基于PSO算法的1000MW机组主汽温系统辨识.pdfVIP

瓶 ：《鹿 l?《 0聪tj 0F 《； 》 盅 j瓤 第28卷第 12期 电 力 科 学 与 工 程 Vo1．28．No．12 1 2012年 12月 ElectricPowerScienceandEngineering Dec．，2012 基于 PSO算法的 1000MW 机组主汽温系统辨识 董 泽，丁 方，桑士杰 (华北电力大学 控制与计算机工程学院，河北 保定 071003) 摘要：针对某电厂在二级过热器喷水减温扰动下的主汽温对象的动态特性 ，提 出了基于电厂运行历史数 据的主汽温系统粒子群 (PSO，ParticleSwarmOptimization)辨识方法，建立了主汽温对象的动态数学模 型，并用不同运行期间的数据对模型进行验证，仿真结果表明，建立的主汽温模型是比较准确的。 关键词 ：1000MW超超临界机组；主汽温系统；粒子群优化；辨识 中图分类号：TP13 文献标识码：A 的要求 ，则说 明辨识结果可信 ，传递 函数很好地 0 引言 表达了主汽温对象的动态过程 ，可 以当作系统 的 模 型。 主汽温对象具有大迟延 、大惯性 、非线性和 时变性 的特点，对于 1000Mw 超超临界机组 的主 1 粒子群算法原理 汽温控制 ，由于机组容量和参数 的增加 ，蒸汽 的 过热受热面相对于蒸发受热面 的比例加大 ，使其 PSO算法是对 鸟群 觅食过程 的模拟 ，在 PSO 迟延和惯性更大 ，从而进 一步加大 了主汽温控制 算法 中，每只鸟被抽象的定义为没有体积和质量 的难度 。为 了改善主汽温 的控制性能，首要工作 的粒子 ，相 当于需要求解 的优化 问题 的可能解 ， 是对主汽温对象进行辨识 ，建立主汽温对象精确 并延伸至 Q维空间 (即每个粒子 的维数 )。所有 的数学模型是提高其控制系统性能的基础…。 粒子都有一个适应值是 由 目标 函数决定 的，还有 粒子群优化算法是一种优化计算技术 ，它是 一 个决定他们 飞翔方 向和距离 的速度 ，然后所有 由Eberhart博士和 Kennedy博士源 自于鸟群觅食 粒子们就追 随当前最优 的粒子在解的空间中搜索 。 行为 的研究而提 出的 。粒子群优化算法非常适 PSO算法最初 由7,／个 随机粒子 (随机解)组成 的 合处理连续优化 的问题 ，因为其具有对初始值 的 群体对 Q维空间进行搜索 。每个粒子可表示为 选取不敏感 以及不易陷入局部极小 的特点。粒子 = ( ，… ， )，对应 的速度表示为 =( 群算法需要调整 的参数不多，结构简单 ，易于实 ， … ， )。然后通过迭代法找到最优解 。每次迭 现 。现今 已广泛地应用于模糊控制 、神经 网络 代时，粒子通过跟踪两个极值 即 (P，P)更新 自 训练 、函数优化和其他 GA的应用领域 。 己，个体最优解P=(P P ，…，P。)，全局最优解 本文利用某 电厂正常运行时的主汽温及相关 Pg：(Pg1，Pg2，… ，PgQ)。 ， 参数 的历史数据 ，采用 PSO算法对主汽温对象进 找到两个最优解之后 ，粒子更新 自己的速度 行辨识 ，将适应度最小 的传递 函数作为主汽温系 与位置 的公式为