發(fā)布時間：2022-12-11 02:02

　　目前,超超臨界燃煤機組以其高效節(jié)能的優(yōu)點逐漸成為我國火電單元機組建設(shè)的主流。超超臨界單元機組具有高參數(shù)、強耦合、大延遲和大慣性等特點,是一類典型的非線性多變量系統(tǒng)。建立適合于超超臨界單元機組的數(shù)學(xué)模型,有助于工作人員更加深入的了解機組的動態(tài)特性。其建模問題吸引了很多學(xué)者致力于超超臨界機組數(shù)學(xué)模型的研究。本文在研究了單元機組建模方法的基礎(chǔ)上,以某1000MW超超臨界單元機組為研究對象,采集到該機組DCS中的部分歷史運行數(shù)據(jù)驅(qū)動建模,分別從線性和非線性的角度,對其協(xié)調(diào)控制系統(tǒng)智能建模方法做了深入研究。本文的研究內(nèi)容主要包括:1)單元機組建模理論的研究。對機理建模、系統(tǒng)辨識和復(fù)合建模三種基本建模方法做了詳細(xì)介紹,并對粒子群優(yōu)化算法和神經(jīng)網(wǎng)絡(luò)兩種智能建模方法做了研究。系統(tǒng)建模是建立一個與系統(tǒng)等價的估計模型,應(yīng)根據(jù)系統(tǒng)的內(nèi)部機理以及動態(tài)特性選擇相應(yīng)的建模方法。2)采用粒子群優(yōu)化算法,建立超超臨界單元機組協(xié)調(diào)控制系統(tǒng)簡化的傳遞函數(shù)線性模型。首先由機理分析得出協(xié)調(diào)控制系統(tǒng)傳遞函數(shù)矩陣結(jié)構(gòu)模型,再根據(jù)單元機組DCS系統(tǒng)中局部工況的運行數(shù)據(jù),采用粒子群優(yōu)化算法辨識出各子模型的相關(guān)參數(shù),從而獲得系統(tǒng)的傳遞... 

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外單元機組建模研究現(xiàn)狀
    1.3 論文主要研究內(nèi)容
第二章 單元機組建模方法及分析
    2.1 基本建模方法
        2.1.1 機理建模法
        2.1.2 系統(tǒng)辨識
        2.1.3 復(fù)合建模方法
    2.2 智能建模方法
        2.2.1 粒子群優(yōu)化算法
        2.2.2 人工神經(jīng)網(wǎng)絡(luò)
    2.3 本章小結(jié)
第三章 超超臨界機組協(xié)調(diào)控制系統(tǒng)的傳遞函數(shù)矩陣建模
    3.1 超超臨界單元機組機理分析
    3.2 超超臨界機組動態(tài)特性分析
    3.3 基于標(biāo)準(zhǔn)粒子群算法的超超臨界機組協(xié)調(diào)控制系統(tǒng)建模
        3.3.1 建模數(shù)據(jù)采集和預(yù)處理
        3.3.2 傳遞函數(shù)矩陣模型結(jié)構(gòu)設(shè)計
        3.3.3 模型參數(shù)的辨識
        3.3.4 模型檢驗
    3.4 本章小結(jié)
第四章 基于神經(jīng)網(wǎng)絡(luò)的超超臨界機組協(xié)調(diào)控制系統(tǒng)建模
    4.1 基于BP神經(jīng)網(wǎng)絡(luò)的超超臨界機組協(xié)調(diào)控制系統(tǒng)建模
        4.1.1 BP神經(jīng)網(wǎng)絡(luò)
        4.1.2 超超臨界單元機組協(xié)調(diào)控制系統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)模型
    4.2 基于RBF神經(jīng)網(wǎng)絡(luò)的超超臨界機組協(xié)調(diào)控制系統(tǒng)建模
        4.2.1 RBF神經(jīng)網(wǎng)絡(luò)
        4.2.2 超超臨界單元機組協(xié)調(diào)控制系統(tǒng)的RBF神經(jīng)網(wǎng)絡(luò)模型
    4.3 基于一種改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)的超超臨界機組協(xié)調(diào)控制系統(tǒng)建模
        4.3.1 標(biāo)準(zhǔn)的Elman神經(jīng)網(wǎng)絡(luò)
        4.3.2 改進(jìn)的Elman神經(jīng)網(wǎng)絡(luò)
        4.3.3 超超臨界單元機組協(xié)調(diào)控制系統(tǒng)的改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)模型
    4.4 本章小結(jié)
第五章 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]1000 MW高效寬負(fù)荷率超超臨界機組設(shè)計點優(yōu)化研究[J]. 何海宇,范世望,彭澤瑛.  動力工程學(xué)報. 2018(10)
[2]超(超)臨界火電機組乘數(shù)型協(xié)調(diào)預(yù)測函數(shù)優(yōu)化控制研究及應(yīng)用[J]. 胡建根,孫耘,李泉,尹峰.  動力工程學(xué)報. 2018(07)
[3]超超臨界二次再熱機組再熱汽溫系統(tǒng)模型辨識[J]. 劉淼,韓璞,張婷.  計算機仿真. 2018(05)
[4]基于Elman神經(jīng)網(wǎng)絡(luò)的輸電工程造價預(yù)測[J]. 齊霞,王鑫.  中國電力企業(yè)管理. 2018(12)
[5]600MW超臨界機組協(xié)調(diào)控制系統(tǒng)模型優(yōu)化研究[J]. 曹喜果,張永濤,單英雷.  中國測試. 2018(02)
[6]超臨界機組協(xié)調(diào)控制特性與控制策略[J]. 王兆華.  自動化應(yīng)用. 2018(01)
[7]1000MW直流爐機組非線性動態(tài)模型及閉環(huán)驗證[J]. 范赫,張雨飛,蘇志剛,王培紅.  動力工程學(xué)報. 2017(12)
[8]基于粒子群算法的分布式能源系統(tǒng)容量優(yōu)化配置[J]. 楊佳霖.  分布式能源. 2017(06)
[9]供熱機組熱電耦合特性分析與解耦協(xié)調(diào)控制[J]. 鄧拓宇,田亮,劉吉臻.  系統(tǒng)仿真學(xué)報. 2017(10)
[10]基于動態(tài)RBF神經(jīng)網(wǎng)絡(luò)的廣義電力負(fù)荷建模[J]. 黃俊銘,朱建全,莊遠(yuǎn)燦.  電網(wǎng)技術(shù). 2018(02)

博士論文
[1]大型循環(huán)流化床鍋爐燃燒系統(tǒng)特性與建模研究[D]. 孫劍.華北電力大學(xué)（北京） 2010

碩士論文
[1]基于數(shù)據(jù)驅(qū)動的復(fù)雜多變量閉環(huán)辨識技術(shù)研究[D]. 段建國.華北電力大學(xué)(北京) 2016
[2]基于神經(jīng)網(wǎng)絡(luò)算法的火電廠機組負(fù)荷優(yōu)化分配[D]. 張明喆.華北電力大學(xué)(北京) 2016
[3]1000MW超超臨界機組協(xié)調(diào)控制系統(tǒng)設(shè)計及其改進(jìn)[D]. 朱傳鵬.燕山大學(xué) 2014
[4]超超臨界機組負(fù)荷控制系統(tǒng)建模與優(yōu)化控制[D]. 劉思捷.華北電力大學(xué) 2012



本文編號：3717932