搜索
热力火电厂系统仿真摘要:本文主要介绍了仿真技术在热力火电厂上的应用和发展，及其在电厂方面的方面。分析了了电厂系统的主要建模方法，以锅炉为例探讨了基于模型建模仿真中的所遇到的求解问题和当前解决这些问题的方法。关键词:电厂仿真;热力系统；系统仿真；1.电站仿真技术的应用和发展随着科学技术的不断进步，系统仿真学科已经形成较为完善的体系。由于仿真技术具有有效性、可重复操作性、经济性和安全性的特点，目前，其已在航空航天、化工、电力、核能、冶金、机械、交通、国防等部门得到广泛应用和发展。广泛应用取决于两个因素，一是当今计算机硬、软件技术的飞速发展进步；二是个别工业部门在技术进步中的迫切需要。越来越多的人们已体会到，仿真是一种先进的、经济的、实用的、有效的技术手段。电站热力系统是仿真技术应用的一个十分重要的领域。现代电站十分复杂，庞大，生产过程高度自动化，各项技术指标要求十分严格，生产要求高度可靠，为了保证生产中热力系统安全经济性，在它设计、制造、调试、控制、运行、技术改造、管理、科学研究和人员培训教育方面，都要用到仿真技术。仿真在电厂培训中应用的重要性[1]：电力工业的培训由20世纪70年代之前采用师傅带徒弟方式发展到采用高科技的计算机仿真技术，是有其必然性的，而且在发展中受到三个发展关键因素的影响。第一是发电设备的事故，已经构成对人们的危害，包括对人身、设备和社会的危害。例如，核电站由科研阶段发展到在电力工业中普遍得到应用，它的安全性不仅关系到社会对电力供应的需求，更重要的是关系到核事故对社会造成可怕的危害。因此对运行人员的技术水平、操作技能、应变能力、心理素质、工作态度等都提出了严格的要求。而且要求运行人员必须在上岗之前加以严格的培训，以尽可能在上岗后不至于因操作失误而造成严重的后果。美国三里岛核电站和前苏联切尔诺贝利核电站两次严重的核泄漏事故不仅造成设备损坏，而且因核辐射造成周围数十公里人畜大迁徙和核辐射后遗症。这两次事故都与运行人员的运行技术不成熟有直接关系。因此两次事故的调查委员会曾分别提出：“三里岛事件的深刻教训之一是对操作人员的培训很不充分，他们应该在完全仿真电厂控制室的仿真机上进行培训，这种仿真机应有高度的动态过程真实性”。“切尔诺贝利事件的重要教训之一是：应对所有运行人员进行重新培训和鉴定，新职工应有预先培训，并建立现代化的培训装置。”2.仿真技术在电厂中的应用和未来展望仿真技术在电厂的主要应用（1）控制系统的设计和优化，调节器参数的最佳整定。目前在役的电站机组跨越了好几个年代，相应的控制系统的类型也多种多样，无论单回路反馈控制系统，串级控制系统，或计算机分布式控制系统(DCS)等，其设计必须以对象的动态模型及其动态特性为依据。按照工程要求，应进行多种控制方案的比较、选择、性能指标和控制参数的整定和优化。在设计阶段，这些工作很难找到实际对象做试验，即使能做现场试验，也会由于周期长，投资大而影响生产。因此，使用有效的方法是做仿真试验。（2）在设计和制造阶段，可以用仿真的方法，分析设备结构参数对动态性能的影响，从而找出在结构上，设计上改善其动态性能的途径。（3）用于运行分析。对处于调试运行阶段和在役的机组，分析运行工况变化，运行条件，运行方式变化时，对系统的工作状态的影响，从而提出从设备结构上，运行措施和程序上，改善系统动态特性，提高设备效率，排除系统缺陷，提高运行可靠性的方法。（4）事故模拟和事故预测。当重大事故发生后，可以用仿真的方法，重现事故，进行事故原因分析，当事故尚未发生时，可以利用仿真的方法，预测事故，观察和分析结果，找出对策。此外，人们还通过仿真，制定运行规程和对已有的规程和事故处理规程进行评估。电厂仿真技术的未来趋势（1）基于Web的仿真过去Web在线仿真受到技术条件的限制，未来它将成为主要的发展方向。从现有报导Web仿真技术的文献分析基于Web的仿真将利用高速发展的Internet为平台，用Java语言来开发，实现异地远程仿真培训。