基于神经网络和过程机理特性的锅炉蒸发系统仿真

文中构建了一种基于神经网络和过程机理特性的自然循环锅炉蒸发系统仿真模型,该模型在型式上为混合人工神经网络模型,具有十分理想的仿真速度;在网络模型的设计上,较好地考虑了系统及网络输入与输出间的物理基础,网络模型在一定程度上由常规的黑箱模型转化为“灰箱模型”,与常规的神经网络模型相比,该网络模型的训练除了具有通常的输入输出间纯数值映射关系学习功能之外,还较为充分地体现了系统输入与输出间的物理机理学习,从而保证了网络模型的联想能力,对系统过渡过程的预报能力和外推效果,同时,利用前述的仿真方法还能够实现锅炉蒸发系统的在线建模,加强了模型对实际系统的描述能力,文中通过仿真试验结果证明了上述建模方法的有效性。     

300MW火电机组过热蒸汽温度模型预测控制研究

在分析300 Mw机组过热蒸汽温度被控对象特点的基础上,提出了一种基于模型算法控制的模型预测控制策略,分析并设计了控制算法的基本过程和过热蒸汽温度MPC-PID串级控制结构.采用MATLAB软件编制了过热蒸汽温度控制系统仿真程序,对该模型预测控制系统和常规控制系统进行了仿真研究和比较.结果表明,过热蒸汽温度MPC-PID控制系统具有较好的给定值跟随性、抗干扰性和鲁棒性.     

基于GMDH神经网络的超超临界机组过热蒸汽温度预测模型及仿真研究

由于超超临界1 000MW机组过热蒸汽温度控制对象具有大滞后、非线性、动态参数随工况变化大等特点,使得传统的控制方法难以适应过热蒸汽温度的控制,出现过热蒸汽温度波动大,甚至超温等问题。对此,采用数据处理群集方法(GMDH)神经网络建立了过热蒸汽温度动态预测模型,以预测过热蒸汽温度的变化趋势。仿真结果表明,基于GMDH神经网络的过热蒸汽温度预测效果优于线性神经网络和BP神经网络,具有较好的移植性和实用性。     

基于SIS平台的先进控制策略在汽温控制中的仿真及应用

提出了基于SIS平台的先进控制策略。以某电厂SIS系统为例,锅炉过热蒸汽温度作为研究对象,分不同的工况建立起不同的神经网络模型并采用不同的控制算法。仿真结果表明:分不同的工况建立的过热汽温神经网络动态模型,能够很好地预测对象的动态特性,基于神经网络模型的动态矩阵预测控制策略取得了优于传统PID的控制效果。     

基于小波网络的水轮发电机组自适应控制研究

由于水轮发电机组的动力学模型比较复杂，其动态模型解析式难以精确得到，因此依据小波的非线性逼近能力和神经网络的自学习特性，提出了一种基于小波神经网络自适应控制算法。文中系统由两个小波网络组成，分别实现水轮发电机组的在线辨识与控制。仿真试验表明，该系统比采用神经网络控制具有更好的控制效果。     

基于模糊神经网络智能PI的过热蒸汽温度控制研究

介绍了在电厂过热蒸汽温度控制中采用模糊神经网络智能PI(FNN-PI)的控制方法。将基于FNN-PI的过热蒸汽温度控制系统与传统的PID过热蒸汽温度控制系统进行了仿真比较,结果表明采用FNN-PI的过热蒸汽温度控制系统的控制特性在超调量、快速性、抗干扰方面均有很大的提高。     

基于BP神经网络的锅炉火焰中心对过热蒸汽温度影响的试验研究

过热汽温控制是大型火电机组中必不可少的重要组成部分,针对大型火电机组锅炉过热气温对象多容、大惯性、大延迟、非线性的特性,利用MATLAB程序设计,基于BP神经网络(Back Propagation Neural Network)算法,进行了改变锅炉火焰中心位置对过热蒸汽温度的影响的试验研究,发现了炉膛各层给煤量与过热蒸汽温度的联系,结合机理分析提出了一种通过改变各层燃烧器给煤量来改变过热蒸汽温度的方法,该方法实施简单、操作方便,仿真结果表明,此种方法具有较好的预测精度和泛化能力。     

