一种热工过程模型在线辨识方法及装置制造方法及图纸

本发明专利技术提供一种热工过程模型在线辨识方法及装置，该热工过程模型在线辨识方法包括：获取热工过程中稳态间变化过程的历史采样数据，并对历史采样数据进行数据预处理生成原始处理数据；对原始处理数据进行离线辨识，构建各稳态时刻的热工过程模型；采用快速在线代数参数辨识算法对相邻稳态间的热工过程模型的模型参数进行动态辨识，生成模型参数辨识结果；根据模型参数辨识结果对各模型参数进行更新，得到热工过程优化模型。通过实施本发明专利技术实现了对热工过程模型的优化，使得控制系统的控制参数能够满足节约能源，经济实用的生成要求，并实现了对系统稳态间变化过程的实时在线辨识，提高了辨识结果的准确性。

【技术实现步骤摘要】
一种热工过程模型在线辨识方法及装置
本专利技术涉及工业自动化控制领域，具体涉及一种热工过程模型在线辨识方法及装置。
技术介绍
热工过程的自动控制是保证热力设备安全和经济运行的必要措施和手段。热工过程模型描述系统在热工过程中各个变量随时间的变化关系，对对控制系统的设计具有重要意义。但是随着现代工业生产的发展，电能需求量日益增加，电力工业进入了大电网、大机组、高度自动化的时代。随着单机容量和参数的不断提高，系统变得日趋复杂。此外，用电结构也发生了很大变化，电力供应峰谷差越来越大，负荷经常性地大范围变动，热工过程越来越表现出非线性、慢时变、大迟滞、强耦合性和不确定性，这使得难以对热工过程建立精确的数学模型，这给热工过程的控制增加了很大难度。对于电力工业热工控制系统，建立精确的热工过程模型是保证其控制质量的基础。目前，针对热工过程模型辨识的方法主要有阶跃响应法、面积法、频域响应法及最小二乘法等。在这些算法中，阶跃响应法的数据源较容易得到且方法简单，应用最广，但是现场数据的不规则性使得阶跃响应法的辨识结果精度不高。此外，还有基于现场数据的模型辨识方法，这类方法一般是采用神经网络技术，仅能得到过程的神经网络模型，但是由于神经网络模型不直观，不易于理解，因此难以在实际控制系统中进行设计和应用。因此，如何对热工过程模型辨识以得到更加符合工业实际现场的热工过程模型，为控制系统提供更加准确的热工过程模型信息，对优化控制系统控制策略的参数设计、促进资源的合理利用及优化生产具有重要意义。
技术实现思路
本专利技术要解决的技术问题在于克服现有技术中的传统热工过程模型辨识方法所得到的热工过程模型难以适应不规则的现场数据造成辨识精度低或所建立的热工过程模型难以在实际控制系统中进行设计应用等问题。根据第一方面，本专利技术实施例提供了一种热工过程模型在线辨识方法，包括：获取热工过程中稳态间变化过程的历史采样数据，并对所述历史采样数据进行数据预处理生成原始处理数据；对所述原始处理数据进行离线辨识，构建各稳态时刻的热工过程模型；采用快速在线代数参数辨识算法对相邻稳态间的所述热工过程模型的模型参数进行动态辨识，生成模型参数辨识结果；根据所述模型参数辨识结果对各所述模型参数进行更新，得到热工过程优化模型。结合第一方面，在第一方面的第一实施方式中，所述对所述历史采样数据进行数据预处理生成原始处理数据，包括：对所述历史采样数据进行零初值处理，剔除零初值点，生成剔除零点的采样数据；对所述剔除零点的采样数据进行粗大值处理，剔除粗大值点，生成所述原始处理数据。结合第一方面，在第一方面的第二实施方式中，所述对所述原始处理数据进行离线辨识，构建各稳态时刻的热工过程模型，包括：步骤S21：定义误差指标函数，根据所述原始处理数据得到初始化种群；步骤S22：采用群智能优化算法中的粒子群优化算法计算初始化种群适应度；步骤S23：根据所述初始化种群适应度计算所述误差指标函数，得到当前最佳位置；步骤S24：采用所述群智能优化算法中的布谷鸟算法对所述初始化种群的速度和位置进行更新，并计算更新后的新种群适应度；步骤S25：根据所述新种群适应度计算所述误差指标函数，得到更新位置参数；步骤S26：判断所述更新位置参数是否满足预设结束条件，当所述更新位置参数满足预设结束条件时，执行步骤S27，否则执行步骤S24；步骤S27：当所述更新位置参数满足预设结束条件时，得到输出最佳位置，并根据输出最佳位置构建所述热工过程模型。结合第一方面，在第一方面的第三实施方式中，所述采用快速在线代数参数辨识算法对相邻稳态间的所述热工过程模型的模型参数进行动态辨识，生成模型参数辨识结果，包括：获取所述热工过程模型所对应的传递函数；采用所述快速在线代数参数辨识算法对所述传递函数进行处理，得到辨识参数的矩阵方程；测量所述稳态间变化过程的系统输入值、系统输出值及时间值；根据所述系统输入值、系统输出值及时间值计算所述矩阵方程，生成所述模型参数辨识结果。根据第二方面，本专利技术实施例提供了一种热工过程模型在线辨识装置，包括：历史采样数据获取模块，用于获取热工过程中稳态间变化过程的历史采样数据，并对所述历史采样数据进行数据预处理生成原始处理数据；热工过程模型构建模块，用于对所述原始处理数据进行离线辨识，构建各稳态时刻的热工过程模型；模型参数辨识结果生成模块，用于采用快速在线代数参数辨识算法对相邻稳态间的所述热工过程模型的模型参数进行动态辨识，生成模型参数辨识结果；热工过程优化模型生成模块，用于根据所述模型参数辨识结果对各所述模型参数进行更新，得到热工过程优化模型。结合第二方面，在第二方面的第一实施方式中，所述历史采样数据获取模块包括：零初值处理子模块，用于对所述历史采样数据进行零初值处理，剔除零初值点，生成剔除零点的采样数据；粗大值处理子模块，用于对所述剔除零点的采样数据进行粗大值处理，剔除粗大值点，生成所述原始处理数据。结合第二方面，在第二方面的第二实施方式中，所述热工过程模型构建模块具体用于执行以下步骤：步骤S21：定义误差指标函数，根据所述原始处理数据得到初始化种群；步骤S22：采用群智能优化算法中的粒子群优化算法计算初始化种群适应度；步骤S23：根据所述初始化种群适应度计算所述误差指标函数，得到当前最佳位置；步骤S24：采用所述群智能优化算法中的布谷鸟算法对所述初始化种群的速度和位置进行更新，并计算更新后的新种群适应度；步骤S25：根据所述新种群适应度计算所述误差指标函数，得到更新位置参数；步骤S26：判断所述更新位置参数是否满足预设结束条件，当所述更新位置参数满足预设结束条件时，执行步骤S27，否则执行步骤S24；步骤S27：当所述更新位置参数满足预设结束条件时，得到输出最佳位置，并根据输出最佳位置构建所述热工过程模型。结合第二方面，在第二方面的第三实施方式中，所述模型参数辨识结果生成模块包括：传递函数获取子模块，用于获取所述热工过程模型所对应的传递函数；矩阵方程生成子模块，用于采用所述快速在线代数参数辨识算法对所述传递函数进行处理，得到辨识参数的矩阵方程；测量数据获取子模块，测量所述稳态间变化过程的系统输入值、系统输出值及时间值；模型参数辨识结果生成子模块，用于根据所述系统输入值、系统输出值及时间值计算所述矩阵方程，生成所述模型参数辨识结果。根据第三方面，本专利技术实施例提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行第一方面或者第一方面的任意一种可选方式中所述的热工过程模型在线辨识方法。根据第四方面，本专利技术实施例提供了一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行第一方面或者第一方面的任意一种可选方式中所述的热工过程模型在线辨识方法。本专利技术技术方案，具有如下优点：本专利技术实施例提供的热工过程模型在线辨识方法，通过获取热工过程中稳态间变化过程的历史采样数据，并对历史采样数据进行数据预处理生成原始处理数据；对原始处理数据进行离线辨识，构建各稳态时刻的热工过程模型；采用快速在线代数参数辨识算法对相邻稳态间的热工过程模型的模型参数进行动态辨本文档来自技高网...

