一、RBF模糊神经网络的研究及其在单元机组协调控制系统中的应用（论文文献综述）
熊剑[1]（2021）在《超临界机组的灵活性运行建模与先进控制策略研究》文中研究说明波动性可再生能源的发电比例不断提高,导致超临界火电机组的运行目标从追求高效节能转变为注重提升机组的灵活性、机组深度调峰及快速升降负荷能力。为提升火电灵活性,一种可行的方法是设计先进控制算法,而控制算法发挥性能的前提是精确、简洁的数学模型。所以对超临界机组进行建模和控制策略两方面的研究具有重要意义。本文将协调控制系统作为研究对象,在建立高精度模型的基础上,为其设计先进的控制算法,以提升机组运行灵活性。在建模部分,模型结构上,将T-S模糊增量模型输出表达式与模糊神经网络的结论部分相结合,从而构建一种新型的模糊神经网络结构,该结构中局部线性模型的精度大大提升。参数训练上,先利用改进的核k-means++算法对前提部分参数进行训练。该算法采用谢尔贝尼指数法初始化模糊规则个数,消除了传统人工选取规则数的局限性。且使用核空间距离代替传统的欧几里得距离,得到了更佳的聚类中心和半径参数。然后采用有监督自适应梯度下降法对结论网络参数进行初始优化,再用人工免疫粒子群算法对进行二次优化。在控制策略部分,本文提出了一种双层的分层递阶控制结构,其中上层是无静差非线性约束广义预测控制器,计算得到最优控制序列。下层是L1自适应控制器,通过估计不确定性、实现最优轨迹跟踪。控制器设定值优化方面,使用一种柔化因子自适应调整的设定值柔化操作,来进一步改善控制性能。最后,在前述由现场数据驱动的模糊神经网络模型的基础上,对控制算法进行测试。单输出改变实验、灵活性运行对比实验及抗干扰等多项实验中都实现良好的跟踪,其中最大负荷爬坡率达到额定负荷的6%每分钟,且控制量没有较大波动。实验结果表明本文控制器可以在保证安全稳定运行的前提下,使机组达到灵活性运行的要求。
邵茹[2]（2021）在《350MW超临界CFB机组机炉协调系统建模与控制》文中进行了进一步梳理根据我国的能源结构情况,燃煤发电在短时间内仍然占据着电力生产行业中的重要地位,清洁煤发电因符合国家提出的新发展要求获得了行业内的重视。超临界循环流化床（Circulating Fluidized Bed,简称CFB）技术具有燃料适应性强和高效率的优势,并且污染物生成量少在环境保护方面发挥着重要作用。火电机组是一种大惯性、时变、非线性等多种特点相互耦合的复杂控制对象。为了配合风、光等新能源发电实施可持续发展,电网对单元机组机炉协调系统的控制性能提出了更高层次的要求,因此对超临界循环流化床机组协调系统进行研究非常有意义。本文以山西省某新建电厂350MW超临界CFB机组协调系统为研究对象,开展协调系统传递函数模型建立和控制两个方面的研究。首先通过对协调系统被控对象动态特性的定性分析,将其合理简化为以给煤量及高调门开度为输入,有功功率及主蒸汽压力为输出的系统模型,结合专家经验确立模型结构为具有纯迟延的高阶惯性环节。通过采集现场运行数据并对数据进行筛选及预处理,根据多输入多输出系统闭环辨识原理,依靠标准粒子群（Particle Swarm Optimization,简称PSO）算法对模型结构中的未知参数进行寻优,建立协调系统的数学模型,并对模型的准确性进行验证。在获得数学模型的基础上,出于模糊PID控制算法在实际工程中实用性的考虑,本文使用模糊PID智能控制算法对传统PID控制进行优化,借助MATLAB仿真软件中的Simulink工具箱进行仿真试验对比。根据仿真结果可知,基于模糊PID控制算法的协调系统,其动态性能和静态性能均优于传统PID控制。本文依据现场的历史运行数据建立系统数学模型,将理论与现场生产情况相结合,在获得数学模型的基础上对传统PID控制算法进行优化,对协调系统进行控制优化提供借鉴。
高学伟[3]（2021）在《数字孪生建模方法及其在热力系统优化运行中的应用研究》文中进行了进一步梳理随着社会经济的飞速发展,我国产业结构优化调整和转型升级进程的深入,要实现未来“碳达峰,碳中和”的目标,需要建设清洁低碳、安全高效的现代能源体系。以风电和太阳能发电为代表的可再生能源替代作用日益突显,而火电机组在未来很长一段时间内仍将处于主导地位。亟需解决火电和可再生能源的协同发展问题,大型火电机组更多需要担负起高效节能、低碳环保、深度调频调峰的任务。实施电能替代供热对于推动能源消费革命、减少碳排放、促进能源清洁化意义重大。利用电锅炉储热供暖还可以降低电网调节压力,增加供热能力,有效解决可再生能源的消纳问题。火电机组热力系统和电锅炉储热供暖热力系统都属于典型的非线性、多参数、强耦合的复杂热力系统。本文通过研究流体网络机理建模和数据驱动建模相融合的数字孪生建模方法,为热力系统建模工作提供了新的思路和途径,为热力系统安全、环保和经济运行提供理论支撑。论文围绕数字孪生建模方法及其在热力系统优化运行中的应用,主要研究内容和成果包括以下几个方面:（1）对数字孪生理论、热力系统建模理论以及大数据处理等基本理论进行了研究。比较了数字孪生与仿真技术及信息物理系统的异同;以火力发电厂为例,研究了流体网络机理建模及求解方法;对Hadoop系统的MapReduce与Spark计算进行了对比分析,对实时数据处理Spark Streaming与Storm进行了对比分析,并搭建了适用于数字孪生及大数据在热力系统建模领域应用的大数据分布式集群平台;在该集群上实现了大数据的存储管理,以及大数据分布式计算,研究了基于大数据平台的数据驱动建模理论,包括支持向量回归建模、极限学习机建模、智能辨识优化算法以及即时学习等基本理论。（2）针对数据驱动建模方法的研究,提出一套基于改进即时学习策略的自适应数据驱动建模方法。采用“主成分+互信息”的方法获得输入和输出变量之间的相关程度,确定权重因子,然后利用“欧式距离+角度”定义一种加权综合相似度度量函数。在离线状态下,利用改进遗传模拟退火模糊聚类方法进行工况划分;进行工况预测时,采用一种多层次综合相似度度量的相似工况快速识别方法构建相似工况训练集,即根据两级搜索的策略实现了在线快速识别:初级识别是确定预测工况在历史工况库中所属的类别提取预测类工况,次级识别是采取基于综合相似度度量函数的相似工况识别方法,在历史数据库中针对预测类工况的快速识别;局部模型建模方法是在Spark计算框架下,对SparkSVMHPSO算法、Spark ELM算法以及基于SparkHPSO的多参数辨识等数据驱动建模方法进行研究。然后以SCR脱硝系统出口 NOx预测、电锅炉储热供热系统源侧及荷测负荷预测为案例,验证了所提出的建模方法有效性。为热力系统数字孪生模型建模及系统工况优化提供了理论支撑。（3）针对数据孪生建模的研究,提出一套改进即时学习策略的自适应数据驱动与机理模型多参数辨识协同融合的数字孪生建模方法。在建立热力系统机理模型的基础上,关键的设备模型参数利用多参数多工况拟合的离线智能辨识方法,得到可以模拟实际系统全工况下动态变化趋势的离线智能参数辨识模型;以离线智能参数孪生模型为主,根据相似度阈值进行判断,采用自适应模型参数更新策略,实现数字孪生模型的在线协同;为进一步提升孪生模型预测的精度和鲁棒性,采用移动窗格信息熵的多模型输出在线融合方法,提升关键工况以及动态变化过程的逼近程度。基于这一理论构建的数字孪生模型,能够基于系统运行数据持续进行自我修正,在线跟踪设备运行特性,从而具有自适应、自演进的智能化特点,能够全面反映系统的运行状态和性能,为系统工况迭代优化提供可靠的模型输入和结果校验工具。以燃煤电站SCR脱硝系统和电锅炉储热供热系统为研究对象,建立其热力系统数字孪生模型。（4）最后,基于数字孪生模型的实时跟踪能力,提出一种基于负荷分配和工况寻优的热力系统智能工况动态寻优策略。并以电锅炉储热供热系统为研究对象,根据能耗成本分析和负荷分配策略,利用数字孪生模型系统,对电网负荷、电锅炉系统、储热系统进行预测计算,模拟不同运行方案、不同工况下系统动态运行,得出最优的供热调节和负荷分配方案。以火力发电厂SCR脱硝系统为例,根据建立的自适应、自演进的智能化SCR脱硝系统数字孪生模型,将该模型应用于模型预测控制算法中。结果表明,利用基于数字孪生模型的自适应预测控制算法比传统的PID控制效果更精确,运行更稳定。证明了所提建模方法的有效性,具有重要的工程实用意义和行业示范价值。
