本發(fā)明涉及主蒸汽溫度系統(tǒng)參數(shù)辨識(shí)，尤其涉及一種基于增強(qiáng)人類(lèi)進(jìn)化算法的主蒸汽溫度系統(tǒng)參數(shù)辨識(shí)方法。

背景技術(shù)：

1、超超臨界機(jī)組是一類(lèi)高溫高壓的火力發(fā)電機(jī)組，具有更高熱效率和更低排放。為了滿(mǎn)足電網(wǎng)的深度調(diào)峰需求，超超臨界機(jī)組需要更寬范圍的運(yùn)行條件，單一的線性模型已無(wú)法滿(mǎn)足優(yōu)化控制設(shè)計(jì)的需求，需要設(shè)計(jì)適當(dāng)?shù)臄?shù)學(xué)模型來(lái)描述系統(tǒng)的全局特征，用于設(shè)計(jì)控制器和后續(xù)優(yōu)化問(wèn)題。

2、在超超臨界機(jī)組運(yùn)行中，主蒸汽溫度是確保機(jī)組安全穩(wěn)定運(yùn)行的重要參數(shù)。主蒸汽溫度系統(tǒng)負(fù)責(zé)將鍋爐產(chǎn)生的蒸汽加熱到指定溫度，以響應(yīng)負(fù)荷變化來(lái)滿(mǎn)足汽輪機(jī)的要求。然而實(shí)際生產(chǎn)中主蒸汽溫度系統(tǒng)的控制難度很大，具有時(shí)間常數(shù)大、時(shí)間延遲長(zhǎng)、非線性、時(shí)變和易受各種因素干擾等特點(diǎn)。因此對(duì)主蒸汽溫度系統(tǒng)的動(dòng)態(tài)特性進(jìn)行準(zhǔn)確可靠的數(shù)學(xué)描述至關(guān)重要。

3、參數(shù)辨識(shí)的目的是通過(guò)實(shí)驗(yàn)數(shù)據(jù)來(lái)估計(jì)系統(tǒng)模型的未知參數(shù)，以建立準(zhǔn)確的數(shù)學(xué)模型。對(duì)超超臨界機(jī)組主蒸汽溫度系統(tǒng)進(jìn)行參數(shù)辨識(shí)，可以更好地理解和控制其動(dòng)態(tài)行為，提高控制精度和系統(tǒng)穩(wěn)定性。常用的參數(shù)辨識(shí)方法有最小二乘法和算法尋優(yōu)。早期通過(guò)最小二乘法可以有效地對(duì)主蒸汽溫度系統(tǒng)進(jìn)行簡(jiǎn)單的辨識(shí)，但是應(yīng)對(duì)與目前電網(wǎng)要求超超臨界機(jī)組深度調(diào)峰的需求，最小二乘法就有很大的局限性。算法尋優(yōu)可以通過(guò)模擬場(chǎng)景來(lái)應(yīng)付復(fù)雜的非線性系統(tǒng)，但現(xiàn)有算法搜索速度慢，精度差，不能適用于主蒸汽溫度系統(tǒng)場(chǎng)景。因此，為了主蒸汽溫度系統(tǒng)安全穩(wěn)定運(yùn)行，應(yīng)找到更有效的解決方法。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明要解決的技術(shù)問(wèn)題是針對(duì)上述現(xiàn)有技術(shù)的不足，提供一種基于增強(qiáng)人類(lèi)進(jìn)化算法的主蒸汽溫度系統(tǒng)參數(shù)辨識(shí)方法，解決現(xiàn)有主蒸汽溫度系統(tǒng)模型精度低的問(wèn)題。

2、為解決上述技術(shù)問(wèn)題，本發(fā)明所采取的技術(shù)方案是：

3、一種基于增強(qiáng)人類(lèi)進(jìn)化算法的主蒸汽溫度系統(tǒng)參數(shù)辨識(shí)方法，包括以下步驟：

4、步驟1：構(gòu)建主蒸汽溫度系統(tǒng)的數(shù)學(xué)模型，確定待辨識(shí)參數(shù)；

5、步驟2：構(gòu)建含有辨識(shí)參數(shù)的誤差目標(biāo)函數(shù)；

6、步驟3：采用增強(qiáng)人類(lèi)進(jìn)化算法，基于主蒸汽溫度系統(tǒng)變量和歷史數(shù)據(jù)對(duì)誤差目標(biāo)函數(shù)尋優(yōu)求解，輸出辨識(shí)結(jié)果。

