粒子群算法在1000MW火电机组模型辨识中的应用

摘要

火电厂模型辨识是研究火电厂热工控制问题的基础,对于实际热工控制问题,确定模型参数的研究时间通常占据一个控制过程设计、调试投运时间中的较高比例。只有在确定或辨识出控制系统模型之后,在应用于工程实际时才能对控制系统进行针对性的参数优化。文中采用PID控制技术作为控制策略,主要是基于其具有应用广泛、鲁棒性好、算法简单等优点。本文以模型辨识技术、PID参数优化技术为背景,采用火电厂已有实际运行数据为研究依据,以典型火电厂热工过程为研究对象,采用基本粒子群算法进行模型辨识,并进行系统参数优化工作,分析影响系统辨识结果的主要因素以及在辨识过程中应注意的问题,为粒子群算法在热工系统建模中提供一条探索途径。
　　基本粒子群算法存在易陷入局部最优解、易早熟、及搜索精度不高的缺点,在基本粒子群算法的基础上,研究对该算法进行改进与提高的方法。首先,在该算法中引入粒子群聚集度因子和进化速度因子,且将惯性因子表示为粒子群聚集度因子和进化速度因子的函数,从而使算法具有动态的自适应性。其次,结合遗传算法中的实数变异算子,通过自适应变异算子来更新粒子的个体极值点及全局最优点,用以增强粒子的搜索能力。对改进后的算法用验证函数进行验证,验证结果表明算法的收敛性、稳定性、及全局搜索能力得到了明显的改善。并将改进粒子群算法结合已成熟的对热工模型结构的认识,将其用于1000MW火电厂模型辨识与参数优化中,取得了预期的成果。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪 论

1.1 课题背景及研究意义

1.2 模型辨识技术的提出与发展

1.3 粒子群算法的提出与发展

1.4 本课题研究内容

第2章 模型辨识方法及应用

2.1 模型辨识的定义

2.2 模型辨识的内容

2.3 建模方法

第3章 热工过程数据处理方法

3.1 引言

3.2 数据滤波

3.3 零初始值处理

3.4 粗大值处理

第4章 基本粒子群算法模型辨识与参数优化

4.1 基本粒子群算法描述

4.2 基本粒子群算法流程

4.3 总燃料量与主蒸汽压力模型辨识

4.4 风煤比与过剩氧量模型辨识

4.5 总燃料量与发电机功率模型辨识

4.6 参数优化

4.7 本章小结

第5章 改进粒子群算法模型辨识与参数优化

5.1 引言

5.2 改进粒子群算法描述

5.3 采用改进粒子群算法进行模型辨识

5.4 参数优化

5.5 本章小结

第6章 结论与展望

参考文献

攻读硕士学位期间发表的论文及其它成果

致谢