Chiến lược điều khiển thông minh cho hệ thống điều chỉnh mức nước bao hơi nhà máy nhiệt điện

TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
10 Số 17 
CHIẾN LƯỢC ĐIỀU KHIỂN THÔNG MINH CHO HỆ THỐNG 
ĐIỀU CHỈNH MỨC NƯỚC BAO HƠI NHÀ MÁY NHIỆT ĐIỆN 
INTELLIGENT CONTROL STRATEGIES APPLIED TO DRUM WATER LEVEL CONTROL 
SYSTEM OF A THERMAL POWER PLANT 
Nguyễn Ngọc Khoát, Vũ Duy Thuận 
Trường Đại học Điện lực 
Ngày nhận bài: 18/10/2018, Ngày chấp nhận đăng: 20/12/2018, Phản biện: TS. Võ Huy Hoàn 
Tóm tắt: 
Điều khiển mức nước bao hơi trong các nhà máy nhiệt điện nhằm đảm bảo tương quan cân bằng 
giữa lượng nước cấp đầu vào và lượng hơi quá nhiệt đầu ra của hệ thống lò hơi. Nó được coi là trái 
tim của hệ thống điều khiển lò hơi vốn dĩ là một hệ thống phức tạp với hàng trăm tham số cần được 
giám sát và điều khiển. Hiện nay, hầu hết các nhà máy nhiệt điện đang sử dụng bộ điều chỉnh PID 
truyền thống để khống chế mức nước bao hơi. Nhược điểm của loại bộ điều khiển này là khả năng 
cập nhật tham số nghèo nàn, chỉnh định thủ công và chất lượng điều khiển không cao. Với sự phát 
triển của lý thuyết điều khiển hiện đại, việc thay thế các bộ điều khiển kinh điển PID bởi các bộ điều 
khiển thông minh đang là xu thế mới đầy hiệu quả ngày nay. Bài báo này đề xuất hai giải pháp điều 
khiển thông minh ứng dụng logic mờ và mạng nơron cho hệ thống điều chỉnh ổn định mức nước bao 
hơi. Bộ điều khiển NARMA-L2 ứng dụng mạng trí tuệ nhân tạo là đề xuất mới của nghiên cứu, mang 
lại hiệu quả điều khiển vượt trội khi so sánh với các giải pháp điều khiển kinh điển cũng như sử dụng 
bộ điều khiển logic mờ. Các kết quả mô phỏng trên phần mềm MATLAB/Simulink với các tham số 
thực của Nhà máy Nhiệt điện Phả Lại 2 đã minh chứng cho hiệu quả của chiến lược điều khiển đã 
đề xuất. 
Từ khóa: 
Bao hơi, mức nước, điều chỉnh tầng, bộ điều khiển thông minh, NARMA-L2. 
Abstract: 
Boiler drum level control in thermal power plants aims to balance the input water flow and the 
superheated steam in the output of the boiler. It is assumed to be the heart of the boiler control 
system including hundred parameters need to be observed and controlled. Currently, most thermal 
power plants are applying classical PID regulators to control the water level of the steam drum. The 
disadvantages of these controllers include the difficulty of parameter update ability, manual 
regulation and poor control performances. With the development of the modern control theory, it is 
effective to replace the conventional PID regulators with intelligent controllers. This paper proposes 
two smart control strategies applying fuzzy logic and neural network to stabilize the drum water 
level. An artificial neural network-based controller, namely NARMA-L2, is the novel contribution of 
this study, dedicating the better control performances in comparison with the conventional control 
scheme as well as the fuzzy logic based controller. Simulation results using MATLAB/Simulink 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
Số 17 11 
package with real parameters of Pha Lai 2 conventional thermal power plant verified the efficiency of 
the proposed control strategy. 
Keywords: 
Boiler drum, water level, cascade control, intelligent controllers, NARMA-L2. 
1. GIỚI THIỆU 
Lò hơi, với trái tim là hệ thống bao hơi, là 
thành phần quan trọng bậc nhất trong một 
nhà máy nhiệt điện. Bao hơi chính là nơi 
mà nước và hơi phân tách nhau, trước khi 
trở thành hơi quá nhiệt đưa đi sinh công 
làm quay tuabin máy phát. Do đó, các quá 
trình trong bao hơi có ảnh hưởng trực tiếp 
đến quá trình sinh công của tuabin và vì 
vậy ảnh hưởng đến công suất đầu ra của 
máy phát điện cũng như ảnh hưởng đến 
sự vận hành ổn định của hệ thống điện 
[1-2]. 