廖金龙[4]（2020）在《大功率火电机组一次调频能力建模与优化》文中进行了进一步梳理我国正处于能源结构转型关键时期,改善因大规模新能源接入电网带来的频率波动,提高特高压输电受端电网的低频事故风险应对能力,需提高火电机组一次调频有效性和稳定性。对火电机组功频电液调节系统（Digital Electro-Hydraulic Control System,DEH）和协调控制系统（Coordinated Control System,CCS）进行了精确性建模研究,在此基础上研究了机组一次调频能力的评估方法,进一步地对火电机组的一次调频进行了优化研究。DEH伺服系统建模精确与否直接影响阀门仿真精确性,进而影响大功率机组一次调频功率响应仿真。为了提高建模精确性,针对DEH中伺服系统在实际工作中存在的非线性,提出了一种包含限幅、死区和修正系数的非线性伺服系统新模型。将待辨识参数分成线性参数和非线性参数分别辨识,通过建立三层神经网络辨识线性参数,根据阀门流量特性曲线获得非线性参数。以某1000MW超超临界汽轮发电机组调节系统为建模对象,得出限幅参数为1.05,电液转换器时间常数为0.0203,油动机时间常数为0.294,迟缓率为0.00293,以及修正系数为1.093。基于该模型进行仿真验证,得出仿真曲线与实际曲线几乎一致,其中阀门曲线的拟合度达到98.445%,功率曲线的拟合度为96.986%,表明了参数辨识方法的正确性。采用不考虑非线性的伺服系统模型进行对比,发现仿真曲线存在一定偏差,稳定后阀门开度的误差为5%,功率的误差为1.58%,证明了非线性伺服系统模型具有更高精确性。一次调频功率响应不仅涉及汽轮机阀门开度,还需考虑锅炉能量供应的影响,因此不仅要提高DEH建模精确性,还需结合考虑锅炉和汽轮机进行建模。因而采用黑箱建模和机理建模相结合的方法建立CCS模型用于研究机组一次调频。其中,推导建立了制粉系统、管道压损和汽轮机的传递函数和差分方程模型,并采用遗传算法辨识模型参数。由于锅炉的复杂物态转换、换热过程及大惯性大延迟特性,采用神经网络对其建模。使用实际数据对每个模型进行了仿真验证,仿真曲线和实际曲线每个样本点的误差基本都在-3%3%。基于实际给煤、给水和阀门开度指令,对整体的CCS模型进行仿真验证,得出给煤量、过热器出口压力、主蒸汽压力以及功率的仿真曲线与实际曲线的拟合度均高于90%,验证了CCS模型的正确性。最后,基于该CCS模型仿真了机组的一次调频动态响应,过热器出口压力、主蒸汽压力和功率均与实际值吻合良好,表明模型可用于研究机组的一次调频。研究评估机组一次调频能力有利于掌握区域电力系统的一次调频能力,对于防范电网低频风险具有重要意义。基于上述DEH和CCS建模研究,提出机组一次调频能力评估方法。首先通过DEH和CCS的传递函数耦合模型仿真得出由CCS和DEH协同一次调频是最佳调频控制方式。然后在此基础上仿真分析了几种提升机组调频能力的运行方式如:提升滑压设定值、高加给水旁路、补汽阀补汽以及凝结水节流。进一步地,通过实际机组的一次调频能力试验研究了这些方式的调频效果,结果表明增大主蒸汽调节阀节流对提升机组一次调频能力最直接有效,给水旁路与主蒸汽调节阀结合的调频效果与其相当,且具有持续的负荷维持和提升能力。基于此结论,研究了机组阀门和高加给水旁路的一次调频能力评估方法。对于阀门一次调频能力,分别基于变工况分析和单元机组线性增量数学模型推导出关键映射公式,然后采用神经网络对其建模求解。采用实际运行数据和仿真数据分别进行了验证,预测的主蒸汽压力误差和一次调频能力误差均在合理范围内。针对某电厂超超临界1000MW机组建立EBSILON热力系统模型,研究高加旁路提升机组负荷的能力。分别对高加小旁路、高加混合旁路及高加大旁路等3种旁路方式进行仿真,结果表明旁路最前一级高加才能有效增加机组功率。基于此,仿真得到不同负荷率下功率增量与旁路流量之间的关系曲线,以及旁路前后热耗率与负荷率之间的关系曲线。对比分析机组通过阀门节流调节与高加混合旁路调节的热耗率,表明在保证一次调频能力的基础上,采用高加混合旁路调节能有效的提高机组调频能力和运行经济性。大功率机组一次调频参数是影响自身调频动态稳定与维持电网频率稳定的关键因素,基于一次调频能力的研究,建立以总煤耗量及NOx排放最低为目标函数、以电网一次调频稳定、机组一次调频稳定条件及电网要求的速度不等率范围为约束条件的优化模型,来优化各机组速度不等率设置。采用IEEE300节点模型进行仿真试验,仿真结果表明此算法可以保证机组快速完成一次调频任务,并且具有最佳经济性。将优化模型拓展至深度调峰机组,仿真结果表明需适当突破电网一次调频标准的约束来设置速度不等率。采用该优化方案,有利于提高电力系统一次调频快速性和稳定性。另外,考虑到机组调峰深度与调峰能力在一定程度上不可兼得,为了防范电网低频风险,且使电力系统运行经济的同时具备足够的调峰裕度,提出了考虑一次调频能力的机组负荷优化分配模型,并引入新型正弦余弦算法求解。以某电厂4台机组为例验证模型的有效性,分别采用SCA和遗传算法寻优计算并与自动发电控制指令对比,结果表明SCA的最优解比GA精度更高,而且新模型既能保证足够的一次调频备用容量又有更高经济性。通过仿真得出不同负荷率最优经济成本与一次调频备用容量的关系曲线,总结了此规律对负荷优化分配的指导意义。最后仿真研究低负荷率时的负荷分配,结果表明模型会优先选取经济性较好的机组进行深度调峰,以保证整体最佳经济性。本文对大功率机组一次调频进行纵向研究,首先研究提高了DEH和CCS建模的精确性,以保证一次调频建模的精确性。然后提出了基于神经网络的最大调频能力评估方法和基于EBSILON建模的高加旁路一次调频能力评估方法,可简捷高效的获得机组的一次调频能力。最后提出一种全新的优化策略,将一次调频能力纳入优化的约束条件,使机组在能保证电网足够一次调频能力的基础上,分别实现不同机组速度不等率以及负荷分配的联合优化。研究内容对增强电网消纳新能源发电的能力,提高大功率机组运行灵活性具有重要参考价值。
