粒子群优化算法及其在发电机组调速系统参数辨识中的应用

准确可靠的发电机组调速系统模型参数对于电力系统稳定性分析非常重要,由于利用常规辨识方法(如最小二乘法)进行模型参数辨识时对试验条件要求较为苛刻,且很难对调速系统中大量存在的非线性环节参数进行辨识.本研究将目前正处于研究热点的粒子群算法引入发电机组调速系统模型参数的辨识过程研究,结果表明,利用粒子群理论进行模型参数辨识时...     

基于MUEAIO方法的再热汽温系统模型辨识

为了建立基于实际机组运行数据的再热汽温模型,采用基于M次不相关激励和汇总智能优化(MUEAIO)的多变量系统辨识方法。该方法的优点在于引入汇总优化的方式,有效地降低了模型误差,提高了辨识精度。以安徽田集电厂660 MW锅炉的再热器为例,分别选取一段或三段现场运行历史数据作为模型辨识依据,并用另一段运行数据进行模型验证,实验结果表明:基于MUEAIO方法辨识得到的再热汽温模型能够正确表征系统的实际动态特性,且精确度较高,可以为再热汽温系统控制方案的设计和控制器参数的优化奠定基础。     

基于全局信息融合粒子群算法的水轮发电机模型参数辨识

针对粒子群(PSO)优化算法辨识发电机模型参数时存在局部最优和后期收敛速度慢很难准确获取具有强泛化能力的模型参数的问题,提出了一种基于多粒子全局信息共享和变权重的全局信息融合PSO算法(GPSO),并通过IEEE3机9节点系统算例验证了该算法的有效性。结果表明,与常规PSO算法相比,该算法具有泛化能力强、辨识精度高和后期收敛速度快的优点。     

MSMA传感器的建模及参数辨识研究

MSMA传感器是一种将机械力信号转化为感应电压信号的新型传感器,为了更好地实现MSMA传感器的应用,需要对其进行建模研究。由于传感器输入和输出之间呈现非线性关系,会增加建模的复杂性,并且需要辨识的未知参数较多。采用机理法结合电磁学理论建立了MSMA传感器的数学模型,并采用改进的粒子群算法对MSMA传感器数学模型的未知参数进行辨识。在辨识过程中,引入调节系数,对粒子的权重和最大速度进行动态调整,加快了算法的收敛速度,对社会学习因子进行改进,增强了算法的全局搜索能力。最后,将传感器数学模型计算的感应电压值与试验得到的感应电压值对比,验证了模型的正确性,也表明了该算法可以有效解决MSMA传感器数学模型的辨识问题。     

基于系统辨识的地表太阳辐射Box-Jenkins模型的建立

利用天文辐射作为输入数据,采用系统辨识的方法得到地表太阳辐射的BJ(Box-Jenkins)模型,并通过残差分析和零极点检验。该方法可用于预测5～15min时间间隔的地表太阳辐射,为太阳能电站的功率输出预测提供太阳能辐射数据。     

基于改进的GRNN的固体氧化物燃料电池辨识模型研究

固体氧化物燃料电（SOFC）作为一种新的能源形式,日益受到重视．针对SOFC系统过于复杂,现有的理论电压模型存在明显不足的特点,绕开了SOFC的内部复杂性,利用经过粒子群算法（PSO）优化的广义回归神经网络（GRNN）对SOFC系统进行辨识建模．以氢气流速为神经网络辨识模型的输入量,电流／电压为输出量,建立SOFC在不同氢气流速下的电池电流／电压动态响应模型．仿真结果表明所建模型能基本表示出SOFC系统的电流／电压的动态响应,说明利用GRNN建模的有效性,所建模型精度也较高．     