Trong hệ thống bao hơi, điều chỉnh mức 
nước bao hơi là một trong những vấn đề 
có ý nghĩa sống còn. Trong những tình 
huống xấu, nếu mức nước bao hơi quá 
thấp thì nhiệt độ và áp suất trong lò hơi và 
các đường ống tăng cao bất thường, có thể 
gây ra sự cố phá hủy lò hơi cũng như các 
đường ống dẫn. Nếu mức nước bao hơi 
quá cao sẽ dẫn đến hiện tượng hơi sau bao 
hơi có chứa nhiều nước, ảnh hưởng trực 
tiếp đến hiệu suất của quá trình sinh công 
của hơi quá nhiệt [3-4]. Vì vậy, mức nước 
trong bao hơi cần phải được điều chỉnh ổn 
định ở một giới hạn cho phép lân cận giá 
trị đặt trước để cân bằng năng lượng của 
lò hơi và đảm bảo an toàn cho các thiết bị 
trong hệ thống lò hơi cũng như tuabin. 
Thông thường, một hệ thống điều chỉnh 
mức nước bao hơi cần phải đáp ứng được 
các yêu cầu sau [5]: 
(a) Điều khiển mức nước trong bao hơi 
ngang bằng với điểm đặt; 
(b) Giảm thiểu tương tác hệ thống điều 
khiển cháy; 
(c) Thay đổi mức nước trong bao hơi bám 
nhanh theo sự thay đổi của phụ tải; 
(d) Cân bằng lượng hơi ra và lượng nước 
cấp vào bao hơi; 
(e) Bù thay đổi áp suất nước cấp không 
đảo lộn tuần hoàn nước và dịch điểm đặt. 
Trong thực tế hệ thống điều khiển lò hơi 
nói chung và hệ thống điều khiển mức 
nước bao hơi nói riêng luôn chịu ảnh 
hưởng của rất nhiều tham số như lưu 
lượng nước cấp, nhiệt độ, áp suất của lò 
hơi, Do đó, việc điều khiển ổn định 
mức nước bao hơi ở một giá trị đặt mong 
muốn là một công việc rất khó khăn. Hiện 
nay, phương pháp được dùng ở các nhà 
máy nhiệt điện là ứng dụng bộ điều khiển 
PID truyền thống. Nhược điểm của bộ 
điều khiển loại này là do mức nước bao 
hơi liên tục thay đổi trong quá trình vận 
hành lò hơi nên yêu cầu người vận hành 
phải cập nhật các bộ tham số của bộ điều 
khiển PID liên tục để đáp ứng chất lượng 
quá trình điều khiển. Việc làm này vừa 
mang tính thủ công lại vừa khó đáp ứng 
được yêu cầu chất lượng điều khiển cao 
[5-8]. 
Với sự phát triển vượt bậc của khoa học 
kỹ thuật, các giải pháp điều khiển thông 
minh ứng dụng logic mờ và trí tuệ nhân 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
12 Số 17 
tạo ngày càng phát triển. Những nghiên 
cứu ứng dụng các bộ điều khiển này vào 
hệ thống điều khiển mức nước bao hơi đã 
thu được những kết quả khả quan trong 
tương quan so sánh với các giải pháp điều 
khiển truyền thống dùng bộ PID đã nói ở 
trên. Trong bài báo này các tác giả sẽ tập 
trung vào việc so sánh các chiến lược điều 
khiển mức nước bao hơi thông minh sử 
dụng logic mờ, mạng nơron với bộ điều 
khiển truyền thống PID. Các tác giả đã đề 
xuất một bộ điều khiển mức nước bao hơi 
mới dựa trên mạng nơron, với tên gọi là 
NARMA-L2. Ý tưởng xuyên suốt của 
việc thiết kế bộ điều khiển loại này là 
người ta tìm cách xấp xỉ đối tượng điều 
khiển phi tuyến bằng một đối tượng điều 
khiển tuyến tính thông qua việc loại bỏ 
các thành phần phi tuyến. Việc xấp xỉ này 
sẽ được thực hiện bằng cách đưa ra một 
mô hình tương ứng với đối tượng đang 
khảo sát, sau đó sử dụng một mạng nơron 
để nhận dạng và xấp xỉ mô hình này. Mô 
hình sau khi nhận dạng bằng mạng nơron 
sẽ được dùng để thiết kế các bộ điều 
khiển tương ứng. 
Các đóng góp của nghiên cứu này tập 
trung vào: 
(i) Mô hình hóa và tổng hợp bài toán điều 
khiển mức nước bao hơi theo sơ đồ điều 
khiển nối tầng ba mức tín hiệu: nước cấp, 
mức nước bao hơi và hơi quá nhiệt đầu ra. 
(ii) Khảo sát các chiến lược điều khiển 
ứng dụng cho mạch vòng điều khiển nối 
cấp phía ngoài để điều chỉnh ổn định mức 
nước bao hơi. 
(iii) Đề xuất bộ điều khiển NARMA-L2 
ứng dụng mạng nơron để khống chế mức 
nước bao hơi. 
