一、單元機(jī)組協(xié)調(diào)控制系統(tǒng)控制策略及算法的研究（論文文獻(xiàn)綜述）
張國(guó)斌,劉永江,杜鳴,郭瑞君,張謙,辛?xí)凿?sup>[1]（2021）在《火電機(jī)組的工況自適應(yīng)協(xié)調(diào)控制策略》文中研究指明隨著火電靈活性改造的進(jìn)行,火電機(jī)組需要在大范圍變工況下運(yùn)行,運(yùn)行過(guò)程中需要兼顧機(jī)組低負(fù)荷穩(wěn)定性。因此提出了一種工況自適應(yīng)協(xié)調(diào)控制策略,該策略以柔性控制為基礎(chǔ),設(shè)計(jì)了協(xié)調(diào)控制系統(tǒng)工況自適應(yīng)控制結(jié)構(gòu),并提出了控制系統(tǒng)參數(shù)確定方法。在仿真實(shí)驗(yàn)中,首先分析比較了某一工況下不同柔性因子作用后的控制效果,然后利用蒙特卡洛模擬,分析了參數(shù)不確定性對(duì)該控制系統(tǒng)穩(wěn)定性的影響,在大范圍變工況下對(duì)該策略的控制效果進(jìn)行了仿真驗(yàn)證。仿真結(jié)果顯示該策略設(shè)計(jì)方法可以實(shí)現(xiàn)機(jī)組在大范圍變工況下穩(wěn)定性與調(diào)峰快速性的綜合協(xié)調(diào),同時(shí)結(jié)構(gòu)改造簡(jiǎn)單,控制器參數(shù)易獲得,便于現(xiàn)場(chǎng)實(shí)施,為低負(fù)荷下的協(xié)調(diào)系統(tǒng)控制策略設(shè)計(jì)提供了一種思路。
張力,趙亮宇,劉曉玲,陳志強(qiáng),鄧拓宇,盧新蕊[2]（2021）在《考慮煤可磨性的協(xié)調(diào)控制系統(tǒng)智能優(yōu)化》文中提出煤質(zhì)復(fù)雜多變導(dǎo)致煤可磨性變化成為影響機(jī)組控制品質(zhì)的主要因素之一。通過(guò)機(jī)理分析和現(xiàn)場(chǎng)調(diào)試發(fā)現(xiàn),煤可磨性變化會(huì)顯著影響磨煤機(jī)出力,使得制粉系統(tǒng)被控對(duì)象特性發(fā)生變化,進(jìn)而影響協(xié)調(diào)控制系統(tǒng)鍋爐主控回路的閉環(huán)控制特性。對(duì)給煤量與機(jī)前壓力信號(hào)進(jìn)行特性識(shí)別,確定制粉系統(tǒng)動(dòng)態(tài)特性屬于慣性、慣性加純遲延以及非最小相位環(huán)節(jié)的隸屬度,據(jù)此依托智能DCS中專(zhuān)家數(shù)據(jù)庫(kù)柔性調(diào)整控制器參數(shù)實(shí)現(xiàn)智能發(fā)電控制。仿真及現(xiàn)場(chǎng)調(diào)試結(jié)果表明,優(yōu)化策略能夠顯著改善煤可磨性變化時(shí)機(jī)組主要參數(shù)的控制品質(zhì),為提高火電機(jī)組煤質(zhì)適應(yīng)性提供技術(shù)支持。
潘巖,鄢鋒,曾祥吉,楊靜雅,綦曉,黃文淵[3]（2021）在《有色冶煉廠(chǎng)發(fā)電機(jī)組機(jī)爐協(xié)調(diào)優(yōu)化控制》文中研究表明在環(huán)保要求日漸嚴(yán)格的大工業(yè)時(shí)代背景下,提升有色金屬火法冶煉自動(dòng)控制水平從而改善其能源利用效率符合國(guó)家政策要求和企業(yè)自身利益,也是本研究的方法與最終目標(biāo)。針對(duì)有色冶煉廠(chǎng)電力分廠(chǎng)機(jī)爐協(xié)調(diào)控制能力有限甚至缺乏協(xié)調(diào)控制設(shè)計(jì)的現(xiàn)狀,提出以大型鍋爐作為蒸汽補(bǔ)充來(lái)源并設(shè)計(jì)了協(xié)調(diào)優(yōu)化控制策略,分別研究了采用傳統(tǒng)PID解耦控制器方案、模糊控制器方案、模糊PID控制器方案和單神經(jīng)元自適應(yīng)控制器方案的特點(diǎn)。在此基礎(chǔ)上進(jìn)一步提出將模糊控制器與傳統(tǒng)PID控制器并聯(lián),在被調(diào)量接近目標(biāo)值時(shí),根據(jù)經(jīng)驗(yàn)降低控制作用以減小超調(diào)和調(diào)節(jié)時(shí)間即實(shí)現(xiàn)模糊柔化控制。仿真結(jié)果表明,所設(shè)計(jì)的協(xié)調(diào)優(yōu)化控制策略及并行模糊優(yōu)化控制器與常規(guī)方案相比,在控制精度與響應(yīng)速度等方面更具優(yōu)勢(shì),對(duì)現(xiàn)場(chǎng)實(shí)際生產(chǎn)具有一定的指導(dǎo)意義。
趙震,薛銳,崔曉波[4]（2021）在《火電機(jī)組協(xié)調(diào)控制系統(tǒng)預(yù)測(cè)控制的仿真研究》文中研究指明火力發(fā)電廠(chǎng)協(xié)調(diào)控制系統(tǒng)是典型的多變量控制系統(tǒng),控制對(duì)象動(dòng)態(tài)特性差異較大.為預(yù)測(cè)協(xié)調(diào)控制系統(tǒng)的調(diào)節(jié)效果,采用不同參數(shù)對(duì)協(xié)調(diào)控制系統(tǒng)進(jìn)行仿真,研究時(shí)域p、控制時(shí)域m及控制權(quán)重w對(duì)系統(tǒng)控制性能的影響,仿真結(jié)果可為預(yù)測(cè)控制器設(shè)計(jì)提供依據(jù),對(duì)電網(wǎng)和電廠(chǎng)運(yùn)行控制水平的提高有著一定的指導(dǎo)意義.
