基于多模型与现场数据的过热汽温模型辨识方法研究

《基于多模型与现场数据的过热汽温模型辨识方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、＂．．．；一ｌ＞；参ｋ．．．、：＾．．：ｆ＾；夺－ｆ心〇．＞。；如巧Ｉ減ｆ过；．杳．、淨＂．ｓｉＪ｜ｉＩ１＂－｜｜舶Ｉ．、，＿，．、．－气，．＇．．＂＇Ｖ：＾Ｉ皆．ｉ霉引Ｖｍｒ巧＇，＞：，．式變：誇＾ｌｌｐ＾＾—国内图书分类号：TP29学校代码：10079国际图书分类号：620密级：公开硕士学位论文基于多模型与现场数据的过热汽温模型辨识方法研究硕士研究生韩超导师金秀章副教授申请学位工学硕士学科控制科学与工程专业控制理论与控制工程所在学院控制与计算机工程学院答辩日期2016年3月授予学位单位华

2、北电力大学ClassifiedIndex:TP29U.D.C:620ThesisfortheMasterDegreeResearchonSuperheatedSteamTemperatureSystemIdentificationBasedonMulti-modelandFieldDataCandidate：HanChaoSupervisor：ViceProf.JinXiuzhangSchool：SchoolofControlandComputerEngineeringDateofDefence：March,2016Degree-Conferring

3、-Institution:NorthChinaElectricPowerUniversity华北电力大学硕±学位论文原创性声明本人郑重声明－：此处所提交的硕上学位论文《基于多模型与现场数据的过热汽温模型辨识方法研究》，是本人在导师指导下，在华北电力大学攻读硕±学位期间独立进行研究工作所取得的成果。据本人所知，论文中除己注明部分外不包含他人已发表或撰写过的研究成果。对本文的研究工作做出重耍贡献的个人和集体，均己在文中Ｗ明确方式注明。本声明的法律结果将完全由本人承担。作者签名〇：日期：之／《年月曰＾）Ｉ华北电力大学硕±学位

4、论文使用授权书《基于多模型与现场数据的过热汽温模型辨识方法研究》系本人在华北电力大学攻读硕±学位期间在导师指导下完成的硕±学位论文。本论文的研究成果归华北电力大学所有？，本论文的研巧内容不得其它单位的名义发表。本人完全了解华北电力大学关于保存、使用学位论文的规定，同意学校保留并向国家有关部口或机构送交论文的复印件和电子版本，同意学校将学位论文的全部或部分内容编入有关数据库进行检索，允许论文被查阅和借阅。本人授权华北电力大学，可Ｗ采用影印、缩印或扫描等复制手段保存、可ｌｉＡ公布论文的全部或部分内容。＂＂本学位论文属于（请

5、在上相应方框内打Ｖ）：保密□，在年解密后适用本授权书不保密ｂ／作者签名：日期：么引＾月／＞日导师签名：曰期：之叫峰月／诚＾华北电力大学硕士学位论文摘要过热汽温控制是火电厂热工控制中较为重要的环节，若想要达到较好的过热汽温控制效果，就必须对其进行有效的分析。热工对象的分析离不开准确的数学模型，然而，过热汽温模型惯性和纯迟延较大，非线性和时变性较强，这就对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对过热汽温进行模型的建立，实验表明此方法可以有效的解决在过热汽温模型建立中所遇到的难题。针对数据标准化前后可能发生的相对差距

6、扭曲的情况，本文选择了平均绝对偏差标准化对数据进行标准化，使得各数据在标准化前后的相对差距不发生扭曲。利用主元分析及多变量过程监测得到了影响过热汽温的主导辅助变量，并将其作为数据模型的输入变量。应用滑动窗稳态数据提取算法从大量连续运行数据中提取出了机组准稳态运行数据，用于静态数据模型的建立。提出了基于样本优选的谱聚类算法并应用到本文对大量运行数据聚类。通过样本优选后，样本数得以精简，同时所剩样本也能代表整个机组的运行工况特性，可以用谱聚类算法对精简后的样本进行聚类，否则样本数量过大将导致谱聚类算法运算量过大。根据机组容量和聚类结果选择了三个聚类中心，

7、即要建立三个局部模型。应用每个局部模型所对应的数据簇，采用最小二乘支持向量机进行过热汽温数据模型的建立。通过采用最大绝对值误差、相对均方根误差、平均误差、均方根误差等评价指标对模型的训练及测试结果进行分析可发现，本文所建立的最小二乘支持向量机数据模型具有较好的学习能力及泛化能力。考虑到硬切换给系统带来的不稳定性，本文采用软切换协调机制来协调各个局部模型。选用了局部模型网络算法求出对应局部模型的权值，对局部模型输出与权值进行加权求和得出最终的多模型输出。局部模型网络的协调函数选用了高斯函数，提出了基于粒子群优化的局部模型网络算法，以全局预测最优为目标，

8、采用粒子群算法对采用最邻域启发式算法计算出的每个高斯函数宽度的初始值进行进一步优化。使其既考虑到自身数据簇内