基于智能电厂大数据的关键参数目标值挖掘技术

为响应能源结构调整、推进能源供给侧改革,火力发电行业迫切需要进行深刻的技术转型。关键参数目标值的计算是火电厂运行优化的重要环节,常规的计算和挖掘方法精度低、实时性差、难以投入闭环应用。本文探讨了基于智能电厂大数据的关键参数目标值挖掘技术的内涵和具体实现,涉及整体架构、专用数据挖掘技术等;并以国内某超超临界机组为例,介绍了针对超超临界机组的关键参数目标值挖掘系统,该系统利用在线迭代更新和离线挖掘修正相结合的策略,解决了数据体量大与时效性要求高的矛盾,有助于实现关键参数目标值的高效挖掘。     

微分进化算法研究及其在热工过程参数辨识中的应用

被控对象的数学模型,对控制系统的设计和分析有着极为重要的意义.采用微分进化算法对被控对象参数进行辨识.这种算法与其它进化算法的不同之处在于它的变异算子是由种群中任意选取的多对向量的差值得到的,并且主要用于实参数优化问题.微分进化算法虽然有简单、搜索效率高的特点,但是仍存在局部最优的问题.因此,在对微分进化算法搜索机理进...     

基于AOD估计的晴空太阳辐射强度滚动预测

针对工程实际中大气气溶胶光学厚度(AOD)参数难以实时获取的问题,首先基于地面空气质量监测站点的PM浓度数据以及气温、空气相对湿度等气象数据,采用BP神经网络方法建立AOD估计模型;然后选取AOD与可降水量为主要变化参数,对多波段大气辐射传输计算模型REST2进行简化;最后基于实时发布的PM浓度信息以及精细天气预报信息,利用简化的REST2模型对晴空太阳辐射强度进行滚动预测。实验结果表明,所提出的晴空太阳辐射强度滚动预测方法具有较高精度,且易于工程实现。     

均匀设计在蚁群算法中的应用研究

应用解决多因素多水平优化设计问题的均匀设计方法可以较快的设定蚁群算法各参数,该方法的一个必要步骤就是制定因素水平表.对于所有的蚁群优化问题各参数都有一个大的取值范围,具体到某一个问题时根据经验或试验又得到一个小的经验范围,在制定因素水平表的时候,突破前人在各因素的取值范围内等分水平的规则,文章提出在经验范围内取值相对密一些,经验范围之外的少取一些.这样该方法既加入了经验的因素又扩大了样本的取值范围.以TSP问题为例进行仿真试验,说明了这种方法的可行性和有效性.     

基于振动信号耦合调制新模型和参数辨识的 风电齿轮箱齿圈故障监测

针对风电齿轮箱多级传动导致的振动耦合调制问题,提出了一种考虑级间调幅调频的齿圈故障新模型,并通过参数辨 识技术将其应用于齿圈故障监测。 某级齿圈故障特征频率会以调幅、调频方式,调制不同轮系的啮合频率,呈现出耦合调制现 象,本文针对该特殊调制规律,建立了两级齿圈故障下的振动信号耦合调制模型。 在此基础上,提出基于局部均值分解和列文 伯格-马夸尔特算法的参数辨识技术,确定故障辨识模型的调幅系数,进而可方便地构建出状态指标,以达到齿圈故障监测的目 的。 用现场数据进行验证,结果表明,新模型比传统模型描述振动信号更全面;借助参数辨识技术构建的指标能定位故障齿轮。     

支持向量机在炉膛火焰监测中的应用

提出一种利用支持向量机算法监测炉膛火焰燃烧状态的方法。通过对几种监测方法的对比发现,对于火焰图像,基本都是从火焰亮度(通过数字图像处理的方法将其分解为R、G、B三原色图案)、火焰面积(摄像机录像的燃烧火焰像素面积)等几个方面提取数据,来分析并最终得到火焰状态的监测结果。在分析支持向量机算法原理的基础上,利用MATLAB语言编写应用程序来实现对图像原始数据的分类分析。在炉膛火焰强度监测中,首先运用数字图像处理的方法获取炉膛火焰燃烧的原始数据(火焰亮度的R、G、B三原色数据),然后利用SVM算法找到图像数据分类最佳的平面(最大间隔超平面),对原始图像数据进行辨识分类,以获得火焰强度监测结果。通过对炉膛火焰原始数据的分析,提取完全燃烧图像的数据点,与火焰图像总的燃烧像素点进行对比,可以得到较准确的燃烧效果分析图,即把结果分为优(完全充分燃烧)、中(大部分充分燃烧)、坏(少部分充分燃烧)三类,然后通过对分类结果的观察分析来采取相应的措施。仿真实验结果表明,利用这种方法分析火焰燃烧图像,可以有效地、实时地判断出火焰的亮度及燃烧状态并准确的分析其燃烧状态。     

基于复相关系数的时滞联合估计及其应用

针对工业过程的软测量建模,为对输入与输出变量间的时滞关系进行准确、快速地估计,提出一种基于复相关系数的时滞联合估计方法。该方法以模型输入和输出数据间的复相关系数为指标,将时滞联合估计问题转化为多维优化问题,进而对各输入变量的时滞时间进行寻优。针对火电厂脱硝系统的NO_x排放软测量,基于实际的运行数据和最小二乘支持向量机算法,对所提出的方法进行验证并与其他时滞估计方法进行对比。结果表明:基于复相关系数的时滞估计方法计算速度较快,时滞估计结果较准确,能在一定程度上提高软测量模型的准确度。     

SCR脱硝系统的改进线性自抗扰优化控制研究

针对SCR脱硝系统大惯性、大迟延、多扰动问题,提出一种模型辅助迟延线性自抗扰控制(MDLADRC)。首先,利用模型信息,将高阶纯迟延系统补偿为一阶惯性环节;然后,根据闭环系统二自由度表达式,推导最优参数量化公式,简化参数调节,并通过参数遍历实验验证控制器参数与响应指标的关系;最后,将MDLADRC应用于选择性催化还原(SCR)脱硝控制系统,并与多种控制器性能进行比较。结果表明：对于SCR脱硝系统这类高阶大惯性大迟延系统,MDLADRC的定值跟随以及抗干扰能力更优;蒙特卡洛实验和多工况实验进一步说明MDLADRC的鲁棒性较优;此外,MDLADRC参数调节简单,更适用于工程实际。     

一般非线性离散系统P-D型迭代学习收敛性研究

针对非线性离散系统的控制问题,介绍了当前的研究现状,分析了开环迭代学习控制的不足,将某一类的非线性离散系统推广到了一般的非线性离散系统,对于一般的非线性离散系统,改变了以往只能借助前次的运行信息,提出了基于当前误差和前次运行误差信息的P-D型开闭环迭代学习控制律,使得对系统运行信息的利用更加充分、准确.此外,利用λ范数和归纳法给出了该学习律收敛的充分条件,证明了它的收敛性.仿真结果表明了它的有效性.     

带压缩因子的粒子群算法在汽包压力控制系统中的应用

针对基本粒子群算法的原理,阐述了一种改进算法(带压缩因子的粒子群算法),简述了PID控制器的工作原理、粒子群参数优化方法的实现,并举例说明此改进算法在某汽包压力控制系统中的应用,利用matlab进行仿真优化,证明此改进算法优化的性能优于基本的粒子群优化算法,有很好的工程应用前景。