邵茹[5]（2021）在《350MW超臨界CFB機(jī)組機(jī)爐協(xié)調(diào)系統(tǒng)建模與控制》文中進(jìn)行了進(jìn)一步梳理根據(jù)我國(guó)的能源結(jié)構(gòu)情況,燃煤發(fā)電在短時(shí)間內(nèi)仍然占據(jù)著電力生產(chǎn)行業(yè)中的重要地位,清潔煤發(fā)電因符合國(guó)家提出的新發(fā)展要求獲得了行業(yè)內(nèi)的重視。超臨界循環(huán)流化床（Circulating Fluidized Bed,簡(jiǎn)稱(chēng)CFB）技術(shù)具有燃料適應(yīng)性強(qiáng)和高效率的優(yōu)勢(shì),并且污染物生成量少在環(huán)境保護(hù)方面發(fā)揮著重要作用?；痣姍C(jī)組是一種大慣性、時(shí)變、非線(xiàn)性等多種特點(diǎn)相互耦合的復(fù)雜控制對(duì)象。為了配合風(fēng)、光等新能源發(fā)電實(shí)施可持續(xù)發(fā)展,電網(wǎng)對(duì)單元機(jī)組機(jī)爐協(xié)調(diào)系統(tǒng)的控制性能提出了更高層次的要求,因此對(duì)超臨界循環(huán)流化床機(jī)組協(xié)調(diào)系統(tǒng)進(jìn)行研究非常有意義。本文以山西省某新建電廠(chǎng)350MW超臨界CFB機(jī)組協(xié)調(diào)系統(tǒng)為研究對(duì)象,開(kāi)展協(xié)調(diào)系統(tǒng)傳遞函數(shù)模型建立和控制兩個(gè)方面的研究。首先通過(guò)對(duì)協(xié)調(diào)系統(tǒng)被控對(duì)象動(dòng)態(tài)特性的定性分析,將其合理簡(jiǎn)化為以給煤量及高調(diào)門(mén)開(kāi)度為輸入,有功功率及主蒸汽壓力為輸出的系統(tǒng)模型,結(jié)合專(zhuān)家經(jīng)驗(yàn)確立模型結(jié)構(gòu)為具有純遲延的高階慣性環(huán)節(jié)。通過(guò)采集現(xiàn)場(chǎng)運(yùn)行數(shù)據(jù)并對(duì)數(shù)據(jù)進(jìn)行篩選及預(yù)處理,根據(jù)多輸入多輸出系統(tǒng)閉環(huán)辨識(shí)原理,依靠標(biāo)準(zhǔn)粒子群（Particle Swarm Optimization,簡(jiǎn)稱(chēng)PSO）算法對(duì)模型結(jié)構(gòu)中的未知參數(shù)進(jìn)行尋優(yōu),建立協(xié)調(diào)系統(tǒng)的數(shù)學(xué)模型,并對(duì)模型的準(zhǔn)確性進(jìn)行驗(yàn)證。在獲得數(shù)學(xué)模型的基礎(chǔ)上,出于模糊PID控制算法在實(shí)際工程中實(shí)用性的考慮,本文使用模糊PID智能控制算法對(duì)傳統(tǒng)PID控制進(jìn)行優(yōu)化,借助MATLAB仿真軟件中的Simulink工具箱進(jìn)行仿真試驗(yàn)對(duì)比。根據(jù)仿真結(jié)果可知,基于模糊PID控制算法的協(xié)調(diào)系統(tǒng),其動(dòng)態(tài)性能和靜態(tài)性能均優(yōu)于傳統(tǒng)PID控制。本文依據(jù)現(xiàn)場(chǎng)的歷史運(yùn)行數(shù)據(jù)建立系統(tǒng)數(shù)學(xué)模型,將理論與現(xiàn)場(chǎng)生產(chǎn)情況相結(jié)合,在獲得數(shù)學(xué)模型的基礎(chǔ)上對(duì)傳統(tǒng)PID控制算法進(jìn)行優(yōu)化,對(duì)協(xié)調(diào)系統(tǒng)進(jìn)行控制優(yōu)化提供借鑒。
李浩宇[6]（2021）在《基于蓄能系統(tǒng)的燃煤機(jī)組靈活性提升方法研究》文中指出近年來(lái),風(fēng)能、太陽(yáng)能等新能源得到了快速發(fā)展。然而,受可再生能源的波動(dòng)性和間歇性等特點(diǎn)影響,新能源電力面臨著難以消納的問(wèn)題?；鹆Πl(fā)電在我國(guó)能源結(jié)構(gòu)中將長(zhǎng)期處于主導(dǎo)地位,提高火電機(jī)組的靈活性是我國(guó)目前能源結(jié)構(gòu)下的最佳選擇。雖然現(xiàn)有機(jī)爐協(xié)調(diào)控制系統(tǒng)具備一定的變負(fù)荷能力,但受鍋爐側(cè)大遲延特性的限制,傳統(tǒng)的機(jī)爐協(xié)調(diào)控制系統(tǒng)無(wú)法解決新能源電力難以消納的問(wèn)題。為保證電網(wǎng)在新能源電力大規(guī)模并網(wǎng)后可以安全穩(wěn)定地運(yùn)行,本文對(duì)配置儲(chǔ)熱罐的熱電聯(lián)產(chǎn)機(jī)組的靈活性提升方法進(jìn)行了研究。本文的主要研究?jī)?nèi)容如下:首先,采用集總參數(shù)法,根據(jù)質(zhì)量守恒和能量守恒建立了燃煤系統(tǒng)、鍋爐汽-水系統(tǒng)、熱網(wǎng)加熱器、斜溫層式儲(chǔ)熱罐、汽輪機(jī)、給水加熱器以及除氧器的機(jī)理模型。利用某電廠(chǎng)配置斜溫層式儲(chǔ)熱罐的330MW熱電聯(lián)產(chǎn)機(jī)組的現(xiàn)場(chǎng)數(shù)據(jù)對(duì)機(jī)理數(shù)學(xué)模型進(jìn)行了驗(yàn)證。仿真結(jié)果與現(xiàn)場(chǎng)數(shù)據(jù)間的誤差較小,模型具有較高的可信度,可用于配置儲(chǔ)熱罐的熱電聯(lián)產(chǎn)機(jī)組的動(dòng)態(tài)特性研究。其次,在系統(tǒng)機(jī)理模型的基礎(chǔ)上進(jìn)行仿真實(shí)驗(yàn)。分別研究了斜溫層式儲(chǔ)熱罐在儲(chǔ)能和釋能狀態(tài)下儲(chǔ)熱罐斜溫層的變化情況。進(jìn)行了給煤量、汽輪機(jī)調(diào)汽閥、供熱抽汽蝶閥以及儲(chǔ)熱罐熱水口流量等輸入的階躍擾動(dòng)實(shí)驗(yàn)。研究了在不同輸入階躍擾動(dòng)下對(duì)機(jī)組負(fù)荷、主蒸汽壓力、供熱負(fù)荷等關(guān)鍵參數(shù)的影響。根據(jù)仿真結(jié)果,確定機(jī)組控制模型的輸入、輸出及傳遞函數(shù)的結(jié)構(gòu),通過(guò)粒子群算法對(duì)傳遞函數(shù)中的未知參數(shù)進(jìn)行辨識(shí),建立了“4入4出”結(jié)構(gòu)的配置儲(chǔ)熱罐的熱電聯(lián)產(chǎn)機(jī)組控制模型。為機(jī)組靈活性提升方法的研究提供了模型基礎(chǔ)。最后,為提高機(jī)組的靈活性,設(shè)計(jì)了一套適用于配置儲(chǔ)熱罐的熱電聯(lián)產(chǎn)機(jī)組的新型協(xié)調(diào)控制系統(tǒng)。以某330MW熱電聯(lián)產(chǎn)機(jī)組為例,進(jìn)行了負(fù)荷指令階躍擾動(dòng)和斜坡擾動(dòng)下的仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,新型協(xié)調(diào)控制系統(tǒng)的控制效果優(yōu)于傳統(tǒng)協(xié)調(diào)控制系統(tǒng)。為了減小機(jī)組在頻繁變負(fù)荷過(guò)程中所造成的供熱負(fù)荷波動(dòng),在新型協(xié)調(diào)控制系統(tǒng)中加入熱補(bǔ)償系統(tǒng),并進(jìn)行了仿真實(shí)驗(yàn)。仿真實(shí)驗(yàn)結(jié)果表明熱補(bǔ)償系統(tǒng)可以有效地降低機(jī)組在變負(fù)荷的過(guò)程中造成的供熱負(fù)荷波動(dòng)。