Để minh chứng cho hiệu quả của các giải 
pháp điều khiển mức nước bao hơi đã sử 
dụng, đặc biệt là bộ điều khiển mới 
NARMA-L2, bài báo đã xây dựng mô 
hình mô phỏng với các tham số của Nhà 
máy Nhiệt điện Phả Lại bằng công cụ 
MATLAB/Simulink. Các kết quả mô 
phỏng đã khẳng định ưu thế vượt trội của 
chiến lược điều khiển mới đã đề xuất 
trong bài báo. 
2. CẤU TRÚC HỆ THỐNG ĐIỀU KHIỂN 
MỨC NƯỚC BAO HƠI 
2.1. Sơ đồ cấu trúc hệ thống điều chỉnh 
mức nước bao hơi 
Rh(s) RV(s)
Van cấp
V(s)
Bao hơi
D(s)
SF
SH
Nhi u
N(s)
H*
Q(s)
L(s)
RSF(s) SSF
H(s)
1
3
2
Hình 1. Sơ đồ cấu trúc điều chỉnh mức nước 
bao hơi ba mạch vòng điều chỉnh của nhà máy 
nhiệt điện 
Hình 1 mô tả sơ đồ cấu trúc điều khiển 
tổng quát của bài toán điều chỉnh và ổn 
định mức nước bao hơi trong một nhà 
máy nhiệt điện. Ở đây, trái tim của sơ đồ 
điều khiển là lò hơi với hệ thống bao hơi, 
nơi cần phải kiểm soát mức nước bao hơi 
ở đầu ra. Sơ đồ điều khiển này gồm 3 
mạch vòng điều chỉnh [5, 8]. Để cấp nước 
cho lò hơi, ta cần hệ thống van cấp với bộ 
điều chỉnh tương ứng là Rv. Đó là mạch 
vòng điều chỉnh thứ nhất. Mạch vòng điều 
chỉnh thứ hai là mạch vòng bù nhi u lưu 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
Số 17 13 
lượng hơi quá nhiệt đầu ra với bộ điều 
chỉnh là RSF(s). Mạch vòng phía ngoài 
cùng ta có bộ điều chỉnh thứ ba là Rh dùng 
để điều chỉnh trực tiếp mức nước bao hơi. 
Để đo đạc các tham số cần điều khiển như 
lưu lượng nước cấp, mức nước trong bao 
hơi và lưu lượng hơi quá nhiệt đầu ra của 
bao hơi, ta sử dụng các cảm biến SF, SH, 
và SSF. Như vậy, cấu trúc điều khiển ở 
trên gồm có ba mạch vòng điều chỉnh và 
đây là sơ đồ điều khiển tối ưu để kiểm 
soát mức nước bao hơi trong một nhà máy 
nhiệt điện. 
2.2. Mô tả toán học cấu trúc điều chỉnh 
mức nước bao hơi 
Để phục vụ cho việc nghiên cứu các chiến 
lược điều khiển cho hệ thống kiểm soát 
mức nước bao hơi, trước hết người ta cần 
xây dựng các hàm truyền cho các khối 
của sơ đồ cấu trúc điều khiển hình 1. Trên 
thực tế, việc thiết lập các hàm truyền đạt 
này là rất phức tạp vì nó phụ thuộc vào 
nhiều tham số trong nhà máy nhiệt điện 
và hầu hết đều chứa các yếu tố phi tuyến 
và bất định. Để thiết lập được các hàm 
toán học của đối tượng điều khiển, ta sử 
dụng qui trình nhận dạng [8]. Hàm truyền 
đạt của các khâu trong hình 1 nhận được 
sau quá trình nhận dạng như sau: 
1
11 12
( )
1 2 1
K
D s
s T s T s
 (1) 
2
21 22
( )
1 . 1
K
V s
T s T s
 (2) 
( )
1
B
B
K
N s
s T s
 (3) 
Các tham số có được ở các biểu thức trên 
được rút ra từ quá trình nhận dạng tham 
số trong quá trình vận hành thực tế của 
nhà máy. Bộ tham số được sử dụng để mô 
phỏng trong phần sau của bài báo này sẽ 
được đưa ra trong phần phụ lục. 
2.3. Tổng hợp các mạch vòng điều chỉnh 
Từ sơ đồ điều khiển trong hình 1, như đã 
trình bày ở trên, ta thấy có ba mạch vòng 
điều chỉnh cần được tổng hợp. Chúng bao 
gồm mạch vòng điều khiển lưu lượng 
nước cấp, mạch vòng điều khiển bù nhi u 
lưu lượng hơi và mạch vòng điều chỉnh 
mức nước bao hơi. Ta áp dụng tiêu chuẩn 
tối ưu modul để tổng hợp cho các mạch 
vòng điều khiển này. Hàm truyền đạt theo 
phương pháp modul tối ưu được mô tả 
trên miền toán tử Laplace như sau [9]: 
2 2
1
( )
2 2 1
mdW s
s s 
 (4) 
Hàm truyền đạt chuẩn trong phương pháp 
modul tối ưu thường được sử dụng để 
hiệu chỉnh lại đặc tính tần số ở vùng tần 
số thấp và trung bình. Nó mang lại chất 
lượng động và sai lệch tĩnh rất tốt. 