机器人逆动力学神经网络建模

针对神经网络逆动力学模型用于前馈控制的网络泛化能力问题,通过对实际机器人的仿真实验,分析了前馈神经网络学习的机理,对神经网络训练过程中的数据采样环节进行了改进,提出了在状态空间域中进行数据筛选和处理的神经网络学习方法。通过二自由度机器人运动仿真实验表明,该方法提高了模型泛化能力,有利于实时动力学前馈控制方法的实用化;与传统PID控制相比,该神经网络模型进行动力学前馈控制能大幅度减少动态误差,改善了系统稳定性。     

基于SIS的预测控制应用研究

火力发电厂厂级监控信息系统(SIS)作为一种以优化机组运行、提高运行经济性为主要目标的信息系统,已在火电厂厂级管理方面发挥了重要作用.为了更加有效地利用SIS平台上的大量数据,提出了基于SIS平台的动态矩阵预测控制.以湖北某电厂SIS为例,将锅炉过热蒸汽温度作为控制对象,蒸汽流量作为扰动量来反映锅炉运行工况的变化.采用神经网络辨识方法建立被控对象的动态模型并将动态矩阵控制算法应用到蒸汽温度控制系统.仿真结果表明,基于仿真数据建立的过热蒸汽温度神经网络动态模型,能够很好地预测被控对象在不同运行工况下的动态特性,基于神经网络模型的动态矩阵控制策略优于传统PID的控制效果.     

神经网络的柔性改进及其在开关磁阻电机控制中的应用

提出三自由度柔性双极性神经网络的结构、原理以及算法,由于网络多自由度学习的特点,使得其学习能力较传统神经网络大为增强。为了全面研究网络柔性对学习能力及复杂性的影响,将三自由度网络与单自由度网络及两自由度网络进行了比较。在学习逼近开关磁阻电机非线性磁化曲线过程中,基于三自由度的神经网络表现出优良的性能,和传统神经网络及两自由度网络比,其更加柔性的特点可以使网络具有更少的神经元、更快的学习速率。基于所提三自由度神经网络,建立了开关磁阻电机转矩逆模型和磁链模型,构建了电机控制系统,有效补偿了电机的非线性特性。仿真结果表明,基于柔性神经网络的开关磁阻电机控制系统有效降低了转矩脉动,系统运行平滑。     

基于神经网络辨识的模糊预测函数控制

针对生产过程中存在的滞后性、时变性、不确定性和变工况等特点及预测函数控制中模型失配的影响的情况,提出了基于神经网络辨识参数、通过模糊推理对控制量进行补偿的解决方案。并将基于神经网络辨识的模糊补偿预测函数控制应用于锅炉燃烧控制系统,通过连续系统仿真,结果表明这种控制器具有较强的鲁棒性。     

模糊神经网络负荷模型的内插外推能力

为了分析综合负荷模型的实用性,研究了综合负荷模型的内差外推能力。通过分析模糊神经网络综合负荷模型建模数据的特征,确定模糊模型的初始结构;通过模糊神经网络对建模数据的学习,获取模糊推理规则并调整隶属度函数的参数,进而辨识出模糊模型并调整隶属度函数;将电压、有功和无功作为模糊神经网络的广义模型输入,对综合负荷进行解耦建模。在综合负荷构成成分相同的3组数据中,用其中1组建模数据训练得出模糊模型的结构和参数去拟合其它2组建模实测数据,获得良好的拟合效果,从而验证了模糊神经网络综合负荷模型的良好的内插外推能力和收敛性。该特性对于综合负荷模型的实用化具有重要的指导意义。     

