优化组合模型在电厂设备状态预测中的研究与应用

摘要

近年来，全球经济迅猛发展，社会对能源的需求，尤其是电力能源的需求与日俱增，电力系统安全运行的难度和设备故障所造成的损失也随之增大。只有采用更加严格的标准来规范故障诊断系统，才能保障电厂设备安全稳定的运行。因此，如何更加有效、更高精度的设备状态预测方法成为亟待解决的问题。 本文在充分查阅国内外相关文献及资料，了解现有状态预测模型的基本思想和方法的基础上，采用引入混沌序列和遗传算法思想的人工鱼群算法优化灰色模型，并采用变权重参数构建基于优化灰色模型和时间序列模型的组合预测模型，最后将该预测模型用于电厂设备状态的趋势预测中。具体介绍如下： 基于混沌遗传的人工鱼群算法。人工鱼群算法存在“初值分配不均且易产生重复，后期收敛慢”的问题。因此，采用具有遍历性的混沌序列来初始化人工鱼群，避免其在搜索过程中陷入局部最优，进而提高全局寻优能力；同时，将能够实现个体间信息的交互的遗传算法的交叉、变异操作引入新鱼群的处理中，来加快收敛速度。 基于改进人工鱼群的灰色预测模型。灰色模型是目前预测领域应用最广泛的模型之一，但其存在背景值问题。为解决该问题，本文采用基于混沌遗传的人工鱼群算法对灰色模型的背景值进行寻优。 基于改进灰色和时间序列的优化组合预测模型。通常情况下，单项预测模型都选择性地利用了部分信息，摒弃了其他信息，而这些信息可能具有更高的价值。因此，本文采用改进灰色预测模型和时间序列预测模型构建非线性优化组合预测模型，即优化组合预测模型。 最后，将本文中优化组合预测模型应用在某火电厂1#机组引风机A的状态预测中，以验证模型的实用性及有效性。课题在Windows 7 Matlab R2010b环境下的仿真实验结果表明，本课题的模型相对各单项预测模型具有更高的预测精度。

目录

第一个书签之前