一种基于Aspen Plus和MATLAB协同仿真的SCR脱硝系统建模方法

燃煤电站烟气排放标准不断提高,对选择性催化还原(SCR)脱硝系统的优化控制提出了更高的要求,构建精确的SCR脱硝系统模型对实现其优化控制具有重要意义。针对SCR系统脱硝过程的复杂机理,提出利用Aspen Plus模拟其反应流程;为了解决建模过程中脱硝反应活化能和脱硝反应速率常数等参数难以确定的问题,提出基于MATLAB平台设计粒子群算法实现参数优化及与Aspen Plus的协同仿真。利用某1 000 MW火电机组的运行历史数据对仿真模型进行了验证和对比。结果表明：Aspen Plus和MATLAB协同能够实现对SCR脱硝系统模型最优参数的确定,从而提高仿真模型精度。     

风力机系统的神经网络模型辨识

应用人工神经网络的建模方法,采用多层感知器的模型结构,利用自适应学习速率的BP学习算法,辨识出风力机系统的功能模型,并把辨识模型的仿真结果与系统实验测量数据相对比,开展了与经典系统辨识方法的比较研究,以检验神经网络模型的可靠性.实验结果表明,这种新的风力机系统建模方法具有很高的精度.     

风力机系统的神经网络模型辨识

应用人工神经网络的建模方法，采用多层感知器的模型结构，利用自适应学习速率的ＢＰ学习算法，辨识出风力机系统的功能模型，并把辨识模型的仿真结果与系统实验测量数据相对比，开展了与经典系统辨识方法的比较研究，以检验神经网络模型的可靠性。实验结果表明，这种新的风力机系统建模方法具有很高的精度。     

基于暂态响应轨迹的光伏逆变器参数辨识方法

为了获取更精准的光伏逆变器暂态模型参数,保障光伏发电联网运行仿真分析结果的准确性,提出一种基于暂态响应轨迹近似的参数辨识方法。首先构建了光伏发电的机电暂态模型,确定光伏逆变器的待辨识参数;其次,建立了PSASP与Matlab联合仿真平台,基于粒子群算法的寻优原理,辨识光伏逆变器控制参数。最后,基于三机九节点仿真算例,验证该辨识方法的有效性和准确性。     

循环流化床锅炉选择性非催化还原技术及其脱硝系统的研究

大型循环流化床(CFB)锅炉分离器区域采用选择性非催化还原(SNCR)脱硝技术可以实现燃煤锅炉的超低NOx排放.对分别选用氨水、纯氨及尿素作反应剂的SNCR脱硝系统的优缺点进行了比较.结合工程实践,给出了大型CFB锅炉上SNCR脱硝系统的选取原则.并指出:大型CFB锅炉SNCR脱硝系统一般采用氨作为反应剂.     

基于PSO算法的水库防洪优化调度模型及应用

针对传统的交互式洪水调度方案生成方式存在的缺陷,由基于PSO算法的洪水优化调度模型,提出了有条件限制的随机自动生成方式,并利用罚函数法处理边界条件和其他非等式约束.实例应用结果表明,较之常规的动态规划法,改进后的PSO算法计算速度快、结果合理,为流域防洪优化调度提供了有效途径.     

基于抽水蓄能电站的风光互补发电系统容量优化研究

针对风光互补抽水蓄能电站各部分容量之间的关系,给出了一种基于改进粒子群算法的最佳容量的优化设计方案。通过对抽水蓄能模块的建模分析,建立风光互补抽水蓄能电站容量配置的优化模型,给出相应容量配置要求。研究结果表明,文中互补开发方式可以解决单一发电系统存在的弊端,提高发电效率,具有很好的实际应用价值。     

水文模型参数优选的改进粒子群算法参数分析

借鉴竞争演化和多种群混合进化的思想,对粒子群算法(PSO)进行改进,提出了序列主-从种群混合进化的粒子群算法(SMSE-PSO).鉴于优选水文模型参数算法的有效性与算法控制参数有关,为评价SMSE-PSO算法不同控制参数对优化性能的影响,结合水文模型参数优选的特点提出采用正交试验设计的方法分析.结果显示,正交法较好地识别了关键影响因素并提出可能的最优方案,SMSE-PSO算法能较好地应用于复杂多参数水文模型的参数识别研究中.     

