火电机组汽轮机系统数字孪生模型研究

以数字孪生为理论指导建立数据驱动孪生模型,通过对机组历史运行数据的分析,利用深度学习中的深度森林算法,合理确定模型的输入输出参数,并采用改进的蝙蝠算法进行超参数优化,构建高精度的数据驱动模型。选取各模型的输出参数,利用相似度函数法预测输出数组与实际输出数组之间的欧几里得距离,实现对故障的准确检测。最后利用数字孪生模型对物理实体进行状态监测和故障检测试验,结果表明借助建立的数字孪生模型和故障检测体系,能准确检测汽轮机系统中加热器管路泄漏和进出水室短路故障,证明了该方法的有效性。     

模型偏差控制在有源功率因数校正中的应用

在有源功率因数校正(APFC)控制系统中引入模型偏差控制思想,采用模型偏差控制方法消除APFC系统在实际应用中的抖振问题,根据APFC状态方程得到PWM信号的占空比,并以单相Boost-APFC为例进行了Matlab仿真。仿真结果表明,采用模型偏差控制的APFC控制系统校正效果好,超调小,响应时间短。     

基于改进粒子群优化算法的PID控制器参数优化

针对PID控制器参数整定问题,提出一种基于改进粒子群优化算法的优化方法。该方法在实数编码及设定参数搜索空间的基础上,采用基于指数曲线的非线性惯性权值递减策略,以较大幅度地提高算法的收敛速度和精度;嵌入基于差分进化算法变异算子的局部搜索策略,以有效提高粒子个体的适应性和群体的多样性,改善解的质量,同时增强算法全局空间探索和局部区域改良能力的平衡。仿真结果表明,该方法与传统和智能算法相比较,所得到的控制器参数能够使控制系统获得更好的动态响应特性和满意的控制效果。