超超臨界機組負荷非線性預測控制及其仿真研究.pdf

1、隨著鍋爐朝著大容量、高參數(shù)的方向發(fā)展，對于大型機組建模與控制的研究是迫切需求的。然而，針對常規(guī)的線性控制策略很難滿足具有非線性、強耦合、大遲延等特性的超超臨界機組熱工過程的控制要求的問題，本文在全面總結超超臨界機組負荷控制系統(tǒng)建模與控制策略研究現(xiàn)狀的基礎上，重點開展了對基本粒子群算法的改進，超超臨界機組協(xié)調(diào)控制系統(tǒng)建模以及基于神經(jīng)網(wǎng)絡和混合粒子群算法的非線性預測控制等工作，并將非線性預測控制方法應用于負荷控制中，取得了預期的成果。

2、>　　針對基本粒子群算法容易陷入局部最優(yōu)解的問題，提出了一種基于遺傳算法和模擬退火算法的改進粒子群優(yōu)化算法。引入遺傳算法中的選擇、雜交和變異以及模擬退火機制的粒子群算法，可以保持群體多樣性的同時，提高全局搜索精度。通過對測試函數(shù)的求解和熱工對象的驗證，表明改進混合粒子群算法與基本PSO等其他智能算法相比具有更好的尋優(yōu)特性和辨識能力。
　　通過對超超臨界機組的制粉系統(tǒng)、鍋爐汽水系統(tǒng)以及汽輪機系統(tǒng)一定的簡化，利用質(zhì)量平衡、能量平衡和動

3、量平衡原理建立了一個3×3的協(xié)調(diào)控制系統(tǒng)機理模型。然后利用某電廠1000MW超超臨界直流爐機組sis系統(tǒng)歷史運行數(shù)據(jù)，對于模型中的未知參數(shù)進行求取。其中，動態(tài)參數(shù)采用本文改進的混合粒子群算法進行辨識。最后在Simulink中搭建模型，進行開環(huán)動態(tài)特性的試驗，試驗結果符合實際機組的動態(tài)特性，從而進一步驗證了模型的準確。
　　針對超超臨界機組非線性等特性，提出了一種基于神經(jīng)網(wǎng)絡結合改進混合粒子群優(yōu)化算法的非線性預測控制方法。采用RBF