锅炉-汽轮机对象的多变量状态反馈线性化

锅炉 汽轮机对象是一个典型的多输入多输出仿射非线性系统。本文利用多输入多输出状态反馈线性化理论,首先将其转化为一个线性系统,然后为该线性系统选择合适的极点,应用多变量极点配置方法对其进行控制。该方法克服了局部线性化方法工作范围小的缺点。仿真结果证明了该方法具有较好的控制效果。     

基于DCS的锅炉过热器和再热器金属诊断方法的研究

使用分散控制系统 (DCS)中的数据实现对电厂锅炉过热器和再热器金属的监测和诊断 ,介绍了由DCS中读取数据的具体方法和金属寿命损耗的计算方法     

湿法烟气脱硫系统脱硫效率的建模与仿真

石灰石／石膏湿法烟气脱硫在我国火电站脱硫中占有重要地位。在脱硫工艺原理的基础上,建立了湿法烟气脱硫效率模型,探讨了模型中参数的确定方法;基于Matlab程序编程仿真,研究了液气比、pH、入口SO2浓度和入口烟气温度对湿法脱硫效率的影响。模型的建立对于优化脱硫工艺及电厂脱硫人员培训具有一定的指导意义。     

超超临界二次再热机组再热汽温调节方案应用分析

二次再热机组相对一次再热机组的热力系统具有更加复杂的结构,且国内二次再热技术的应用刚刚起步,缺乏建设与运行经验,从而导致新建二次再热机组难以确定调节方案。对国内新投产华能安源660 MW、国电泰州1 000 MW超超临界二次再热机组再热汽温的调温原理、控制方案以及投运效果进行了详细的总结分析。分别给出了这2种典型调节方案的优势与缺陷,并基于此给出了改进建议,为二次再热机组再热汽温调节方案的选取与改进提供参考。     

对环境应急预案编制的几点思考

结合化工企业环境应急预案编制的实际,提出了在石油化工企业环境应急预案编制中应注意的问题,强调了环境应急预案编制的特点,通过编制环境应急预案,可以实现事前预防、事中应对、事后补救,将事故的危险降到最低的目的.     

基于改进T-S模型的热工过程模糊辨识算法

提出了一种实用的基于T-S模型的热工系统模糊辨识方法。采用启发性知识与复合非线性优化方法相结合的综合方法求解出模糊模型的结构,然后通过基于熵的聚类和竞争学习算法对热工过程的输入数据空间进行划分,在此基础上利用递推最小二乘辨识算法建立一个热工过程的T-S模型。文中给出了熟知的Box-Jenkins数据的辨识结果,并将该方法应用于辨识单元机组的协调控制系统。     

基于反馈线性化的二自由度协调控制系统设计

协调控制系统的性能直接影响单元机组运行的安全性和经济性。为了克服非线性环节以及能量供需之间关联耦合作用对协调控制系统控制品质的影响,将反馈线性化方法与二自由度控制结构结合,针对一个典型的非线性机炉系统模型,设计出协调控制系统。在不同工况下的仿真试验表明,所设计的控制系统具有良好的设定点跟踪性能、抗干扰能力及鲁棒性。     

基于混沌相空间重构与支持向量机的风速预测

讨论了基于混沌相空间重构和支持向量机的风速预测。对风速数据的混沌特性进行分析,在此基础上进行相空间重构,采用C-C算法求取嵌入维数m和延时时间τ,确定预测模型的输入维m与样本集;在样本集中,采用粗搜索和细搜索的方法选取预测点的参考点,在进行细搜索的过程中提出相关性分离速率的方法,提高了预测精度。利用支持向量机强大的泛化能力,构造出风速预测回归函数,避免了传统的人工神经网络所存在收敛速度慢、结构选择困难和局部极小点问题。最后采用新西兰某风电场采样周期为10min的风速测量数据进行风速预测,实验结果表明采用Chaos-SVR方法有效降低了风速预测误差,且此方法与神经网络法相比具有更好的泛化能力和更高的预测精度。     

LS-SVM误差补偿的广义预测控制

广义预测控制（Generalized Predictive Control,GPC）汲取了DMC（Dynamic Matrix Control）、MAC（Model Algorithmic Control）中的多步预测优化策略,抗负载扰动、随机噪声、时延变化等能力强,且选取模型参数少,利于控制。然而,据研究发现GPC对模型失配问题有一定的局限性。最小二乘支持向量机（Least Squares Support Vector Machine,LS-SVM）是在支持向量机的研究基础上发展而来的,具有良好的回归、分类功能。在认真学习LS-SVM原理的基础上,提出了基于LS-SVM误差补偿的广义预测控制,并选择两个模型进行了仿真实验。通过与常规GPC的比较,表明了该算法具有更优的控制性能。     

粗糙集理论和贝叶斯网络在汽轮机振动故障诊断中的应用

针对实际的汽轮发电机组振动故障诊断中常存在冗余和不确定性信息这一问题,基于智能互补融合的思想,将粗糙集理论与贝叶斯网络有机结合在一起,提出了一种汽轮机振动故障诊断新方法.利用粗糙集信息表约简方法实现对故障特征的约简,以获取最小诊断规则.基于最小规则的贝叶斯网络模型可以有效降低网络构造的复杂性,同时利用贝叶斯网络来发现节点间的潜在关系,解决故障诊断过程中的不确定推理问题,从而提高诊断效率.最后,进行了故障实例分析,结果证明了该方法的有效性.