动态RBF神经网络在非线性系统建模中的应用

在分析传统RBF神经网络算法的基础上,提出了改进的最临近聚类算法和隐含层节点的增加与修剪策略,从而增强了RBF神经网络的非线性系统建模能力。以锅炉燃烧过程为实例,通过从现场采集的数据建立神经网络模型,使用改进的算法建立系统的初始神经网络模型,再经过改进算法不断修正模型,取得了比较满意的效果。     

电液位置伺服系统的模糊神经网络控制

针对电液位置伺服系统中的非线性、参数时变性等复杂因素,设计了一种模糊神经网络控制方案。由于常规的模糊神经网络学习算法具有权值调整复杂,收敛速度慢的缺点,因此采用模糊逐级误差逼近方法来调整模糊神经网络的权值。该算法易于实现,网络权值在线学习速度较快,而且计算量小于其他的常规神经网络学习算法。将该方法应用于电液位置伺服控制系统中,在对象参数摄动情况下,进行了仿真研究。仿真结果表明,采用该方法所设计的控制器满足系统对快速性和稳态精确度的要求,系统的鲁棒性增强,验证了方法的有效性。     

大容量超临界直流锅炉数学模型的研究

采用模块化建模方法开发了大容量超临界直流锅炉动态仿真数学模型.根据超临界直流锅炉的工作机理和特性,以能量和质量守恒原理为基础,详细论述了其蒸发系统的数学模型算法,并结合其它相关模块算法,利用华北电力大学STAR-90仿真系统开发平台,建立了600 MW超临界直流锅炉的实时仿真模型.仿真试验表明,所开发的教学模型能够正确反映对象的动态特性,可为大容量超临界仿真系统的开发及超临界直流锅炉控制系统的设计提供参考.     

考虑威胁传播特性的电力CPS安全态势评估方法

电力信息物理系统（cyber physical power system, CPPS）（简称电力CPS）在提高智能电网的信息化、自动化、智能化程度的同时,也带来了一些潜在的风险问题,这是由一次系统与二次系统耦合过程中的复杂机理导致的,该类风险具有级联性和隐蔽性。在此背景下,提出了一种考虑威胁传播特性的电力CPS安全态势评估模型。首先,将电力CPS抽象为一个网络,将系统中的资产定义为网络节点、资产间存在的连接定义为网络的边;然后,将资产间的威胁传播定义为威胁传播树,并对电力CPS中各资产重要性进行量化评估;最后,采用一种适合该场景精确度与时效性的折中决策隶属度函数,在过滤后的信息基础上使用改进威胁传播树进行态势评估,并在IEEE-30节点系统上进行算例分析,仿真结果验证了所提模型的可行性和有效性。     

汽轮发电机组振动故障诊断中的改进BP算法

针对大型汽轮发电机组振动故障的特点，提出了一种基于误差逼近度渐进收缩学习算法的反向传播（BP）网络诊断模型，给出了BP网络误差函数和新型的权值调整公式，并将其应用于汽轮发电机组振动故障诊断与识别。实例结果表明，该算法学习收敛较快，误差曲线平稳，不会引起误差曲线振荡。     

基于人工神经网络的电力系统暂态安全域估计

本文提出了一种利用人工神经网络来描述和拟合电力系统暂态安全性能的方法方法，介绍了一种将集总学习规则和最小二乘法结合起来的快速学习算法。利用某一简化的电力系统。对本方法进行了验证，并将所提出的快速学习方法和传统的B-P学习法进行了比较。     

过热汽温模糊神经网络预测控制器的设计

针对锅炉过热汽温的特点，设计前馈—反馈串级复合型控制系统。主控制器采用基于神经网络预测模型的模糊神经控制，即该控制器首先是将神经网络与预测控制相结合，采用改进的递阶遗传算法对神经网络的权值和结构同时进行训练，实现了非线性、大时滞系统模型的精确预测；然后将模糊控制与神经网络相结合，实现模糊神经预测控制。副控制器采用二自由度PID控制器。仿真结果表明，该控制显著提高锅炉过热汽温这一非线性、大时滞系统的控制品质，且易于工程实现。