高學(xué)偉[7]（2021）在《數(shù)字孿生建模方法及其在熱力系統(tǒng)優(yōu)化運(yùn)行中的應(yīng)用研究》文中指出隨著社會(huì)經(jīng)濟(jì)的飛速發(fā)展,我國(guó)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化調(diào)整和轉(zhuǎn)型升級(jí)進(jìn)程的深入,要實(shí)現(xiàn)未來(lái)“碳達(dá)峰,碳中和”的目標(biāo),需要建設(shè)清潔低碳、安全高效的現(xiàn)代能源體系。以風(fēng)電和太陽(yáng)能發(fā)電為代表的可再生能源替代作用日益突顯,而火電機(jī)組在未來(lái)很長(zhǎng)一段時(shí)間內(nèi)仍將處于主導(dǎo)地位。亟需解決火電和可再生能源的協(xié)同發(fā)展問(wèn)題,大型火電機(jī)組更多需要擔(dān)負(fù)起高效節(jié)能、低碳環(huán)保、深度調(diào)頻調(diào)峰的任務(wù)。實(shí)施電能替代供熱對(duì)于推動(dòng)能源消費(fèi)革命、減少碳排放、促進(jìn)能源清潔化意義重大。利用電鍋爐儲(chǔ)熱供暖還可以降低電網(wǎng)調(diào)節(jié)壓力,增加供熱能力,有效解決可再生能源的消納問(wèn)題?；痣姍C(jī)組熱力系統(tǒng)和電鍋爐儲(chǔ)熱供暖熱力系統(tǒng)都屬于典型的非線(xiàn)性、多參數(shù)、強(qiáng)耦合的復(fù)雜熱力系統(tǒng)。本文通過(guò)研究流體網(wǎng)絡(luò)機(jī)理建模和數(shù)據(jù)驅(qū)動(dòng)建模相融合的數(shù)字孿生建模方法,為熱力系統(tǒng)建模工作提供了新的思路和途徑,為熱力系統(tǒng)安全、環(huán)保和經(jīng)濟(jì)運(yùn)行提供理論支撐。論文圍繞數(shù)字孿生建模方法及其在熱力系統(tǒng)優(yōu)化運(yùn)行中的應(yīng)用,主要研究?jī)?nèi)容和成果包括以下幾個(gè)方面:（1）對(duì)數(shù)字孿生理論、熱力系統(tǒng)建模理論以及大數(shù)據(jù)處理等基本理論進(jìn)行了研究。比較了數(shù)字孿生與仿真技術(shù)及信息物理系統(tǒng)的異同;以火力發(fā)電廠(chǎng)為例,研究了流體網(wǎng)絡(luò)機(jī)理建模及求解方法;對(duì)Hadoop系統(tǒng)的MapReduce與Spark計(jì)算進(jìn)行了對(duì)比分析,對(duì)實(shí)時(shí)數(shù)據(jù)處理Spark Streaming與Storm進(jìn)行了對(duì)比分析,并搭建了適用于數(shù)字孿生及大數(shù)據(jù)在熱力系統(tǒng)建模領(lǐng)域應(yīng)用的大數(shù)據(jù)分布式集群平臺(tái);在該集群上實(shí)現(xiàn)了大數(shù)據(jù)的存儲(chǔ)管理,以及大數(shù)據(jù)分布式計(jì)算,研究了基于大數(shù)據(jù)平臺(tái)的數(shù)據(jù)驅(qū)動(dòng)建模理論,包括支持向量回歸建模、極限學(xué)習(xí)機(jī)建模、智能辨識(shí)優(yōu)化算法以及即時(shí)學(xué)習(xí)等基本理論。（2）針對(duì)數(shù)據(jù)驅(qū)動(dòng)建模方法的研究,提出一套基于改進(jìn)即時(shí)學(xué)習(xí)策略的自適應(yīng)數(shù)據(jù)驅(qū)動(dòng)建模方法。采用“主成分+互信息”的方法獲得輸入和輸出變量之間的相關(guān)程度,確定權(quán)重因子,然后利用“歐式距離+角度”定義一種加權(quán)綜合相似度度量函數(shù)。在離線(xiàn)狀態(tài)下,利用改進(jìn)遺傳模擬退火模糊聚類(lèi)方法進(jìn)行工況劃分;進(jìn)行工況預(yù)測(cè)時(shí),采用一種多層次綜合相似度度量的相似工況快速識(shí)別方法構(gòu)建相似工況訓(xùn)練集,即根據(jù)兩級(jí)搜索的策略實(shí)現(xiàn)了在線(xiàn)快速識(shí)別:初級(jí)識(shí)別是確定預(yù)測(cè)工況在歷史工況庫(kù)中所屬的類(lèi)別提取預(yù)測(cè)類(lèi)工況,次級(jí)識(shí)別是采取基于綜合相似度度量函數(shù)的相似工況識(shí)別方法,在歷史數(shù)據(jù)庫(kù)中針對(duì)預(yù)測(cè)類(lèi)工況的快速識(shí)別;局部模型建模方法是在Spark計(jì)算框架下,對(duì)SparkSVMHPSO算法、Spark ELM算法以及基于SparkHPSO的多參數(shù)辨識(shí)等數(shù)據(jù)驅(qū)動(dòng)建模方法進(jìn)行研究。然后以SCR脫硝系統(tǒng)出口 NOx預(yù)測(cè)、電鍋爐儲(chǔ)熱供熱系統(tǒng)源側(cè)及荷測(cè)負(fù)荷預(yù)測(cè)為案例,驗(yàn)證了所提出的建模方法有效性。為熱力系統(tǒng)數(shù)字孿生模型建模及系統(tǒng)工況優(yōu)化提供了理論支撐。（3）針對(duì)數(shù)據(jù)孿生建模的研究,提出一套改進(jìn)即時(shí)學(xué)習(xí)策略的自適應(yīng)數(shù)據(jù)驅(qū)動(dòng)與機(jī)理模型多參數(shù)辨識(shí)協(xié)同融合的數(shù)字孿生建模方法。在建立熱力系統(tǒng)機(jī)理模型的基礎(chǔ)上,關(guān)鍵的設(shè)備模型參數(shù)利用多參數(shù)多工況擬合的離線(xiàn)智能辨識(shí)方法,得到可以模擬實(shí)際系統(tǒng)全工況下動(dòng)態(tài)變化趨勢(shì)的離線(xiàn)智能參數(shù)辨識(shí)模型;以離線(xiàn)智能參數(shù)孿生模型為主,根據(jù)相似度閾值進(jìn)行判斷,采用自適應(yīng)模型參數(shù)更新策略,實(shí)現(xiàn)數(shù)字孿生模型的在線(xiàn)協(xié)同;為進(jìn)一步提升孿生模型預(yù)測(cè)的精度和魯棒性,采用移動(dòng)窗格信息熵的多模型輸出在線(xiàn)融合方法,提升關(guān)鍵工況以及動(dòng)態(tài)變化過(guò)程的逼近程度?；谶@一理論構(gòu)建的數(shù)字孿生模型,能夠基于系統(tǒng)運(yùn)行數(shù)據(jù)持續(xù)進(jìn)行自我修正,在線(xiàn)跟蹤設(shè)備運(yùn)行特性,從而具有自適應(yīng)、自演進(jìn)的智能化特點(diǎn),能夠全面反映系統(tǒng)的運(yùn)行狀態(tài)和性能,為系統(tǒng)工況迭代優(yōu)化提供可靠的模型輸入和結(jié)果校驗(yàn)工具。以燃煤電站SCR脫硝系統(tǒng)和電鍋爐儲(chǔ)熱供熱系統(tǒng)為研究對(duì)象,建立其熱力系統(tǒng)數(shù)字孿生模型。（4）最后,基于數(shù)字孿生模型的實(shí)時(shí)跟蹤能力,提出一種基于負(fù)荷分配和工況尋優(yōu)的熱力系統(tǒng)智能工況動(dòng)態(tài)尋優(yōu)策略。并以電鍋爐儲(chǔ)熱供熱系統(tǒng)為研究對(duì)象,根據(jù)能耗成本分析和負(fù)荷分配策略,利用數(shù)字孿生模型系統(tǒng),對(duì)電網(wǎng)負(fù)荷、電鍋爐系統(tǒng)、儲(chǔ)熱系統(tǒng)進(jìn)行預(yù)測(cè)計(jì)算,模擬不同運(yùn)行方案、不同工況下系統(tǒng)動(dòng)態(tài)運(yùn)行,得出最優(yōu)的供熱調(diào)節(jié)和負(fù)荷分配方案。以火力發(fā)電廠(chǎng)SCR脫硝系統(tǒng)為例,根據(jù)建立的自適應(yīng)、自演進(jìn)的智能化SCR脫硝系統(tǒng)數(shù)字孿生模型,將該模型應(yīng)用于模型預(yù)測(cè)控制算法中。結(jié)果表明,利用基于數(shù)字孿生模型的自適應(yīng)預(yù)測(cè)控制算法比傳統(tǒng)的PID控制效果更精確,運(yùn)行更穩(wěn)定。證明了所提建模方法的有效性,具有重要的工程實(shí)用意義和行業(yè)示范價(jià)值。
