两类热工对象动态特性的通用辨识方法

以传递函数为数学模型讨论了利用频域数据辨识有自平衡能力和无自平衡能力两类热工对象动态特性的通用方法，分别描述了阶次、积分环节数和各参数的辨识过程，并给出了两类热工对象的辨识实例，结果表明：该方法具有一定的精度和工程应用价值，其递推的特点使其对于热工对象动态特性的在线辨识也有参考价值。     

基于自适应竞争聚类的多输人多输出热工过程模糊辨识

针对多输入多输出（MIM0）热工过程的非线性、强耦合、变工况及参数时变等特点,提出了一种基于系统输入输出数据和模糊自适应竞争聚类的模型辨识新方法．该方法首先依据系统的各个典型运行工况,使用模糊自适应竞争聚类对输入输出数据进行聚类划分,并对T—S模糊模型进行结构辨识,以确定系统的模型结构和参数;然后采用最小二乘递推算法对模型后件参数进行辨识,同时对结构辨识参数进行精确修正．将所提出的模型辨识方法用于锅炉一汽轮机非线性系统的模型辨识,仿真结果验证了该方法的有效性．     

基于系统辨识的超临界600MW机组给水控制热工对象建模与仿真

超临界机组给水控制的任务是以中间点温度或焓值作为表征量,进而控制汽温和不同负荷下的给水量。中间点焓值概念明确、灵敏度高,并且由于工质大比热特性,故应用中间点焓作为表征量更科学。对于直流锅炉给水的吸热、蒸发和过热之间没有明确分界的复杂对象,机理建模已难于适用。而以输入输出数据提供的信息来建立热工对象模型的系统辨识方法则显出优越性。依据某超临界600MW机组DCS数据图,应用MATLAB系统辨识建立了中间点焓值-给水量热工对象数学模型并降阶简化。最后以一仿真实例验证了模型的有效性、准确性及工程应用价值。     

基于扩展最小资源分配网络的热工过程辨识

针对热工过程中表现出的非线性、时变性、大迟延和大惯性等特点,在分析热工过程辨识实际需要的基础上,采用扩展最小资源分配网络,建立了热工过程的非线性在线网络模型.这种模型能较好地解决神经网络序列在线学习问题,其计算量小、计算精度较高.实例计算验证了这种建模方法的有效性和快速性,为热工过程非线性模型的建立提供了一种新的方法.     

水轮机及其调速系统建模与参数辨识方法

介绍了时域法、频域法和遗传算法等常用的电力系统模型辨识方法。以现场试验数据为基础,分别用PLPF法和遗传算法对水轮机及调速系统进行了参数辨识,结果表明遗传算法能较准确地辨识出系统各个环节的数学模型,仿真曲线更接近实际,体现了遗传算法在非线性模型辨识方面的优越性。     

汽轮机调节系统参数辨识的激励信号研究

对汽轮机调节系统参数辨识的激励方式和激励信号形态进行了研究，提出了采用单机运行时的负荷扰动和并列运行时的同步器给定实现系统激励的方法。通过仿真试验对各种形态激励信号作用下的参数辨识效果进行了分析，结果表明，斜坡保持信号既便于工程实现，又能够获得比较准确的辨识结果，是实现汽轮机调节系统参数辨识的合理的激励信号。     

基于最小资源分配网络的热工对象辨识

建立热工过程的全局非线性模型是热工控制系统全局优化的基础,而静态神经网络难于对非线性动态过程进行建模。资源分配网络(RAN)可以动态调整网络参数,而扩展卡尔曼滤波器(EKF)算法可加快收敛速度。将上述方法有机地结合起来,在此基础上加入剪枝策略和滑动窗口RMS准则,形成了改进的最小资源分配网络(MRAN)。将改进方法应用于典型热工过程的非线性动态建模中,仿真结果表明MRAN网络结构紧凑,建模精度高,适合于在线应用。最后分析了网络初参数对其性能的影响。     

采用径向基函数神经网络的热工过程在线辨识方法

基于M-RAN算法的RBF神经网络是一种动态神经网络,适合于过程的在线建模。对M-RAN算法的删除策略进行了改进,不仅删除那些连续对网络输出贡献较小的隐层单元,同时还将相似的隐层单元合并,使网络结构更加紧凑。将基于这种算法的RBF神经网络用于电厂非性线模型热工过程的在线辨识,仿真研究表明了这种建模方法的有效性,且所得模型精度高,计算量小,可直接应用于基于模型的控制算法。图4表1参18     

发电机励磁系统参数辨识扰动信号与辨识精度分析

为提高发电机励磁系统参数辨识精度,以MEC3300T型励磁系统为例,提出分别采用伪随机信号和阶跃信号作为扰动信号,利用混沌遗传算法对励磁系统的参数进行辨识,分析了不同的采样频率下不同扰动信号与参数辨识精度的关系及在相同的采样频率下不同信噪比的扰动信号对参数辨识精度的影响。结果表明,采用PRBS信号作为扰动信号时,辨识结果的相对误差随着采样频率的改变有一定的波动,而STEP信号为扰动信号时辨识结果的相对误差相对稳定;同一采样频率下,采样PRBS与STEP信号辨识结果的相对误差均随信噪比的增加呈指数增长。     

