基于粒子群算法的1000MW火电机组模型辨识

被引:17
作者
韦根原
王兵树
马磊
朱波
机构
[1] 华北电力大学
关键词
火电厂; 粒子群; 热工过程; 模型辨识;
D O I
暂无
中图分类号
TP18 [人工智能理论]; TM621.6 [控制设备];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ; 080802 ;
摘要
对于火电厂热工控制系统,建立精确的热工过程模型是保证控制质量的基础。将传统的阶跃响应法用于热工过程模型辨识,由于现场数据的不规则性使得阶跃响应法的经验结果精度不高。针对火电厂热工过程对象的特点及传统模型辨识的缺陷,将粒子群算法用于火电厂热工过程模型的辨识,以1000MW超超临界机组的风煤比作为控制对象,对空预器进口氧量变化系统进行系统辨识,辨识曲线能够很好的反应实际输出曲线,证明了该方法的有效性和可靠性,相比传统的辨识方法,将粒子群算法用于模型辨识提高了辨识的精确性与快速性。
引用
收藏
页码:400 / 403
页数:4
相关论文
共 10 条
[1]   基于粒子群算法的火电厂热工过程模型辨识 [J].
张洪涛 ;
胡红丽 ;
徐欣航 ;
刘永红 .
热力发电, 2010, (05) :59-61+81
[2]   基于粒子群算法的火电厂机组负荷优化分配 [J].
李铁苍 ;
周黎辉 ;
张光炜 ;
綦守荣 .
华北电力大学学报(自然科学版), 2008, (01) :44-47
[3]   超超临界机组循环水控制回路的建模与仿真 [J].
王洪跃 ;
毕小龙 ;
司风琪 ;
徐治皋 .
华东电力, 2006, (02) :49-50
[4]   超临界火电机组及其仿真技术研究进展 [J].
魏丽东 ;
肖洪 ;
王锦桥 .
电力设备, 2006, (01) :48-50
[5]   基于现场数据热工对象建模的可辨识性 [J].
张小桃 ;
倪维斗 ;
李政 ;
郑松 .
清华大学学报(自然科学版), 2004, (11) :1544-1547
[6]   粒子群优化算法综述 [J].
杨维 ;
李歧强 .
中国工程科学, 2004, (05) :87-94
[7]   微粒群算法综述 [J].
谢晓锋 ;
张文俊 ;
杨之廉 .
控制与决策, 2003, (02) :129-134
[8]   基于遗传算法的火电厂热工过程模型辨识 [J].
刘长良 ;
于希宁 ;
姚万业 ;
刘吉臻 .
中国电机工程学报, 2003, (03) :170-174
[9]  
系统辨识基础[M]. 中国水利水电出版社 , 李鹏波等, 2006
[10]  
Particle swarm optimization .2 Kennedy J,Eberhart RC. Proceedings of the IEEE International Joint Conference on Neural Networks . 1995