盛歆歆[8]（2021）在《數(shù)據(jù)驅(qū)動(dòng)的超超臨界機(jī)組協(xié)調(diào)控制系統(tǒng)智能辨識(shí)算法及應(yīng)用研究》文中提出近年來(lái),盡管以風(fēng)電、光伏發(fā)電為代表的新能源發(fā)電蓬勃發(fā)展,但火力發(fā)電仍在我國(guó)電力行業(yè)中具有舉足輕重的地位。與傳統(tǒng)的超臨界和亞臨界機(jī)組相比,超超臨界機(jī)組具有蒸汽參數(shù)高、功率容量大、發(fā)電范圍廣等特點(diǎn),在提升發(fā)電效率、提高電網(wǎng)調(diào)峰調(diào)頻經(jīng)濟(jì)性和穩(wěn)定性、減輕CO2排放污染等方面具備顯著優(yōu)勢(shì)。我國(guó)火力發(fā)電行業(yè)部署已邁進(jìn)“超超臨界”時(shí)代,超超臨界機(jī)組已成為我國(guó)火電機(jī)組建設(shè)的關(guān)鍵構(gòu)成部分。為確保超超臨界機(jī)組的優(yōu)化運(yùn)行,需要保證其核心環(huán)節(jié)協(xié)調(diào)控制系統(tǒng)的安全穩(wěn)定。針對(duì)超超臨界機(jī)組協(xié)調(diào)控制系統(tǒng)而言,一個(gè)精確的機(jī)爐耦合過(guò)程模型是進(jìn)一步設(shè)計(jì)先進(jìn)控制策略、獲得滿(mǎn)意的控制性能以及節(jié)能優(yōu)化運(yùn)行的基礎(chǔ)。但是機(jī)爐耦合過(guò)程中涉及的各個(gè)重要變量之間存在較強(qiáng)的耦合作用,并且機(jī)爐耦合過(guò)程整體呈現(xiàn)較嚴(yán)重的非線(xiàn)性和復(fù)雜性,這為機(jī)爐耦合過(guò)程的模型辨識(shí)造成了很大的阻礙,也是本文建立機(jī)爐耦合過(guò)程模型的主要難點(diǎn)。針對(duì)上述超超臨界機(jī)組協(xié)調(diào)控制系統(tǒng)機(jī)爐耦合過(guò)程的建模問(wèn)題,本文考慮到目前電廠(chǎng)中應(yīng)用較為廣泛的仍是傳遞函數(shù)模型,為此希望借助群智能算法構(gòu)建機(jī)爐耦合過(guò)程的傳遞函數(shù)顯性模型。此外,深度學(xué)習(xí)方法適合分析大數(shù)據(jù)中蘊(yùn)含的關(guān)鍵信息,因此將堆疊降噪自編碼器引入到超超臨界機(jī)組協(xié)調(diào)控制系統(tǒng)機(jī)爐耦合過(guò)程,構(gòu)建過(guò)程的深度學(xué)習(xí)隱性模型,以實(shí)現(xiàn)對(duì)機(jī)組的全工況建模。首先,本文對(duì)超超臨界機(jī)組協(xié)調(diào)控制系統(tǒng)的整體架構(gòu)以及待辨識(shí)的協(xié)調(diào)控制系統(tǒng)鍋爐-汽輪機(jī)單元機(jī)組的原理和關(guān)鍵變量進(jìn)行闡述。通過(guò)剖析探討機(jī)爐耦合被控過(guò)程的關(guān)鍵變量對(duì)過(guò)程的影響,確定了超超臨界機(jī)組協(xié)調(diào)控制系統(tǒng)機(jī)爐耦合過(guò)程的簡(jiǎn)化概念模型。其次,本文確立機(jī)爐耦合過(guò)程的傳遞函數(shù)模型結(jié)構(gòu),并建立數(shù)據(jù)驅(qū)動(dòng)的多變量模型參數(shù)智能辨識(shí)方案以確定機(jī)爐耦合過(guò)程傳遞函數(shù)模型參數(shù)。為使方案辨識(shí)出的模型參數(shù)精確有效,提出融合羊群和獅群算法的云自適應(yīng)混沌鳥(niǎo)群算法（SO-LSO-CACBSA）,并采用測(cè)試函數(shù)從多角度驗(yàn)證展示改進(jìn)鳥(niǎo)群算法的有效性。依托機(jī)組實(shí)際運(yùn)行數(shù)據(jù),對(duì)我國(guó)某1000MW超超臨界機(jī)組開(kāi)展機(jī)爐耦合過(guò)程的模型辨識(shí)和驗(yàn)證,實(shí)驗(yàn)結(jié)果表明數(shù)據(jù)驅(qū)動(dòng)的多變量模型參數(shù)智能辨識(shí)方案和SO-LSO-CACBSA辨識(shí)算法的有效性。最后,為獲得超超臨界機(jī)組大范圍運(yùn)行工況下機(jī)爐耦合過(guò)程模型,將深度學(xué)習(xí)方法中的堆疊降噪自編碼器（SDAE）引入超超臨界機(jī)組協(xié)調(diào)控制系統(tǒng)機(jī)爐耦合過(guò)程的模型辨識(shí)中?；谖覈?guó)某1000MW超超臨界機(jī)組實(shí)際運(yùn)行數(shù)據(jù),開(kāi)展機(jī)爐耦合過(guò)程的模型辨識(shí)和驗(yàn)證,實(shí)驗(yàn)結(jié)果表明堆疊降噪自編碼器模型可以基本體現(xiàn)1000MW超超臨界機(jī)組協(xié)調(diào)控制系統(tǒng)機(jī)爐耦合過(guò)程在機(jī)組大范圍運(yùn)行工況下的特征。為了使堆疊降噪自編碼器在實(shí)際超超臨界機(jī)組實(shí)現(xiàn)更方便地應(yīng)用,利用MATLAB中的GUI功能設(shè)計(jì)了機(jī)爐耦合過(guò)程堆疊降噪自編碼器模型辨識(shí)軟件,能夠更好地實(shí)現(xiàn)人機(jī)交互。
熊劍[9]（2021）在《超臨界機(jī)組的靈活性運(yùn)行建模與先進(jìn)控制策略研究》文中研究指明波動(dòng)性可再生能源的發(fā)電比例不斷提高,導(dǎo)致超臨界火電機(jī)組的運(yùn)行目標(biāo)從追求高效節(jié)能轉(zhuǎn)變?yōu)樽⒅靥嵘龣C(jī)組的靈活性、機(jī)組深度調(diào)峰及快速升降負(fù)荷能力。為提升火電靈活性,一種可行的方法是設(shè)計(jì)先進(jìn)控制算法,而控制算法發(fā)揮性能的前提是精確、簡(jiǎn)潔的數(shù)學(xué)模型。所以對(duì)超臨界機(jī)組進(jìn)行建模和控制策略?xún)煞矫娴难芯烤哂兄匾饬x。本文將協(xié)調(diào)控制系統(tǒng)作為研究對(duì)象,在建立高精度模型的基礎(chǔ)上,為其設(shè)計(jì)先進(jìn)的控制算法,以提升機(jī)組運(yùn)行靈活性。在建模部分,模型結(jié)構(gòu)上,將T-S模糊增量模型輸出表達(dá)式與模糊神經(jīng)網(wǎng)絡(luò)的結(jié)論部分相結(jié)合,從而構(gòu)建一種新型的模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),該結(jié)構(gòu)中局部線(xiàn)性模型的精度大大提升。參數(shù)訓(xùn)練上,先利用改進(jìn)的核k-means++算法對(duì)前提部分參數(shù)進(jìn)行訓(xùn)練。該算法采用謝爾貝尼指數(shù)法初始化模糊規(guī)則個(gè)數(shù),消除了傳統(tǒng)人工選取規(guī)則數(shù)的局限性。且使用核空間距離代替?zhèn)鹘y(tǒng)的歐幾里得距離,得到了更佳的聚類(lèi)中心和半徑參數(shù)。然后采用有監(jiān)督自適應(yīng)梯度下降法對(duì)結(jié)論網(wǎng)絡(luò)參數(shù)進(jìn)行初始優(yōu)化,再用人工免疫粒子群算法對(duì)進(jìn)行二次優(yōu)化。在控制策略部分,本文提出了一種雙層的分層遞階控制結(jié)構(gòu),其中上層是無(wú)靜差非線(xiàn)性約束廣義預(yù)測(cè)控制器,計(jì)算得到最優(yōu)控制序列。下層是L1自適應(yīng)控制器,通過(guò)估計(jì)不確定性、實(shí)現(xiàn)最優(yōu)軌跡跟蹤?？刂破髟O(shè)定值優(yōu)化方面,使用一種柔化因子自適應(yīng)調(diào)整的設(shè)定值柔化操作,來(lái)進(jìn)一步改善控制性能。最后,在前述由現(xiàn)場(chǎng)數(shù)據(jù)驅(qū)動(dòng)的模糊神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上,對(duì)控制算法進(jìn)行測(cè)試。單輸出改變實(shí)驗(yàn)、靈活性運(yùn)行對(duì)比實(shí)驗(yàn)及抗干擾等多項(xiàng)實(shí)驗(yàn)中都實(shí)現(xiàn)良好的跟蹤,其中最大負(fù)荷爬坡率達(dá)到額定負(fù)荷的6%每分鐘,且控制量沒(méi)有較大波動(dòng)。實(shí)驗(yàn)結(jié)果表明本文控制器可以在保證安全穩(wěn)定運(yùn)行的前提下,使機(jī)組達(dá)到靈活性運(yùn)行的要求。