梁家豪[5]（2019）在《径向基网络在300MW机组协调控制系统中的研究》文中提出在大型火电厂中,单元机组协调控制系统在实现电网调度自动化、提高火电厂经济效益方面起着重要的作用。虽然近些年新能源发电已经广泛普及,但目前70%以上仍然为火力发电,因此对火力发电厂的要求依然很高,不仅要快速满足电网负荷的需求,同时还应该保证系统工作的稳定性。如何提高火电厂各个单元之间的工作效率,且保证整个系统的安全运行仍然为当前火力发电中重要的研究方向。火力发电机组是一个多输入多输出、结构复杂的系统。传统的协调控制方法虽具有响应负荷速度快的能力,但这种方式会造成炉内主汽压力的波动。若参数选择不当则会引起一系列的连锁反应,因此对该控制系统研究的算法进行改进具有一定的研究意义。本文主要分析了目前协调控制的发展状况和当前研究所面临的非线性、鲁棒性等问题。在单元机组内部物质能量转换的基础上,建立了300MW机组了在不同负荷状况下的数学模型,仿真了火电厂的运行工况。由于该系统具有非线性、大惯性和大滞后的缺陷,提出了一种利用神经网络和常规PID控制结合的方法,将该方法应用于协调控制系统中,提高了系统的负荷响应速率。由于神经网络具有使非线性系统线性化的优势,因此,以300 MW机组为研究对象建立了一个双输入双输出的模型并对其进行仿真验证。在分析其动态特性后,设计了解耦控制器来消除系统本身存在的耦合现象。采用一种以RBF网络为基础的单元机组控制方法,经过编写S函数使其模块化,并且与传统的控制方法进行比较。仿真结果表明,该系统更加稳定、响应速度更快,同时具备了较好的抗扰动性。
席嫣娜[6]（2019）在《考虑源网协调的单元机组非线性自适应反演控制研究》文中研究表明在国民经济高速增长的推动下,我国电力行业发展迅猛,但随之也产生了一些新的挑战和机遇。在电源侧,随着大容量火电单元机组的迅猛发展以及各种新兴清洁能源的大规模接入,作为我国电网骨干的大容量火电单元机组,在平衡电能供需矛盾、保障电网稳定运行等方面面临着更大的调节压力;在电网侧,随着大型互联电网的持续建设,系统结构和运行环境的日趋复杂也使得电力系统的稳定性问题愈发突出。同时,鉴于电源侧和电网侧自身规模的不断发展和系统运行状态的日益复杂,在考虑源网协调的基础上进行单元机组综合控制策略的研究,确保稳定、安全、可控的电能供给,对于电力系统的安全稳定具有重大意义。为此,本文在深入研究电能生产各个环节的基础上,提出了几种新的控制系统设计方案,以改善电力系统的稳定性能和控制品质。本文的工作内容和取得的研究成果主要体现在以下几个方面:（1）分别从电网侧和电源侧概述了相关控制系统的发展历程和研究现状,并从源网协调的角度,讨论了目前在电力系统稳定性研究和单元机组协调控制研究中,因未完整考虑锅炉、汽轮机和发电机三者动态特性而可能存在的问题,进一步说明了考虑源网协调在现阶段单元机组综合控制中的意义。（2）为提高多机系统的励磁控制品质,同时克服由于工况变化、测量误差及外界扰动等因素引起的模型不确定参数对控制系统性能的影响,文中提出了一种非线性自适应反演励磁控制系统。从增强系统鲁棒性的角度出发,为避免系统未建模动态对控制器性能的影响,文中采用了同时考虑发电机高阶双轴模型和典型励磁机动态特性的电力系统高阶模型,并分析了模型参数的不确定性对系统稳定运行的影响。在多机系统自适应反演励磁控制器设计的同时,结合李雅普诺夫稳定性方法,通过设计模型不确定参数的自适应更新律,实现了系统参数的实时在线动态估计。多机系统仿真结果表明,所设计的励磁控制系统具备良好的抗干扰能力和较强的鲁棒性,可有效改善系统稳定性能。（3）为进一步改善多机电力系统的稳定性能,保证发电机组的电能质量,针对同时考虑发电机和汽轮机-调速器动态特性的多机电力系统模型,计及多个系统模型参数的不确定性,提出了一种励磁与汽门开度的非线性协调控制策略。首先采用自适应反演法设计了励磁控制器和汽门开度控制器,之后在不同的系统运行状态下,设计了两种控制器间的协调策略。与此同时,通过设计模型不确定参数的自适应律,解决了系统参数变化对控制器性能的影响。最后,多机系统仿真结果表明,所提出的非线性自适应反演协调控制方案有效改善了多机系统的稳定性能和控制品质,而且具有良好的抗干扰性和鲁棒性。（4）为改善单元机组在大范围变负荷过程中的动态性能,克服机组自身的强非线性和不确定性对控制器品质的影响,设计了锅炉-汽轮机单元的鲁棒自适应反演协调控制系统。首先,针对同时考虑参数不确定性和外界干扰的锅炉-汽轮机单元非线性模型,通过模型预处理将其分解为两个子系统。然后,利用鲁棒自适反演法分别设计了主蒸汽阀门控制器和燃料控制器。为避免系统不确定参数可能出现的参数漂移问题,通过引入充分光滑投影算子设计了参数自适应律,并在控制律中设置阻尼项以精确补偿外界干扰对系统的影响。为便于工程实现,总结了该协调控制系统的实现步骤和机组的实际控制输入律。仿真结果表明,所设计的协调控制系统有效改善了机组在大范围变负荷过程中的动态性能,且具有良好的负荷指令跟踪性能、抗干扰能力和鲁棒性。（5）针对完整描述锅炉、汽轮机和发电机三者动态特性的单元机组非线性整体模型,计及系统参数的不确定性和各种外界干扰因素,基于鲁棒自适应反演法和协调无源性理论,提出了一种单元机组的非线性综合控制策略。首先,将单元机组的高阶整体模型分解为三个低阶子系统,然后分别设计了主蒸汽阀门开度控制器、励磁控制器和燃料控制器。为有效提升励磁电压水平,充分发挥发电机的无功储备能力,借助无功电流补偿以高压侧电压为目标优化了励磁控制效果。此外,为克服实际系统存在的各种不确定性因素,通过在控制律中引入鲁棒项以抑制各种外界扰动对控制器性能的影响,并借助充分光滑投影算子构造了参数自适应律以提升控制系统对模型变化的鲁棒性。为便于该综合控制策略的实际应用,提高系统调节品质,还总结了控制系统的参数设定规律。仿真结果表明,所设计的综合控制系统在优化单元机组有功响应的同时,也有效改善了系统的无功响应特性,且具有良好的抗干扰性和鲁棒性。
强硕[7]（2019）在《基于神经网络的电锅炉动态过程建模研究》文中研究表明在热电厂配置电极式锅炉,有助于热电机组的热电解耦,能够提高机组调峰能力和系统运行灵活性,从而可以减少风电弃风。电极式锅炉各参数变量间存在强耦合、非线性的关系,神经网络具有良好的复杂动态系统建模能力,应用日益广泛。因此,电极式锅炉的神经网络建模研究具有重要的意义。为此,本文针对15MW电极式锅炉,详细分析了电锅炉系统的结构原理及控制流程。在深入了解人工神经网络不同结构原理、学习算法与辨识结构的基础上,通过比较时延BP神经网络与时延Elman神经网络的两种结构,以及梯度下降法、Levenberg-Marquardt算法与贝叶斯正则化三种神经网络的训练算法,建立了电极式锅炉的电功率与主蒸汽压力的一阶迟延神经网络预测模型。然后,针对粒子群优化算法在神经网络阶次优化中的不足,引入重启动策略,提出了一种改进的粒子群优化算法,用其优化神经网络参数迟延阶次得出了最优电锅炉神经网络预测模型。通过比较各种扰动下的动态数据,验证了神经网络模型具有较高预测精度。最后,运用MATLAB软件使电极式锅炉与350MW单元仿真机组实时双向通讯,建立了组合模型。通过仿真实验,验证了组合模型之间存在功率守恒关系,得出了电极式锅炉的电功率可有效快速地影响单元机组的上网功率的结论。本文工作为电极式锅炉在火电厂网源侧深度调峰的协调控制提供理论基础,有利于电极式锅炉在火电厂中的工程应用。
