聚类论文基于SIS数据的过热汽温模型参数的辨识.docVIP

聚类论文：基于SIS数据的过热汽温模型参数的辨识 【中文摘要】实际工业的分析离不开有效的数学模型,而绝大多数的工业过程是具有大惯性、工况范围广及一定的非线性和时变性的复杂系统,对系统建模提出了很高的要求。采用基于分解合成法则的多模型建模策略可在很大程度上克服上述不足。针对过热系统模型辨识的问题,本文提出的多模型建模方案的具体任务可概括如下:首先,为保证实验数据的准确性和有效性对实时数据进行预处理,然后利用处理后的数据,根据燃煤机组的运行机理,确定出影响过热汽温的主要变量,并采用B型灰关联度分析选取出过热系统辨识的辅助变量;其次,根据工况划分准则,提出了一种改进的双层K均值聚类算法,此方法既体现了原始K均值算法简单有效的优点,又解决了它对给定K值和初始聚类中心依赖性大和不适合分析大量数据的问题;再次,在不同工况下建立局部模型,局部模型的建立使用了最小二乘支持向量机(LS-SVM)建模方法;最后,针对局部模型的合成问题,本文提出了一种粒子群寻找最优权值的全局合成策略。该方法可自适应权衡模型的全局与局部特性,快速得到最优权向量。本文以浙江长兴电厂过热系统为研究对象,选取某天24小时的连续SIS数据,采用多模型建模方法建立了系统局部和全局模型。实验在matlab7.1平台下进行,仿真结果精度高、拟合性好,验证了该方法的有效性。多模型建模方案为宽负荷、变工况的复杂系统建模提供了一个可行思