本文關(guān)鍵詞：基于多模型與現(xiàn)場(chǎng)數(shù)據(jù)的過(guò)熱汽溫模型辨識(shí)方法研究

  更多相關(guān)文章： 樣本優(yōu)選 譜聚類 最小二乘支持向量機(jī) 局部模型網(wǎng)絡(luò) ARIMA動(dòng)態(tài)校正

【摘要】：過(guò)熱汽溫控制是火電廠熱工控制中較為重要的環(huán)節(jié),若想要達(dá)到較好的過(guò)熱汽溫控制效果,就必須對(duì)其進(jìn)行有效的分析。熱工對(duì)象的分析離不開準(zhǔn)確的數(shù)學(xué)模型,然而,過(guò)熱汽溫模型慣性和純遲延較大,非線性和時(shí)變性較強(qiáng),這就對(duì)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對(duì)過(guò)熱汽溫進(jìn)行模型的建立,實(shí)驗(yàn)表明此方法可以有效的解決在過(guò)熱汽溫模型建立中所遇到的難題。針對(duì)數(shù)據(jù)標(biāo)準(zhǔn)化前后可能發(fā)生的相對(duì)差距扭曲的情況,本文選擇了平均絕對(duì)偏差標(biāo)準(zhǔn)化對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化,使得各數(shù)據(jù)在標(biāo)準(zhǔn)化前后的相對(duì)差距不發(fā)生扭曲。利用主元分析及多變量過(guò)程監(jiān)測(cè)得到了影響過(guò)熱汽溫的主導(dǎo)輔助變量,并將其作為數(shù)據(jù)模型的輸入變量。應(yīng)用滑動(dòng)窗穩(wěn)態(tài)數(shù)據(jù)提取算法從大量連續(xù)運(yùn)行數(shù)據(jù)中提取出了機(jī)組準(zhǔn)穩(wěn)態(tài)運(yùn)行數(shù)據(jù),用于靜態(tài)數(shù)據(jù)模型的建立。提出了基于樣本優(yōu)選的譜聚類算法并應(yīng)用到本文對(duì)大量運(yùn)行數(shù)據(jù)聚類。通過(guò)樣本優(yōu)選后,樣本數(shù)得以精簡(jiǎn),同時(shí)所剩樣本也能代表整個(gè)機(jī)組的運(yùn)行工況特性,可以用譜聚類算法對(duì)精簡(jiǎn)后的樣本進(jìn)行聚類,否則樣本數(shù)量過(guò)大將導(dǎo)致譜聚類算法運(yùn)算量過(guò)大。根據(jù)機(jī)組容量和聚類結(jié)果選擇了三個(gè)聚類中心,即要建立三個(gè)局部模型。應(yīng)用每個(gè)局部模型所對(duì)應(yīng)的數(shù)據(jù)簇,采用最小二乘支持向量機(jī)進(jìn)行過(guò)熱汽溫?cái)?shù)據(jù)模型的建立。通過(guò)采用最大絕對(duì)值誤差、相對(duì)均方根誤差、平均誤差、均方根誤差等評(píng)價(jià)指標(biāo)對(duì)模型的訓(xùn)練及測(cè)試結(jié)果進(jìn)行分析可發(fā)現(xiàn),本文所建立的最小二乘支持向量機(jī)數(shù)據(jù)模型具有較好的學(xué)習(xí)能力及泛化能力�？紤]到硬切換給系統(tǒng)帶來(lái)的不穩(wěn)定性,本文采用軟切換協(xié)調(diào)機(jī)制來(lái)協(xié)調(diào)各個(gè)局部模型。選用了局部模型網(wǎng)絡(luò)算法求出對(duì)應(yīng)局部模型的權(quán)值,對(duì)局部模型輸出與權(quán)值進(jìn)行加權(quán)求和得出最終的多模型輸出。局部模型網(wǎng)絡(luò)的協(xié)調(diào)函數(shù)選用了高斯函數(shù),提出了基于粒子群優(yōu)化的局部模型網(wǎng)絡(luò)算法,以全局預(yù)測(cè)最優(yōu)為目標(biāo),采用粒子群算法對(duì)采用最鄰域啟發(fā)式算法計(jì)算出的每個(gè)高斯函數(shù)寬度的初始值進(jìn)行進(jìn)一步優(yōu)化。使其既考慮到自身數(shù)據(jù)簇內(nèi)的數(shù)據(jù)離散程度又兼顧了數(shù)據(jù)簇之間的離散程度。以此構(gòu)建的多模型系統(tǒng)具有很好的全局特性,針對(duì)所建立的靜態(tài)多模型系統(tǒng)動(dòng)態(tài)性欠佳的問(wèn)題,采用了基于ARIMA動(dòng)態(tài)校正的多模型建模方法對(duì)過(guò)熱汽溫進(jìn)行模型的建立,結(jié)果表明,經(jīng)過(guò)動(dòng)態(tài)校正后的多模型建模效果有了進(jìn)一步的提升,具有一定的實(shí)用價(jià)值。
【關(guān)鍵詞】：樣本優(yōu)選 譜聚類 最小二乘支持向量機(jī) 局部模型網(wǎng)絡(luò) ARIMA動(dòng)態(tài)校正
【學(xué)位授予單位】：華北電力大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TM621;TP273
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-15
• 1.1 選題背景及意義10-12
• 1.1.1 選題背景10-11
• 1.1.2 課題研究意義11-12
• 1.2 目前主要的建模方法12-13
• 1.3 本論文的主要工作13-15
• 第2章 數(shù)據(jù)的選擇與處理15-31
• 2.1 數(shù)據(jù)預(yù)處理15-16
• 2.2 數(shù)據(jù)變換16-18
• 2.3 輔助變量的選擇18-22
• 2.3.1 主元分析理論18-21
• 2.3.2 多變量過(guò)程監(jiān)測(cè)21-22
• 2.4 主元分析與多變量過(guò)程監(jiān)測(cè)實(shí)際應(yīng)用22-26
• 2.5 穩(wěn)態(tài)數(shù)據(jù)的提取26-30
• 2.6 本章小結(jié)30-31
• 第3章 數(shù)據(jù)聚類及局部模型建立31-45
• 3.1 聚類分析31-32
• 3.2 聚類分析方法的分類32-33
• 3.3 譜聚類算法33-36
• 3.3.1 傳統(tǒng)譜聚類方法的流程35-36
• 3.4 基于樣本優(yōu)選的譜聚類36-39
• 3.5 穩(wěn)態(tài)下局部模型的建立39-43
• 3.5.1 最小二乘支持向量機(jī)39-41
• 3.5.2 局部模型建立41-43
• 3.6 本章小結(jié)43-45
• 第4章 多模型建模45-58
• 4.1 多模型建模概述45
• 4.2 多模型協(xié)調(diào)機(jī)制45-49
• 4.2.1 硬切換協(xié)調(diào)機(jī)制45-46
• 4.2.2 軟切換協(xié)調(diào)機(jī)制46-48
• 4.2.3 基于粒子群優(yōu)化的局部模型網(wǎng)絡(luò)48-49
• 4.3 基于粒子群優(yōu)化的多模型仿真49-53
• 4.4 多模型動(dòng)態(tài)特性校正53-56
• 4.4.1 自回歸滑動(dòng)平均模型53-54
• 4.4.2 差分自回歸滑動(dòng)平均動(dòng)態(tài)校正54
• 4.4.3 基于ARIMA的多模型動(dòng)態(tài)校正54-56
• 4.5 本章小結(jié)56-58
• 第5章 結(jié)論與展望58-60
• 5.1 總結(jié)58-59
• 5.2 展望59-60
• 參考文獻(xiàn)60-63
• 攻讀碩士學(xué)位期間發(fā)表的論文及其它成果63-64
• 致謝64