（2）分布交互仿真在计算机和Internet等信息技术高速发展的今天，为分布仿真技术提供了新的发展机遇和应用前景。如基于Web的分布交互仿真是未来仿真技术发展的主要方向，它不仅可应用于国防异地联合军事演习；也可应用于全国近百台仿真机的联网。从小的方面来说，还可用于将某研究所或公司现已开发的基于局域网的各种规模的电站仿真机改造为基于Web的分布交互式电站仿真系统，以达到资源共享，减少不必要的重复性投资，提高硬件和软件资源的利用效率的目的。（3）虚拟现实技术为了动态仿真，未来的仿真工具将提供虚拟现实能力。随着虚拟现实模型语言（VRML）的出现，VRML的节点提供了对三维3D虚拟世界的描述。利用VRML构造大范围的网络虚拟世界已经成为现实，VRML为构造Web上仿真系统中的设备、部件也提供了可能。VRML与Java等强有力编程语言的集成，为3D模型化、科学计算、网络访问提供了切实可行的方案，将赋予虚拟世界中的物体以新的活力。目前，世界上有一个庞大的VRML工作组在研究VRML在不同研究领域中的应用（）。如仅美国海军研究生院就有120多人在研究VRML在基于Web的DIS中的应用，并已经取得了很大的进展。尤其要指出的是，如果美国海军研究生院研究人员提出的虚拟现实传输协议（VirtualRealityTransferProtocol,VRTP）正式成为了3D虚拟场景在Web上标准传输协议，必将使得VRML在多个研究领域中得到更为广泛的应用。同时，也将进一步刺激VRML的发展。随着网络通信技术和VRML的进一步发展，开发新一代基于Web的仿真机将为众多用户提供更便利、更实用的研究和应用平台。3.电厂仿真的主要建模方法系统模型的建立是系统仿真的核心问题。系统模型是实际系统或过程在某些方面特性的一种表现形式，它能反映出该系统和过程的行为特性。围绕着系统应该具有什么样的模型、如何建立或获取模型以及所建模型是否真实地反映了实际系统运行特性等问题，人们开展了大量的研究工作，逐渐形成了系统仿真的基础理论——模型论。模型论作为系统仿真的基础理论主要包括以下几个问题[4]：（1）系统应该具有什么样的形式。（2）系统模型建立要采用什么样的建模方法。（3）模型的有效性验证。目前，系统建模方法主要有两大类，即机理建模方法和辨识建模方法。或采取两者相结合的方法，也有人称其为混合建模方法。机理建模方法机理建模方法就是根据实际系统工作的物理过程的机理，在某种假定条件下，按照相应的理论(如质量守恒、能量守恒定律、运动学、动力学、热力学、流体力学的基本原理等)，写出代表其物理过程的方程，结合其边界条件与初始条件，再采用适当的数学处理方法，来得到能够正确反映对象动静态特性的数学模型[4]。具体来说，电站系统机理建模根据各自特点常见的有：基于设备的模块化建模、基于流体网络的模块化建模、质点追踪法建模等。（1）基于设备的模块化建模以火电站锅炉汽水系统为例，汽水系统的模块划分以独立的设备和部件为基础，可分为：上升管、下降管、汽包、再热器、过热器、省煤器等几个模块。描述各个模块部件特性的方程都包含在模块的内部。模块的输出根据模块本身的能量，质量和动量方程及边界上的流动特性来计算，而不作为其它模块中的变量的函数来计算。为了使各个模块间具有良好的兼容性，模块间的耦合性应尽量小。解决方法是采用阻力型模块和储能型模块的概念，将所有模块分为两种基本的类型[2]：流动阻力性型（简称R型），和质量能量储存性（简称S型）。R型模块包含的流量计算是压差的函数，不包含连续性方程。S型模块包含连续性方程和能量方程，不包含动量方程。参数传递关系如下：图一模块参数传递示意图（2）基于流体网络的电站系统模块化建模由于将热力系统的快慢过程混合在一起进行求解的方法,将导致模型方程的刚性强,计算效率降低,因此只适合于没有实时要求的分析仿真,而不适合于实时仿真。因此提出将耦合性强的部分,即将质量方程和动量方程单独组成一个网络模块,以提高计算效率。这种处理方法很好地解决了压力流量通道的实时计算问题。