Fuzzy-DMC算法在电厂主汽温系统中的应用

针对火电厂主汽温对象的时变性以及大迟延的特点,本文应用模糊-动态矩阵控制算法(Fuzzy-DMC),在原有动态矩阵控制器的基础上,引入模糊控制器。该模糊控制器用来校正实际对象与模型之间的输出偏差,有效降低了实际对象发生较大变化时模型与实际对象不匹配的影响,提高了动态矩阵控制的鲁棒性。将该方法应用到某600WM火电机组主汽温对象中进行仿真,仿真结果表明当主汽温对象发生较大变化时,系统仍能取得理想的控制效果,其性能明显优于常规PID以及动态矩阵控制器,是可行且有效的。     

基于自适应高频谐波LMD法的风电机组故障诊断

针对实际应用中局部均值分解(LMD)法存在的模态混叠问题,提出了自适应高频谐波LMD法.分析了信号中异常事件对求取包络函数和均值函数的影响,将构造的自适应高频谐波加入到原始信号中,通过改变原始信号的极值点位置来抑制模态混叠现象.对含有典型异常事件的信号进行了自适应高频谐波LMD法和ELMD法仿真实验对比,验证了该算法的有效性和优越性.将该算法应用于风电机组传动系统故障诊断中,结果表明:采用该算法后,原有的模态混叠状况得到明显改善,并成功提取出轴系不平衡故障特征,可为风电机组故障诊断提供参考.     

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.     

燃烧室辐射传热分区仿真模型的建立和应用

针对大坝电厂300 MW机组,本文在网路分析法的基础上,建立了炉内辐射传热分区仿真模型。它的特点是仿真精度高,实时性好,能准确地反映运行中各种因素对炉内传热的影响。     

基于图注意力和时间卷积网络的风电齿轮箱故障预警方法

针对风电齿轮箱故障预警中数据信息挖掘不充分问题,提出一种基于图注意力和时间卷积网络的风电齿轮箱故障预警 方法。 分别从时间与空间尺度建立各特征点的物理联系,拓宽特征维度以提升故障预警精度。 图注意力网络构建不同数据测 点间的空间拓扑结构,遍历每个节点的相邻节点进行加权求和达到聚合信息的目的;时间卷积网络使用特殊的因果膨胀卷积和 残差网络,扩大感受野,提升时间特征捕捉能力。 以华北某风电场实际数据为例进行验证,结果表明,提出方法能够在故障发生 前 122 h 监测到风电齿轮箱的异常状态并发出预警信号;与其他方法进行对比,提出方法预警时间提前 52~ 63 h,模型预测误差 减小 1. 05% ~ 3. 76%;使用 t-SNE 和概率密度曲线提升结果可解释性。     

基于时空自编码网络的风电齿轮箱状态监测

在风电机组状态监测问题中,常规自编码网络通常仅使用截面SCADA(supervisory control and data acquisition)数据,使得网络对数据时间特征的学习不足。因此,提出一种基于时空自编码网络的风电齿轮箱状态监测方法：使用1维卷积网络(1DCNN)级联双向长短时记忆网络(Bi-LSTM)作为编码层,序贯提取面板数据的空间及时间特征,以输入的重构误差作为预警指标实现在线状态监测。使用河北省某风电场实际数据验证,结果表明：相比故障记录时刻,时空自编码网络能提前20 d发出报警信号,且故障检出率和误报警次数均优于常规方法;通过分析重构误差各分量的贡献率,可知该齿轮箱故障中主要异常参数为油路压力和油池温度。     

基于状态曲线的风电机组运行工况异常检测

为了提高风电机组的利用率和发电量,减少风电机组维修和更换费用,需要对其运行工况进行监测。本文首先对机组的风速-功率、风速-转速、风速-桨距角、转速-功率、转速-桨距角5种状态曲线进行理论介绍,然后结合实际运行数据对其进行了分析。结果表明:由于风速的随机性和风电机组的惯性,前3种曲线不能很好地区分机组的正常运行状态和故障状态,而转速-功率、转速-桨距角能够对机组的异常情况进行准确的监测;以转速-功率、转速-桨距角状态曲线为基础,分析了机组不同运行工况在状态曲线上的分布,对各个不同工况分别建立相应的评价体系,通过故障实例分析,表明本文方法能提前感知异常情况,有效提高系统的状态监测精度。     

基于模糊C均值软聚类工况辨识的风电功率短期区间预测

针对常规风电功率区间预测方法中以实发功率划分子区间有效性差的问题,提出了一种基于模糊C均值软聚类工况辨识的风电功率短期区间预测方法。模糊C均值软聚类可以将过渡工况的样本点划分到多个工况区间中,从而提高子区间划分的有效性。首先采用LSSVM建立风电功率确定性预测模型,然后基于聚类有效性,确定聚类数目,再利用模糊C均值软聚类对历史运行数据进行工况辨识从而划分为多个子区间,最后利用核密度估计计算各工况下功率预测值与真实值误差的概率密度函数,进而确定各工况的功率置信区间,完成区间预测。算例结果表明,基于模糊C均值软聚类工况辨识的风电功率区间预测方法在覆盖率和平均带宽等评价指标上优于常规方法,适合应用在风电功率短期区间预测中。     

基于时间差分的SCR脱硝系统动态建模

为建立精确的选择性催化还原(selective catalytic reduction,SCR)脱硝系统动态模型,提出了一种基于时间差分(time difference,TD)的动态建模方法。常规动态建模方法一般是在模型输入端增加历史输入和输出信息,会增加模型的维数并影响其训练速度和泛化能力。TD方法通过求解输入、输出的一阶差分并建立变化量间的数据驱动模型,能在不增加维数的前提下实现动态建模。使用某燃煤电站的变负荷运行数据,针对正常运行以及测量仪表反吹两种工作状态,基于TD方法和最小二乘支持向量机建立了SCR脱硝系统的动态模型并与静态及常规动态建模方法进行了对比。结果表明,基于TD方法的动态模型维数低、训练速度快、建模精度高,且在测量仪表反吹时仍能保持较高的精度。     

基于改进型TOPSIS法的水电机组运行可靠性分析

为保证电力系统的安全可靠运行,结合马氏距离对传统TOPSIS法中的距离计算进行改进,对全国3类不同装机容量的水电机组运行可靠性进行了综合评价。以中电联公布的2013年40 MW及以上各容量水电机组运行数据为基础,与用信息熵法确定指标权重的TOPSIS评价方法进行对比分析,改进后的基于马氏距离的TOPSIS法不仅简化了计算步骤,而且不受属性指标量纲以及属性指标间相关性的影响,不需要决策人对指标进行主观或客观赋权。评价结果表明,基于马氏距离的改进型TOPSIS法是一种评价水电机组运行可靠性的科学实用方法。