300MW燃煤机组非线性动态模型与非线性控制软件包

本项目针对300MW燃煤机组,研究了建模的理论方法,建立了一套表征机炉局部子系统和设备的动态模型;采用机理分析与实际数据修正相结合的方法建立了300MW燃煤机组的整体动态模型和用于协调控制系统设计的机炉简化模型;建立了用于机组动态特性分析和控制系统研究的专用仿真系统。该系统可方便地与DCS互连,为研究单元机组控制系统提供了先进的手段;针对火电机组的非线性特征,研究了鲁棒控制、模糊多模型控制等单元机组协调控制策略;采用模糊多模型自适应控制方法,建立了不同工作点的多个线性化模型,分别设计了多变量内模控制器。     

基于数据分类重建的风电机组故障预警方法

为预警风电机组潜在故障、增强机组出力安全性,基于监控和数据采集(SCADA)系统,提出一种异常数据重建的风电机组故障预警方法。首先,充分利用同风场风机SCADA数据,分别重建输入类与输出类目标机组数据,克服了部分数据信息丢失、数据异常问题;其次,使用提取的代表性数据建立故障预警模型,所得预警模型更贴近机组运行动态特性;最后,采用改进的衰退指标预警潜在故障,直观展示机组阶段性衰退程度。案例研究中使用某风电场SCADA故障数据,并使用3种标准确定所提策略参数设定值,结果表明可至少提前3周预警风电机组齿轮箱潜在故障,验证了所提故障预警方法的时效性。     

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。     

基于增量式相对熵的风电机组实时状态监测

针对风电机组的实时状态监测问题,提出了一种基于增量式相对熵的残差分析方法。 首先,通过分析滑动窗口数据特 点,推导了适用于实时运算的增量式相对熵的计算公式,其时间复杂度为 O(1),要低于常规计算方法的 O( n)。 接下来,提出 了一种基于数据驱动和正常行为建模的风电机组实时状态监测方法,并将增量式相对熵作为实时残差分析的指标。 最后,用某 2 MW 风电机组的实际齿轮箱故障数据为算例,验证了该方法的有效性。 结果表明,相对熵残差分析能够至少提前 8 ~ 10 d 实 现故障预警,优于常规的统计量;增量式相对熵的计算时间仅相当于常规方法的 0. 4% ~ 1. 9%,在实时性上有显著优势。     

基于C#的DCS操作员仿真软件设计与开发

随着火电机组向大容量、高参数的发展,DCS得到了广泛的应用。仿真培训不仅使运行人员掌握了运行技术,而且对电力生产的安全性也起着至关重要的作用。同时由于培训仿真机的造价大大降低,又能减少培训成本、降低硬件维护、培训和备品备件费用等,利用仿真机来培训运行人员和管理人员已经得到普遍认同。设计与开发出一套合理的能够在Windows平台上运行的火电厂仿真机DCS操作员界面越发显得重要。本组态软件应能够进行在线／离线组态,能进行控制系统、逻辑保护的调试和诊断,支持全局变量,从而实现站间通信和不同画面的点与点之间的连接。     

大型锅炉热应力在线监视系统的开发

目前，国内对锅炉热应力的研究多以三维计算为主，但运行机组的状态千变万化，不可能对每一工况对采用三维计算来指导运行操作。热应力在线监视系统采用简化的热应力计算方法，实时地监视锅炉机组各个主要部件的热应力。文章介绍了锅炉热应力微机在线监视系统的软、硬件结构及热应力动态计算的简化方法。     

遗传算法在数据挖掘中的应用实例分析

该文主要分析了数据挖掘的有关概念及其数据挖掘的过程,详细阐述了遗传算法的基本思想、步骤及其在数据挖掘中的应用,以遗传算法在旅行商问题中的应用为例,全面分析了遗传算法在数据挖掘中的应用过程及其实现的计算效果,同时对简单的遗传算法在数据挖掘应用中存在的问题进行了讨论.     

基于MMI-PCA-KLPP二次降维和模糊树模型的NO_X浓度软测量方法

针对火电厂气体分析仪测量存在滞后和NO_X软测量不准确的问题,提出了一种基于改进互信息-主成分分析-核局部保持投影(MMI-PCA-KLPP)二次降维和模糊树模型(FT)的NO_X浓度软测量方法。首先对样本进行剔除离群点等预处理,再通过查阅文献大体确定模型的输入变量,并采用MMI方法对输入变量进行降维处理;针对MMI降维后依然有较多输入变量的问题,综合考虑了样本全局结构特性和局部结构特性,用PCA-KLPP方法对MMI降维后的变量二次降维;最后针对二次降维后的数据,基于模糊树算法建立了NO_X软测量模型。实验结果表明,模糊树模型精度高且泛化能力强,结合MMI-PCA-KLPP二次降维处理后,大大缩短了模型的训练时间且精度未出现较大程度的降低。     

高阶时滞系统的改进线性自抗扰控制及参数整定方法

针对高阶时滞系统采用传统线性自抗扰控制调节效果不佳、参数整定困难的问题,提出一种高阶时滞线性自抗扰控制。在一阶线性自抗扰控制的基础上,串联高阶前馈补偿器,从而解决了线性扩张状态观测器前馈信号和反馈信号不同步的问题,提高了系统的状态观测精度;在此基础上,采用目标逼近法定量化参数整定公式,并推导出参数可调节区间,实现利用单参数λ调节控制器参数,简化参数整定;进一步采用频域分析法验证该整定方法的有效性,并确定参数和系统鲁棒性的关系。最后,在选择性催化还原(SCR)脱硝控制系统的仿真实验中将所提出的控制器与其他类型控制器进行了对比,验证了该控制器的优越性。结果表明：所提出的高阶时滞线性自抗扰控制在定值跟随、抗扰动和鲁棒性上均具有明显优势,具有很大的工程应用潜力。     

基于改进集成KNN回归算法的风电机组齿轮箱状态监测

风电机组齿轮箱是容易发生故障的重要部件,维修费用高昂,因此有必要对其进行实时状态监测。针对集成K近邻(KNN)算法对随机采样不敏感的问题,提出了一种基于规则采样的改进集成KNN模型。首先利用距离相关系数进行变量选择,然后基于正则化互信息对变量进行排序,将其用于规则采样,构造子训练集,最后基于统计过程控制方法设置预警阈值对实时残差进行分析,根据健康度曲线对风电机组齿轮箱健康度进行监测,并利用某风电机组实际数据对所提方法进行验证。结果表明：所提方法显著提升了模型估计精度,该模型优于常规集成KNN模型,可以实现齿轮箱的早期故障预警。