BETTERPROCESSOR智能优化控制系统(简称:BP系统)是应用于电站锅炉燃烧优化控制的专业软件包。BP系统将成熟的锅炉先进技术、精确的控制理论与快速的计算机人工智能相结合,广泛适用于包括电力、化工、食品加工等多种工业控制领域。
全系统模型各子系统采用模块化架构,可以很方便地根据需要增加子系统来扩展功能,如:通过增加脱硫子系统来实现对脱硫系统的优化控制。
BP系统的工程实施方式充分考虑到工业生产的实际情况,通过专家分析系统的介入,最大限度地降低了对工程数据的采集要求,只需要依据工厂现有DCS表盘数据,加装少量压力、温度和氧量等关键测点的传感器即可满足工程实施需要,且最大限度地简化工程试验过程并缩短了试验时间。目前,在现场条件具备情况下,实施工期一般不超过四个月。
BP系统针对控制对象不同可选用恰当的控制方式和技术,包括非线性预测控制、模糊逻辑控制技术等。
BP系统采用的技术解决方案
人工神经元网络
1.采用先进训练方法,速度快
2.适应性强,无需相关行业的专业理论知识
3.非线性处理能力强
4.自适应学习能力强
BP系统功能实现
BP系统技术核心
BESTPROCESSOR锅炉智能优化控制系统
BP优化系统是北京先进博昌科技有限公司拥有自主知识产权的技术产品,是应用于电站锅炉燃烧优化控制的专业软件包。BP系统将成熟的锅炉先进技术、精确的控制理论与快速的计算机人工智能相结合,广泛适用于包括电力、化工、食品加工等多种工业控制领域。 |
|
BP系统技术特色一
采用分级模型群实现对工业生产过程进行全系统建模1 | 采用分级模型群系统组合。 |
2 | 通过对工业运行系统分析,将其拆分为相互关联的多个分系统分别建模,使各模型配合工作并互为校验和备份。 |
3 | 按所建模型的技术种类可分为“专家系统”和“人工智能模型”:“专家系统”是对工业及行业专家经验的数学或逻辑表达方式;“人工智能模型”利用计算机人工智能技术生成的数学或逻辑模型。 |
4 | 按模型建立所采用的数学技术分类分为“线性模型”和“非线性模型”。上述“专家系统”多采用“线性模型”;而“人工智能模型”均为“非线性模型”,此类模型建立采用了多种先进人工智能技术,包括:类神经元网络技术、支撑向量机技术等。 |
5 | 从模型应用管理和应用来说,“专家系统”和“人工智能模型”采用分级管理并具有不同分工:其中“专家系统”为一级模型,是对各工业系统的原则性描述,其作用是指导“人工智能模型”的工作,确保其运行的安全性、可靠性和工作趋势的正确性;“人工智能模型”在“专家系统”指导下工作,为二级模型承担细分优化和控制功能。 |
BP系统技术特色二
具备多种功能且扩展能力强1 | BP系统为工业生产过程的全系统模型,从而能为工业运行提供更为全面的服务。 |
2 | 实现对工业运行状态的智能化监测,确保安全生产。 |
3 | BP系统的全系统模型群各模型具有互为校验功能,当各子系统模型的某个指标出现问题时,将被BP系统在第一时间监测到,并结合专家系统的判定功能,可对工业系统运行可能出现的异常情况进行实时预警,从而为提高工业系统运行的安全可靠性和稳定性提供帮助。 |
4 | 可根据需要用于对工业生产过程各环节的多目标优化和控制调整,如:提高电厂锅炉效率、降低汽机热耗和污染物排放等。 |
5 | 全系统模型的各子系统既可以单独工作,也可以配合使用。 |
P系统技术特色三:
功能扩展方便全系统模型各子系统采用模块化架构,可以很方便地根据需要增加子系统来扩展功能,如:通过增加脱硫子系统来实现对脱硫系统的优化控制。
BP系统技术特色四:
工程实施方便、工期短且对生产无异常扰动BP系统的工程实施方式充分考虑到工业生产的实际情况,通过专家分析系统的介入,最大限度地降低了对工程数据的采集要求,只需要依据工厂现有DCS表盘数据,加装少量压力、温度和氧量等关键测点的传感器即可满足工程实施需要,且最大限度地简化工程试验过程并缩短了试验时间。目前,在现场条件具备情况下,实施工期一般不超过四个月。
BP系统技术特色五:
有多种控制技术可供选择BP系统针对控制对象不同可选用恰当的控制方式和技术,包括非线性预测控制、模糊逻辑控制技术等。
BP系统采用的技术解决方案
- 用动态模型预测过程的特征
- 处理多个变量之间的相互关系
- 考虑扰动变量的影响
- 根据测量数据实时调整修正增益值
- 用神经网络处理非线形问题
人工神经元网络
1.采用先进训练方法,速度快
2.适应性强,无需相关行业的专业理论知识
3.非线性处理能力强
4.自适应学习能力强
BP系统功能实现
- 优化:在当前状态下寻找效益最高点,并给出相应的参数匹配。
- 控制:将优化给出的参数进行精确控制。
- 验证:新的运行点与模型预测比较。
- 滚动优化:进行局部调整,保存最优值。
BP系统技术核心
- 先进的神经网络技术
- 现代控制理论算法
- 将现代控制理论应用到闭环过程控制
- 包含了将神经网络和现代控制理论溶合在一起的独特算法
- 能够分析和正确识别连续过程中的复杂的非线性的多种因素之间的动态相互关系。