设备模块所需的压力及流量信息由网络模块中取得,而能量信息则取自上一设备出口。其参数传递关系如下[5]：图二模块参数示意图（3）质点追踪法建模由于锅炉受热面的动态过程表现出强烈的非线性，对于单相受热面,比较突出的问题是传输延迟一般具有突变特性，而这种突变延迟正是动态过程难于准确仿真的原因所在。若采用定控制体的欧拉方法进行仿真，由于忽略了空间上的分布特性，从物理意义上看，具有同等抽象参数的金属细长管与一个混合球的动态过程并没有什么不同。采用分布参数，一方面要以牺牲计算时间为代价，另一方面由于流量通道与焓温通道的时间常数相差悬珠，造成模型方程的“stiff”问题严重，使仿真过程变得困难。此外，与单相受热环节相比，锅炉(特别是直流锅炉)蒸发系统的一个最大特点就是在动态过程中相变点的位置可能会发生大幅度的变化[6]。为此，对于锅炉的蒸发系统均倾向于采用移动边界的集总参数化数学模型。这种简化方法不仅使数学模型的描述能力和数值稳定性大幅度降低，而且由于移动边界项的存在，导致蒸发系统数学模型及数值方法与单相受热面间无法通用，同时所建立的锅炉汽水系统模型一般也不能用于机组全工况范围内的计算分析。采用拉格朗日质点追踪法进行仿真，在不引入空间变量的情况下能反映工质在传输过程中的空间分布特征，因此能反映其时滞特性，并且能够较好地解决直流锅炉两相区建模问题。系统辨识建模辨识方法建模具有悠久的历史，是对于未知内部结构和机制的实际系统或者机理无法建模的系统的无可替代的有效建模方法。辨识建模首先必须拥有实际系统的输入与输出的观测数据，因此待建模的系统必须已经客观存在。辨识建模法需要从两个方面对实际系统进行辨识，即结构辨识和参数辨识。现在己经发展出许多经典的方法，如最小二乘法、极大似然法等等。但这些成果主要集中在线性系统领域。近年来随着神经网络的发展，并逐渐的应用于非线性系统的辨识领域，才取得了很大的成就。期间Qin等人将四种神经网络应用于较简单的随机系统的辨识，取得了可喜的成果。一些人提出了应用局部带自激励的而没有层内交叉连接的神经网络对非线性动态系统辨识，并使用了自激励和层内带交叉连接(Crosstalklink)的复杂神经网络用于电站系统的加热器的建模之中，从而改进了这种由于神经网络过于复杂而产生的学习收敛速度很慢的问题。1991年Kenneth在他发表文章中表示神经网络在电站系统建模中将大有作为，并在文章中广泛使用了较简单的前馈型神经网络对电站系统进行建模。多数文献的研究结果也说明了前馈神经网络对非线性动态系统具有强大辨识能力。辨识建模和机理模型相结合的建模方法辨识建模方法就是采用系统辨识技术，根据系统实际运行或试验过程中所取得的输入/输出数据，利用各种辨识算法来建立系统的动静态数学模型。随着模糊集合理论和神经网络理论的发展，模糊建模方法、基于神经网络的建模方法和基于模糊神经网络的建模方法等发展十分迅速，并在具有不确定性、非线性等特性的系统的建模方面得到了广泛地应用。但随着工业技术的飞速发展，我们所面临的实际系统变得越来越复杂。这使得无论单纯应用辨识模型还是应用机理来建模都存在着自身难以克服的弊端。为了能有效地排除以上两类模型在仿真建模过程中所存在的问题，近年来，神经网络和机理模型的互补建模方法成为人们研究和应用的热点。（1）基于机理模型和神经网络的系统建模基于机理模型和神经网络的电站系统建模的主要思想就是将建模者对被建模系统的先验性信息(即机理特性)融入神经网络的建模方法之中。在采用互补建模方法的仿真系统的建模过程中，首先，我们可以将实际系统分解成可描述和未知两部分；然后针对可描述部分采用机理模型来建模，而那些由于机理模型简化条件的局限性和简化方法本身带入的误差以及未知的外界和内部的扰动带来的模型误差，则利用神经网络进行系统辨识；最后，将神经网络作为模型误差的估计器叠加到机理模型上，从而达到提高模型精度并有效地反映系统真实信息的目的。如图3：采用反馈神经网络来反映机理模型没有描述的