基于KPLS的燃气-蒸汽联合循环变工况建模研究

以宝钢电厂燃气-蒸汽联合循环发电机组为背景,在深入分析了联合循环机组变工况性能的基础上,为解决常规的机理建模方法主要关注机组在设计工况附近的性能而在机组运行点偏离设计工况较远时模型误差较大的问题,将基于机组运行特性曲线的机理模型和基于KPLS的数据模型相结合,建立了以大气温度/压力、燃料流量、冷却水温度/流量和汽轮机背压为输入,机组出力为输出的联合循环混合模型。基于核函数的偏最小二乘方法(KPLS),是将PLS和核函数理论相结合,提高了PLS方法的非线性处理能力。用基于KPLS的数据模型修正机理模型预测值与机组实测值的偏差,使得混合模型既能反映过程机理,同时又具有较高的精度。以宝钢电厂联合循环机组的历史运行数据为例,对单纯的机理模型与混合模型进行了比较。实验结果表明,与单纯的机理模型相比,混合模型的精度有较大提高。     

基于分层分块状态相关独立成分分析的火力发电过程运行状态评价

火力发电承担着我国电能供应的重要任务,实时掌握火力发电过程运行状态,对于提高煤炭资源利用率,实现综合经济效益的提升具有重要意义.针对火力发电过程,提出一种新的基于分层分块状态相关独立成分分析的运行状态评价方法.该方法将火力发电全流程进行纵向和横向的层次结构划分.在利用分层分块状态相关独立成分分析建立评价模型时,不仅能够有效提取子系统内部与过程运行状态密切相关的特征信息,还能够提取不同子系统之间的相关关系和相互作用对全流程运行状态的影响.所提出方法能够降低评价模型的复杂度,改善评价结果的可解释性.当过程运行状态非优时,根据子系统的评价结果和变量贡献率精准定位非优原因.最后,以某火力发电过程为背景验证所提出方法的有效性.     

基于lasso和elastic net的宽度学习系统网络结构稀疏方法

本文提出了一种基于lasso和elastic net的宽度学习系统(BLS)网络结构稀疏方法, 将标准BLS目标函数中的 L2范数分别替换为lasso和elastic net, 利用这两种正则化技术来约束网络输出权重, 衡量每个网络节点输出权重对 预测的影响程度, 将多余的节点进行剔除, 提高了网络结构的稀疏性. 通过对一些回归数据集进行实验, 可以看到 本文提出的方法在不损失预测精度的前提下, 同时简化了网络结构.     

基于过程迁移的间歇过程终点质量预报方法

提出了一种基于过程迁移的间歇过程质量预报方法,旨在解决新间歇过程数据不足难以建立准确预报模型的问题。该方法基于多元统计回归分析模型,通过构建相似间歇过程间的共同潜变量空间,将已有相似间歇过程的数据信息迁移应用到未建模的新间歇过程中,实现新间歇过程的快速建模和质量预报。在线应用时,利用在线数据不断更新过程迁移模型;同时,实时估计模型预测误差的置信区间,判断预报模型预测误差的稳定性;为克服相似过程间可能存在的差异给迁移模型带来的不利影响,根据数据相似度逐步剔除相似间歇过程数据。最后,通过仿真实验验证了所提方法的有效性。     

基于CWGANs数据增强的离心压缩机迁移建模方法北大核心CSCD

将传统迁移建模方法用于工业过程中的多台相似离心压缩机建模时,由于压缩机之间的数据不平衡会出现“负迁移”问题。针对这一问题,提出了一种基于CWGANs数据增强的离心压缩机迁移建模方法,以实现多台压缩机建模数据均衡化并改善迁移建模效果。首先,使用条件式Wasserstein生成对抗网络产生多台离心压缩机运行数据以平衡数据集,并改善了初始生成对抗网络训练不稳定的情况;然后,基于多任务最小二乘支持向量机提出了压缩机迁移建模方法,根据压缩机之间的相关性,利用平衡后的数据集建立多台目标压缩机的预测模型。实验结果表明,所提方法可以实现多台相似离心压缩机的统一建模,同时克服了数据不均衡时的“负迁移”问题,提高了最终模型的泛化性和预测精度。     

