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。     

基于神经网络的热工过程动态建模

针对热交换器的滞后、时变、非线性特性,提出一种新的基于工作点的换热器神经网络动态建模方法,即利用静态网络加动态环节的方法建立换热器系统的神经网络动态模型,称为灰箱式动态模型。算法推导过程中采用矩阵形式,易于理解和编程,模型经过训练后,预测结果准确。     

基于现场数据与主元分析热工动态过程研究

根据机组的运行机理,确定引起主要监控变量变化的相关过程变量,采集相关过程的运行数据;建立输入数据矩阵,并进行主元分析和多变量统计计算,确定了在热工动态过程中引起主要监控变量变化的主导因素。所提出的确定主导因素的方法可以进一步应用于热工过程动态建模和故障诊断。     

改进的RAN网络及其在热工过程在线建模中的应用

提出了一种应用于热工过程在线建模的改进的RAN网络。该网络利用“新息准则”对隐层节点进行精调 ,减小了新样本对已学习好的网络参数的影响 ,并避免了过拟合。还分析了网络初始参数对网络结构的影响 ,并给出了这些参数的合理取值范围。仿真研究表明 ,改进的RAN网络用于热工过程在线建模时收敛速度快 ,泛化能力好 ,逼近精度高。     

基于M估计的抗差Kalman滤波算法在某混凝土重力坝变形监测中的应用

为了解决标准Kalman滤波法不能很好处理大坝变形观测粗差与状态方程异常的问题,提出了采用基于M估计的抗差Kalman滤波算法,在最小二乘准则的基础上,通过调整观测值对状态估计的比例权重,可得到模型参数的稳健估计,给出了其滤波准则及递推公式,并根据预测残差调节增益矩阵的大小,尽可能地削弱监测噪声和动态噪声里粗差的影响,让系统处于比较稳定的状态。实例应用结果表明,该算法不仅可提高滤波精度,且能很好地控制观测异常和动态扰动异常对监测的影响。     

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.     

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。     

基于集合Kalman滤波的河道洪水预报研究

为提高河道洪水预报精度,研究了集合Kalman滤波法与最小二乘法对马斯京根模型参数率定的河道洪水预报技术,并以长水-白马寺实测洪水为例进行了对比检验,探讨了集合Kalman滤波法的多时段预报洪水过程及其特点.检验结果表明,应用集合Kalman滤波技术优于最小二乘法的预报效果,可有效提高河道洪水预报的精度并能适度延长预报时段.     

基于数据融合技术的电力系统鲁棒动态状态估计方法

针对电力系统在连续多断面动态状态估计中,现有混合数据处理方法存在的两者相互影响以及两阶段处理方法存在的效率低下问题,基于数据融合理论,提出了基于数据融合技术的电力系统鲁棒动态状态估计方法。首先基于改进变点重复检测方法,将PMU和SCADA数据进行断面归一化处理。然后,在每一断面分别利用无迹变换与指数权估计方法相结合进行并行滤波处理,得到两组滤波结果,并基于数据融合技术将两组滤波结果进行状态融合以得到最终估计值。最后,基于IEEE-39节点标准系统对本文所提方法进行仿真,验证了本文所提方法不仅能够有效提高估计结果精度,且基于数据融合技术的并行滤波计算大大提高了计算效率。     

基于果蝇优化算法的配电网状态估计

配电网状态估计的目的是根据获取的配电网的各种量测信息,估计配电网系统的运行状态,是配电管理系统（DMS）的重要核心功能之一。根据配电网特点,以电压幅值和相角为状态变量,以量测值和估计值误差最小为目标函数,以潮流方程和估计值的上、下限为约束条件,构建配电网状态估计的优化模型,采用果蝇优化算法对该模型进行求解。算例表明,基于视觉和嗅觉的觅食行为启发的果蝇优化算法可有效求解该优化模型,具有易于实现、控制参数少和计算精度高的特点,为配电网状态估计提供了新的途径。     

考虑数据时延的电力系统两阶段动态状态估计方法

由于电力系统中SCADA数据和PMU数据采样频率不同,使得这两种数据存在时延.首先提出基于变点重复检测的PMU最佳缓冲长度计算方法,将SCADA数据和PMU数据统一到同一时间尺度下,然后将无迹变换与指数权函数抗差估计算法相结合,针对历史多数据断面进一步提出了两阶段无迹卡尔曼滤波鲁棒动态状态估计方法.该方法在每一断面内,...     

