汽轮发电机组流量特性试验分析与研究

汽轮机阀门流量特性影响着机组的一次调频特性和安全、经济运行.首先对汽轮机调速控制原理及不同阀门重叠度对阀门流量特性的影响进行了分析.针对目前汽轮机流量特性曲线存在的问题,提出了阀门重叠度确定原则,比例、偏置因子的确定方法及汽轮机阀门流量特性试验的具体步骤和方法.经过特性参数调整后的顺序阀方式负荷指令-流量特性线性度良好,阀门切换过程中负荷、压力过渡良好,没有出现明显的流量拐点.机组采用优化后阀门流量特性曲线后,实际负荷和流量指令的变化值基本同步,控制的稳定性明显改善,机组负荷的稳定也使锅炉燃烧更稳定,可满足机组长期投入AGC、一次调频和安全稳定运行的需要.近10个电厂的实际应用结果表明,用该方法对阀门流量特性进行试验获得的阀门开度曲线函数拟合准确,具有较好的推广应用价值.     

一种基于最小二乘支持向量回归机的阀门非线性校正方案研究

针对汽轮机阀门存在流量非线性的情况,采集并分析了云南省威信电厂新建2＊600MW火电机组的阀门历史数据,运用最小二乘支持向量回归算法对阀门开度 流量进行辨识,得到机组原有的阀门配汽曲线,之后再对配汽曲线进行校正,得到阀门新的配汽曲线,从而消除阀门自身的流量非线性特性,使机组实发功率对阀门开度的响应不至于过快或者过缓,避免因机组负荷波动引发电网低频振荡事故.     

基于历史数据挖掘和劳斯判据的某火电机组功率振荡机理分析

当汽轮机阀门流量特性恶化时,会引起发电机组功率振荡,进而可能引发电网低频振荡。本文以发生过功率振荡的某660MW超临界机组为例,通过数据挖掘和劳斯稳定判据原理,挖掘机组历史数据得到实际阀门流量特性,同时建立有功调节系统综合模型,定性、定量地分析汽轮机阀门流量特性对系统稳定性的影响,计算得到使系统失稳的阀门流量特性曲线曲率（k）的临界值为3.3438,当k大于临界值时,系统将失稳。同时,通过数据挖掘分析发现机组在92.7%～96.6%综合阀位指令段的阀门流量特性恶化严重,k值最大达到了7.771,远大于临界值,这是导致机组在该指令区间内发生多次功率振荡事件的根本原因。本文的分析方法对今后类似功率振荡事件的分析诊断,有一定的借鉴作用。     

高压差迷宫式调节阀流场数值模拟与流量特性研究

介绍了一种特殊阀门的多级降压原理,使用Solidworks软件建立流道三维模型,并用网格划分软件对模型进行离散化处理,按实际工况参数设定边界条件,通过CFD有限元分析软件对阀门内部流场进行数值模拟计算,分析可视化计算结果,提出迷宫盘片上流路设计的相关理论,拟合阀门在不同开度下的流量特性曲线,为迷宫阀设计提供重要的理论参考。     

混合热工和水力特性的风机盘管系统建模

针对风机盘管系统建模研究中大多数未考虑水力学特性对其的影响, 本文提出混合热工和水力特性的风 机盘管系统建模方法, 以满足实际工程中对于风机盘管系统控制的数学模型需要. 在水力学模型中考虑风机盘管电 动水阀, 基于基尔霍夫定律建立水力平衡方程, 通过遗传–粒子群相结合的优化算法(GA-PSO)求解各个盘管的水流 量及对应的阀门开度; 以水流量为输入, 考虑风机盘管风量, 采用非线性最小二乘法辨识求解其总传热系数, 建立基 于牛顿冷却定律的风机盘管热力学模型. 实验结果表明: 混合热工和水力特性的建模方法能够更好的反应风机盘 管的物理过程; GA-PSO算法具有很好的稳定性和收敛性, 能够更准确的求解水流量及对应的阀门开度, 与实际运 行数据的相对误差不超过1%; 热力学模型在各种实际工况下的模型误差都低于4%, 能够精确反映风机盘管的传热 过程.     

基于动态遗忘因子递推最小二乘算法的船舶航向模型辨识

为提高遗忘因子递推最小二乘（RLS）算法辨识船舶航向运动数学模型参数的快速性和鲁棒性,在分析遗忘因子大小对算法特性影响的基础上,提出一种基于模糊控制的动态遗忘因子RLS算法。该算法从理论模型输出与实际模型输出之间的残差入手来构造评估参数辨识误差大小的评价函数,并将评价函数及其变化率作为模糊控制器的输入,利用模糊控制器结合制定的规则表进行模糊推理并计算遗忘因子的修正量,从而实现遗忘因子的动态调整。仿真结果表明,与恒定遗忘因子RLS算法的对比,该算法能够根据参数辨识误差实时调整遗忘因子的大小,使算法在模型参数平稳时有更高的辨识精度,在模型参数突变时有更快的收敛速度,验证了所提算法的优越性。     