2.3.1. Tổng hợp mạch vòng điều khiển lưu 
lượng nước cấp 
Sơ đồ tổng hợp mạch vòng điều chỉnh lưu 
lượng nước cấp được thể hiện qua hình 2. 
RV(s) V(s)
SF
_
Qi(s) Qo(s)
Hình 2. Tổng hợp mạch vòng điều khiển 
lưu lượng nước cấp 
Cân bằng hàm truyền hệ kín của mạch 
vòng điều khiển lưu lượng nước cấp với 
hàm truyền modul tối ưu: 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
14 Số 17 
𝑊𝑘(𝑠) =
𝑆𝐹𝑅𝑉(𝑠). 𝑉(𝑠)
1 + 𝑆𝑉𝑅𝑉(𝑠)𝑉(𝑠)
= 𝑊𝑚𝑑(𝑠)
=
1
2𝜏2𝑠2 + 2𝜏𝑠 + 1
(5) 
Kết hợp với (2), sau khi chọn 𝜏 = T22, 
khâu điều chỉnh RV(s) thu được như sau: 
 222 22
21 22
21
22 2
1
1
( )
2 . 1
1 1
1
2 . .
1
(6)
.
V
F
F
P
i
R s
K
T s S T s
T s T s
T s
T S K s
K
T s
Từ (6), khâu điều chỉnh mạch vòng phía 
trong điều khiển lưu lượng nước qua việc 
đóng mở các van cấp nước thu được là 
một khâu PI. 
2.3.2. Tổng hợp mạch vòng điều khiển bù 
nhiễu lưu lượng hơi 
Sau khi tổng hợp mạch vòng điều khiển 
lưu lượng nước cấp, hàm truyền đạt của 
toàn bộ mạch vòng điều khiển phía trong 
chính là hàm chuẩn tối ưu modul. Để tổng 
hợp mạch vòng điều khiển bù nhi u lưu 
lượng, ta xét sơ đồ sau: 
1
FS
WQ(s) D(s)
N(s)
SSFWN(s)
Qi(s) H(s)
L
_ _
Hình 3: Sơ đồ tổng hợp mạch vòng bù nhiễu 
lưu lượng hơi quá nhiệt 
Sử dụng phương pháp xếp chồng tín hiệu 
cho hệ thống tuyến tính, xét từng tín hiệu 
đầu vào Qi(s) và L(s), ta tìm được hàm 
đầu ra: 
𝐻(𝑠) = 𝐻𝑄(𝑠) + 𝐻𝐿(𝑠) =
1
𝑆𝐹
𝑊𝑄(𝑠). 𝐷(𝑠). 𝑄𝑖(𝑠) 
+[𝑁(𝑠) −
𝑆𝑆𝐹
𝑆𝐹
𝑊𝑄(𝑠). 𝐷(𝑠). 𝑅𝑆𝐹(𝑠)] . 𝐿(𝑠) 
(7) 
Để đầu ra y(t) chỉ phụ thuộc vào lưu 
lượng đầu vào qi(t) thì thành phần thứ hai 
phải bị triệt tiêu, nghĩa là: 
𝑆𝑆𝐹
𝑆𝐹
𝑊𝑄(𝑠). 𝐷(𝑠). 𝑅𝑆𝐹(𝑠) = 𝑁(𝑠) (8) 
Từ đó ta tìm được hàm truyền của khâu 
bù nhi u như sau: 
𝑅𝑆𝐹(𝑠) =
𝑆𝐹 . 𝑁(𝑠)
𝑆𝑆𝐹𝑊𝑄(𝑠)𝐷(𝑠)
=
𝑆𝐹 .
𝐾𝐵
𝑠(𝑇𝐵1𝑠 + 1)
𝑆𝑆𝐹 .
1
2𝜏2𝑠2 + 2𝜏𝑠 + 1
.
𝐾1
𝑠(𝑇11𝑠 + 1)
=
𝑆𝐹 . 𝐾𝐵
𝑆𝑆𝐹 . 𝐾1
(2𝜏2𝑠2 + 2𝜏𝑠 + 1)(𝑇11𝑠 + 1)
(𝑇𝐵1𝑠 + 1)
(9) 
Với khâu bù nhi u này, hệ thống sẽ trở 
thành bất biến với nhi u phụ tải lưu lượng 
hơi hay công suất của lò hơi. 
