基于KPCR的发电机组参数预测与估计.pdf

《基于KPCR的发电机组参数预测与估计.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第30卷第10期电力自动化设备Ｖｏｌ．30Ｎｏ.10２０10年10月ＥｌｅｃｔｒｉｃＰｏｗｅｒＡｕｔｏｍａｔｉｏｎＥｑｕｉｐｍｅｎｔOct.２０10基于KPCR的发电机组参数预测与估计张曦1112，陈世和，朱亚清，阎威武（1.广东电网公司电力科学研究院，广东广州510600；2.上海交通大学自动化系，上海200240）摘要：为了解决机组运行过程中参数失效和优化过程中参数计算的问题，提出了基于核回归（KPCR）的发电机组参数预测和估计方法。首先用正常数据建立机组参数的预测和估计模型，确定各变量之间的回归关系，然后将其用于参数的在线预测与估计。该方法可以有效地捕捉变量间的非

2、线性关系，参数预测和估计效果明显好于偏最小二乘回归（PLS）和主元回归（PCR）等线性回归方法。某电厂1000MW发电机组烟气含氧量历史特征数据集仿真试验证明了该方法的有效性。关键词：核回归；核主元分析；参数估计；推断控制中图分类号：TP273文献标识码：A文章编号：１００６－６０４７（2０10）10－０054－０4该方法的有效性。0引言1基于KPCR的参数预测与估计对发电厂机组重要参数进行实时监测是火电厂提高运行水平的重要措施，要实现对汽轮发电机组运1.1核主元分析行状态的实时监测和诊断，参数容错和仿真是保证系核主元分析是一种非监督学习算法，其在进行统长期稳定运行的关

3、键问题。但是热力系统非常复非线性特征分析和提取时，表现出了非常优越的性杂，所要监测的很多参数测点一般都处在高温、高压能。设原始空间数据通过非线性核函数Φ（x）映射和振动环境中，其传感器易于损坏，难免出现参数测到高维特征空间F，原始数据xi在特征空间F中的点无信号或者测量值误差超过允许范围的情况（称像为Φ（xi）。假设映射数据是零均值的，那么数据矩阵Φ（x）的协方差矩阵可以表示为［14］为参数失效）。只要一个参数失效，就可导致一个或N多个功能模块的失效，严重影响一些指导机组安全F1TC=Φ（xi）Φ（xi）（1）经济运行软件的正常工作［1鄄2］。Ni＝1从推断控制出发的

4、参数预测与估计技术［3］的基设特征值为λ，其对应的特征向量为v，求解如本思想是对于那些难以测量或者暂时不能测量的重下特征值问题：F要变量（称为主导变量），选择一组与其相关的可测λv=Cv（2）变量（称为辅助变量或二次变量），通过构造某种数其中，特征值λ>0，特征向量vΦ（·），式（2）两边左学关系来推断和估计主导变量，用软件来代替硬件乘Φ（xk），可得：F（传感器）功能。软仪表的估计值可作为控制系统的λ［Φ（xk）v］=Φ（xk）Cvk=1，２，…，Ｎ（3）被控变量或反映过程特征的工艺参数，为优化控制由于特征值λ对应的特征向量v是由特征空间与决策提供重要信息。目前参数

5、预测与估计技术已Φ（x１），Φ（x２），…，Φ（xＮ）中的向量所张成，所以存在在化工过程得到很好的应用［4鄄12］，但在发电机组参数系数αi（i=１，2，…，N）满足：N预测与估计方面研究较少，王东风等利用人工神经网v=αiΦ（xi）（4）络建立了球磨机负荷软测量模型［13］，熊志化等将高i＝1斯过程建模方法应用于机组参数预测和估计［1鄄2］，取由式（3）（4）可得：NN得了较好的效果。λαi［Φ（xi）Φ（xk）］=1αi×i＝1Ni＝1本文将核回归（ＫＰＣＲ）方法引入发电机组参数N的预测和估计，首先用正常数据建立机组参数的预测［Φ（xk）Φ（xj）］［Φ（x

6、j）Φ（xi）］（5）j＝1和估计模型，确定各变量之间的回归关系，然后将其用于参数的在线预测与估计。某电厂1000MW发电定义专=［Φ（x１），Φ（x２），…，Φ（xN）］，则CF=1×N机组烟气含氧量历史特征数据集的仿真实验证明了T［15］专专。特征空间中的非线性主元为N收稿日期：２010-0３-0１；修回日期：２010-０６-２２rβr=〈vr，Φ（x）〉=αi〈Φ（xi），Φ（x）〉（6）基金项目：国家自然科学基金资助项目（60974119）i＝1第10期张曦，等：基于KPCR的发电机组参数预测与估计其中，r=1，２，…，Ｍ，为所保留的非线性主元个数。定方式在D

7、CS中实现。义N×N维核矩阵Ｋ为1.3.2在线参数估计和质量预测［K］ij＝〈Φ（xi），Φ（xj）〉=［k（xi，xj）］（7）在线参数估计和质量预测的步骤如下：则非线性主元的分向量可进一步表示为a.利用变量的均值和方差将在线获得的采样数N据进行标准化处理，消除样本幅值对建模的影响；rβr=〈vr，Φ（x）〉=αi〈Φ（xi），Φ（x）〉=i＝1b.对标准化处理后所得到的数据xRm，利用下tN式计算对应的核矩阵KNt×Nαrk軌（x，x）（8）tR：iii＝1［Ｋ］tj=〈Φ（xt），Φ（xj）〉=［k（xt，xj）］（15）其