火电机组过程大数据建模方法研究

近年来,大数据产业保持高速发展态势,而过程工业大数据建模技术发展相对缓慢。在该背景下,以火电机组过程大数据为研究对象,首先分析火电机组过程大数据的特点及其进行大数据建模所面临的困难;接下来对现有国内外火电机组过程大数据建模方法及存在问题进行了分析;最后提出一种基于火电机组过程大数据的全工况自适应传递函数建模方法,该方法应用数据挖掘技术选取不同工况下的合格建模数据,通过云计算平台应用数据驱动传递函数建模方法建立全工况范围内大量的系统模型,再应用线性变参数及数学插值等算法对大量系统模型进行融合,最终获取系统全工况自适应传递函数模型。该建模思路为火电机组等过程工业大数据建模提供了一种较好的方法参考。     

基于迟延估计与Kalman状态跟踪的热工过程动态数据驱动建模

针对常规热工对象历史数据建模过程中稳态数据获取困难的问题,从数据选取、数据处理和方法设计3方面出发,提出一种基于迟延估计与Kalman状态跟踪的热工过程动态数据驱动建模方法。该方法选取动态历史数据作为建模数据,将数据末端输入值作为输入稳态分量,将纯迟延时间及输出的稳态分量作为寻优变量的2个维度,并依据各量的值对数据进行处理;应用Kalman滤波算法获取系统初始状态后,结合智能寻优算法对系统进行建模仿真,对某火电机组高温过热器惰性区进行建模。结果表明:该建模方法能够直接应用系统的动态历史数据进行模型辨识,且所建模型具有较好的模型精度,为动态历史数据建模提供了参考。     

大数据技术在火电厂SCR脱硝系统中的应用

针对SCR脱硝系统过量喷氨造成的运行成本升高,催化剂寿命降低,空预器阻塞风险加大等问题,提出应用大数据分析及建模技术解决脱硝系统现存问题的解决方案,主要包括应用大数据挖掘及建模技术,对SCR系统最优喷氨量、催化剂寿命及实时活性、空预器差压及阻塞风险等进行算法设计及智能预测,同时依据所设计算法搭建了对应的大数据智慧环保平台,并对该平台建设方案、系统架构及应用效果进行了说明。通过对平台应用前后SCR脱硝系统的经济效益对比可知,该平台的应用大幅的降低了系统运行成本,提高了企业综合经济效益。作为大数据技术在SCR脱硝领域的有益尝试,该平台的研发实现了“互联网+”在脱硝领域的新突破,为火电脱硝行业的发展指明了新的方向。     

变滤波器参数的内模控制在炉内脱硫系统中的应用

基于内模控制、模糊控制,针对炉内脱硫过程对象的大迟延、大惯性、变参数的特点,设计了变滤波器参数的内模控制系统。该控制方案对工况变化具有较好的自适应能力且实现简单。对某300MW循环流化床机组炉内脱硫系统的3种典型工况进行模型辨识及控制仿真,结果表明,该控制方案,超调小,过渡时间短,动态性能好,控制效果优于PID控制与内模控制。     

火电机组过程大数据建模方法研究

火电机组属于过程工业系统,常规大数据建模技术在该类系统中的应用具有一定的局限性。为此,本文以火电机组过程大数据为研究对象,首先分析火电机组过程大数据的特点及其进行大数据建模所面临的困难;接下来对现有国内外火电机组过程大数据建模方法及存在问题进行了分析;最后提出一种基于火电机组过程大数据的全工况自适应传递函数建模方法,该方法应用数据挖掘技术选取不同工况下的合格建模数据,通过云计算平台应用数据驱动传递函数建模方法建立全工况范围内大量的系统模型,再应用线性变参数及数学插值等算法对大量系统模型进行融合,最终获取系统全工况自适应传递函数模型。该建模方法将数据驱动传递函数建模与过程工业大数据进行了有益结合,为火电机组等过程工业大数据建模提供了一种较好的方法参考。     

基于PID的模糊内模控制在炉内脱硫系统控制中的应用

针对炉内脱硫过程对象的大惯性、大迟延、参数时变的特点,设计了基于PID控制器的模糊内模控制系统,该控制系统对变工况具有较好的自适应能力且易实现。对某300 MW循环流化床机组炉内脱硫系统的3种典型工况进行模型辨识及控制仿真,结果表明该控制系统超调较小,过渡时间短,动态性能好,控制效果优于PID控制及内模控制。     

基于IATLBO与稳态初值寻优的波动热工系统建模

针对人为选取热工系统稳态分量不准确,造成建模精度下降的问题,提出一种基于IATLBO(improved adaptive teaching-learning-based optimization algorithm)与稳态初值寻优的波动热工系统建模方法。方法将系统稳态分量与模型参数均看作未知量,依据智能优化算法寻优过程中所分配的系统稳态分量,动态的对系统输入输出数据进行稳态分量的剔除,从而有效的避免人为选取所产生的误差;寻优过程选取智能优化算法为教学优化算法,结合真实教学过程,对算法进行了改进,并应用标准测试函数进行仿真,验证了算法的高效性。对某波动热工系统进行建模,表明了上述方法的有效性。     

二阶时滞工业系统的自调整模糊内模PID控制

基于内模控制理论,针对二阶时滞工业系统,设计了模糊内模PID控制方案.该方案实现简单,且对工况的变化具有优良的适应性.对某典型的时滞工业过程的三种不同工况进行二阶建模与仿真,结果表明,该控制方案,超调小,过渡时间短,动态性能好,控制效果优于内模控制及PID控制.     

基于状态观测与教学优化算法的多变量系统历史数据驱动辨识

常规智能算法与历史数据结合进行多变量系统辨识的方法,选取表征系统由稳态过渡到动态过程的数据作建模数据,当该过程含有未知扰动时,无法准确建立对象模型.本文提出一种基于状态观测与教学优化算法的多变量系统历史数据驱动辨识方法.该方法选取系统由动态回归稳态的历史数据,并根据其稳态终值进行去稳态分量处理.再将其分为两段,应用状态观测器与预估模型对第1段数据末端的系统状态进行估计,并将估计值作为第2段数据对应的系统初态;应用第2段数据的输入对预估模型进行仿真,采用教学优化算法寻优预估模型参数,使仿真输出接近实际输出.仿真实验表明该方法可以克服扰动对模型辨识精度的影响.最后对某火电机组协调控制系统进行建模,结果表明了该方法的有效性.