2.3.3. Tổng hợp mạch vòng điều chỉnh 
mức nước bao hơi 
Mạch vòng điều chỉnh mức nước bao hơi 
là mạch vòng điều chỉnh ngoài cùng trong 
sơ đồ đã vẽ ở hình 1. Việc tổng hợp mạch 
vòng này hoàn toàn có thể tiến hành theo 
phương pháp tối ưu modul như đã thực 
hiện ở mạch vò ... sai lệch 
mức nước bao hơi ET(t) và đạo hàm của 
sai lệch này DET(t). Ta lựa chọn 5 hàm 
liên thuộc cho mỗi đầu vào này: AV, AN, 
K, DN và DV. Ma trận luật mờ và hàm 
thuộc cho bộ điều khiển mờ động PD 
được đưa ra trong bảng 1 và hình 4 [8]. 
Bảng 1. Ma trận luật mờ 
sử dụng trong nghiên cứu 
 DET 
ET 
AV AN K DN DV 
AV AV AV AV AN K 
AN AV AV AN K DN 
K AV AN K DN DV 
DN AN K DN DV DV 
DV K DN DV DV DV 
1
FS
WQ(s) D(s)
N(s)
SSFWN(s)
Qi(s) H(s)
L
_ _
Hình 3: Sơ đồ tổng hợp mạch vòng bù nhiễu 
lưu lượng hơi quá nhiệt 
Hình 4. Các hàm liên thuộc và quan hệ vào ra 
của bộ điều khiển mờ động kiểu PD 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
16 Số 17 
3.2. Bộ điều khiển NARMA-L2 
Mạng nơron trong những năm gần đây đã 
được nhiều người quan tâm và đã áp dụng 
thành công trong nhiều lĩnh vực khác 
nhau, như tài chính, y tế, địa chất và vật 
lý hay dự báo phân loại và điều khiển. Kết 
hợp với logic mờ mạng nơron nhân tạo đã 
tạo nên cuộc cách mạng thực sự trong 
việc thông minh hóa và vạn năng hóa các 
bộ điều khiển kỹ thuật cao cho cả hiện tại 
và trong tương lai. 
Bộ điều khiển NARMA-L2 là một trong 
những bộ điều khiển thích nghi ứng dụng 
mạng nơron điển hình. Ý tưởng nổi bật 
của bộ điều khiển này là xấp xỉ một đối 
tượng điều khiển phi tuyến bằng một đối 
tượng điều khiển tuyến tính sử dụng mạng 
nơron. Một đối tượng điều khiển phi tuyến, 
khi được nghiên cứu,có thể biểu di n xấp xỉ 
bởi một dạng tuyến tính hóa bằng cách loại 
bỏ các thành phần phi tuyến. Những đối 
tượng điều khiển loại này có thể sử dụng 
một mạng nơron để nhận dạng. Quá trình 
nhận dạng của bộ điều khiển NARMA-L2 
tương tự một bộ điều khiển mô hình dự 
báo. Bước đầu tiên để sử dụng các thông tin 
phản hồi tuyến tính là nhận dạng hệ thống 
điều khiển. Ta huấn luyện mạng nơron để 
mô tả hệ thống động lực học. Xét một mô 
hình rời rạc được mô tả theo kiểu mô hình 
trung bình tự hồi qui phi tuyến Nonlinear 
Autoregressive-Moving Average (NARMA) 
như sau: 
( ) [ ( ), ( 1),..., ( 1),
( ), ( 1),..., ( 1)]
y k d N y k y k y k n
u k u k u k n
 (11) 
Trong đó N(.) là một hàm phi tuyến, u(.) 
là thành phần trung bình trượt (moving 
average) hay đầu vào hệ thống, và y(.) là 
thành phần tự hồi qui của hệ thống 
(autoregressive). Phương thức nhận dạng 
là huấn luyện mạng nơron xấp xỉ hàm phi 
tuyến N. Theo đề xuất của Narendra năm 
1997, một mô hình kiểu NARMA-L2 sẽ 
có dạng sau: 
( ) [ ( ), ( 1),..., ( 1),
( ), ( 1),..., ( 1)]
[ ( ), ( 1),..., ( 1),
( 1),..., ( 1)]. ( )
y k d f y k y k y k n
u k u k u k m
g y k y k y k n
u k u k m u k
 (12) 
Hay: 
( ) [ ( , ), ( 1, )]
[ ( , ), ( 1, )] (13)
y k d f y k m u k n
g y k m u k n
Luật điều khiển được xây dựng khi đạt 
được cân bằng )()( dkydky r , với 
( )ry k d là tín hiệu mong muốn. Tín hiệu 
điều khiển thu được sẽ có dạng: 
( ) [ ( , ), ( 1, )]
( )
[ ( , ), ( 1, )]
ry k d f y k m u k n
u k
g y k m u k n
 (14) 
Trong đó: 
[ ( , ), ( 1, )] ( )
[ ( ),.., ( 1), ( ),..., ( 1)]
f y k m u k n f
f y k y k n u k u k m
[ ( , ), ( 1, )] ( )
[ ( ),.., ( 1), ( ),..., ( 1)]
g y k m u k n g
g y k y k n u k u k m
Khi đó, ta sử dụng một mạng nơron để 
xấp xỉ thành phần cộng ( )f và thành 
phần phi tuyến bội ( )g . Sơ đồ tổng quát 
ứng dụng bộ điều khiển NARMA-L2 thể 
hiện trên hình 5. 