李宏瑞[10]（2021）在《多電源混合系統(tǒng)頻率響應(yīng)模型建立方法研究》文中提出頻率是電力系統(tǒng)運(yùn)行的重要指標(biāo)之一,其反應(yīng)了電力系統(tǒng)與負(fù)荷之間的能量平衡關(guān)系。頻率及其動(dòng)態(tài)特性對(duì)于設(shè)備的正常運(yùn)行及電網(wǎng)的安全運(yùn)行,穩(wěn)定控制有著不可忽視的作用。因此本文對(duì)多電源混合系統(tǒng)頻率響應(yīng)特性及建模方法進(jìn)行了研究。本文工作主要包括四個(gè)部分,第一部分使用模塊化方法對(duì)火電機(jī)組進(jìn)行機(jī)理建模,根據(jù)系統(tǒng)功能將火電機(jī)組劃分為協(xié)調(diào)控制系統(tǒng)（CCS）、調(diào)速系統(tǒng)（DEH）、汽輪機(jī)、鍋爐等幾個(gè)基本模塊,對(duì)其分別建模并在Simulink中仿真組合,獲得整體的仿真模型,根據(jù)仿真模型研究了火電機(jī)組一次頻率響應(yīng)動(dòng)態(tài)特性。第二部分將等值模型法與徑向基神經(jīng)網(wǎng)絡(luò)（RBFNNs）相結(jié)合建立了風(fēng)火混合電力系統(tǒng)的聚合模型,等值模型法用于確定RBFNNs的結(jié)構(gòu),為簡(jiǎn)化數(shù)據(jù)驅(qū)動(dòng)建模奠定了基礎(chǔ)。第三部分將基于離散狀態(tài)空間神經(jīng)網(wǎng)絡(luò)（Discreet State Space Neural Network,DSSNNs）的辨識(shí)算法應(yīng)用于風(fēng)火混合電力系統(tǒng)的建模,針對(duì)系統(tǒng)中存在非高斯擾動(dòng)的問(wèn)題,選擇生存信息勢(shì)（Survival information potential,SIP）作為辨識(shí)算法的性能指標(biāo),仿真結(jié)果表明基于離散狀態(tài)空間神經(jīng)網(wǎng)絡(luò)建立的風(fēng)火混合電力系統(tǒng)頻率響應(yīng)模型的合理有效性,并分析了不同風(fēng)電滲透率下混合電力系統(tǒng)的頻率響應(yīng)特性。第四部分針對(duì)風(fēng)火混合電力系統(tǒng)數(shù)據(jù)樣本少的問(wèn)題采用了基于遷移學(xué)習(xí)（TL）和遞歸神經(jīng)網(wǎng)絡(luò)（RNNs）的辨識(shí)方法建立了系統(tǒng)的頻率響應(yīng)模型。采用風(fēng)速和負(fù)荷描述場(chǎng)景,并通過(guò)仿真實(shí)驗(yàn)分析了在不同場(chǎng)景下運(yùn)行的風(fēng)火混合電力系統(tǒng)的頻率響應(yīng)。
二、單元機(jī)組協(xié)調(diào)控制系統(tǒng)控制策略及算法的研究（論文開(kāi)題報(bào)告）
（1）論文研究背景及目的
此處內(nèi)容要求：
首先簡(jiǎn)單簡(jiǎn)介論文所研究問(wèn)題的基本概念和背景，再而簡(jiǎn)單明了地指出論文所要研究解決的具體問(wèn)題，并提出你的論文準(zhǔn)備的觀點(diǎn)或解決方法。
寫(xiě)法范例：
本文主要提出一款精簡(jiǎn)64位RISC處理器存儲(chǔ)管理單元結(jié)構(gòu)并詳細(xì)分析其設(shè)計(jì)過(guò)程。在該MMU結(jié)構(gòu)中,TLB采用叁個(gè)分離的TLB,TLB采用基于內(nèi)容查找的相聯(lián)存儲(chǔ)器并行查找,支持粗粒度為64KB和細(xì)粒度為4KB兩種頁(yè)面大小,采用多級(jí)分層頁(yè)表結(jié)構(gòu)映射地址空間,并詳細(xì)論述了四級(jí)頁(yè)表轉(zhuǎn)換過(guò)程,TLB結(jié)構(gòu)組織等。該MMU結(jié)構(gòu)將作為該處理器存儲(chǔ)系統(tǒng)實(shí)現(xiàn)的一個(gè)重要組成部分。
（2）本文研究方法
調(diào)查法：該方法是有目的、有系統(tǒng)的搜集有關(guān)研究對(duì)象的具體信息。
觀察法：用自己的感官和輔助工具直接觀察研究對(duì)象從而得到有關(guān)信息。
實(shí)驗(yàn)法：通過(guò)主支變革、控制研究對(duì)象來(lái)發(fā)現(xiàn)與確認(rèn)事物間的因果關(guān)系。
文獻(xiàn)研究法：通過(guò)調(diào)查文獻(xiàn)來(lái)獲得資料，從而全面的、正確的了解掌握研究方法。
實(shí)證研究法：依據(jù)現(xiàn)有的科學(xué)理論和實(shí)踐的需要提出設(shè)計(jì)。
定性分析法：對(duì)研究對(duì)象進(jìn)行“質(zhì)”的方面的研究，這個(gè)方法需要計(jì)算的數(shù)據(jù)較少。
定量分析法：通過(guò)具體的數(shù)字，使人們對(duì)研究對(duì)象的認(rèn)識(shí)進(jìn)一步精確化。
跨學(xué)科研究法：運(yùn)用多學(xué)科的理論、方法和成果從整體上對(duì)某一課題進(jìn)行研究。
功能分析法：這是社會(huì)科學(xué)用來(lái)分析社會(huì)現(xiàn)象的一種方法，從某一功能出發(fā)研究多個(gè)方面的影響。
模擬法：通過(guò)創(chuàng)設(shè)一個(gè)與原型相似的模型來(lái)間接研究原型某種特性的一種形容方法。
三、單元機(jī)組協(xié)調(diào)控制系統(tǒng)控制策略及算法的研究（論文提綱范文）
（1）火電機(jī)組的工況自適應(yīng)協(xié)調(diào)控制策略（論文提綱范文）
| 1 引言 |
| 2 火電機(jī)組協(xié)調(diào)控制模型 |
| 2.1 協(xié)調(diào)系統(tǒng)動(dòng)態(tài)模型 |
| 2.2 直接能量平衡方式 |
| 3 工況自適應(yīng)協(xié)調(diào)控制策略 |
| 3.1 控制系統(tǒng)結(jié)構(gòu) |
| 3.2 求取控制參數(shù) |
| 4 仿真與結(jié)果分析 |
| 4.1 單一工況下的控制效果分析 |
| 4.2 系統(tǒng)穩(wěn)定性分析 |
| 4.3 大范圍區(qū)間下工況自適應(yīng)協(xié)調(diào)控制 |
| 5 結(jié)論 |
（3）有色冶煉廠(chǎng)發(fā)電機(jī)組機(jī)爐協(xié)調(diào)優(yōu)化控制（論文提綱范文）
| 0 引言 |
| 1 有色冶煉廠(chǎng)發(fā)電機(jī)組機(jī)爐協(xié)調(diào)優(yōu)化控制策略 |
| 2 有色冶煉廠(chǎng)發(fā)電機(jī)組機(jī)爐協(xié)調(diào)優(yōu)化仿真 |
| 2.1 機(jī)爐協(xié)調(diào)優(yōu)化控制模型 |
| 2.2 機(jī)爐協(xié)調(diào)優(yōu)化控制器設(shè)計(jì) |
| 3 結(jié)語(yǔ) |
（4）火電機(jī)組協(xié)調(diào)控制系統(tǒng)預(yù)測(cè)控制的仿真研究（論文提綱范文）
| 1 對(duì)象模型 |
| 2 控制策略及仿真算法 |
| 3 結(jié)果與分析 |
| 3.1 預(yù)測(cè)時(shí)域長(zhǎng)度p |
| 3.2 控制時(shí)域長(zhǎng)度m |
| 3.3 控制權(quán)重w |
| 4 結(jié)語(yǔ) |
（5）350MW超臨界CFB機(jī)組機(jī)爐協(xié)調(diào)系統(tǒng)建模與控制（論文提綱范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 緒論 |
| 1.1 課題研究背景及意義 |
| 1.2 單元機(jī)組建模的研究現(xiàn)狀 |
| 1.2.1 基于機(jī)理/實(shí)驗(yàn)建模的研究 |
