基于群体多维相似性的风机齿轮箱预警策略

风场区域气候周期性变化及气象条件瞬时变化都会直接影响风电机组设备运行状况,已有齿轮箱故障预警策略较少与周边相似风机联动,偏向于"单体预警"。将高斯混合模型、动态时间规整及熵权值算法三者紧密结合,提出了一种基于群体多维特征相似性的故障预警策略:通过与周边风机的相似性联动,消除周期性及瞬时性环境因素对预警结果的影响;采用分级时间滚动窗口生成风机相似关系,保留数据的时间次序属性,展示研究对象的数据资源迁徙规律,判断潜在故障风机。最后,用福建沿海风场监控与数据采集系统(SCADA)数据验证了所提预警算法的有效性与实效性,至少可以提前26天预警潜在故障风机。     

基于集成NSET和模糊软聚类的风电机组齿轮箱状态监测

风电机组齿轮箱的故障频率和维修成本较高,有必要对其运行状态进行实时监测。非线性状态估计(NSET)算法有着对记忆矩阵依赖大、无法有效利用数据资源改善精度、实时性差等不足。为此,提出一种基于模糊软聚类和集成NSET的状态监测方法:使用模糊软聚类将历史数据分为边界有重叠的不同类别,实现工况的软划分并构造多个不同工况的NSET模型作为个体学习器;以参数回归方法作为结合器,可在不影响实时性的同时,使用大量数据训练参数以改善精度。用某2 MW风电机组的齿轮箱故障数据进行验证,结果表明,相比常规方法,提出方法的精度和实时性均更优;通过预测残差均值和基于残差构造的健康指数,能够灵敏、准确的反映齿轮箱的早期故障及其发展趋势。     

基于间隙度量和二次型优化的电站主汽温控制

提出了一种基于反馈线性化、间隙度量和二次型最优控制的非线性系统控制器设计方法。非线性被控对象在不同平衡点线性化后得到若干线性系统模型,通过计算可以得到各个线性系统模型之间的间隙度。依据间隙度理论,合理选择标称系统 P 以及设计其相应的控制器 K,得到反馈系统(P, K),从而使得非线性系统全局稳定,PID 控制器参数采用二次型最优控制准则求得。采用该文所提方法对某超临界600 MW直流锅炉主汽温系统4种典型工况进行仿真控制,结果表明了该方法的有效性,且控制性能优于常规的串级PID系统。     

Matlab与C混合编程在火电仿真软件开发中的应用

利用Cmex-S函数实现Matlab与C混合编程，建立火电仿真设备模块，这样大大提高仿真的执行速度及算法安全保密性。使用Cmex-S函数编写模版，用户只需编写S函数的子函数，无需单独编写繁琐的入口子程序．就可编写C语言mex文件，提高了开发效率。实践证明，该方法能有效的用于仿真软件开发，使得复杂动态对象仿真模块简洁高效，还可以起到保护算法安全和知识产权的作用。     

遗传算法在数据挖掘中的应用分析

该文主要分析了数据挖掘的有关概念及其数据挖掘的过程。详细阐述了遗传算法的基本思想．步骤及其在数据挖掘中的应用，以遗传算法在旅行商问题中的应用为例，全面分析了遗传算法在数据挖掘应用过程及其实现的计算效果，同时对简单的遗传算法在数据挖掘中的应用存在的问题进行了讨论。     

基于条件互信息的NOx生成量模型变量-时滞联合选择方法

为了提高脱硝系统入口NO_x生成量模型的精度和泛化能力,在选择辅助变量的同时也应考虑变量时滞的影响,提出了一种基于条件互信息的变量-时滞联合选择方法。以条件互信息作为变量选择的依据,抑制辅助变量间相关性造成的信息冗余,同时考虑时滞对变量选择的影响,在选定辅助变量时对时滞进行联合估计,以最大化辅助变量集包含的有效信息。以某600 MW燃煤电站的实际运行数据为算例,基于该联合选择方法和BP神经网络建立了NO_x生成量模型。结果表明:与仅基于互信息或条件互信息进行变量选择相比,基于联合选择方法所建立的模型精度和泛化能力相对较好。     

一种基于向量图分析的迭代学习控制算法

基于向量图分析的思路,对迭代学习控制算法进行了研究。在前人分析的基础上,针对输出可测量的控制系统,提出了一种带角度修正的迭代学习控制算法。该算法利用同一三角形中角度和边长对应关系的原理,将相邻两次误差的大小关系转化为对应角度的大小关系,以此来判断控制量调整的方向,并用二者角度差二分之一的正弦对修正项进行"奖-惩",不断调整系统输入,使得系统输出能加快收敛到期望轨迹,通过数值仿真,证明了该算法的有效性和优越性。     

改进的模糊Smith串级主汽温控制仿真研究

针对电厂主汽温被控对象大惯性、大迟延和时变的特点,提出一种带Smith预估器的模糊PID串级控制系统。主回路采用含有滤波作用的改进的Smith预估器实现对迟延的补偿,降低了Smith预估器对模型精度的要求。结合模糊控制良好的非线性优点,主控制器采用模糊自整定PID控制器,对PID参数在线进行调整。仿真实验表明,该控制方法在正常工况和参数变化的情况下,超调量和调节时间等方面都有所改善,提高了控制系统的鲁棒性和抗干扰能力。