Để áp dụng bộ điều khiển NARMA-L2 
cho quá trình điều khiển mức nước bao 
hơi, ta tiến hành nhận dạng hệ thống trước 
với các tham số phù hợp (hình 6). Các hình 
(7-10) mô tả các tập dữ liệu nhận dạng của 
mô hình NARMA-L2 được sử dụng trong 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
Số 17 17 
bài báo này. Kết quả mô phỏng của bộ 
điều khiển NARMA-L2 trong tương quan 
so sánh với các bộ điều khiển khác sẽ được 
đề cập đến trong phần sau. 
Mô hình 
mẫu
Mô hình tổng 
hợp mạch 
vòng trong

( )h t
[ ]iU k
( )f
( )g
TDL
TDL
Tín hiệu đặt
+
[ ]f k
[ ]g k
NARMA-L2
[ ]refy k
_
[ ]f k
Hình 5. Sơ đồ ứng dụng bộ điều khiển NARMA-
L2 để điều chỉnh mức nước bao hơi 
Hình 6. Bảng thông số lựa chọn cho bộ điều 
khiển NARMA-L2 sử dụng cho mô phỏng 
Hình 7. Dữ liệu huấn luyện vào/ra 
của đối tượng, dữ liệu huấn luyện vào/ra 
của mạng và sai số 
Hình 8. Dữ liệu vào/ra của đối tượng 
Hình 9. Tập dữ liệu kiểm tra 
Hình 10. Tập dữ liệu chấp nhận sau huấn luyện 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
18 Số 17 
4. KẾT QUẢ MÔ PHỎNG 
Để minh chứng cho hiệu quả của phương 
pháp điều khiển mức nước bao hơi đã đề 
xuất trong bài báo này, ở phần mô phỏng, 
tác giả đưa ra kết quả mô phỏng cho toàn 
bộ hệ thống khi có chung tín hiệu đặt của 
mức nước bao hơi là 100 mm. Ngoài ra, 
mạch vòng tổng hợp phía trong, tức là 
mạch vòng điều chỉnh lưu lượng nước 
cấp, được giả định tổng hợp bằng tiêu 
chuẩn modul tối ưu như đã trình bày ở 
phần 2 của bài báo. Sơ đồ mô phỏng tổng 
thể xây dựng trên công cụ Simulink của 
MATLAB như hình 11. 
Hình 11. Sơ đồ mô phỏng hệ thống điều khiển mức nước bao hơi 
ứng dụng các bộ điều khiển khác nhau 
(a) 
(b) 
Hình 12. Kết quả mô phỏng hệ thống điều 
chỉnh mức nước bao hơi dùng các bộ điều 
khiển khác nhau 
Khi đó, đáp ứng đầu ra của hệ thống điều 
chỉnh mức nước bao hơi cho từng bộ điều 
khiển được thể hiện trên hình 12. Trên 
hình vẽ này, chúng ta quan tâm đến năm 
trường hợp: không sử dụng các mạch 
vòng điều chỉnh (No control - đường nét 
đứt màu xanh nước biển), chỉ có mạch 
vòng điều chỉnh phía trong (Only one 
controller - đường nét đứt màu đỏ), sử 
dụng bộ điều chỉnh mức nước bao hơi PD 
cho mạch vòng phía ngoài (đường nét đứt 
màu xanh lá cây), sử dụng bộ điều khiển 
logic mờ (FLC - đường nét liền màu xanh 
nước biển) và sử dụng bộ điều khiển 
NARMA-L2 (đường màu đen đậm). Để 
đánh giá một cách số hóa các kết quả mô 
phỏng trên hình 12, ta tính toán một số 
tham số chất lượng điều khiển như độ quá 
điều chỉnh, sai số xác lập và thời gian xác 
lập cho năm trường hợp mô phỏng đang 
xét. Kết quả tính toán được đưa ra trong 
bảng 2. 