| 1.2.2 基于智能辨識(shí)方法的研究 |
| 1.3 單元機(jī)組協(xié)調(diào)系統(tǒng)的控制現(xiàn)狀 |
| 1.3.1 基于線(xiàn)性系統(tǒng)的研究 |
| 1.3.2 基于非線(xiàn)性系統(tǒng)的研究 |
| 1.3.3 基于智能控制算法的研究 |
| 1.4 本文主要內(nèi)容 |
| 1.5 本章小結(jié) |
| 第二章 單元機(jī)組機(jī)爐協(xié)調(diào)系統(tǒng)概述 |
| 2.1 循環(huán)流化床鍋爐簡(jiǎn)介 |
| 2.2 協(xié)調(diào)系統(tǒng)的概念 |
| 2.3 單元機(jī)組協(xié)調(diào)系統(tǒng)對(duì)象特性 |
| 2.3.1 協(xié)調(diào)系統(tǒng)運(yùn)行方式 |
| 2.3.2 控制對(duì)象動(dòng)態(tài)特性分析 |
| 2.4 試驗(yàn)機(jī)組協(xié)調(diào)系統(tǒng)控制策略分析 |
| 2.4.1 試驗(yàn)機(jī)組介紹 |
| 2.4.2 協(xié)調(diào)系統(tǒng)控制策略分析 |
| 2.5 本章小結(jié) |
| 第三章 循環(huán)流化床機(jī)組機(jī)爐協(xié)調(diào)系統(tǒng)辨識(shí) |
| 3.1 辨識(shí)思想及模型確立 |
| 3.1.1 辨識(shí)基本原理 |
| 3.1.2 協(xié)調(diào)系統(tǒng)模型確立 |
| 3.2 MIMO系統(tǒng)辨識(shí) |
| 3.2.1 MIMO系統(tǒng)描述 |
| 3.2.2 MIMO系統(tǒng)辨識(shí)目標(biāo)函數(shù) |
| 3.3 閉環(huán)系統(tǒng)辨識(shí) |
| 3.4 粒子群優(yōu)化算法 |
| 3.5 CFB機(jī)組機(jī)爐協(xié)調(diào)系統(tǒng)模型辨識(shí) |
| 3.5.1 采樣數(shù)據(jù)篩選 |
| 3.5.2 零初始值處理 |
| 3.5.3 模型結(jié)構(gòu)選擇 |
| 3.5.4 系統(tǒng)辨識(shí) |
| 3.5.5 模型驗(yàn)證 |
| 3.6 本章小結(jié) |
| 第四章 協(xié)調(diào)系統(tǒng)控制優(yōu)化研究 |
| 4.1 控制理論介紹 |
| 4.1.1 PID控制 |
| 4.1.2 模糊控制 |
| 4.2 模糊PID控制 |
| 4.3 協(xié)調(diào)系統(tǒng)仿真研究 |
| 4.3.1 協(xié)調(diào)系統(tǒng)的傳統(tǒng)PID控制 |
| 4.3.2 協(xié)調(diào)系統(tǒng)的模糊PID控制 |
| 4.4 本章小結(jié) |
| 第五章 總結(jié)與展望 |
| 5.1 全文工作總結(jié) |
| 5.2 工作展望 |
| 參考文獻(xiàn) |
| 攻讀學(xué)位期間取得的研究成果 |
| 致謝 |
| 個(gè)人簡(jiǎn)況及聯(lián)系方式 |
（6）基于蓄能系統(tǒng)的燃煤機(jī)組靈活性提升方法研究（論文提綱范文）
| 摘要 |
| Abstract |
| 物理量名稱(chēng)及符號(hào)表 |
| 第1章 緒論 |
| 1.1 國(guó)內(nèi)外研究現(xiàn)狀 |
| 1.2 國(guó)內(nèi)外文獻(xiàn)綜述的簡(jiǎn)析 |
| 1.3 主要研究?jī)?nèi)容 |
| 第2章 配置儲(chǔ)熱罐的燃煤供熱機(jī)組建模 |
| 2.1 研究對(duì)象 |
| 2.2 機(jī)組機(jī)理模型的建立 |
| 2.2.1 燃煤系統(tǒng)數(shù)學(xué)模型 |
| 2.2.2 鍋爐汽-水系統(tǒng)數(shù)學(xué)模型 |
| 2.2.3 給水加熱器數(shù)學(xué)模型 |
| 2.2.4 除氧器數(shù)學(xué)模型 |
| 2.2.5 供暖系統(tǒng)數(shù)學(xué)模型 |
| 2.2.6 汽輪機(jī)數(shù)學(xué)模型 |
| 2.3 本章小結(jié) |
| 第3章 模型驗(yàn)證與動(dòng)態(tài)特性分析 |
| 3.1 機(jī)理模型驗(yàn)證 |
| 3.2 儲(chǔ)熱罐仿真實(shí)驗(yàn) |
| 3.2.1 儲(chǔ)熱罐蓄能仿真實(shí)驗(yàn) |
| 3.2.2 儲(chǔ)熱罐釋能仿真實(shí)驗(yàn) |
| 3.3 機(jī)組仿真實(shí)驗(yàn) |
| 3.3.1 給煤量階躍擾動(dòng)仿真實(shí)驗(yàn) |
| 3.3.2 汽輪機(jī)調(diào)節(jié)閥門(mén)階躍擾動(dòng)仿真實(shí)驗(yàn) |
| 3.3.3 供熱抽汽閥門(mén)階躍擾動(dòng)仿真實(shí)驗(yàn) |
| 3.3.4 儲(chǔ)熱罐熱水流量階躍擾動(dòng)仿真實(shí)驗(yàn) |
| 3.4 本章小結(jié) |
| 第4章 火電機(jī)組控制模型的建立 |
| 4.1 系統(tǒng)控制模型 |
| 4.2 參數(shù)辨識(shí) |
| 4.2.1 粒子群算法 |
| 4.2.2 辨識(shí)流程 |
| 4.3 辨識(shí)結(jié)果 |
| 4.3.1 給煤量擾動(dòng)特性曲線(xiàn)參數(shù)辨識(shí) |
| 4.3.2 汽輪機(jī)調(diào)節(jié)閥階躍擾動(dòng)特性曲線(xiàn)參數(shù)辨識(shí) |
| 4.3.3 供熱抽汽蝶閥擾動(dòng)特性曲線(xiàn)參數(shù)辨識(shí) |
| 4.4 本章小結(jié) |
| 第5章 基于儲(chǔ)能的燃煤機(jī)組協(xié)調(diào)控制方法 |
| 5.1 傳統(tǒng)控制系統(tǒng) |
| 5.2 新型協(xié)調(diào)控制系統(tǒng)的設(shè)計(jì) |
| 5.3 新型協(xié)調(diào)控制系統(tǒng)仿真實(shí)驗(yàn) |
| 5.3.1 階躍擾動(dòng)仿真 |
| 5.3.2 斜坡擾動(dòng)仿真 |
| 5.4 熱補(bǔ)償系統(tǒng) |
| 5.4.1 負(fù)荷指令階躍擾動(dòng)仿真實(shí)驗(yàn) |
| 5.4.2 負(fù)荷指令斜坡擾動(dòng)仿真實(shí)驗(yàn) |
| 5.5 本章小結(jié) |
| 結(jié)論與展望 |
| 研究結(jié)論 |
| 研究展望 |
| 參考文獻(xiàn) |
| 攻讀碩士學(xué)位期間發(fā)表的論文及其他成果 |
| 致謝 |
（7）數(shù)字孿生建模方法及其在熱力系統(tǒng)優(yōu)化運(yùn)行中的應(yīng)用研究（論文提綱范文）
| 摘要 |
| Abstract |
| 主要符號(hào)及縮寫(xiě)表 |
| 第1章 緒論 |
| 1.1 研究背景及意義 |
| 1.1.1 能源電力發(fā)展背景與現(xiàn)狀 |
| 1.1.2 智能控制優(yōu)化研究現(xiàn)狀 |
| 1.2 熱力系統(tǒng)建模仿真及大數(shù)據(jù)技術(shù)研究現(xiàn)狀 |
| 1.2.1 熱力系統(tǒng)建模研究現(xiàn)狀 |
| 1.2.2 電力大數(shù)據(jù)及其發(fā)展現(xiàn)狀 |
| 1.2.3 熱力系統(tǒng)仿真技術(shù)發(fā)展背景 |
| 1.3 數(shù)字孿生技術(shù)的應(yīng)用現(xiàn)狀及關(guān)鍵技術(shù) |
| 1.3.1 數(shù)字孿生的應(yīng)用發(fā)展現(xiàn)狀 |
| 1.3.2 數(shù)字孿生研究的關(guān)鍵技術(shù) |
| 1.3.3 數(shù)字孿生發(fā)展面臨的挑戰(zhàn) |
| 1.4 論文的研究?jī)?nèi)容 |
| 第2章 大數(shù)據(jù)背景下的數(shù)字孿生與熱力系統(tǒng)建模理論 |
| 2.1 數(shù)字孿生的基本理論 |
| 2.1.1 數(shù)字孿生的定義與內(nèi)涵 |