付华山[8]（2018）在《数据驱动的超超临界单元机组协调控制系统建模》文中指出目前,超超临界燃煤机组以其高效节能的优点逐渐成为我国火电单元机组建设的主流。超超临界单元机组具有高参数、强耦合、大延迟和大惯性等特点,是一类典型的非线性多变量系统。建立适合于超超临界单元机组的数学模型,有助于工作人员更加深入的了解机组的动态特性。其建模问题吸引了很多学者致力于超超临界机组数学模型的研究。本文在研究了单元机组建模方法的基础上,以某1000MW超超临界单元机组为研究对象,采集到该机组DCS中的部分历史运行数据驱动建模,分别从线性和非线性的角度,对其协调控制系统智能建模方法做了深入研究。本文的研究内容主要包括:1)单元机组建模理论的研究。对机理建模、系统辨识和复合建模三种基本建模方法做了详细介绍,并对粒子群优化算法和神经网络两种智能建模方法做了研究。系统建模是建立一个与系统等价的估计模型,应根据系统的内部机理以及动态特性选择相应的建模方法。2)采用粒子群优化算法,建立超超临界单元机组协调控制系统简化的传递函数线性模型。首先由机理分析得出协调控制系统传递函数矩阵结构模型,再根据单元机组DCS系统中局部工况的运行数据,采用粒子群优化算法辨识出各子模型的相关参数,从而获得系统的传递函数模型,并对模型的有效性进行了检验。3)分别利用BP神经网络、RBF神经网络和改进Elman神经网络建立了超超临界机组协调控制系统的非线性模型。利用大量的单元机组实际运行数据,训练各个神经网络模型的结构参数。利用另外一部分机组运行数据对模型效果做了测试,测试结果表明三种神经网络模型都获得了较好的建模效果,而且本文提出的改进Elman神经网络模型精度最优,证明了将神经网络用于单元机组建模具有很高的工程应用前景。
白宇[9]（2018）在《模糊神经网络在协调控制系统中的应用研究》文中提出协调控制系统是电厂单元机组的核心,对电厂的安全、高效运行起着重要的作用,但随着电网容量的扩大以及新能源的快速发展,电网对大型发电机组的调峰调压能力和对电网负荷指令响应有越来越严格的要求,使得常规PID控制难以达到满意的控制要求,所以协调控制系统的优化研究对电厂经济效益的提高有一定的现实意义。单元机组协调控制系统是一个多变量、强耦合的非线性系统,本文研究的是三输入三输出的协调控制系统,传统的PID控制存在多方面问题,不能满足人们对其的控制要求。本文是在分析了模糊控制和神经网络控制的优缺点和分析了协调控制对象动态特性的基础上,提出了将模糊神经网络控制应用在单元机组协调控制系统中。主要完成4个方面的研究工作:1、建立单元机组非线性动态模型。结合现场实际,将模型进行简化并进行机理分析,得出单元机组非线性模型。然后利用数据辨识和参数估计求得单元机组的模型参数,并对模型进行了正确性验证,仿真结果表明了模型的可靠性。2、建立协调控制仿真系统。根据现场SAMA图建立协调控制系统仿真模型,与单元机组模型构成仿真回路,为协调控制的优化做好准备。3、模糊控制和神经网络理论的研究,应用模糊神经网络智能算法设计RBF模糊神经网络自调整参数控制器,该控制器结合了模糊控制系统和神经网络控制的优点。4、将模糊神经网络控制器应用于协调控制系统中,通过仿真实验,并与工程上广泛应用的传统PID控制进行比较,也和自适应模糊神经网络（ANFIS）控制进行了比较,结果表明:本文的RBF模糊神经网络控制方法使协调控制的品质得到了明显的提高,优化后的协调控制系统具有很好的控制水平,负荷响应好,主汽压力和主汽温度波动小。本文提出的系统建模和控制优化方法不仅具有理论研究价值,更具有工程应用意义,对电厂协调控制系统的建模和优化工作起到了借鉴作用。
杨优生[10]（2018）在《基于动态模糊神经网络的电站机炉协调系统建模研究》文中指出机炉协调控制系统是电站自动化控制系统中的核心单元,其控制性能的好坏直接影响到单元机组的安全稳定运行,而得到精确的数学模型是控制算法设计和性能研究的基础。因此,建立机炉协调系统的模型是十分必要的。随着容量更大、参数更高的火电机组被普遍应用,使得机炉协调系统内部的耦合和非线性的特性更强,导致利用传统的机理分析法很难建立精确的数学模型。近年来,采用基于数据序列的智能建模方法成为了研究的主要热点之一。本文提出了一种网络结构随训练过程动态生成的动态模糊神经网络算法,在深入研究其学习算法的基础上,针对算法中预先设定的参数过多,提取的模糊规则难以理解的缺点,提出基于椭圆基的动态模糊神经网络,引入模糊?-完备性来在线分配参数,避免了初始化选择的随机性,并根据每条规则的输入变量的高斯函数的宽度对系统性能贡献的多少来在线修正隶属函数的宽度。将该算法应用到非线性系统的辨识中,根据MATLAB仿真对比结果可知,该算法在性能和学习速率方面明显比动态模糊神经网络更有优势。最后在分析了机炉协调系统动静态特性和系统简化模型的基础上,基于非线性模型的仿真数据和工业测量的现场数据,应用改进基函数（椭圆基EBF）的动态模糊神经网络算法对模型进行训练和测试。最终的仿真结果表明,基于椭圆基的动态模糊神经网络学习能力和泛化能力很强,所建立的协调系统的三入三出无参数模型具有很高的拟合精度,能正确的反映输入输出之间的动态特性,达到了预期的效果。为后续基于模型的控制算法设计提供了重要的依据。
二、RBF模糊神经网络的研究及其在单元机组协调控制系统中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、RBF模糊神经网络的研究及其在单元机组协调控制系统中的应用（论文提纲范文）
（1）超临界机组的灵活性运行建模与先进控制策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 超临界机组建模及模糊神经网络技术研究现状 |
| 1.2.2 超临界机组灵活性运行及分层控制策略的研究现状 |
| 1.3 本文的主要工作内容 |
| 第2章 超临界机组及其灵活性运行技术 |
| 2.1 引言 |
| 2.2 超临界机组及其协调控制系统概述 |
| 2.2.1 超临界机组的特点 |
| 2.2.2 协调控制系统的特点 |
| 2.2.3 超临界机组协调控制系统的参数可辨识性 |
| 2.3 超临界机组的灵活性运行技术 |
| 2.3.1 超临界机组灵活性运行制约因素 |
| 2.3.2 超临界机组灵活性运行技术方案 |
| 2.3.3 超临界机组灵活性运行技术可行性分析 |
| 2.4 小结 |
| 第3章 超临界机组灵活性运行建模 |
| 3.1 引言 |
| 3.2 新型的模糊神经网络模型结构 |
| 3.3 新型的模糊神经网络模型训练算法 |
| 3.3.1 前提部分网络参数训练 |
| 3.3.2 结论部分网络参数训练 |
| 3.4 基于模糊神经网络的超临界机组协调控制系统灵活性运行模型 |
| 3.4.1 灵活性运行模型参数设置 |
| 3.4.2 灵活性运行模型训练结果 |
| 3.4.3 灵活性运行模型通用性测试 |
| 3.4.4 建模方法的验证实验 |
| 3.5 小结 |
| 第4章 分层递阶控制在超临界机组灵活性运行中的应用 |
| 4.1 引言 |
| 4.2 新型的分层递阶控制结构 |
| 4.3 无静差非线性约束广义预测控制 |
| 4.3.1 预测模型 |
| 4.3.2 丢番图方程的递推解 |
| 4.3.3 滚动优化 |
| 4.4 L1自适应控制 |
| 4.5 设定值自适应柔化操作 |
| 4.6 超临界机组灵活性运行的分层递阶控制仿真 |
| 4.6.1 控制器参数选取 |
| 4.6.2 灵活性运行跟踪对比实验 |
| 4.6.3 抗干扰对比实验 |
| 4.7 小结 |
| 第5章 结论与展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文及其他成果 |
| 致谢 |
（2）350MW超临界CFB机组机炉协调系统建模与控制（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 单元机组建模的研究现状 |
