基于Hurst指数的火电机组控制系统性能评价方法研究

发布时间：2020-03-25 01:47

【摘要】：工业控制系统性能评价是国家工业4.0规划中的重要一项,如何建立一套完整有效的自动性能评价和实时监测系统,成为人们关心的问题。由于实际工业过程中,设备的长期在线运行会不可避免的导致性能品质的下降。利用常规运行数据对控制器实现在线诊断,同时提高每一次调节的有效性是现场操作人员关注的焦点。为了提高工业控制系统的控制品质,针对传统性能评价方法对于被控对象数学模型的依赖问题,提出了一种基于Hurst指数的和深度学习相结合的控制系统性能评价方法。该方法基于火电机组控制系统的常规运行数据,首先采用Hurst指数分析数据、划分系统性能等级,针对不同的性能等级给出了不同的控制器参数优化方案;然后利用LSTM神经网络建立时间序列预测模型,实时监测Hurst指数的调整效果并对原调节幅度提出建议。并通过Matlab/Simulink模拟产生不同工况下的运行数据,利用该方法进行评价及优化;最后将该方法应用于工业实际过程,验证其可行性和有效性。试验结果表明,Hurst指数能够准确衡量控制器的调节强弱,指导控制器参数的优化调整;LSTM神经网络建立起的时间序列模型误差小,预测准确,能够有效的指导Hurst指数用最少的调节次数达到最优的控制器性能。同时通过使用GenSystem平台和Golden监控组态平台设计了性能评价软件,将火电机组控制回路信息、运行数据及应用Hurst指数计算算法的评价结果与建议在可视化界面上显示。该平台在工程实际中的应用也证明该算法的有效性和准确性。
【图文】：

华北电力大学硕士学位论文j ( j 1... )个窗口上计算2 21( ) ( ( ) )Lj j ji L Y i a i b长度为L的情况下，计算波动函数211( ) ( )jjF L LL

12图 2-4 序列映射结果图骤（4），改变窗口长度使得窗口长度从 10 个长度变化， n 为总样本数量。数坐标轴图上画出波动函数 F ( L) 与L的对应斜率即为 Hurst 指数。拟合结果如图 2-6 所示。的确定2）中，用个最小二乘法所做的直线拟合，是为为拟合得到的是一阶函数，所以滤去的是一阶趋势波动算法。高阶的趋势可以通过更高阶次改步骤（2）中的拟合阶次，，需要分析控制回路了原始趋势中的常数趋势。这些在 Hu 等人的文
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP273;TM621

【参考文献】

相关期刊论文 前5条

1 孙岩;王雪;;基于改进的去趋势波动分析对风力发电机齿轮箱故障诊断[J];仪器仪表与分析监测;2014年03期

2 刘春雨;王庆林;;控制性能评价与监控理论的研究进展[J];火力与指挥控制;2009年04期

3 范英,魏一鸣;基于R/S分析的中国股票市场分形特征研究[J];系统工程;2004年11期

4 宋晓林,刘君华,杨晓西,冯玉贵,刘守谦;IEC62056(电能计量——用于抄表、费率和负荷控制的数据交换)标准体系简介[J];电测与仪表;2004年02期

5 陈惠民,蔡弘,李衍达;自相似业务:基于多分辨率采样和小波分析的Hurst系数估计方法[J];电子学报;1998年07期

本文编号：2599198