| 2.1.2 數(shù)字孿生與仿真技術(shù)之間的關(guān)系 |
| 2.1.3 數(shù)字孿生與信息物理系統(tǒng)之間的關(guān)系 |
| 2.2 熱力系統(tǒng)建模理論與方法 |
| 2.2.1 流體網(wǎng)絡(luò)機(jī)理建模理論與方法 |
| 2.2.2 數(shù)據(jù)驅(qū)動(dòng)建模理論與方法 |
| 2.3 大數(shù)據(jù)的基本理論 |
| 2.3.1 大數(shù)據(jù)平臺(tái)框架及相關(guān)技術(shù) |
| 2.3.2 大數(shù)據(jù)存儲(chǔ)管理與預(yù)處理方法 |
| 2.3.3 大數(shù)據(jù)分布式集群平臺(tái)構(gòu)建 |
| 2.4 本章小結(jié) |
| 第3章 基于改進(jìn)即時(shí)學(xué)習(xí)策略的自適應(yīng)數(shù)據(jù)驅(qū)動(dòng)建模方法研究 |
| 3.1 基于改進(jìn)即時(shí)學(xué)習(xí)策略的自適應(yīng)數(shù)據(jù)驅(qū)動(dòng)建模方法 |
| 3.1.1 建模思路 |
| 3.1.2 基于改進(jìn)遺傳模擬退火算法的模糊聚類(lèi)工況劃分 |
| 3.1.3 基于多層次綜合相似度度量的相似工況識(shí)別 |
| 3.1.4 基于Spark平臺(tái)的數(shù)據(jù)驅(qū)動(dòng)局部模型建模 |
| 3.2 SCR脫硝系統(tǒng)數(shù)據(jù)驅(qū)動(dòng)建模應(yīng)用案例 |
| 3.2.1 建模對(duì)象及背景介紹 |
| 3.2.2 數(shù)據(jù)預(yù)處理和相似工況選取 |
| 3.2.3 局部建模過(guò)程及結(jié)果分析 |
| 3.3 電鍋爐供熱系統(tǒng)荷側(cè)和源側(cè)負(fù)荷預(yù)測(cè)建模應(yīng)用案例 |
| 3.3.1 建模對(duì)象及背景介紹 |
| 3.3.2 荷側(cè)供熱負(fù)荷預(yù)測(cè)模型 |
| 3.3.3 源側(cè)電負(fù)荷預(yù)測(cè) |
| 3.4 本章小結(jié) |
| 第4章 熱力系統(tǒng)數(shù)字孿生建模理論及應(yīng)用 |
| 4.1 熱力系統(tǒng)數(shù)字孿生建模思路 |
| 4.1.1 數(shù)字孿生建模方法的提出 |
| 4.1.2 數(shù)字孿生模型的構(gòu)建方法及流程 |
| 4.2 數(shù)字孿生機(jī)理模型的構(gòu)建 |
| 4.2.1 管路模型 |
| 4.2.2 調(diào)節(jié)閥模型 |
| 4.2.3 離心水泵模型 |
| 4.2.4 換熱器模型 |
| 4.3 數(shù)字孿生模型的協(xié)同與融合理論 |
| 4.3.1 數(shù)字孿生模型離線(xiàn)智能參數(shù)辨識(shí) |
| 4.3.2 數(shù)字孿生模型參數(shù)在線(xiàn)自適應(yīng)協(xié)同 |
| 4.3.3 基于移動(dòng)窗格信息熵的多模型輸出在線(xiàn)融合 |
| 4.4 數(shù)字孿生建模實(shí)例分析 |
| 4.4.1 脫硝系統(tǒng)數(shù)字孿生模型的建立 |
| 4.4.2 供熱系統(tǒng)數(shù)字孿生模型的建立 |
| 4.5 本章小結(jié) |
| 第5章 基于熱力系統(tǒng)數(shù)字孿生模型的節(jié)能控制優(yōu)化 |
| 5.1 基于數(shù)字孿生模型的智能工況動(dòng)態(tài)尋優(yōu) |
| 5.1.1 熱力系統(tǒng)智能工況動(dòng)態(tài)尋優(yōu)策略 |
| 5.1.2 基于數(shù)字孿生模型的供熱儲(chǔ)熱系統(tǒng)智能工況動(dòng)態(tài)尋優(yōu) |
| 5.2 基于數(shù)字孿生模型的自適應(yīng)預(yù)測(cè)控制優(yōu)化 |
| 5.2.1 基于數(shù)字孿生模型的預(yù)測(cè)控制算法 |
| 5.2.2 基于數(shù)字孿生模型預(yù)測(cè)控制的噴氨量?jī)?yōu)化 |
| 5.3 本章小結(jié) |
| 第6章 結(jié)論與展望 |
| 6.1 主要研究工作及成果 |
| 6.2 論文主要?jiǎng)?chuàng)新點(diǎn) |
| 6.3 后續(xù)工作展望 |
| 參考文獻(xiàn) |
| 攻讀博士學(xué)位期間發(fā)表的論文及其它成果 |
| 攻讀博士學(xué)位期間參加的科研工作 |
| 致謝 |
| 作者簡(jiǎn)介 |
（8）數(shù)據(jù)驅(qū)動(dòng)的超超臨界機(jī)組協(xié)調(diào)控制系統(tǒng)智能辨識(shí)算法及應(yīng)用研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第1章 緒論 |
| 1.1 研究背景及意義 |
| 1.2 超超臨界機(jī)組建模國(guó)內(nèi)外研究現(xiàn)狀 |
| 1.3 研究?jī)?nèi)容及框架結(jié)構(gòu) |
| 第2章 超超臨界機(jī)組協(xié)調(diào)控制系統(tǒng)機(jī)爐耦合過(guò)程概述 |
| 2.1 超超臨界機(jī)組 |
| 2.1.1 協(xié)調(diào)控制系統(tǒng) |
| 2.1.2 鍋爐-汽輪機(jī)單元機(jī)組 |
| 2.2 機(jī)爐耦合過(guò)程模型辨識(shí)問(wèn)題描述 |
| 2.3 本章小結(jié) |
| 第3章 超超臨界機(jī)組協(xié)調(diào)控制系統(tǒng)機(jī)爐耦合過(guò)程傳遞函數(shù)模型辨識(shí) |
| 3.1 數(shù)據(jù)驅(qū)動(dòng)的多變量模型參數(shù)智能辨識(shí)方案 |
| 3.2 融合羊群和獅群算法的云自適應(yīng)混沌鳥(niǎo)群算法 |
| 3.2.1 鳥(niǎo)群算法簡(jiǎn)介 |
| 3.2.2 改進(jìn)的鳥(niǎo)群算法 |
| 3.2.3 數(shù)值仿真 |
| 3.3 智能辨識(shí)數(shù)據(jù)選擇與預(yù)處理 |
| 3.3.1 數(shù)據(jù)選擇 |
| 3.3.2 數(shù)據(jù)預(yù)處理 |
| 3.4 辨識(shí)實(shí)例 |
| 3.5 本章小結(jié) |
| 第4章 超超臨界機(jī)組協(xié)調(diào)控制系統(tǒng)機(jī)爐耦合過(guò)程深度學(xué)習(xí)模型辨識(shí) |
| 4.1 堆疊降噪自編碼器 |
| 4.2 辨識(shí)實(shí)例 |
| 4.3 機(jī)爐耦合過(guò)程SDAE模型辨識(shí)圖形用戶(hù)界面 |
| 4.3.1 GUI總體設(shè)計(jì) |
| 4.3.2 GUI總體操作流程 |
| 4.4 本章小結(jié) |
| 第5章 總結(jié)與展望 |
| 5.1 總結(jié) |
| 5.2 展望 |
| 參考文獻(xiàn) |
| 攻讀碩士學(xué)位期間發(fā)表的論文及其他成果 |
| 致謝 |
（9）超臨界機(jī)組的靈活性運(yùn)行建模與先進(jìn)控制策略研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第1章 緒論 |
| 1.1 課題背景及意義 |
| 1.2 國(guó)內(nèi)外研究現(xiàn)狀 |
| 1.2.1 超臨界機(jī)組建模及模糊神經(jīng)網(wǎng)絡(luò)技術(shù)研究現(xiàn)狀 |
| 1.2.2 超臨界機(jī)組靈活性運(yùn)行及分層控制策略的研究現(xiàn)狀 |
| 1.3 本文的主要工作內(nèi)容 |
| 第2章 超臨界機(jī)組及其靈活性運(yùn)行技術(shù) |
| 2.1 引言 |
| 2.2 超臨界機(jī)組及其協(xié)調(diào)控制系統(tǒng)概述 |
| 2.2.1 超臨界機(jī)組的特點(diǎn) |
| 2.2.2 協(xié)調(diào)控制系統(tǒng)的特點(diǎn) |
| 2.2.3 超臨界機(jī)組協(xié)調(diào)控制系統(tǒng)的參數(shù)可辨識(shí)性 |
