基于辅机经济性运行的负荷分配专家系统研究

　　一、机组负荷优化分配

　　当前，国内绝大部分火电机组均采用直调方式，由远程控制终端(RTU)将电网的每台机组负荷指令直接发至各机组的分散控制系统(DCS)中进行自动负荷控制。如果采用非直调方式合理地分配全厂机组间的负荷，则可以有效地降低发电煤耗，从而给发电厂带来巨大的经济效益。对此，采用改进的等微增率原理很好地解决了煤耗特性曲线拟合及特性曲线间断点的近似处理问题;引入变负荷成本的概念圈提出了解决自动发电控制时频繁变负荷情况下的控制策略;利用变量变换和定向搜索二次规换的方法闭在实际应用中也取得了理想的效果;微粒群算法(PSO)实现最优负荷调度的方法阁从理论上进行了新的尝试;利用Hopfield神经网络直接将负荷上下限约束条件作为神经元激活函数构造了通用的网络拓扑结构，并给出该方法全局收敛的证明;针对机组发电费用为凸函数的特点，利用分片线性逼近技术建立了一种新的。0-1线性混合整数规划模型川，在求解速度和稳定性上有明显的优势;引入专家系统的思想结合传统的等微增率方法进行负荷优化分配等。由于对机组煤耗特性曲线的依赖和现场复杂的工况，上述研究目前大多仍停留在理论研究阶段。同时，这些研究均考虑了机组辅机的经济性运行，以致产生如某台机组只需用4台磨煤机，而由理论计算所得的最优负荷需要起动第5台磨煤机的情况，这样不仅造成机组运行时不必要的经济损失，而且还影响辅机的使用寿命，从而大大降低了负荷优化分配在实际应用中的效果。

　　本文以火电厂厂级监控信息系统(SIS)中的负荷优化分配模块为平台，提出一种基于辅机经济性运行的负荷优化分配专家系统，并建立基于带优先级临界负荷区间的负荷优化分配知识规则库。该系统模仿领域专家的实际运行习惯，充分考虑辅机的优化运行和现场复杂的工况，将电网的负荷指令进行再处理，通过对规则库的智能检索，选出适合当前工况的最优规则作为负荷优化分配决策。这样，不仅能够很好地解决辅机经济性运行和特殊工况下的全厂负荷最优分配问题，还可通过专家系统的自学习能力预测因煤种变化引起的临界负荷区间的变化趋势，从而实时修正规则库，使全厂负荷优化分配更为准确和实用。

　　二、负荷优化分配专家系统

　　专家系统(ES)是具有特定领域专门知识和经验的计算机智能程序系统川，一般采用人工智能中的知识表示和知识推理技术来模拟通常由该领域专家才能解决的复杂问题。不同的专家系统，其功能与结构不尽相同。一个以规则为基础，以问题求解为中心的专家系统结构见图1。