【摘要】：實(shí)際工業(yè)的分析離不開(kāi)有效的數(shù)學(xué)模型,而絕大多數(shù)的工業(yè)過(guò)程是具有大慣性、工況范圍廣及一定的非線性和時(shí)變性的復(fù)雜系統(tǒng),對(duì)系統(tǒng)建模提出了很高的要求。采用基于分解合成法則的多模型建模策略可在很大程度上克服上述不足。 針對(duì)過(guò)熱系統(tǒng)模型辨識(shí)的問(wèn)題,本文提出的多模型建模方案的具體任務(wù)可概括如下:首先,為保證實(shí)驗(yàn)數(shù)據(jù)的準(zhǔn)確性和有效性對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行預(yù)處理,然后利用處理后的數(shù)據(jù),根據(jù)燃煤機(jī)組的運(yùn)行機(jī)理,確定出影響過(guò)熱汽溫的主要變量,并采用B型灰關(guān)聯(lián)度分析選取出過(guò)熱系統(tǒng)辨識(shí)的輔助變量;其次,根據(jù)工況劃分準(zhǔn)則,提出了一種改進(jìn)的雙層K均值聚類(lèi)算法,此方法既體現(xiàn)了原始K均值算法簡(jiǎn)單有效的優(yōu)點(diǎn),又解決了它對(duì)給定K值和初始聚類(lèi)中心依賴(lài)性大和不適合分析大量數(shù)據(jù)的問(wèn)題;再次,在不同工況下建立局部模型,局部模型的建立使用了最小二乘支持向量機(jī)(LS-SVM)建模方法;最后,針對(duì)局部模型的合成問(wèn)題,本文提出了一種粒子群尋找最優(yōu)權(quán)值的全局合成策略。該方法可自適應(yīng)權(quán)衡模型的全局與局部特性,快速得到最優(yōu)權(quán)向量。 本文以浙江長(zhǎng)興電廠過(guò)熱系統(tǒng)為研究對(duì)象,選取某天24小時(shí)的連續(xù)SIS數(shù)據(jù),采用多模型建模方法建立了系統(tǒng)局部和全局模型。實(shí)驗(yàn)在matlab7.1平臺(tái)下進(jìn)行,仿真結(jié)果精度高、擬合性好,驗(yàn)證了該方法的有效性。多模型建模方案為寬負(fù)荷、變工況的復(fù)雜系統(tǒng)建模提供了一個(gè)可行思路,并具有一定的推廣價(jià)值。
【圖文】：

圖 3-2 SOM-K 均值法聚類(lèi)結(jié)果分為 180MW，，220MW，235MW，260MW，280MW。-均值法對(duì)原始數(shù)據(jù)進(jìn)行聚類(lèi)。由于由實(shí)驗(yàn)(a)已知 (b)將 值設(shè)定為 5，減少試驗(yàn)次數(shù)，得出相同聚類(lèi)數(shù)的比較。聚類(lèi)的初始聚類(lèi)中心隨機(jī)獲取。通過(guò)對(duì)實(shí)驗(yàn)(b，有時(shí)只會(huì)得到局部最優(yōu)解。圖 3-3 為某次實(shí)驗(yàn)的工況

圖 3-2 SOM-K 均值法聚類(lèi)結(jié)果分為 180MW，220MW，235MW，260MW，280MW。-均值法對(duì)原始數(shù)據(jù)進(jìn)行聚類(lèi)。由于由實(shí)驗(yàn)(a)已知 (b)將 值設(shè)定為 5，減少試驗(yàn)次數(shù)，得出相同聚類(lèi)數(shù)的比較。聚類(lèi)的初始聚類(lèi)中心隨機(jī)獲取。通過(guò)對(duì)實(shí)驗(yàn)(b，有時(shí)只會(huì)得到局部最優(yōu)解。圖 3-3 為某次實(shí)驗(yàn)的工況
【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】：2011
【分類(lèi)號(hào)】：TM621.2;N945.12

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 金翠云;王建林;馬江寧;王穎;;改進(jìn)的PSO算法及其在PID控制器參數(shù)整定中的應(yīng)用[J];電子測(cè)量與儀器學(xué)報(bào);2010年02期

2 盧勇,徐向東;數(shù)據(jù)挖掘與鍋爐負(fù)荷多模型自適應(yīng)控制研究[J];電站系統(tǒng)工程;2003年04期

3 張艷寧,趙榮椿,梁怡;一種有效的大規(guī)模數(shù)據(jù)的分類(lèi)方法[J];電子學(xué)報(bào);2002年10期

4 薛振框,李少遠(yuǎn);MIMO非線性系統(tǒng)的多模型建模方法[J];電子學(xué)報(bào);2005年01期

5 劉飛,孫明,李寧,孫德寶,鄒彤;粒子群算法及其在布局優(yōu)化中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2004年12期

6 許海洋,王萬(wàn)森;基于SOM神經(jīng)網(wǎng)和K-均值算法的圖像分割[J];計(jì)算機(jī)工程與應(yīng)用;2005年21期

7 趙偉;張姝;李文輝;;改進(jìn)K-means的空間聚類(lèi)算法[J];計(jì)算機(jī)應(yīng)用研究;2008年07期

8 朱家元,虞建飛,張恒喜;嵌入局部模型的SOM網(wǎng)絡(luò)對(duì)混沌時(shí)間序列預(yù)測(cè)研究[J];控制與決策;2003年01期

9 熊偉麗;徐保國(guó);;基于PSO的SVR參數(shù)優(yōu)化選擇方法研究[J];系統(tǒng)仿真學(xué)報(bào);2006年09期

10 榮海娜;張葛祥;金煒東;;系統(tǒng)辨識(shí)中支持向量機(jī)核函數(shù)及其參數(shù)的研究[J];系統(tǒng)仿真學(xué)報(bào);2006年11期

相關(guān)博士學(xué)位論文 前1條

1 喬弘;火電廠熱工參數(shù)軟測(cè)量關(guān)鍵技術(shù)和方法研究[D];華北電力大學(xué)（北京）;2009年

本文編號(hào)：2705631