基于反馈控制的智能化电网多目标协同调度模型

针对现有电网多目标调度模型未对智能化电网电源的能耗和出力情况进行分析而导致调度成本较高等问题,提出一种基于反馈控制的智能化电网多目标协同调度模型。优先分析智能化电网中电源的能源消耗和出力使用情况,利用反馈控制策略制定电网运行约束条件;同时,将最低经济成本和最小环境污染度作为目标函数,构建智能化电网多目标协同调度模型。采用改进粒子群算法对调度模型进行求解,最终获得最佳的协同调度方案。经实验测试,所提模型不仅能够有效降低调度成本,而且提升了环境污染系数,降低了对环境的影响程度。     

基于PSO算法与协同进化算法的地区电网无功优化模型

电力系统无功优化属于非线性优化范畴,传统的数学规划算法处理时存在较大的局限性,针对大规模电网全局无功电压优化控制困难,提出了基于协同进化框架的合作协同进化粒子群优化算法(PSO)的电力系统无功优化方法,构建了数学模型。实际大电网计算结果表明,该算法寻优质量高、收敛性好、计算复杂度低,适合求解大规模系统无功优化问题。     

基于粒子群-高斯过程回归的高拱坝变形预测模型及其应用

针对高拱坝变形问题,提出应用粒子群算法优化高斯过程回归参数的高拱坝变形预测模型,基于高斯过程回归可将低维非线性关系通过核函数投射到高维线性空间的特点,利用高斯过程回归模型来表征水压、温度、时效等因素与坝体变形之间的非线性关系;同时针对迭代求解高斯过程回归模型的超参数效率低的问题,采用粒子群优化算法全局搜索模型超参数,提高了求解效率。对某高拱坝径向位移的拟合预测结果表明,粒子群优化高斯过程回归模型能较好地表征输入因子与变形之间的关系,预测坝体变形,误差在工程允许范围内,可应用于坝体变形预测分析中。     

模糊滑模自适应控制及其在电厂热工过程中的应用

通过一种新学习算法的导出,并结合模糊逻辑系统中的模糊基函数,给出了一种带有通用规则库的模糊滑模自适应控制器。这种控制器能够在线自动调整参数,能对热工过程中的大惯性大迟延对象进行有效的控制。当对象参数变化或存在较大扰动的情况下,仍能保持很好的控制品质。该方法已被用于某电厂主汽压力控制系统。仿真结果表明:该算法具有良好的控制品质和很强的鲁棒性。图4表1参7     

基于量子遗传算法的循环流化床锅炉Hammerstein型辨识

将Hammerstein模型应用于某循环流化床锅炉2个典型系统的辨识,用多项式表示模型的非线性部分,用差分方程表示模型的线性部分,并通过量子遗传算法将模型的辨识问题转化为参数空间上的寻优问题,求得模型中待定参数的最优解,从而得出循环流化床锅炉2个系统的具体模型,并结合现场数据进行了一系列仿真试验.结果表明:Hammerstein模型可以很好地表达循环流化床锅炉典型系统的特性,用量子遗传算法优化可得到精度较高的数学模型.     

基于概率模型的热力机组性能诊断与仿真

从复杂系统的不确定性本质出发,利用热力机组的大量实际运行数据,建立系统的概率模型用于系统在线性能诊断和运行决策.以能耗率的准确计算为基础,以已知或不可控的边界条件为证据,通过概率推理得到其它状态参数取值的置信区间并结合工程实践的经验进行决策调整而达到优化运行的目的.概率模型有效扩展了传统的基于热力学模型诊断方法,特别适应于现场环境下采用常规仪表测量参数的在线检测与辅助决策.通过系统全仿真动态模型验证了概率模型的有效性.