预测控制策略在SIS平台上的应用

论文摘要

目前厂级监控信息系统(Supervisory Information System,简称SIS)已经在国内的很多电厂中应用, SIS系统在电厂厂级管理方面发挥了越来越重要的作用。随着计算机管理水平的不断提高,如何更加有效的利用SIS平台上的大量数据,使SIS系统发挥更大的作用,是目前SIS研究方向的主流。针对这一问题,本文提出了基于SIS平台的先进控制策略─预测控制,以湖北某电厂SIS系统为例,锅炉过热蒸汽温度作为控制对象,采用神经网络建模,预测控制作为控制手段实现对主蒸汽温度的控制。最后探讨了先进控制在SIS系统中的设计思路,为理论研究的工程化应用奠定了坚实的基础。

论文目录

• 中文摘要
• 英文摘要
• 目录
• 第一章 绪论
• 1.1 课题研究背景及意义
• 1.2 国内外研究动态
• 1.2.1 SIS系统的研究现状
• 1.2.2 预测控制算法的研究现状
• 1.2.3 主蒸汽温度控制系统的研究现状
• 1.3 本论文的主要研究内容
• 1.4 本章小结
• 第二章 厂级监控信息系统简介
• 2.1 厂级监控信息系统的应用情况
• 2.2 厂级实时监控信息系统
• 2.2.1 SIS系统基本概况
• 2.2.2 SIS网络架构建设
• 2.2.3 SIS与MIS和DCS的区别
• 2.2.4 电厂厂级监控信息系统与全厂各控制系统的关系
• 2.2.5 厂级实时监控信息系统（SIS）的功能
• 2.3 电厂厂级实时监控信息系统的实际应用
• 2.3.1 网络结构
• 2.3.2 集成实时数据库，构成全厂实时应用平台
• 2.3.3 湖北某电厂SIS系统基于实时数据的具体应用
• 2.4 本章小结
• 第三章 利用神经网络辨识热工过程
• 3.1 BP神经网络概述
• 3.1.1 误差反向学习算法
• 3.1.2 BP 网络的学习过程
• 3.2 改进的BP
• 3.2.1 引入动量项
• 3.2.2 变步长法
• 3.2.3 变尺度法
• 3.2.4 模拟退火算法（simulative anneal）
• 3.3 仿真实例－对湖北某发电厂主蒸汽温度控制系统的建模仿真
• 3.3.1 仿真对象的确立
• 3.3.2 建模方案及具体实现
• 3.3.3 对神经网络模型的验证
• 3.4 本章小结
• 第四章 DMC算法的基本原理
• 4.1 基于DMC算法的基本原理
• 4.1.1 DMC动态矩阵预测控制算法的数学模型
• 4.1.2 用模型预测被控对象的输出
• 4.1.3 参考轨迹
• 4.1.4 性能指标函数
• 4.2 预测控制算法的推导
• 4.2.1 单值预测控制
• 4.2.2 多值DMC预测控制
• 4.2.3 DMC动态矩阵双值预测控制
• 4.3 动态矩阵法的性能分析
• 4.3.1 DMC的IMC结构
• 4.3.2 闭环系统的特性
• 4.4 D M C算法控制系统的稳定性和鲁棒性
• 4.4.1 模型匹配时的DMC系统的稳定鲁棒性
• 4.4.2 模型失配时的DMC系统的稳定鲁棒性
• 4.5 DMC预测控制的参数选择
• 4.5.1 模型参数的长度N和采样周期T
• 4.5.2 误差权矩阵Q和控制权矩阵R
• 4.5.3 预测步程p
• 4.5.4 控制步程L
• 4.5.5 柔化系数w
• 4.6 BP神经网络预测控制
• 4.6.1 基于BP网络的动态矩阵预测控制方案
• 4.6.2 BP神经网络预测模型的建立
• 4.6.3 BP神经网络动态矩阵控制律的计算
• 4.6.4 过热汽温神经网络动态模型仿真
• 4.7 本章小结
• 第五章 动态矩阵预测控制在SIS平台上的具体应用
• 5.1 动态矩阵预测控制在SIS上的具体实现过程
• 5.2 软件的实现
• 5.3 本章小结
• 第六章 结束语
• 6.1 所做的工作
• 6.2 课题研究存在的问题及展望
• 参考文献
• 致谢
• 在学期间发表的学术论文和参加科研情况