7、進(jìn)一步地，所述步驟1具體包括：

8、步驟1.1：構(gòu)建主蒸汽溫度系統(tǒng)的數(shù)學(xué)模型：

9、ho＝gi(s)hi+gp(s)fp+gs(s)fs

10、其中，ho為主蒸汽溫度，hi是中間點(diǎn)溫度，fp為一級(jí)減溫器噴淋流量，fs為二級(jí)減溫器噴淋流量，gi(s)是中間點(diǎn)溫度的傳遞函數(shù)，gp(s)為一級(jí)減溫器噴淋流量的傳遞函數(shù)，gs(s)為二級(jí)減溫器噴淋流量的傳遞函數(shù)；

11、步驟1.2：確定待辨識(shí)參數(shù)，中間點(diǎn)溫度、一級(jí)減溫器噴淋流量和二級(jí)減溫器噴淋流量的傳遞函數(shù)分別如下：

12、

13、其中，τi、τp、τs分別代表中間點(diǎn)溫度、一級(jí)減溫器噴淋流量和二級(jí)減溫器噴淋流量的時(shí)間延遲，ki、kp、ks分別代表中間點(diǎn)溫度、一級(jí)減溫器噴淋流量和二級(jí)減溫器噴淋流量的放大系數(shù)，ti、tp、ts分別代表中間點(diǎn)溫度、一級(jí)減溫器噴淋流量和二級(jí)減溫器噴淋流量的時(shí)間常數(shù)；其中ki、ti、τi、kp、tp、τp、ks、ts、τs為待辨識(shí)參數(shù)。

14、進(jìn)一步地，所述步驟2具體包括：

15、計(jì)算所有尋優(yōu)值的適應(yīng)度，構(gòu)建誤差目標(biāo)函數(shù)：

16、

17、其中，j為適應(yīng)度值，n為采樣總數(shù)，y(k)是實(shí)際主蒸汽溫度值，是參數(shù)辨識(shí)后的主蒸汽溫度值，k代表待辨識(shí)參數(shù)。

18、進(jìn)一步地，所述步驟3具體包括：

19、步驟3.1：采用增強(qiáng)人類(lèi)進(jìn)化算法基于超超臨界機(jī)組中主蒸汽溫度系統(tǒng)運(yùn)行的歷史數(shù)據(jù)對(duì)誤差目標(biāo)函數(shù)進(jìn)行尋優(yōu)求解，尋優(yōu)結(jié)果為數(shù)學(xué)模型的參數(shù)辨識(shí)結(jié)果，則得到主蒸汽溫度系統(tǒng)參數(shù)的辨識(shí)結(jié)果；

20、步驟3.2：輸出增強(qiáng)人類(lèi)進(jìn)化算法參數(shù)辨識(shí)結(jié)果，并將實(shí)際主蒸汽溫度變化曲線和辨識(shí)模型的輸出曲線進(jìn)行對(duì)比分析，判斷所辨識(shí)模型的準(zhǔn)確性。

21、進(jìn)一步地，所述步驟3.1具體包括以下步驟：

22、步驟3.1.1：初始化人類(lèi)群體的位置、規(guī)模和活動(dòng)范圍，ub和lb分別為人類(lèi)群體活動(dòng)空間的上下界，在活動(dòng)范圍內(nèi)隨機(jī)生成不同規(guī)模的人類(lèi)群體；

