基于多模型與現(xiàn)場(chǎng)數(shù)據(jù)的過熱汽溫模型辨識(shí)方法研究.pdf

1、過熱汽溫控制是火電廠熱工控制中較為重要的環(huán)節(jié)，若想要達(dá)到較好的過熱汽溫控制效果，就必須對(duì)其進(jìn)行有效的分析。熱工對(duì)象的分析離不開準(zhǔn)確的數(shù)學(xué)模型，然而，過熱汽溫模型慣性和純遲延較大，非線性和時(shí)變性較強(qiáng)，這就對(duì)模型的建立提出了很高的要求。本文采用了多模型建模方法對(duì)過熱汽溫進(jìn)行模型的建立，實(shí)驗(yàn)表明此方法可以有效的解決在過熱汽溫模型建立中所遇到的難題。
　　針對(duì)數(shù)據(jù)標(biāo)準(zhǔn)化前后可能發(fā)生的相對(duì)差距扭曲的情況，本文選擇了平均絕對(duì)偏差標(biāo)準(zhǔn)化對(duì)數(shù)據(jù)進(jìn)

2、行標(biāo)準(zhǔn)化，使得各數(shù)據(jù)在標(biāo)準(zhǔn)化前后的相對(duì)差距不發(fā)生扭曲。利用主元分析及多變量過程監(jiān)測(cè)得到了影響過熱汽溫的主導(dǎo)輔助變量，并將其作為數(shù)據(jù)模型的輸入變量。應(yīng)用滑動(dòng)窗穩(wěn)態(tài)數(shù)據(jù)提取算法從大量連續(xù)運(yùn)行數(shù)據(jù)中提取出了機(jī)組準(zhǔn)穩(wěn)態(tài)運(yùn)行數(shù)據(jù)，用于靜態(tài)數(shù)據(jù)模型的建立。
　　提出了基于樣本優(yōu)選的譜聚類算法并應(yīng)用到本文對(duì)大量運(yùn)行數(shù)據(jù)聚類。通過樣本優(yōu)選后，樣本數(shù)得以精簡，同時(shí)所剩樣本也能代表整個(gè)機(jī)組的運(yùn)行工況特性，可以用譜聚類算法對(duì)精簡后的樣本進(jìn)行聚類，否則樣

3、本數(shù)量過大將導(dǎo)致譜聚類算法運(yùn)算量過大。根據(jù)機(jī)組容量和聚類結(jié)果選擇了三個(gè)聚類中心，即要建立三個(gè)局部模型。應(yīng)用每個(gè)局部模型所對(duì)應(yīng)的數(shù)據(jù)簇，采用最小二乘支持向量機(jī)進(jìn)行過熱汽溫?cái)?shù)據(jù)模型的建立。通過采用最大絕對(duì)值誤差、相對(duì)均方根誤差、平均誤差、均方根誤差等評(píng)價(jià)指標(biāo)對(duì)模型的訓(xùn)練及測(cè)試結(jié)果進(jìn)行分析可發(fā)現(xiàn)，本文所建立的最小二乘支持向量機(jī)數(shù)據(jù)模型具有較好的學(xué)習(xí)能力及泛化能力。
　　考慮到硬切換給系統(tǒng)帶來的不穩(wěn)定性，本文采用軟切換協(xié)調(diào)機(jī)制來協(xié)調(diào)各個(gè)局

4、部模型。選用了局部模型網(wǎng)絡(luò)算法求出對(duì)應(yīng)局部模型的權(quán)值，對(duì)局部模型輸出與權(quán)值進(jìn)行加權(quán)求和得出最終的多模型輸出。局部模型網(wǎng)絡(luò)的協(xié)調(diào)函數(shù)選用了高斯函數(shù)，提出了基于粒子群優(yōu)化的局部模型網(wǎng)絡(luò)算法，以全局預(yù)測(cè)最優(yōu)為目標(biāo)，采用粒子群算法對(duì)采用最鄰域啟發(fā)式算法計(jì)算出的每個(gè)高斯函數(shù)寬度的初始值進(jìn)行進(jìn)一步優(yōu)化。使其既考慮到自身數(shù)據(jù)簇內(nèi)的數(shù)據(jù)離散程度又兼顧了數(shù)據(jù)簇之間的離散程度。以此構(gòu)建的多模型系統(tǒng)具有很好的全局特性，針對(duì)所建立的靜態(tài)多模型系統(tǒng)動(dòng)態(tài)性欠佳的問