| 1.2.1 基于机理/实验建模的研究 |
| 1.2.2 基于智能辨识方法的研究 |
| 1.3 单元机组协调系统的控制现状 |
| 1.3.1 基于线性系统的研究 |
| 1.3.2 基于非线性系统的研究 |
| 1.3.3 基于智能控制算法的研究 |
| 1.4 本文主要内容 |
| 1.5 本章小结 |
| 第二章 单元机组机炉协调系统概述 |
| 2.1 循环流化床锅炉简介 |
| 2.2 协调系统的概念 |
| 2.3 单元机组协调系统对象特性 |
| 2.3.1 协调系统运行方式 |
| 2.3.2 控制对象动态特性分析 |
| 2.4 试验机组协调系统控制策略分析 |
| 2.4.1 试验机组介绍 |
| 2.4.2 协调系统控制策略分析 |
| 2.5 本章小结 |
| 第三章 循环流化床机组机炉协调系统辨识 |
| 3.1 辨识思想及模型确立 |
| 3.1.1 辨识基本原理 |
| 3.1.2 协调系统模型确立 |
| 3.2 MIMO系统辨识 |
| 3.2.1 MIMO系统描述 |
| 3.2.2 MIMO系统辨识目标函数 |
| 3.3 闭环系统辨识 |
| 3.4 粒子群优化算法 |
| 3.5 CFB机组机炉协调系统模型辨识 |
| 3.5.1 采样数据筛选 |
| 3.5.2 零初始值处理 |
| 3.5.3 模型结构选择 |
| 3.5.4 系统辨识 |
| 3.5.5 模型验证 |
| 3.6 本章小结 |
| 第四章 协调系统控制优化研究 |
| 4.1 控制理论介绍 |
| 4.1.1 PID控制 |
| 4.1.2 模糊控制 |
| 4.2 模糊PID控制 |
| 4.3 协调系统仿真研究 |
| 4.3.1 协调系统的传统PID控制 |
| 4.3.2 协调系统的模糊PID控制 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文工作总结 |
| 5.2 工作展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
| 个人简况及联系方式 |
（3）数字孪生建模方法及其在热力系统优化运行中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要符号及缩写表 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 能源电力发展背景与现状 |
| 1.1.2 智能控制优化研究现状 |
| 1.2 热力系统建模仿真及大数据技术研究现状 |
| 1.2.1 热力系统建模研究现状 |
| 1.2.2 电力大数据及其发展现状 |
| 1.2.3 热力系统仿真技术发展背景 |
| 1.3 数字孪生技术的应用现状及关键技术 |
| 1.3.1 数字孪生的应用发展现状 |
| 1.3.2 数字孪生研究的关键技术 |
| 1.3.3 数字孪生发展面临的挑战 |
| 1.4 论文的研究内容 |
| 第2章 大数据背景下的数字孪生与热力系统建模理论 |
| 2.1 数字孪生的基本理论 |
| 2.1.1 数字孪生的定义与内涵 |
| 2.1.2 数字孪生与仿真技术之间的关系 |
| 2.1.3 数字孪生与信息物理系统之间的关系 |
| 2.2 热力系统建模理论与方法 |
| 2.2.1 流体网络机理建模理论与方法 |
| 2.2.2 数据驱动建模理论与方法 |
| 2.3 大数据的基本理论 |
| 2.3.1 大数据平台框架及相关技术 |
| 2.3.2 大数据存储管理与预处理方法 |
| 2.3.3 大数据分布式集群平台构建 |
| 2.4 本章小结 |
| 第3章 基于改进即时学习策略的自适应数据驱动建模方法研究 |
| 3.1 基于改进即时学习策略的自适应数据驱动建模方法 |
| 3.1.1 建模思路 |
| 3.1.2 基于改进遗传模拟退火算法的模糊聚类工况划分 |
| 3.1.3 基于多层次综合相似度度量的相似工况识别 |
| 3.1.4 基于Spark平台的数据驱动局部模型建模 |
| 3.2 SCR脱硝系统数据驱动建模应用案例 |
| 3.2.1 建模对象及背景介绍 |
| 3.2.2 数据预处理和相似工况选取 |
| 3.2.3 局部建模过程及结果分析 |
| 3.3 电锅炉供热系统荷侧和源侧负荷预测建模应用案例 |
| 3.3.1 建模对象及背景介绍 |
| 3.3.2 荷侧供热负荷预测模型 |
| 3.3.3 源侧电负荷预测 |
| 3.4 本章小结 |
| 第4章 热力系统数字孪生建模理论及应用 |
| 4.1 热力系统数字孪生建模思路 |
| 4.1.1 数字孪生建模方法的提出 |
| 4.1.2 数字孪生模型的构建方法及流程 |
| 4.2 数字孪生机理模型的构建 |
| 4.2.1 管路模型 |
| 4.2.2 调节阀模型 |
| 4.2.3 离心水泵模型 |
| 4.2.4 换热器模型 |
| 4.3 数字孪生模型的协同与融合理论 |
| 4.3.1 数字孪生模型离线智能参数辨识 |
| 4.3.2 数字孪生模型参数在线自适应协同 |
| 4.3.3 基于移动窗格信息熵的多模型输出在线融合 |
| 4.4 数字孪生建模实例分析 |
| 4.4.1 脱硝系统数字孪生模型的建立 |
| 4.4.2 供热系统数字孪生模型的建立 |
| 4.5 本章小结 |
| 第5章 基于热力系统数字孪生模型的节能控制优化 |
| 5.1 基于数字孪生模型的智能工况动态寻优 |
| 5.1.1 热力系统智能工况动态寻优策略 |
| 5.1.2 基于数字孪生模型的供热储热系统智能工况动态寻优 |
| 5.2 基于数字孪生模型的自适应预测控制优化 |
| 5.2.1 基于数字孪生模型的预测控制算法 |
| 5.2.2 基于数字孪生模型预测控制的喷氨量优化 |
| 5.3 本章小结 |
| 第6章 结论与展望 |
| 6.1 主要研究工作及成果 |
| 6.2 论文主要创新点 |
| 6.3 后续工作展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（4）大功率火电机组一次调频能力建模与优化（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 主要符号表 |
| 1 绪论 |
| 1.1 课题背景和研究意义 |
| 1.1.1 可再生能源系统接入对电网的冲击 |
| 1.1.2 特高压输电对汽轮机一次调频的影响 |
| 1.1.3 火电机组的一次调频能力降低 |
| 1.2 国内外研究现状 |
| 1.2.1 机组灵活性运行研究现状 |
| 1.2.2 功频电液调节系统研究现状 |
| 1.2.3 协调控制系统研究现状 |
| 1.2.4 火电机组一次调频能力研究现状 |
| 1.2.4.1 阀门一次调频研究 |
| 1.2.4.2 高压加热器调节负荷相关研究 |
| 1.2.4.3 低压加热器调节负荷相关研究 |
| 1.2.4.4 凝结水节流调节负荷研究 |
| 1.2.5 火电机组一次调频优化研究现状 |
| 1.3 本文研究主要内容 |
| 1.3.1 课题来源 |
| 1.3.2 研究内容 |
| 1.4 本章小结 |
| 2 功频电液调节系统和协调控制系统建模及参数辨识 |
| 2.1 功频电液调节系统建模及参数辨识 |
| 2.1.1 非线性伺服系统模型 |