自组织区间二型模糊神经网络及其自适应学习算法

针对复杂不确定非线性系统的辨识问题,提出一种基于聚类的自组织区间二型模糊神经网络学习算法.首先采用具有两个不同加权参数的FCM算法对输入数据进行划分来获取规则前件的不确定均值,同时结合聚类有效性标准确定模糊规则数目,从而自动完成神经网络的结构辨识和规则前件参数辨识;随后给出了基于梯度下降法和Lyapunov函数稳定收敛定理的规则后件权向量学习速率的自适应学习算法.通过非线性系统辨识实例,验证了该算法与其他方法相比具有更快的收敛速度和更高的逼近精度;并且利用该算法建立了某市电力短期负荷预测模型,结果表明该模型具有较高的预测精度,泛化性能更佳.     

光伏组件内部参数辨识与输出特性研究

基于光伏组件的物理模型快速准确地识别其内部参数对于预测光伏阵列的输出特性、跟踪最大功率点和电池故障模型的特性是非常重要的。而传统数学解析的参数辨识方法存在着辨识参数不准确,一般的智能优化算法精度都优于数学解析法,但现有的粒子群参数辨识方法存在着易陷入早熟和迭代次数过多等问题。对此,提出了一种改进量子粒子群算法,对光伏组件内部5参数进行准确辨识,并对其外部输出特性进行预测。通过MATLAB仿真算例和实际测试数据对该方法进行验证,证明其准确性和适用性。     

基于数据驱动的全工况下燃气轮机基准值确定

燃气轮机运行参数基准值模型的准确建立对于机组的运维管理工作具有十分重要的意义。针对燃气轮机运行工况多变、参数基准值难以确定的问题,提出了一套基于数据驱动的运行参数基准值模型。首先,考虑到历史运行数据中非稳态与稳态工况并存的问题,利用功率差值的区间估计对历史数据进行稳态工况筛选。其次,以功率和3个环境因素为边界条件,采用K-均值聚类算法对稳态工况进一步划分。在此基础上,对每个稳态工况内的运行参数建立多元高斯混合模型,选择能耗水平最低时对应的子模型的期望作为基准值。最后,以某实际燃气轮机为例,验证模型的有效性。燃气轮机基准值的计算结果表明,通过运行参数的历史数据进行信息挖掘,可以建立更加贴合机组实际运行水平的基准值模型。     

基于改进PSO算法的GMA迟滞模型参数辨识

使用改进的粒子群优化算法辨识Jiles-Atherton模型参数。针对J-A模型对超磁致伸缩致动器(giant magnetostrictive actuator,GMA)迟滞特性建模中磁化参数互相嵌套难以辨识的特点,改进磁滞模型并建立了考虑超磁致伸缩材料磁机耦合特性的动态磁滞模型;为了克服普通粒子群算法实际求模型参数时计算量大,运行时间长的缺点,提出基于粒子群算法和遗传算法的改进算法--带交叉因子的粒子群优化算法,将模型仿真所求的磁化强度和实验测得的磁化强度的差值的平方作为适应度函数,并结合最小二乘法思想对J-A模型的几个参数进行辨识;最后,在Matlab 7.0上进行仿真,给出了模型辨识后的结果。在不同预压力和驱动频率下的仿真结果与GMA已有实验数据进行对比,验证得出辨识后的模型可较好地与实验数据拟合,磁致伸缩位移误差在5%以内。     

运载火箭电磁阀判读算法设计

针对运载火箭领域中出现的传统电磁阀,提出了只截取包含开启时间和关闭时间内特征参数的部分的截取拼接算法,实现传统电磁阀的波形显示和判读。对于发生器点火器和推力室点火器等新型电磁阀,针对它们的特性对算法进行修改,从而实现新型电磁阀的波形显示和判读。在实验室环境下进行了电磁阀信号采集实验,使用电磁阀自动判读软件完成了波形绘制,并对开启时间、关闭时间、稳态电流等特征参数进行判读,结果表明：该算法可以满足运载火箭领域常见的传统电磁阀的判读要求,也适用于出现的新型电磁阀。     

基于LS-SVM的电厂过热汽温仿真研究

针对电厂过热汽温控制中存在强非线性和大时滞的特点,利用基于径向基函数的最小二乘支持向量机方法进行建模。由最小二乘支持向量机建立被控对象的模型,并在保证模型逼近性能的前提下,使用修剪算法得到具有稀疏性的SVM模型,该算法的优点是训练过程遵循结构风险最小化原则,不易发生过拟合现象。应用某电厂超临界600MW直流锅炉高温过热系统进行仿真,结果表明该模型可以较好地适应非线性和较大时滞特性的变化。     

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.     