基于不敏卡尔曼粒子滤波的动态电力负荷在线建模

电力负荷的时变性对电力系统实时动态仿真分析具有较大影响。为了提高实时动态仿真分析的精度,基于不敏卡尔曼粒子滤波提出一种动态电力负荷在线建模方法。针对一种指数型动态负荷模型结构,利用不敏卡尔曼粒子滤波算法对其参数进行在线辨识。通过这种方式,可以根据实时采集的量测数据在线修正动态负荷模型的参数,从而追踪电力负荷的实时变化特性。分别利用动态仿真平台和实际电力系统的量测数据进行仿真分析,结果表明了所提方法具有较高的在线参数辨识精度,并能对实际电力负荷的实时变化特性进行准确的描述。     

计及等效电流量测变换及坏数据辨识的状态估计方法

针对输电系统和配电系统量测类型多样性及传统状态估计算法的不足,讨论并发展了一种基于等效电流量测变换的状态估计及坏数据检测与辨识方法。该方法是通过对量测系统的实际量测进行等效电流量测变换,并根据误差传播理论改变相应的量测权值而推导出来的,其不仅保留了传统状态估计算法的快速解耦特性,并在无任何假设的情况下实现了雅可比矩阵的完全常数化。算例分析表明,该方法快速有效,并能有效地处理不良数据,能较好地应用于输电系统和配电系统的状态估计计算。     

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。     

基于现场数据的汽包压力动态建模研究与仿真

基于大量的现场运行数据，可以建立汽包压力的动态数学模型。在对原汽包压力机理模型分析的基础上，由可测变量代替原机理模型中的不可测变量，在满足小扰动的条件下，对汽包压力建模过程中的非线性过程进行了线性化处理；利用汽包压力以及各输入数据小范围内变化以及接近线性化的现场数据，建立了不同变工况下的汽包压力动态数学模型，并且对其进行了仿真研究。结果表明，当分别对给煤流量、给水流量和汽包入口水温进行阶跃输入时，汽包压力的响应过程的总体趋势是与其机理相一致的。图3表1参7     

基于卡尔曼滤波算法的固体氧化物燃料电池的状态预估研究

固体氧化物燃料电池（SOFC）是一种多输入多输出、强耦合和强非线性的新型发电装置,对其内部状态变量的预估将有助于了解实际SOFC的运行过程和实现高效控制器的设计。本文采用卡尔曼滤波算法对SOFC的状态进行预估。通过对SOFC发电原理的深入分析,建立其离散时间的状态空间模型;采用卡尔曼滤波算法对SOFC的各气体进气侧压力值进行预估,并将预估值带入输出电压方程,对SOFC下一时刻的电压进行预估。MATLAB/Simulink仿真结果表明,氢气、氧气和水蒸气压力的估计值与真实值的误差分别为0.425×10⁵,0.141×10⁵和0.364×10⁵ Pa,远小于各气体压力测量值与真实值的误差1.479×10⁵,1.165×10⁵和1.155×10⁵ Pa,同时SOFC输出电压的估计值较为符合真实值的变化,验证了卡尔曼滤波算法在SOFC状态预估中的有效性和实时性。     

基于现场数据和神经网络火电机组汽压动态模型的建立及仿真

基于现场数据与神经网络的建模理论,建立了火电机组汽包压力与主汽压力的动态模型,并对所建立的汽压增量模型进行了仿真研究。仿真结果表明,模型能够反映汽压的真实变化过程,所采用的建模方法科学合理。     

A Particle-Filtering Approach for Real-Time Estimation of Thermal Conductivity and Temperature Tracking in Homogeneous Masses

Knowledge of the thermal conductivity is a key factor for several applications, which benefits from easy and cheap estimation procedures. We consider an existing experimental layout, and we propose a Rao-Blackwellized particle filter that jointly approximates the posterior distribution of the temperatures and analytically estimates the unknown thermal conductivity of a homogeneous mass. Its main advantage is the sequential estimation of the conductivity. In contrast, in other approaches, all of the temperatures need to be stored before processing the data. The results obtained with a polymethylmethacrylate specimen provide good estimates and demonstrate the real-time applicability of the approach.