| 2.1.2 连续传递函数的离散化 |
| 2.1.3 基于神经网络的参数辨识 |
| 2.1.4 数据预处理 |
| 2.1.5 参数辨识 |
| 2.1.6 参数辨识结果 |
| 2.1.7 结果验证 |
| 2.1.8 DEH建模和参数辨识方法应用说明 |
| 2.1.9 结论 |
| 2.2 协调控制系统建模及参数辨识 |
| 2.2.1 协调控制系统原理 |
| 2.2.2 制粉系统模型 |
| 2.2.3 锅炉模型 |
| 2.2.4 管道压损模型 |
| 2.2.5 汽轮机模型 |
| 2.2.6 参数辨识和模型仿真 |
| 2.2.6.1 制粉系统参数辨识和验证 |
| 2.2.6.2 锅炉模型求解和验证 |
| 2.2.6.3 管道压损模型参数辨识和验证 |
| 2.2.6.4 汽轮机模型参数辨识和验证 |
| 2.2.6.5 协调控制系统模型整体验证 |
| 2.2.7 CCS建模和参数辨识方法应用说明 |
| 2.2.8 结论 |
| 2.3 本章小结 |
| 3 火电机组一次调频能力分析与评估 |
| 3.1 大功率机组一次调频能力仿真与试验分析 |
| 3.1.1 火电机组一次调频分析 |
| 3.1.1.1 一次调频相关概念 |
| 3.1.1.2 DEH和 CCS一次调频模型 |
| 3.1.1.3 DEH和 CCS单独一次调频 |
| 3.1.1.4 DEH和 CCS协同一次调频 |
| 3.1.1.5 灵活改变机组运行方式 |
| 3.1.2 一次调频能力试验研究 |
| 3.1.2.1 调节阀最大调频能力分析 |
| 3.1.2.2 给水小旁路的一次调频 |
| 3.1.2.3 混合一次调频 |
| 3.1.2.4 试验结果分析 |
| 3.1.3 结论 |
| 3.2 基于神经网络的阀门一次调频能力评估 |
| 3.2.1 调门动态特性分析 |
| 3.2.2 一次调频能力评估方法 |
| 3.2.2.1 一次调频过程变工况分析 |
| 3.2.2.2 基于变工况分析的阀门一次调频能力评估方法 |
| 3.2.2.3 基于单元机组线性增量数学模型的阀门一次调频能力评估方法 |
| 3.2.2.4 阀门一次调频能力评估流程 |
| 3.2.3 一次调频能力仿真结果和验证 |
| 3.2.4 阀门一次调频能力评估方法应用说明 |
| 3.2.5 结论 |
| 3.3 基于EBSILON的高加给水旁路提升负荷能力分析 |
| 3.3.1 基于EBSILON的热力系统建模 |
| 3.3.1.1 EBSILON简介 |
| 3.3.1.2 1000 MW机组EBSILON建模 |
| 3.3.1.3 变工况模型验证 |
| 3.3.2 高加给水旁路仿真分析 |
| 3.3.2.1 高加小旁路仿真分析 |
| 3.3.2.2 高加混合旁路分析 |
| 3.3.2.3 高加大旁路分析 |
| 3.3.2.4 最优高加旁路方式分析 |
| 3.3.3 高加给水旁路提升负荷能力方法应用说明 |
| 3.3.4 结论 |
| 3.4 本章小结 |
| 4 火电机组一次调频优化分析 |
| 4.1 大功率机组一次调频参数优化研究 |
| 4.1.1 一次调频参数分析 |
| 4.1.1.1 一次调频死区的分析及仿真 |
| 4.1.1.2 一次调频响应时间的分析及仿真 |
| 4.1.1.3 速度不等率的分析及仿真 |
| 4.1.2 系统各机组最优速度不等率研究分析 |
| 4.1.2.1 调差系数 |
| 4.1.2.2 电力系统的负荷频率静态特性 |
| 4.1.2.3 机组一次调频能力 |
| 4.1.2.4 各机组最优速度不等率研究 |
| 4.1.3 算例仿真分析 |
| 4.1.4 结论 |
| 4.2 考虑一次调频能力的火电机组负荷优化分配 |
| 4.2.1 火电机组经济性和一次调频能力分析 |
| 4.2.1.1 机组运行经济性分析 |
| 4.2.1.2 机组一次调频能力分析 |
| 4.2.2 考虑一次调频能力的机组负荷优化分配 |
| 4.2.2.1 优化目标 |
| 4.2.2.2 约束条件 |
| 4.2.3 正弦余弦算法 |
| 4.2.4 算例仿真分析 |
| 4.2.5 结论 |
| 4.3 本章小结 |
| 5 总结和展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 作者简历 |
（5）径向基网络在300MW机组协调控制系统中的研究（论文提纲范文）
| 摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 协调控制的研究现状 |
| 1.2.2 智能控制的发展现状 |
| 1.3 本文主要内容 |
| 2 协调控制系统的动态特性 |
| 2.1 协调控制系统的原理 |
| 2.2 机组的运行方式 |
| 2.2.1 滑压运行方式 |
| 2.2.2 定压运行方式 |
| 2.3 系统的动态特性 |
| 2.3.1 锅炉内部燃烧过程 |
| 2.3.2 管道热量的传递的过程 |
| 2.3.3 汽轮机做功的过程 |
| 2.4 系统的结构与响应特性 |
| 2.5 本章小结 |
| 3 多变量控制系统的解耦 |
| 3.1 解耦控制系统概述 |
| 3.2 耦合系统的判断 |
| 3.3 单元机组耦合系统的简化模型 |
| 3.4 多变量PID神经元解耦 |
| 3.4.1 PID网络的结构 |
| 3.4.2 PID网络在控制系统中的辨识 |
| 3.4.3 PID网络对多变量系统的解耦 |
| 3.5 串级解耦控制 |
| 3.6 前馈补偿解耦控制 |
| 3.7 本章小结 |
| 4 径向基网络在协调控制系统中的应用 |
| 4.1 RBF网络的构建与训练 |
| 4.1.1 网络结构 |
| 4.1.2 网络学习算法 |
| 4.1.3 网络训练过程 |
| 4.2 S函数的实现 |
| 4.2.1 S函数的概述 |
| 4.2.2 S函数的参数 |
| 4.2.3 S函数整合RBF网络 |
| 4.3 BP网络与RBF网络的比较 |
| 4.4 RBF网络用于协调控制系统 |
| 4.5 小结 |
| 5 仿真实验结论 |
| 5.1 系统在完全负荷下的的仿真结果 |
| 5.2 系统在70%负荷下的的仿真结果 |
| 5.3 系统动态特性的对比与分析 |
| 5.4 小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（6）考虑源网协调的单元机组非线性自适应反演控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 励磁与汽门开度控制研究概述 |
| 1.2.1 励磁控制问题研究现状 |
| 1.2.2 汽门开度控制问题研究现状 |
| 1.2.3 励磁与汽门开度协调控制问题研究现状 |
| 1.3 锅炉-汽轮机单元协调控制研究概述 |
| 1.3.1 锅炉-汽轮机单元协调控制面临的问题 |
| 1.3.2 锅炉-汽轮机单元协调控制问题研究现状 |
| 1.4 锅炉-汽轮机-发电机单元综合控制研究概述 |
| 1.5 论文的主要工作 |
| 第2章 多机系统非线性自适应反演励磁控制 |
| 2.1 引言 |
| 2.2 系统模型和问题描述 |
| 2.2.1 同步发电机高阶模型 |