指令级密码处理器软件功耗建模与仿真

为了分析密码处理器软件的功耗,提高软件的抗能量攻击能力,提出了基于指令的处理器功耗建模仿真方法;详细阐述了模型建立、指令功耗求解算法以及指令功耗采集平台建立方法;在此基础上对一款密码专用处理器的AES加密算法软件功耗进行了仿真,对仿真结果和实际测量结果进行了比较分析,结果表明这种处理器功耗建模方法是有效的。     

基于自适应模糊免疫PID阀门定位器的设计

传统工业阀门定位器具有控制精度低、功耗大、控制方式单一、阀位易抖动等缺点,且其在使用的过程中须进行现场调试才能进一步适应生产要求;为了提高阀门定位器控制系统的适应能力,对控制算法进行了深入研究,设计了一种基于STM32芯片的低功耗阀门定位器;硬件设计以STM32L152芯片为控制核心,外围电路包括4～20 mA转3.3 V电源电路、开度/位移信号转换电路、人机交互模块电路;软件设计采用自适应免疫模糊PID算法替代常规PID算法,实现了阀位控制参数的自整定;在MATLAB中构建阀门各机构数学模型的广义传递函数,搭建仿真电路;最终得出控制系统的调整时间只需0.8 s,且在整个控制过程中无超调量产生;有效提高了阀门的控制精度,避免了阀位的抖动现象.     

稀疏的归一化功放模型及预失真应用*

针对射频功放的非线性特性进行了研究,提出一种新的稀疏化的Volterra级数模型。该模型基于压缩感知算法,将稀疏系统的辨识等效为信号的重构问题,利用正则正交匹配（ROMP）算法对核系数进行稀疏化并选择出活跃的核系数。将提出的模型与记忆多项式（MP）模型、通用记忆多项式（GMP）模型进行比较,较MP模型的建模精度提升10.7dB,模型系数减少25%,较GMP模型的建模精度提升3.9dB,但模型系数减少84.58%。仿真结果表明：提出的方法实现良好的预失真线性化性能,极大地降低模型系数,优于传统的功放行为模型。由此验证对功放的线性化技术发展具有参考价值。     

基于分布式模型的动车组预测控制方法

针对动车组由若干动车/拖车组成的动力单元固定编组耦 合构成,难以用集中式模型进行有效描述的问题,提出一种动车组运 行过程的分布式描述与建模方法. 基于动车组牵引/制动特性曲线和实际运 行数据,采用子空间模型辨识方法建立了动车组各动力单元的分布式状态空间模型;提出基于分布式模型的动车组预测控制方法,给出了各动力单元牵引/制动力和运 行速度同步跟踪控制算法.基于CRH380AL型动车组运行过程数据的对比仿真结果验证了本文方法的有效性.     

基于T S模型的模糊系统辨识方法综述*

模糊模型设计方法归结为两种,即语义驱动和数据驱动。数据驱动模型具有更好的性能,是目前研究的热点。模糊系统辨识是数据驱动下模糊系统建模的重要手段,辨识的优良直接影响系统建模的精度。模糊系统辨识可以分为两部分进行认识,即模糊系统结构辨识和参数辨识。回顾了近年来模糊系统辨识的理论和方法,如subtractive聚类、多分辨率自适应空间分解、SVM、核函数法、粒子群算法和并行遗传算法等。对各种算法原理、特点进行了介绍,对模糊系统辨识的发展进行了展望。     

基于T S模型的模糊系统辨识方法综述*

模糊模型设计方法归结为两种,即语义驱动和数据驱动。数据驱动模型具有更好的性能,是目前研究的热点。模糊系统辨识是数据驱动下模糊系统建模的重要手段,辨识的优良直接影响系统建模的精度。模糊系统辨识可以分为两部分进行认识,即模糊系统结构辨识和参数辨识。回顾了近年来模糊系统辨识的理论和方法,如subtractive聚类、多分辨率自适应空间分解、SVM、核函数法、粒子群算法和并行遗传算法等。对各种算法原理、特点进行了介绍,对模糊系统辨识的发展进行了展望。     

A study of frequency prediction for power systems

A frequency predictor is identified from simulated measurements of power and frequency on a power system. An on-line Ieast-squares algorithm is used along with a new system structure test for model order identification. A comparison of this system structure test with other model order identification tests is also included. The performance of the resultant predictor is then determined as a function of both the prediction interval and the sampling rate and measurement noise levels on the power and frequency measurements used for the predictor. The results indicate an increase in prediction error with the length of the prediction interval because the predictor loses its principal dependence of "P-f" (power-frequency) dynamics in the power system and depends more strongly on the random load fluctuations over the prediction interval. The modeling error was shown to be unaffected by sampling rate and by measurement noise levels below that of the present power-frequency recorder [2], but was affected by measurement noise levels above the values on the present recorder. This accuracy of the model for small prediction intervals justifies the future use of frequency measurements in power system identification and justifies the use of least-squares algorithms using these measurements. The results on sampling rate and measurement noise imply that the present recorder [2] is an "optimal" design and that the RTDAS [5] will be an even better tool for use in power system model identification.