0 50 100 150 200
0
100
200
300
400
500
600
700
800
900
1000
time(s)
W
a
te
r 
le
v
e
l 
(m
m
)
H(mm) - No control
H(mm) - Only one controller
H(mm) - PD
H(mm) - FLC
H(mm) - NARMA L2
0 10 20 30 40 50 60 70 80 90
0
50
100
150
200
250
300
350
time(s)
W
at
er
 le
ve
l (
m
m
)
H(mm) - No control
H(mm) - Only one controller
H(mm) - PD
H(mm) - FLC
H(mm) - NARMA L2
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
Số 17 19 
Bảng 2. Kết quả so sánh một số chỉ tiêu chất 
lượng điều khiển cho các bộ điều khiển mức 
nước bao hơi 
 Không 
điều 
khiển 
Một bộ 
điều 
khiển 
trong 
PD Logic 
mờ 
NARM
A-L2 
Độ 
quá 
điều 
chỉnh 
Đặc tính 
phân kỳ, 
không 
ổn định 
40,32% 7,84% 0 0 
Sai số 
xác 
lập
xle 
1,8 0 0 0 
Thời 
gian 
quá độ 
(s) 
800 210 124 48 
Từ các kết quả mô phỏng và tính toán ở 
hình 12 và bảng 2, ta rút ra một số nhận 
xét sau: 
 Khi không sử dụng bất kỳ mạch vòng 
điều khiển nào thì mức nước bao hơi là 
không ổn định. Đường đặc tính mức nước 
bao hơi phân kỳ đi ra xa vô cùng. 
 Khi chỉ có mạch vòng điều khiển phía 
trong, không sử dụng bộ điều khiển mức 
nước bao hơi cho mạch vòng điều khiển 
phía ngoài, chất lượng điều khiển là sẽ 
kém với các thông số đã chỉ ra trong bảng 
2, mặc dù mạch vòng điều khiển phía 
trong đã được tổng hợp theo tiêu chuẩn 
modul tối ưu (trình bày ở phần 2.3.1). 
 Sử dụng bộ điều khiển PD theo kết quả 
đã tổng hợp trong bài báo này đạt được 
chất lượng điều khiển tương đối tốt. Tuy 
nhiên, độ quá điều chỉnh vẫn còn và thời 
gian xác lập là lớn. 
 Sử dụng bộ điều khiển logic mờ loại 
PD đạt được chất lượng điều khiển tốt 
hơn (không có độ quá điều chỉnh), tuy 
nhiên thời gian xác lập còn tương đối dài. 
 Sử dụng bộ điều khiển mạng nơron 
NARMA-L2 đạt được chất lượng điều 
khiển là tốt nhất. Không có độ quá điều 
chỉnh và thời gian quá độ hay xác lập là 
ngắn nhất. 
Từ những kết luận này, ta có thể rút ra sự 
lựa chọn tối ưu cho bộ điều khiển mức 
nước bao hơi chính là giải pháp sử dụng 
các bộ điều khiển thông minh. Cụ thể là 
bộ điều khiển mờ và bộ điều khiển 
NARMA-L2. Và những kết quả mô 
phỏng này cũng khẳng định ưu thế vượt 
trội của giải pháp điều khiển đã đề xuất 
trong nghiên cứu. 
5. KẾT LUẬN 
Hệ thống điều chỉnh mức nước bao hơi là 
một trong những thành phần điều khiển 
có ý nghĩa tối quan trọng trong vận hành 
ổn định một nhà máy nhiệt điện. Trong 
bài báo này, các tác giả đã trình bày một 
cách khái quát vai trò và các thành phần 
chủ yếu của hệ thống điều chỉnh mức 
nước bao hơi. Sau đó, các tác giả đã tập 
trung nghiên cứu và thiết kế các bộ điều 
chỉnh cho các mạch vòng điều chỉnh của 
sơ đồ ổn định mức nước bao hơi sử dụng 
sơ đồ ba tín hiệu. Tác giả đã đề cập đến 
các bộ điều chỉnh truyền thống như PD, 
bộ điều chỉnh nâng cao như logic mờ và 
đặc biệt là bộ điều chỉnh NARMA-L2 
ứng dụng trí tuệ nhân tạo. Các bộ điều 
chỉnh NARMA-L2 với ưu điểm là có khả 
năng xấp xỉ các hàm phi tuyến rất tốt 
được sử dụng để phản ứng nhanh với sự 
thay đổi của mức nước bao hơi, qua đó 
đưa ra tín hiệu điều khiển phù hợp tác 
động lên hệ thống mạch vòng điều chỉnh 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
20 Số 17 
phía trong. Các kết quả mô phỏng của bài 
báo cho từng trường hợp cụ thể đã được 
thực hiện. Qua các kết quả này, các tác 
giả đã chứng tỏ được sự vượt trội của giải 
pháp điều khiển đã đề xuất. Các chỉ tiêu 
chất lượng điều khiển do bộ điều khiển 
NARMA-L2 mang lại đều tốt hơn nhiều 
so với các giải pháp điều khiển truyền 
thống, kể cả so với bộ điều khiển sử dụng 
logic mờ. 