| 2.2.2 励磁机模型 |
| 2.2.3 多机电力系统高阶模型 |
| 2.2.4 问题描述 |
| 2.3 多机系统自适应反演励磁控制设计 |
| 2.4 仿真分析 |
| 2.5 本章小结 |
| 第3章 多机系统励磁与汽门开度非线性自适应反演协调控制 |
| 3.1 引言 |
| 3.2 系统模型和问题描述 |
| 3.2.1 同步发电机经典三阶简化模型 |
| 3.2.2 汽轮机-调速器模型 |
| 3.2.3 考虑励磁-汽门开度协调控制的多机电力系统模型 |
| 3.2.4 问题描述 |
| 3.3 多机系统励磁与汽门开度自适应反演协调控制设计 |
| 3.3.1 励磁控制器设计 |
| 3.3.2 汽门开度控制器设计 |
| 3.3.3 励磁与汽门开度协调控制策略 |
| 3.4 仿真分析 |
| 3.5 本章小结 |
| 第4章 锅炉-汽轮机单元非线性自适应反演协调控制 |
| 4.1 引言 |
| 4.2 系统模型和问题描述 |
| 4.2.1 锅炉-汽轮机单元非线性模型 |
| 4.2.2 问题描述 |
| 4.2.3 锅炉-汽轮机单元非线性模型的预处理 |
| 4.3 锅炉-汽轮机单元鲁棒自适应反演协调控制设计 |
| 4.3.1 假设与引理 |
| 4.3.2 子系统Ⅰ的控制器设计 |
| 4.3.3 子系统Ⅱ的控制器设计 |
| 4.4 锅炉-汽轮机单元协调控制系统设计结果及实现步骤 |
| 4.4.1 锅炉-汽轮机单元协调控制系统设计结果 |
| 4.4.2 锅炉-汽轮机单元协调控制系统的实现步骤 |
| 4.5 仿真分析 |
| 4.5.1 负荷指令跟踪性能试验 |
| 4.5.2 大范围变负荷试验 |
| 4.5.3 模型参数失配时的鲁棒性检验 |
| 4.5.4 抗干扰性能试验 |
| 4.6 本章小结 |
| 第5章 单元机组非线性自适应反演综合控制 |
| 5.1 引言 |
| 5.2 考虑单元机组整体模型的必要性 |
| 5.2.1 对提升电力系统稳定性的意义 |
| 5.2.2 对完善传统单元机组协调控制的意义 |
| 5.2.3 对新能源机组与火电机组间协调控制的意义 |
| 5.3 单元机组整体模型及其预处理 |
| 5.3.1 单元机组整体模型 |
| 5.3.2 单元机组整体模型预处理 |
| 5.4 单元机组鲁棒自适应反演综合控制设计 |
| 5.4.1 子系统Ⅰ的控制器设计 |
| 5.4.2 子系统Ⅱ的控制器设计 |
| 5.4.3 子系统Ⅲ的控制器设计 |
| 5.5 单元机组综合控制系统设计结果及参数设定规律 |
| 5.5.1 单元机组综合控制系统设计结果 |
| 5.5.2 单元机组综合控制系统参数设定规律 |
| 5.6 仿真分析 |
| 5.6.1 负荷变动试验 |
| 5.6.2 抗干扰性能试验 |
| 5.6.3 模型参数失配时鲁棒性检验 |
| 5.6.4 三相短路故障试验 |
| 5.6.5 电网电压跌落试验 |
| 5.7 本章小结 |
| 第6章 结论与展望 |
| 6.1 研究结论 |
| 6.2 研究展望 |
| 参考文献 |
| 附录 |
| 附录A 算例参数 |
| 附录A1 四机两区域系统参数 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（7）基于神经网络的电锅炉动态过程建模研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 课题研究发展现状 |
| 1.2.1 神经网络及其建模的发展与现状 |
| 1.2.2 电锅炉的发展与研究现状 |
| 1.3 本论文的主要工作 |
| 第2章 电锅炉系统 |
| 2.1 电锅炉系统与结构原理 |
| 2.1.1 电锅炉系统 |
| 2.1.2 电锅炉的结构与原理 |
| 2.2 电锅炉的控制系统与启动流程 |
| 2.2.1 电锅炉的控制系统 |
| 2.2.2 电锅炉的启动流程 |
| 2.3 本章小节 |
| 第3章 人工神经网络基本原理 |
| 3.1 生物神经元与人工神经元 |
| 3.1.1 生物神经元 |
| 3.1.2 人工神经元 |
| 3.2 BP神经网络基础 |
| 3.2.1 BP神经网络模型结构 |
| 3.2.2 BP神经网络标准学习算法 |
| 3.2.3 神经网络的改进算法 |
| 3.3 Elman神经网络 |
| 3.3.1 Elman神经网络结构 |
| 3.3.2 Elman神经网络学习算法 |
| 3.4 神经网络的辨识建模 |
| 3.4.1 系统辨识基础 |
| 3.4.2 基于神经网络的系统辨识原理与结构 |
| 3.5 本章小节 |
| 第4章 基于神经网络的电锅炉模型及参数优化 |
| 4.1 时延神经网络预测模型的建立与验证 |
| 4.1.1 模型输入输出参数的选取与模型结构的确立 |
| 4.1.2 模型训练样本数据获取与数据预处理 |
| 4.1.3 两种神经网络预测模型的训练和验证比较 |
| 4.1.4 神经网络预测模型不同训练算法的比较 |
| 4.2 基于粒子群优化算法的神经网络时延阶次优化 |
| 4.2.1 粒子群算法及其改进 |
| 4.2.2 基于改进sPSO算法的神经网络迟延阶次优化仿真研究 |
| 4.2.3 基于改进sPSO算法的电锅炉神经网络模型迟延阶次优化 |
| 4.3 神经网络模型预测性能测试 |
| 4.4 本章小节 |
| 第5章 电极式锅炉对单元机组出力影响的仿真研究 |
| 5.1 引言 |
| 5.2 组合模型连接形式及潮流计算分析 |
| 5.2.1 组合模型连接形式 |
| 5.2.2 厂用电潮流计算分析 |
| 5.3 仿真实验与分析 |
| 5.4 本章小节 |
| 第6章 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文及其它成果 |
| 致谢 |
（8）数据驱动的超超临界单元机组协调控制系统建模（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外单元机组建模研究现状 |
| 1.3 论文主要研究内容 |
| 第二章 单元机组建模方法及分析 |
| 2.1 基本建模方法 |
| 2.1.1 机理建模法 |
| 2.1.2 系统辨识 |
| 2.1.3 复合建模方法 |
| 2.2 智能建模方法 |
| 2.2.1 粒子群优化算法 |
| 2.2.2 人工神经网络 |
| 2.3 本章小结 |
| 第三章 超超临界机组协调控制系统的传递函数矩阵建模 |
| 3.1 超超临界单元机组机理分析 |
| 3.2 超超临界机组动态特性分析 |
| 3.3 基于标准粒子群算法的超超临界机组协调控制系统建模 |
| 3.3.1 建模数据采集和预处理 |
| 3.3.2 传递函数矩阵模型结构设计 |
| 3.3.3 模型参数的辨识 |
| 3.3.4 模型检验 |
| 3.4 本章小结 |
| 第四章 基于神经网络的超超临界机组协调控制系统建模 |
| 4.1 基于BP神经网络的超超临界机组协调控制系统建模 |
| 4.1.1 BP神经网络 |
| 4.1.2 超超临界单元机组协调控制系统的BP神经网络模型 |
| 4.2 基于RBF神经网络的超超临界机组协调控制系统建模 |
| 4.2.1 RBF神经网络 |
