数据驱动的超超临界单元机组协调控制系统建模
发布时间：2022-12-11 02:02
目前,超超临界燃煤机组以其高效节能的优点逐渐成为我国火电单元机组建设的主流。超超临界单元机组具有高参数、强耦合、大延迟和大惯性等特点,是一类典型的非线性多变量系统。建立适合于超超临界单元机组的数学模型,有助于工作人员更加深入的了解机组的动态特性。其建模问题吸引了很多学者致力于超超临界机组数学模型的研究。本文在研究了单元机组建模方法的基础上,以某1000MW超超临界单元机组为研究对象,采集到该机组DCS中的部分历史运行数据驱动建模,分别从线性和非线性的角度,对其协调控制系统智能建模方法做了深入研究。本文的研究内容主要包括:1)单元机组建模理论的研究。对机理建模、系统辨识和复合建模三种基本建模方法做了详细介绍,并对粒子群优化算法和神经网络两种智能建模方法做了研究。系统建模是建立一个与系统等价的估计模型,应根据系统的内部机理以及动态特性选择相应的建模方法。2)采用粒子群优化算法,建立超超临界单元机组协调控制系统简化的传递函数线性模型。首先由机理分析得出协调控制系统传递函数矩阵结构模型,再根据单元机组DCS系统中局部工况的运行数据,采用粒子群优化算法辨识出各子模型的相关参数,从而获得系统的传递...
【文章页数】：72 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.2 国内外单元机组建模研究现状
1.3 论文主要研究内容
第二章 单元机组建模方法及分析
2.1 基本建模方法
2.1.1 机理建模法
2.1.2 系统辨识
2.1.3 复合建模方法
2.2 智能建模方法
2.2.1 粒子群优化算法
2.2.2 人工神经网络
2.3 本章小结
第三章 超超临界机组协调控制系统的传递函数矩阵建模
3.1 超超临界单元机组机理分析
3.2 超超临界机组动态特性分析
3.3 基于标准粒子群算法的超超临界机组协调控制系统建模
3.3.1 建模数据采集和预处理
3.3.2 传递函数矩阵模型结构设计
3.3.3 模型参数的辨识
3.3.4 模型检验
3.4 本章小结
第四章 基于神经网络的超超临界机组协调控制系统建模
4.1 基于BP神经网络的超超临界机组协调控制系统建模
4.1.1 BP神经网络
4.1.2 超超临界单元机组协调控制系统的BP神经网络模型
4.2 基于RBF神经网络的超超临界机组协调控制系统建模
4.2.1 RBF神经网络
4.2.2 超超临界单元机组协调控制系统的RBF神经网络模型
4.3 基于一种改进Elman神经网络的超超临界机组协调控制系统建模
4.3.1 标准的Elman神经网络
4.3.2 改进的Elman神经网络
4.3.3 超超临界单元机组协调控制系统的改进Elman神经网络模型
4.4 本章小结
第五章 结论与展望
5.1 结论
5.2 展望
参考文献
致谢
【参考文献】：
期刊论文
[1]1000 MW高效宽负荷率超超临界机组设计点优化研究[J]. 何海宇,范世望,彭泽瑛. 动力工程学报. 2018(10)
[2]超(超)临界火电机组乘数型协调预测函数优化控制研究及应用[J]. 胡建根,孙耘,李泉,尹峰. 动力工程学报. 2018(07)
[3]超超临界二次再热机组再热汽温系统模型辨识[J]. 刘淼,韩璞,张婷. 计算机仿真. 2018(05)
[4]基于Elman神经网络的输电工程造价预测[J]. 齐霞,王鑫. 中国电力企业管理. 2018(12)
[5]600MW超临界机组协调控制系统模型优化研究[J]. 曹喜果,张永涛,单英雷. 中国测试. 2018(02)
[6]超临界机组协调控制特性与控制策略[J]. 王兆华. 自动化应用. 2018(01)
[7]1000MW直流炉机组非线性动态模型及闭环验证[J]. 范赫,张雨飞,苏志刚,王培红. 动力工程学报. 2017(12)
[8]基于粒子群算法的分布式能源系统容量优化配置[J]. 杨佳霖. 分布式能源. 2017(06)
[9]供热机组热电耦合特性分析与解耦协调控制[J]. 邓拓宇,田亮,刘吉臻. 系统仿真学报. 2017(10)
[10]基于动态RBF神经网络的广义电力负荷建模[J]. 黄俊铭,朱建全,庄远灿. 电网技术. 2018(02)
博士论文
