基于現(xiàn)場數(shù)據(jù)的電站汽溫系統(tǒng)建模與智能控制研究.pdf

1、蒸汽溫度是電站生產(chǎn)過程中的一個(gè)非常重要的監(jiān)測和控制參數(shù)，具有非線性、大慣性和大遲延的動態(tài)特性。目前大部分實(shí)際應(yīng)用中的電站汽溫自動控制系統(tǒng)大多采用串級PID控制策略，難以適應(yīng)自動發(fā)電量控制(AGC)的控制要求。因此，迫切需要研究一種易于應(yīng)用到電站分布式控制系統(tǒng)(DCS)中的智能控制技術(shù)，以彌補(bǔ)現(xiàn)有控制策略的不足。
　　基于電力公司的實(shí)際課題需求，本文針對智能控制策略及其在實(shí)際電站汽溫控制系統(tǒng)中的應(yīng)用問題開展研究。
　　首先，研

2、究了兩種新型智能優(yōu)化算法:混沌優(yōu)化算法和粒子群優(yōu)化算法。為了解決基本粒子群優(yōu)化算法容易過早陷入局部最優(yōu)點(diǎn)的不足，提出了一種改進(jìn)混合粒子群優(yōu)化算法——基于異步學(xué)習(xí)因子與自然選擇的粒子群優(yōu)化算法。仿真分析表明，改進(jìn)混合粒子群優(yōu)化算法比基本粒子群優(yōu)化算法和混沌優(yōu)化算法具有更高的搜索效率和精度，對設(shè)定值具有更好的跟蹤性能和控制品質(zhì)，適宜于廣義預(yù)測控制的在線滾動優(yōu)化計(jì)算及求解。
　　其次，研究了三種辨識方法:基于現(xiàn)場階躍響應(yīng)實(shí)驗(yàn)數(shù)據(jù)的傳遞函

3、數(shù)辨識方法，徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡(luò)辨識建模方法和基于模糊c均值的T-S模糊辨識建模方法。通過這三種辨識方法，根據(jù)現(xiàn)場DAS系統(tǒng)中的實(shí)時(shí)數(shù)據(jù)，分別對過熱汽溫對象和再熱汽溫對象進(jìn)行辨識。
　　然后，利用辨識得到的汽溫對象傳遞函數(shù)模型，通過動態(tài)矩陣控制算法實(shí)現(xiàn)了對汽溫對象的控制仿真?？紤]到非參數(shù)模型在線辨識比較困難的不足，將改進(jìn)混合粒子群優(yōu)化算法和廣義預(yù)測控制思想有機(jī)結(jié)合，分別將RBF神經(jīng)網(wǎng)絡(luò)辨識模型和基于模糊c均值聚類算法的T-