| 4.2.2 超超临界单元机组协调控制系统的RBF神经网络模型 |
| 4.3 基于一种改进Elman神经网络的超超临界机组协调控制系统建模 |
| 4.3.1 标准的Elman神经网络 |
| 4.3.2 改进的Elman神经网络 |
| 4.3.3 超超临界单元机组协调控制系统的改进Elman神经网络模型 |
| 4.4 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
（9）模糊神经网络在协调控制系统中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题的背景和意义 |
| 1.2 研究对象 |
| 1.2.1 协调控制系统的概述 |
| 1.2.2 协调控制系统面临的问题 |
| 1.3 国内外研究现状 |
| 1.3.1 单元机组建模研究现状 |
| 1.3.2 协调控制策略的研究现状 |
| 1.3.3 模糊神经网络发展及研究现状 |
| 1.4 本文的主要研究内容 |
| 第2章 直流炉单元机组的建模 |
| 2.1 单元机组的非线性特征 |
| 2.2 单元机组机理分析 |
| 2.2.1 制粉系统模型 |
| 2.2.2 锅炉汽水系统模型 |
| 2.2.3 汽轮机模型 |
| 2.2.4 模型结构 |
| 2.3 单元机组模型的参数辨识 |
| 2.3.1 辨识数据的采集 |
| 2.3.2 模型静态参数的计算 |
| 2.3.3 基于参数估计的单元机组模型动态参数辨识 |
| 2.4 单元机组非线性模型 |
| 2.5 单元机组模型验证 |
| 2.6 本章小结 |
| 第3章 协调控制仿真系统的建立 |
| 3.1 协调控制仿真回路 |
| 3.1.1 分散控制系统(DCS)简介 |
| 3.1.2 协调控制策略分析 |
| 3.1.3 负荷指令处理及设定值生成回路 |
| 3.1.4 前馈及补偿指令生成回路 |
| 3.1.5 机炉主控制器 |
| 3.2 协调控制系统仿真 |
| 3.3 本章小结 |
| 第4章 模糊控制和神经网络控制原理 |
| 4.1 模糊控制系统 |
| 4.1.1 模糊控制系统的组成和基本原理 |
| 4.1.2 模糊控制的特点 |
| 4.2 神经网络控制 |
| 4.2.1 神经网络控制的结构和基本原理 |
| 4.2.2 神经网络控制的特点 |
| 4.3 模糊神经网络控制 |
| 4.4 模糊神经网络控制在单元机组协调控制中的适应性 |
| 4.5 本章小结 |
| 第5章 RBF模糊神经网络参数自调整控制器的设计 |
| 5.1 控制器的设计 |
| 5.1.1 设计原理图 |
| 5.1.2 控制算法分析 |
| 5.2 控制器参数的整定 |
| 5.2.1 输入输出变量模糊化 |
| 5.2.2 PID参数整定原则 |
| 5.3 RBF模糊神经网络控制器的设计 |
| 5.3.1 控制器的具体实现 |
| 5.4 本章小结 |
| 第6章 RBF模糊神经网络控制器在CCS中的应用 |
| 6.1 协调控制系统FNNC控制 |
| 6.1.1 协调控制系统常规PID控制 |
| 6.1.2 自适应神经模糊推理系统(ANFIS) |
| 6.1.3 协调控制系统FNNC控制原理图 |
| 6.2 控制系统的仿真分析 |
| 6.2.1 协调控制系统FNN控制 |
| 6.2.2 RBF模糊神经网络控制和常规PID控制仿真比较 |
| 6.2.3 RBF模糊神经网络控制和自适应模糊神经网络控制(ANFIS)仿真比较.. |
| 6.2.4 仿真分析 |
| 6.3 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（10）基于动态模糊神经网络的电站机炉协调系统建模研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题的背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 机炉协调系统建模研究现状 |
| 1.2.2 模糊神经网络发展现状 |
| 1.3 本文主要的研究内容和结构安排 |
| 第2章 机炉协调控制系统分析 |
| 2.1 单元机组协调控制系统的组成及任务 |
| 2.2 单元机组对象动静态特性 |
| 2.2.1 单元机组对象静态特性分析 |
| 2.2.2 单元机组对象动态特性分析 |
| 2.3 单元机组协调控制系统简化模型 |
| 2.4 本章小结 |
| 第3章 动态模糊神经网络算法研究 |
| 3.1 模糊系统基本理论 |
| 3.1.1 模糊集 |
| 3.1.2 模糊规则 |
| 3.1.3 模糊推理系统 |
| 3.2 动态模糊神经网络的结构 |
| 3.3 动态模糊神经网络的学习算法 |
| 3.3.1 规则产生准则 |
| 3.3.2 分级学习思想 |
| 3.3.3 前提参数分配 |
| 3.3.4 结果参数确定 |
| 3.3.5 网络修剪技术 |
| 3.3.6 仿真实现 |
| 3.4 改进基函数的动态模糊神经网络 |
| 3.5 改进基函数的动态模糊神经网络的学习算法 |
| 3.5.1 模糊规则的产生 |
| 3.5.2 过程参数调整 |
| 3.5.3 仿真实现及结果对比 |
| 3.6 本章小结 |
| 第4章 基于改进基函数的DFNN协调系统建模 |
| 4.1 建模方法概述 |
| 4.2 模型性能指标 |
| 4.3 基于非线性模型的仿真数据建模 |
| 4.3.1 数据的获得 |
| 4.3.2 模型的建立与测试 |
| 4.4 基于工业测量的现场数据建模 |
| 4.4.1 现场数据的选取 |
| 4.4.2 现场数据的预处理 |
| 4.4.3 模型的建立与测试 |
| 4.5 本章小结 |
| 第5章 结论与展望 |
| 5.1 全文工作总结 |
| 5.2 今后研究方向 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
四、RBF模糊神经网络的研究及其在单元机组协调控制系统中的应用（论文参考文献）
- [1]超临界机组的灵活性运行建模与先进控制策略研究[D]. 熊剑. 华北电力大学(北京), 2021(01)
- [2]350MW超临界CFB机组机炉协调系统建模与控制[D]. 邵茹. 山西大学, 2021(12)
- [3]数字孪生建模方法及其在热力系统优化运行中的应用研究[D]. 高学伟. 华北电力大学(北京), 2021(01)
- [4]大功率火电机组一次调频能力建模与优化[D]. 廖金龙. 浙江大学, 2020(07)
- [5]径向基网络在300MW机组协调控制系统中的研究[D]. 梁家豪. 西安科技大学, 2019(01)
- [6]考虑源网协调的单元机组非线性自适应反演控制研究[D]. 席嫣娜. 华北电力大学(北京), 2019(01)
- [7]基于神经网络的电锅炉动态过程建模研究[D]. 强硕. 华北电力大学, 2019(01)
- [8]数据驱动的超超临界单元机组协调控制系统建模[D]. 付华山. 长沙理工大学, 2018(07)
- [9]模糊神经网络在协调控制系统中的应用研究[D]. 白宇. 东北电力大学, 2018(08)
- [10]基于动态模糊神经网络的电站机炉协调系统建模研究[D]. 杨优生. 华北电力大学, 2018(01)