大型离心式通风机性能预测方法

针对现有离心式通风机性能预测方法不能充分利用离心式通风机历史运行数据、建模周期长等问题,提出了基于最小二乘支持向量机(LSSVM)与拉丁超立方采样(LHS)的大型离心式通风机性能预测方法。选取出口压力作为衡量通风机性能的指标,利用LSSVM建立离心式通风机性能预测模型;通过LHS方法采集离心式通风机的入口温度、入口压力、入口流量和转速,将采集的数据进行归一化处理后用于LSSVM模型的训练;通过测试数据验证所建立模型的有效性。仿真结果表明,基于LSSVM与LHS的大型离心式通风机性能预测方法能够充分利用已有通风机数据信息快速准确地预测通风机性能。     

基于ISDAE模型的复杂工业过程运行状态评价方法及应用

工业过程的运行状态评价对保证产品质量及提升企业综合经济效益具有重要意义. 针对工业过程中存在强非线性、信息冗余以及不确定性因素影响而难以建立稳健可靠的运行状态评价模型问题, 提出一种基于综合经济指标驱动的稀疏降噪自编码器模型(Comprehensive economic index driven sparse denoising autoencoder, ISDAE)的复杂工业过程运行状态评价方法. 首先, 在SDAE (Sparse denoising autoencoder)模型中引入综合经济指标预测误差项, 迫使SDAE学习与综合经济指标相关的数据特征, 建立ISDAE特征提取模型. 其次, 将ISDAE模型所学特征作为输入训练运行状态识别模型, 级联特征提取模型和运行状态识别模型并通过微调网络结构参数获得运行状态评价模型. 另外, 针对非优状态, 提出一种基于自编码器贡献图算法的非优因素追溯方法, 通过计算变量的贡献率识别非优因素. 最后, 将所提方法应用于重介质选煤过程, 验证所提方法的有效性和实用性.     

多级离心压缩机防喘模型与防喘控制策略研究

以燃气-蒸汽联合循环发电机组煤气系统为背景,基于压缩机能量损失机理建立多级离心压缩机系统防喘控制模型,并利用改进自适应遗传算法辨识机理模型中难以准确获得的参数.基于此模型,制定相应的防喘控制线确定方法和防喘控制策略.将所建立的防喘模型和防喘控制策略应用于实际的煤气系统中,结果表明该防喘模型能准确预测多级离心压缩机的性能,所制定的防喘控制策略能有效防止喘振的发生,取得了满意的控制效果.     

基于多尺度核JYMKPLS迁移模型的间歇过程产品质量的在线预测方法

针对过程数据不足,且具有强非线性和多尺度特性的新间歇过程,结合迁移学习方法与多尺度核学习方法的优势,提出了一种基于多尺度核JYMKPLS（Joint-Y multi-scale kernel partial least squares）迁移模型的间歇过程产品质量在线预测方法。该方法首先通过迁移学习利用相似源域的旧过程数据提高新间歇过程建模效率和质量预测的精度。然后,针对间歇过程数据的非线性和多尺度特性问题,引入了多尺度核函数以更好地拟合数据变化的趋势,从而提高模型的预测精度。此外,提出模型在线更新和数据剔除,通过在线持续改善迁移模型对新间歇过程的匹配程度,以消除相似过程间的差异性给迁移学习带来的不利影响,从而不断地提升预测精度。最后,通过仿真验证了所提方法的有效性,结果表明,与传统的数据驱动建模方法相比,本文所提方法能够有效提高建模效率和预测精度。     

基于过程迁移的间歇过程终点质量预报方法

提出了一种基于过程迁移的间歇过程质量预报方法,旨在解决新间歇过程数据不足难以建立准确预报模型的问题。该方法基于多元统计回归分析模型,通过构建相似间歇过程间的共同潜变量空间,将已有相似间歇过程的数据信息迁移应用到未建模的新间歇过程中,实现新间歇过程的快速建模和质量预报。在线应用时,利用在线数据不断更新过程迁移模型;同时,实时估计模型预测误差的置信区间,判断预报模型预测误差的稳定性;为克服相似过程间可能存在的差异给迁移模型带来的不利影响,根据数据相似度逐步剔除相似间歇过程数据。最后,通过仿真实验验证了所提方法的有效性。