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。     

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。     

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。     

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。     

基于现场数据的中速磨煤机动态建模研究

基于现场数据,结合电厂磨煤机系统的工作原理,通过对其控制系统分析,建立了磨煤机出口温度和磨煤机入口空气流量的状态空间动态数学模型。在不同的变工况过程中,以磨煤机冷风门和热风门开度为输入,所建立的磨煤机出口温度和入口空气流量的动态模型精确度较高,比较真实地反映了磨煤机的实际运行状况。由于系统本身具有强耦合性,所建立的磨煤机模型可以为控制系统的优化配置和改善控制品质打下良好的基础。     

基于线性神经网络的煤层气发动机空燃比动态建模

针对预混合双阀控制的煤层气发动机,利用引入动态环节的递归线性神经网络,基于台架实验所获得的数据建立煤层气发动机空燃比动态过程的输入/输出模型.以均方差为评价指标确定模型输入、输出的阶次,用非建模数据对训练后的模型进行验证.结果表明,模型准确复现了不同工况下空气和燃气质量流量与排气空燃比的动态特性.     

基于现场数据的风电机组功率特性分析与建模

为了准确掌握鼠笼型感应风力发电机组的运行状态,在分析其功率特性的基础上,针对风电机组建模过程中容易忽略偏航系统误差的问题提出了一种充分考虑风电机组输入参量的建模方法,并结合现场数据分析发现依据该方法建立的模型是有偏差的;在深入分析后再次提出两种引入机组惯性的模型改进方案。用LSSVM方法建立各个方案模型,测试结果表明,引入机组惯性可以有效地提高机组功率特性模型的精度,模型的相对平均误差(MRE)由6.7%下降到5.6%;多组测试数据的测试结果表现出模型有较好泛化能力,可以准确跟踪机组功率变化,为风电机组功率特性建模提供一个新思路。     

基于神经网络的燃气轮机动态过程仿真

燃气轮机数字仿真具有高性能价格比,高仿真精度等优点。但以往的建模方法难以同时满足燃气轮机仿真精度和实时性的要求。本文对大样本空间的神经网络构造及网络学习加速方法进行了大量探索及新的有益尝试,并成功将神经网络技术引入燃气轮机仿真构造新的仿真模型,不仅获得了更高的仿真精度,而且保持了系统原有的光滑性,能满足系统仿真实时性的要求。     

基于大数据和神经网络的锅炉燃烧含氧量建模研究

提出一种基于大数据的神经网络辨识多输入单输出(Multiple-Input Single-Output,MISO)系统的方法,采集现场运行的锅炉燃烧系统总风量、总煤量、炉膛氧量等历史大数据,首先使用数据平滑、去除趋势性、归一化等步骤进行数据预处理,然后利用近邻法删选出表征系统特性的样本数据集,利用神经网络模型进行训练后挖掘出数据之间的关系,最后在升、降30%负荷的情况下分别进行模型预测。结果表明,虽然只将采集到约0. 658%数据容量进行训练,但在对整个大数据容量进行测试时,模型误差仍在允许的范围内。     

双人工神经网络建模及约束条件下的遗传算法优化

采用双人工神经网络模型,能使人工神经网络从高维度的有限样本中提取可靠的信息.此外,还给出了基于双网络模型的有约束遗传算法的优化方法.在锅炉燃烧区段风量和粉量分配建模及优化中的应用表明:双网络模型有较高的可靠性;风量和粉量的合理分配能够改善锅炉运行的经济和环保效益;双网络模型对该过程的推断与现有的知识和经验相符.     

基于BP神经网络的燃料电池电特性建模

采用基于改进粒子群算法的BP神经网（Improved—PSOBPNN）,建立质子交换膜燃料电池（PEMFC）电特性模型。PEMFC系统仿真结果表明该方法简单、有效、精度高,与采用传统BP神经网络的模型相比具有明显的优越性,为PEMFC系统建模,电池性能优化以及控制系统设计提供了新的思路。     

熔融碳酸盐燃料电池热启动过程的人工神经网络建模

熔融碳酸盐燃料电池(MCFC)是燃料电池研究领域的一个难点,其严格的热启动过程对电池性能和寿命的影响至关重要.针对这一问题,建立了基于人工神经网络的熔融碳酸盐燃料电池热启动过程模型,并详细给出了采用改进BP算法的熔融碳酸盐燃料电池热启动过程的模型结构、算法、训练和仿真.MATLAB仿真结果证明其快速准确,为熔融碳酸盐燃料电池热启动过程的控制提供了实际工程应用模型.