[1]大型循环流化床锅炉燃烧系统特性与建模研究[D]. 孙剑.华北电力大学（北京） 2010
硕士论文
[1]基于数据驱动的复杂多变量闭环辨识技术研究[D]. 段建国.华北电力大学(北京) 2016
[2]基于神经网络算法的火电厂机组负荷优化分配[D]. 张明喆.华北电力大学(北京) 2016
[3]1000MW超超临界机组协调控制系统设计及其改进[D]. 朱传鹏.燕山大学 2014
[4]超超临界机组负荷控制系统建模与优化控制[D]. 刘思捷.华北电力大学 2012
本文编号：3717932
【文章页数】：72 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.2 国内外单元机组建模研究现状
1.3 论文主要研究内容
第二章 单元机组建模方法及分析
2.1 基本建模方法
2.1.1 机理建模法
2.1.2 系统辨识
2.1.3 复合建模方法
2.2 智能建模方法
2.2.1 粒子群优化算法
2.2.2 人工神经网络
2.3 本章小结
第三章 超超临界机组协调控制系统的传递函数矩阵建模
3.1 超超临界单元机组机理分析
3.2 超超临界机组动态特性分析
3.3 基于标准粒子群算法的超超临界机组协调控制系统建模
3.3.1 建模数据采集和预处理
3.3.2 传递函数矩阵模型结构设计
3.3.3 模型参数的辨识
3.3.4 模型检验
3.4 本章小结
第四章 基于神经网络的超超临界机组协调控制系统建模
4.1 基于BP神经网络的超超临界机组协调控制系统建模
4.1.1 BP神经网络
4.1.2 超超临界单元机组协调控制系统的BP神经网络模型
4.2 基于RBF神经网络的超超临界机组协调控制系统建模
4.2.1 RBF神经网络
4.2.2 超超临界单元机组协调控制系统的RBF神经网络模型
4.3 基于一种改进Elman神经网络的超超临界机组协调控制系统建模
4.3.1 标准的Elman神经网络
4.3.2 改进的Elman神经网络
4.3.3 超超临界单元机组协调控制系统的改进Elman神经网络模型
4.4 本章小结
第五章 结论与展望
5.1 结论
5.2 展望
参考文献
致谢
【参考文献】：
期刊论文
[1]1000 MW高效宽负荷率超超临界机组设计点优化研究[J]. 何海宇,范世望,彭泽瑛. 动力工程学报. 2018(10)
[2]超(超)临界火电机组乘数型协调预测函数优化控制研究及应用[J]. 胡建根,孙耘,李泉,尹峰. 动力工程学报. 2018(07)
[3]超超临界二次再热机组再热汽温系统模型辨识[J]. 刘淼,韩璞,张婷. 计算机仿真. 2018(05)
[4]基于Elman神经网络的输电工程造价预测[J]. 齐霞,王鑫. 中国电力企业管理. 2018(12)
[5]600MW超临界机组协调控制系统模型优化研究[J]. 曹喜果,张永涛,单英雷. 中国测试. 2018(02)
[6]超临界机组协调控制特性与控制策略[J]. 王兆华. 自动化应用. 2018(01)
[7]1000MW直流炉机组非线性动态模型及闭环验证[J]. 范赫,张雨飞,苏志刚,王培红. 动力工程学报. 2017(12)
[8]基于粒子群算法的分布式能源系统容量优化配置[J]. 杨佳霖. 分布式能源. 2017(06)
[9]供热机组热电耦合特性分析与解耦协调控制[J]. 邓拓宇,田亮,刘吉臻. 系统仿真学报. 2017(10)
[10]基于动态RBF神经网络的广义电力负荷建模[J]. 黄俊铭,朱建全,庄远灿. 电网技术. 2018(02)
博士论文
[1]大型循环流化床锅炉燃烧系统特性与建模研究[D]. 孙剑.华北电力大学（北京） 2010
硕士论文
[1]基于数据驱动的复杂多变量闭环辨识技术研究[D]. 段建国.华北电力大学(北京) 2016
[2]基于神经网络算法的火电厂机组负荷优化分配[D]. 张明喆.华北电力大学(北京) 2016
[3]1000MW超超临界机组协调控制系统设计及其改进[D]. 朱传鹏.燕山大学 2014
[4]超超临界机组负荷控制系统建模与优化控制[D]. 刘思捷.华北电力大学 2012
本文编号：3717932
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3717932.html
