面向数字孪生的区间二型T-S模糊建模方法研究

为提高变负荷工况下火电机组动态过程模型精度以达到数字孪生模型要求,构建串联结构混合模型,采用量子粒子群算法(QPSO)构建全局模型,引入区间二型T-S(IT2TSK)模糊模型实现孪生体子模型及过渡过程的精准演化。针对IT2TSK模糊模型中模糊集和模糊规则较难确定的问题,设计了两步循环迭代法确定前后件参数,保证模糊集参数能够纵向体现不同状态集之间的不确定性,以及模糊规则能够横向实现子模型间的平稳过渡,保证全工况下孪生体模型高度逼近动态过程。结果表明：以空气预热器为例,在变负荷训练集上,较简化定工况模型和一型T-S模糊模型而言,基于IT2TSK模糊模型的参数在线自适应混合模型的输出能够更准确地跟踪实际值,整体精度更高。     

发电过程孪生模型在线演化方法研究

随着机器学习和深度学习的成熟,数据驱动模型得到了快速发展,过程模型的精度也得到了显著提高。目前,模型性能评价已经不再局限于模型精度,模型的泛化、演化等能力也成为重要的衡量指标,尤其体现在数字孪生的建模研究中。数字孪生建模不仅要求模型能够逼真地再现物理实体,而且还要求模型随着物理实体的变化而演化。这就要求数字孪生模型能在保证精度的同时,还具备在线演化的特点。基于串联混合模型建立离线局部模型库,构建了马尔可夫模型,设计了马尔可夫模型与局部模型结合的两层演化模型。利用马尔可夫模型对运行状态进行预测,应用RBF神经网络实现串联混合模型中数据驱动子模型过渡参数的演变,从而达到孪生模型整体演化的目的。最后,建立了空预器换热过程的孪生模型,并进行仿真验证,证明了所提方法的有效性。