Để phát triển nghiên cứu này, các tác giả 
đề xuất tiếp tục tập trung vào việc khảo 
sát ứng dụng của một số bộ điều khiển 
dựa trên mạng thần kinh nhân tạo khác 
như bộ điều khiển thích nghi dựa trên mô 
hình mẫu (model reference adaptive 
controller) hoặc bộ điều khiển dự báo 
(model predictive controller). Ngoài ra, 
các giải pháp điều khiển lai ứng dụng 
logic mờ và mạng nơron hoặc kết hợp với 
các giải thuật tối ưu hóa sinh học cũng là 
những hướng nghiên cứu có thể được 
triển khai. 
PHỤ LỤC 
Thông số mô phỏng [8]: 
K1 = 0,1155; T11 = 24,926; T12 = 0,1584 
K2 = 3,006; T21 = 9,638; T22 = 0,34 
KB = 1,58; TB = 2.417 
SSF = 0,065; SF = 0,055; SH = 0,16 
TÀI LIỆU THAM KHẢO 
[1] G.F. Gilman, Jerry Gilman. Boiler control systems engineering. International Society of 
Automation - ISA, 2010. 
[2] Hulinjing, Zhangke, Liutao. Study on the boiler drum water level based on fuzzy adaptive control. 
2012 24th Chinese control and decision conference, China, 2012. 
[3] P.M. Lakshmi, H. P. Kumar. Steam boiler drum level control using DCS – One/three element 
method. International journal of advanced research in electrical, electronics and instrumentation 
engineering, 5(8): 6931 - 6937, 2016. 
[4] E.K. Arulkarthick, M. Santhosh, S. Saravanan, A. Sivasundar, R. Sudharsanam. Boiler drum level 
controller using microcontroller. International journal of intellectual advancements and research 
in engineering computations, 6(1): 41 – 46, 2018. 
[5] Bùi Quốc Khánh, Nguyễn Duy Bình, Phạm Quang Đăng, Phạm Hồng Sơn. Hệ điều khiển DCS cho 
nhà máy sản xuất điện năng - tập 1. NXB Khoa học và kỹ thuật, 2006. 
[6] Trần Thị Vân Anh, Lại Khắc Lãi. Điều khiển mức nước bao hơi bằng bộ điều khiển mờ - nơron. 
Tạp chí Khoa học & Công nghệ, 46(2): 108 - 113, 2008. 
[7] Lê Huyền Linh, Lại Khắc Lãi. Điều khiển mức nước bao hơi bằng bộ điều khiển dự báo (MPC). Tạp 
chí Khoa học và công nghệ, 51(3): 3-7, 2009. 
[8] Trần Quý Dương. Nghiên cứu, thiết kế bộ điều khiển mức nước bao hơi cho nhà máy nhiệt điện 
ứng dụng thuật toán điều khiển thông minh dựa trên logic mờ. Luận văn thạc sĩ kỹ thuật, Đại học 
Điện lực, 2017. 
[9] Bùi Quốc Khánh, Nguyễn Văn Liễn, Phạm Quốc Hải, Dương Văn Nghi. Tự động điều chỉnh truyền 
động điện. NXB Khoa học và Kỹ thuật, 2008. 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
Số 17 21 
[10] Zdenko Kovacic, Stjepan Bogdan. Fuzzy controller design: Theory and applications. CRC Press, 
2005. 
Giới thiệu tác giả: 
Tác giả Nguyễn Ngọc Khoát tốt nghiệp đại học chuyên ngành tự động hóa năm 2007, 
nhận bằng Thạc sĩ chuyên ngành điều khiển và tự động hóa năm 2009 tại Trường Đại 
học Bách khoa Hà Nội; nhận bằng Tiến sĩ chuyên ngành khoa học và kỹ thuật điện tử 
năm 2015 tại Trường Đại học Khoa học và Kỹ thuật điện tử Trung Quốc. Hiện nay tác 
giả đang là giảng viên và Phụ trách Bộ môn Kỹ thuật điều khiển, Khoa Điều khiển và 
Tự động hóa, Trường Đại học Điện lực. 
Lĩnh vực nghiên cứu: các nguồn năng lượng mới, điều khiển thông minh, các hệ thống 
truyền động và điện tử công suất thông minh. 
Tác giả Vũ Duy Thuận tốt nghiệp đại học chuyên ngành đo lường và tin học công 
nghiệp năm 2004, nhận bằng Thạc sĩ chuyên ngành điều khiển và tự động hóa 
năm 2008 tại Trường Đại học Bách khoa Hà Nội; nhận bằng Tiến sĩ chuyên ngành 
lý thuyết điều khiển và điều khiển tối ưu năm 2018 tại Viện Hàn lâm Khoa học và 
Công nghệ Việt Nam. Hiện nay, tác giả đang là giảng viên và là Trưởng Khoa Điều 
khiển và Tự động hóa, Trường Đại học Điện lực. 
Lĩnh vực nghiên cứu: các nguồn năng lượng mới, điều khiển thông minh, PLC và robot.
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
22 Số 17