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 朱鵬飛;夏陸岳;潘海天;;基于改進(jìn)Kalman濾波算法的多模型融合建模方法[J];化工學(xué)報(bào);2015年04期

2 曹暉;李耀江;周延;王燕霞;;基于神經(jīng)網(wǎng)絡(luò)內(nèi)部模型的非線性偏最小二乘法用于火電廠煙氣光譜定量分析[J];光譜學(xué)與光譜分析;2014年11期

3 袁世通;韓璞;孫明;;基于大數(shù)據(jù)的多變量系統(tǒng)建模方法研究[J];系統(tǒng)仿真學(xué)報(bào);2014年07期

4 嚴(yán)東;湯健;趙立杰;;基于特征提取和極限學(xué)習(xí)機(jī)的軟測(cè)量方法[J];控制工程;2013年01期

5 肖應(yīng)旺;楊軍;張承忠;杜瑛;;統(tǒng)計(jì)監(jiān)控建模離群點(diǎn)檢測(cè)數(shù)據(jù)預(yù)處理高效算法[J];儀器儀表學(xué)報(bào);2012年12期

6 梁慶姣;劉吉臻;薛彥廣;閆姝;曾德良;;超超臨界機(jī)組的非線性模型及動(dòng)態(tài)特性研究[J];動(dòng)力工程學(xué)報(bào);2012年02期

7 談愛(ài)玲;畢衛(wèi)紅;;基于KPCA和LSSVM的蜂蜜近紅外光譜鑒別分析[J];激光與紅外;2011年12期

8 呂玉坤;彭鑫;趙鍇;;電站鍋爐熱效率和NO_x排放混合建模與優(yōu)化[J];中國(guó)電機(jī)工程學(xué)報(bào);2011年26期

9 杜文莉;官振強(qiáng);錢鋒;;一種基于時(shí)序誤差補(bǔ)償?shù)膭?dòng)態(tài)軟測(cè)量建模方法[J];化工學(xué)報(bào);2010年02期

10 蔡曉妍;戴冠中;楊黎斌;;譜聚類算法綜述[J];計(jì)算機(jī)科學(xué);2008年07期

，

本文編號(hào)：689326