.3 Bộ quả nhiệt - wee 51

1H

Trang 17

vũ

Trang 18

Moan Squared Error

Trang 19

Np tam du bao

vị

Trang 20

Mục lục

1H

Trang 21

Np tam du bao

vị

Trang 22

Mục lục

1H

Trang 23

Mục lục

iv

Trang 24

Danh muc hinh vé

Trang 25

Danh muc hinh vé

Hình 4.8 - Các dạng dường khỏi di tắt qua bộ quá nhiệt

lỉnh 4.9 - Thay đổi vị trị trung tâm ngọn lửa nhờ quay vòi phưn

Hình 4.10 - Điều chỉnh nhiệt độ hơi quá rệt bằng tát tuần hoàn khói

Hình 4.11 - Bồ trí các bộ quả nhiệt

THỉnh 41.12 - Cầu trúc hệ điều khiển MPC trên cơ sở mô hình mạng neural

Hình 4.13 - Các lặp mũ cho các biến vào/ ra

Hình 4.14 - Cầu trủc mạng neural

Tinh 4.15 - Tap dir

vào/ ra, đổi tượng làm việc ở đải công suất 1

Hình 4.16 - Kết quả huấn luyện với mô tình đổi Lượng ở đải công suất 1

Linh 4.17 - Tập dữ liệu vảo/ ra, đổi tượng lam việc ở đãi công suất 2

Hình 4.18 - Két qua huấn luyện vải mô hình đôi tượng ở đải công suất 2

Hình 4.19 - Nhân dạng đối lượng, dải công suất 3

Tlinh 4.20 - Nhận đạng đối tượng, dải công suất 4 o.e

tình 4.21 - Khân dạng đối tượng, đãi công suat 5

Hình 4.22 - Xác định hệ số khuếch đại lới hạn và chủ Ay Lot han,

Hình 424 - Phuong phap Tyreus & Luyben

Hình 4.25 - Phuong phap Ziegler - Nichols Khu có sai Iéch mé hinh

Linh 4.26 - Phượng pháp 1yreus - Luyben khi có sai lệch mô hình

Hình 4.37 - Phương pháp Ziegler - Nichols tín hiệu điều khiển bị bạu chế

Hình 4.28 - Đáp ứng với nhiều khi sử dụng bộ diễu khiến PTD

linh 4.29 - Phượng pháp chuyển động ngược hưởng gracient, mô hình 1 Hình 4.30 - Phương pháp chuyển động ngược hướng gradient, mô hình 2-5

Hình 4.31 - Phương pháp MPC - NO, mô hình 1

Tlinh 4.32 - Phượng pháp MPC-NO, mô hình 2-5

Hình 4.33 - Phương pháp MDC - NPT mồ hình 1

linh 4.34 - Phương pháp MPC-NPL, mồ hình 2-5 óc sec

Hình 4.35 - Ảnh hưởng của tắm dự báo đến chất lượng điều khiến

Hình 4.36 - Ảnh hưởng của hệ số lambla

Trang 26

Danh muc hinh vé

Trang 27

Danh muc hinh vé

Tinh 4.15 - Tap dir

Trang 28

Mục lục

iv

Trang 29

Danh muc hinh vé

Tinh 4.15 - Tap dir

Trang 30

Danh muc hinh vé

Trang 31

Mục lục

iv

Trang 32

Moan Squared Error

Trang 33

Danh muc hinh vé

Trang 34

Danh muc hinh vé

Tinh 4.15 - Tap dir

Trang 35

Mục lục

iv

Trang 36

vũ

Trang 37

Danh muc hinh vé

Tiêu đề	Điều Khiển Nhiệt Độ Hơi Quá Nhiệt Nhà Máy Nhiệt Điện Sử Dụng Bộ Điều Khiển Dự Báo Trên Cơ Sở Mô Hình Mạng Neural Nhân Tạo
Tác giả	Nguyễn Văn Nam
Người hướng dẫn	PGS. TS. Phan Xuân Minh
Trường học	Trường Đại Học Bách Khoa Hà Nội
Chuyên ngành	Điều khiển tự động
Thể loại	Luận văn thạc sĩ
Năm xuất bản	2010
Thành phố	Hà Nội

Định dạng
Số trang	75
Dung lượng	173,45 KB