基于现场数据与神经网络的热工对象动态建模

基于神经网络可以建立热工对象的线性或非线性动态数学模型,在论述神经网络辨识与建模原理的基础上,通过对电厂现场数据的分析,分别建立了汽包水位相对于给水流量的线性数学模型和过热汽温相对于比值β的非线性模型。基于神经网络建模计算速度快及模型精度高,模型输出基本上反映了热工对象的实际运行状况。     

减温减压器热动力学模型研究

减温减压器是蒸汽排汽系统中的一个关键设备，简单介绍了减温减压器的结构特点和工作原理，根据减温减压器的动态特性，建立了由蒸汽容积环节和阻力环节串联所构成的减温减压器级的物理模型，经过一定的热动力学假设，采用集总参数方法建立了减温减压器的动态数学模型。     

基于模块化的减温减压器热动力学模型研究

减温减压器是蒸汽排汽系统中的一个关键设备,简单介绍了减温减压器的结构特点和工作原理,根据减温减压器的动态特性,建立了由蒸汽容积环节和阻力环节串联所构成的减温减压器级的物理模型,经过一定的热动力学假设,采用集总参数方法建立了减温减压器的动态数学模型,并从简化其仿真模型及模型通用性角度出发,将减温减压器按容积环节与阻力环节进行模块化建模。     

发动机喷油脉宽的多输入神经网络控制方法研究

喷油量控制是发动机控制的核心内容,为整合简化不同工况下的喷油量控制,本文提出基于多参数输入神经网络的喷油脉宽控制方法。首先通过试验确定喷油脉宽不同工况下的影响因素及其修正关系,由于脉宽受各种复杂非线性关系的影响,利用BP神经网络控制方法进行求解,通过试验对比证明,基于多输入神经网络模型能较准确地计算出多种工况下的喷油脉宽,此方法对发动机喷油量控制方法研究有一定参考价值。     

超临界火电机组协调系统建模及模型预测控制算法研究

针对因超临界火电机组协调系统建模精度不高,进而影响先进控制算法控制效果的问题,提出了一种分立-组合式建模方法,并将其应用于模型预测控制算法中。首先,利用子空间辨识方法分步求解分立的子系统模型,之后将分立模型进行组合得到机组的整体模型,以某600 MW超临界火电机组的多组实际数据为训练样本和检验样本,模型输出参量的拟合度可达到90%以上,从而解决了传统机理建模中假设条件较多、机组动态特性不足等问题;其次,以所建立的分立-组合模型为基础,分别应用于模型预测控制（Model Predictive Control,MPC）算法和常规PI解耦控制算法中,由于MPC拥有对多进多出(Multiple Input Multiple Output,MIMO)系统更好的适用性,并可以在每个周期内求解带约束条件的最优解,使得控制量在超调量方面幅度下降了近20%,调节时间缩短30%以上,从而体现了所提改进算法在机组协调系统控制中的优越性。     

水轮机调速器电液随动系统建模及其辨识方法

为了在保持简便性的条件下尽量减小水轮机调速器电液随动系统的模型误差,从电液随动系统内部各主要状态变量的相互关系出发,建立了电液随动系统线性模型并用斐波那契法辨识其线性参数;经分析可知其模型误差主要来源于接力器速度限制,进而在该线性模型的基础上加入限速环节,以此建立电液随动系统非线性模型并用粒子群算法辨识其非线性参数。仿真试验表明,该非线性模型的模型误差较小,且结构较为简单,参数较好获取。     

基于多输入神经网络在汽轮发电机组中的研究与应用

人工神经网络以其独特的优点在故障诊断中的应用越来越受到关注。提出了以改进BP神经网络为基础的多征兆域输入、分层诊断的故障诊断模型,该模型具有网络结构简单,收敛速度快,便于管理等优点。经实验和现场数据验证,该模型不仅对单故障具有诊断能力,而且对于并发故障也有较强的分类功能。     

采暖系统热力失调主要影响因素分析

应用统计学,数学分析等理论分析得出由于流量变化或者散热面积选取过大导致垂直失调,即室内温度偏离设计值的相对大小产生的原因,并由算例计算验证结论,得到一些对既有建筑设计运行调节有价值的分析结果。     

基于热力系统静态建模方法对机组循环水系统的优化研究

火电机组循环水系统的优化运行对提高机组的经济性具有重要的影响。基于静态建模软件GateCycle,通过对某300MW火电机组进行模型构建,分析了不同负荷、不同循环水温下最优的循环水泵组合方式及其对煤耗的影响,在此基础上编制了该循环水系统优化运行的工况表与经济调度图,保证了机组在最佳状态下运行。