23、步驟3.1.2：人類(lèi)群體的探索階段，定義為最大迭代次數(shù)的1/4，個(gè)體均采用統(tǒng)一的搜索策略：

24、

25、其中，表示后續(xù)更新的位置；β為自適應(yīng)函數(shù)，maxiter是最大迭代次數(shù)；t表示當(dāng)前迭代次數(shù)，表示當(dāng)前位置；xbest對(duì)應(yīng)目前最佳位置；levy是分配函數(shù)，levy分布為其中μ與v是正態(tài)分布的隨機(jī)變量，均值為0，方差為d，μ表示個(gè)體搜索的隨機(jī)位移，μ～n(0,d)，v表示搜索中的隨機(jī)擾動(dòng)，v～n(0,d)，σ控制分布的擴(kuò)展程度，γ是分布的指數(shù)參數(shù)，決定分布的形狀，γ是廣義階乘伽馬函數(shù)作為控制系數(shù)；dim表示涉及變量的數(shù)量，代表當(dāng)前人口中的平均位置，floor表示向下取整，rand是[0,1]的隨機(jī)數(shù)，fjump是跳躍函數(shù)，

26、步驟3.1.3：人類(lèi)群體的發(fā)展階段，將人類(lèi)群體分為不同角色，包括領(lǐng)導(dǎo)者、探索者、跟隨者和失敗者，每個(gè)角色都有不同的搜索策略，共同協(xié)同尋優(yōu)。

27、進(jìn)一步地，所述步驟3.1.3中，領(lǐng)導(dǎo)者定義為位于最優(yōu)區(qū)域的前40％個(gè)體：

28、

29、其中，rn表示服從正態(tài)分布的隨機(jī)數(shù)，函數(shù)ones(1,dim)生成行向量dim元素，r是[0,1]的隨機(jī)數(shù)，ω是知識(shí)獲取難度系數(shù)；a＝0.6；

30、探索者定義為健康的40％～80％個(gè)體：

31、

32、其中，表示種群中適應(yīng)性最差的個(gè)體t次迭代的位置；i表示第i個(gè)迭代值；

33、跟隨者定義為80％～90％個(gè)體，跟隨適應(yīng)性最強(qiáng)的領(lǐng)導(dǎo)者：

34、

35、其中，表示種群中適應(yīng)性最強(qiáng)的個(gè)體t次迭代的位置，rd表示[1,dim]范圍內(nèi)的數(shù)；

36、不適應(yīng)種群的個(gè)體是失敗者，將會(huì)被淘汰，定義人口補(bǔ)充機(jī)制：

37、

38、進(jìn)一步地，所述步驟3.1中，種群中適應(yīng)性最強(qiáng)的個(gè)體采用搜索增強(qiáng)策略，具體如下：

39、采用局部搜索增強(qiáng)策略，更新最優(yōu)解：

40、

41、其中，gauss(0,σ)是均值為0、標(biāo)準(zhǔn)差為σ的高斯分布；

42、根據(jù)誤差目標(biāo)函數(shù)公式計(jì)算所有尋優(yōu)解的適應(yīng)度值，更新目標(biāo)函數(shù)適應(yīng)度值j和全局最優(yōu)個(gè)體若適應(yīng)度值j達(dá)到最小值，此時(shí)對(duì)應(yīng)的最優(yōu)個(gè)體為辨識(shí)結(jié)果。

43、采用上述技術(shù)方案所產(chǎn)生的有益效果在于：本發(fā)明提供的基于增強(qiáng)人類(lèi)進(jìn)化算法的主蒸汽溫度系統(tǒng)參數(shù)辨識(shí)方法，提出含有中間點(diǎn)溫度、一級(jí)減溫器噴淋流量和二級(jí)減溫器噴淋流量的數(shù)學(xué)模型；構(gòu)建誤差目標(biāo)函數(shù)；通過(guò)增強(qiáng)人類(lèi)進(jìn)化算法對(duì)適應(yīng)度值進(jìn)行尋優(yōu)，將人類(lèi)群體分成不同角色，通過(guò)適應(yīng)度值趨近最小值時(shí)確定最優(yōu)個(gè)體為待辨識(shí)參數(shù)。增強(qiáng)后的參數(shù)辨識(shí)速度更快、精度更高，在全局搜索方面表現(xiàn)出色，最終模型正確反映了主蒸汽溫度的動(dòng)態(tài)變化。