| 2.3 超臨界機(jī)組的靈活性運(yùn)行技術(shù) |
| 2.3.1 超臨界機(jī)組靈活性運(yùn)行制約因素 |
| 2.3.2 超臨界機(jī)組靈活性運(yùn)行技術(shù)方案 |
| 2.3.3 超臨界機(jī)組靈活性運(yùn)行技術(shù)可行性分析 |
| 2.4 小結(jié) |
| 第3章 超臨界機(jī)組靈活性運(yùn)行建模 |
| 3.1 引言 |
| 3.2 新型的模糊神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu) |
| 3.3 新型的模糊神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練算法 |
| 3.3.1 前提部分網(wǎng)絡(luò)參數(shù)訓(xùn)練 |
| 3.3.2 結(jié)論部分網(wǎng)絡(luò)參數(shù)訓(xùn)練 |
| 3.4 基于模糊神經(jīng)網(wǎng)絡(luò)的超臨界機(jī)組協(xié)調(diào)控制系統(tǒng)靈活性運(yùn)行模型 |
| 3.4.1 靈活性運(yùn)行模型參數(shù)設(shè)置 |
| 3.4.2 靈活性運(yùn)行模型訓(xùn)練結(jié)果 |
| 3.4.3 靈活性運(yùn)行模型通用性測(cè)試 |
| 3.4.4 建模方法的驗(yàn)證實(shí)驗(yàn) |
| 3.5 小結(jié) |
| 第4章 分層遞階控制在超臨界機(jī)組靈活性運(yùn)行中的應(yīng)用 |
| 4.1 引言 |
| 4.2 新型的分層遞階控制結(jié)構(gòu) |
| 4.3 無(wú)靜差非線(xiàn)性約束廣義預(yù)測(cè)控制 |
| 4.3.1 預(yù)測(cè)模型 |
| 4.3.2 丟番圖方程的遞推解 |
| 4.3.3 滾動(dòng)優(yōu)化 |
| 4.4 L1自適應(yīng)控制 |
| 4.5 設(shè)定值自適應(yīng)柔化操作 |
| 4.6 超臨界機(jī)組靈活性運(yùn)行的分層遞階控制仿真 |
| 4.6.1 控制器參數(shù)選取 |
| 4.6.2 靈活性運(yùn)行跟蹤對(duì)比實(shí)驗(yàn) |
| 4.6.3 抗干擾對(duì)比實(shí)驗(yàn) |
| 4.7 小結(jié) |
| 第5章 結(jié)論與展望 |
| 參考文獻(xiàn) |
| 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文及其他成果 |
| 致謝 |
（10）多電源混合系統(tǒng)頻率響應(yīng)模型建立方法研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第1章 緒論 |
| 1.1 選題背景及意義 |
| 1.2 國(guó)內(nèi)外研究現(xiàn)狀 |
| 1.2.1 機(jī)理分析法 |
| 1.2.2 數(shù)據(jù)驅(qū)動(dòng)法 |
| 1.2.3 機(jī)理分析與數(shù)據(jù)驅(qū)動(dòng)相結(jié)合法 |
| 1.3 本文主要研究?jī)?nèi)容 |
| 第2章 火電機(jī)組一次調(diào)頻特性分析 |
| 2.1 引言 |
| 2.2 火電機(jī)組一次調(diào)頻模型 |
| 2.2.1 協(xié)調(diào)控制系統(tǒng) |
| 2.2.2 汽輪機(jī)調(diào)速系統(tǒng) |
| 2.2.3 汽輪機(jī)模型 |
| 2.2.4 鍋爐模型 |
| 2.2.5 直接能量平衡 |
| 2.3 火電機(jī)組調(diào)速系統(tǒng)一次調(diào)頻特性分析 |
| 2.4 火電機(jī)組CCS+DEH協(xié)同一次調(diào)頻特性分析 |
| 2.5 本章小結(jié) |
| 第3章 基于改進(jìn)RBFNNs的風(fēng)/火混合電力系統(tǒng)頻率響應(yīng)建模 |
| 3.1 引言 |
| 3.2 風(fēng)-火發(fā)電系統(tǒng)及其等值模型 |
| 3.2.1 火電機(jī)組簡(jiǎn)化等值聚合模型 |
| 3.2.2 風(fēng)電場(chǎng)一次調(diào)頻響應(yīng)模型 |
| 3.3 基于改進(jìn)RBFNNs的建模 |
| 3.3.1 信號(hào)前向傳播 |
| 3.3.2 性能指標(biāo): 生存信息勢(shì) |
| 3.3.3 RBF模型的訓(xùn)練 |
| 3.4 仿真結(jié)果 |
| 3.5 本章小結(jié) |
| 第4章 基于DSSNNs的風(fēng)/火混合電力系統(tǒng)頻率響應(yīng)建模 |
| 4.1 引言 |
| 4.2 基于RNNs的混合電力系統(tǒng)SFR模型的建模方案 |
| 4.3 基于DSSNNs的系統(tǒng)辨識(shí)方法 |
| 4.4 基于信號(hào)流圖的神經(jīng)網(wǎng)絡(luò)權(quán)重更新 |
| 4.5 仿真實(shí)驗(yàn) |
| 4.6 本章小結(jié) |
| 第5章 基于深度遷移學(xué)習(xí)的風(fēng)/火混合電力系統(tǒng)頻率響應(yīng)建模 |
| 5.1 引言 |
| 5.2 遷移學(xué)習(xí) |
| 5.3 最大均值差異算法 |
| 5.4 基于深度遷移學(xué)習(xí)的SFR建模 |
| 5.4.1 離線(xiàn)預(yù)訓(xùn)練SFR模型 |
| 5.4.2 SFR模型的在線(xiàn)訓(xùn)練 |
| 5.5 仿真實(shí)驗(yàn) |
| 5.6 結(jié)論 |
| 第6章 結(jié)論與展望 |
| 參考文獻(xiàn) |
| 攻讀碩士學(xué)位期間發(fā)表的論文及其它成果 |
| 致謝 |
四、單元機(jī)組協(xié)調(diào)控制系統(tǒng)控制策略及算法的研究（論文參考文獻(xiàn)）
- [1]火電機(jī)組的工況自適應(yīng)協(xié)調(diào)控制策略[J]. 張國(guó)斌,劉永江,杜鳴,郭瑞君,張謙,辛?xí)凿? 控制工程, 2021(10)
- [2]考慮煤可磨性的協(xié)調(diào)控制系統(tǒng)智能優(yōu)化[J]. 張力,趙亮宇,劉曉玲,陳志強(qiáng),鄧拓宇,盧新蕊. 熱力發(fā)電, 2021(10)
- [3]有色冶煉廠(chǎng)發(fā)電機(jī)組機(jī)爐協(xié)調(diào)優(yōu)化控制[J]. 潘巖,鄢鋒,曾祥吉,楊靜雅,綦曉,黃文淵. 冶金自動(dòng)化, 2021(05)
- [4]火電機(jī)組協(xié)調(diào)控制系統(tǒng)預(yù)測(cè)控制的仿真研究[J]. 趙震,薛銳,崔曉波. 南京工程學(xué)院學(xué)報(bào)(自然科學(xué)版), 2021(02)
- [5]350MW超臨界CFB機(jī)組機(jī)爐協(xié)調(diào)系統(tǒng)建模與控制[D]. 邵茹. 山西大學(xué), 2021(12)
- [6]基于蓄能系統(tǒng)的燃煤機(jī)組靈活性提升方法研究[D]. 李浩宇. 東北電力大學(xué), 2021(09)
- [7]數(shù)字孿生建模方法及其在熱力系統(tǒng)優(yōu)化運(yùn)行中的應(yīng)用研究[D]. 高學(xué)偉. 華北電力大學(xué)(北京), 2021(01)
- [8]數(shù)據(jù)驅(qū)動(dòng)的超超臨界機(jī)組協(xié)調(diào)控制系統(tǒng)智能辨識(shí)算法及應(yīng)用研究[D]. 盛歆歆. 華北電力大學(xué)(北京), 2021(01)
- [9]超臨界機(jī)組的靈活性運(yùn)行建模與先進(jìn)控制策略研究[D]. 熊劍. 華北電力大學(xué)(北京), 2021(01)
- [10]多電源混合系統(tǒng)頻率響應(yīng)模型建立方法研究[D]. 李宏瑞. 華北電力大學(xué)(北京), 2021(01)
標(biāo)簽：超臨界機(jī)組論文; 系統(tǒng)辨識(shí)論文; 系統(tǒng)仿真論文; 建模軟件論文; 新能源論文;