【技术保护点】
1.一种热工过程模型在线辨识方法，其特征在于，包括：获取热工过程中稳态间变化过程的历史采样数据，并对所述历史采样数据进行数据预处理生成原始处理数据；对所述原始处理数据进行离线辨识，构建各稳态时刻的热工过程模型；采用快速在线代数参数辨识算法对相邻稳态间的所述热工过程模型的模型参数进行动态辨识，生成模型参数辨识结果；根据所述模型参数辨识结果对各所述模型参数进行更新，得到热工过程优化模型。

【技术特征摘要】
1.一种热工过程模型在线辨识方法，其特征在于，包括：获取热工过程中稳态间变化过程的历史采样数据，并对所述历史采样数据进行数据预处理生成原始处理数据；对所述原始处理数据进行离线辨识，构建各稳态时刻的热工过程模型；采用快速在线代数参数辨识算法对相邻稳态间的所述热工过程模型的模型参数进行动态辨识，生成模型参数辨识结果；根据所述模型参数辨识结果对各所述模型参数进行更新，得到热工过程优化模型。2.根据权利要求1所述的热工过程模型在线辨识方法，其特征在于，所述对所述历史采样数据进行数据预处理生成原始处理数据，包括：对所述历史采样数据进行零初值处理，剔除零初值点，生成剔除零点的采样数据；对所述剔除零点的采样数据进行粗大值处理，剔除粗大值点，生成所述原始处理数据。3.根据权利要求1所述的热工过程模型在线辨识方法，其特征在于，对原始处理数据进行离线辨识，构建各稳态时刻的热工过程模型，包括：步骤S21：定义误差指标函数，根据所述原始处理数据得到初始化种群；步骤S22：采用群智能优化算法中的粒子群优化算法计算初始化种群适应度；步骤S23：根据所述初始化种群适应度计算所述误差指标函数，得到当前最佳位置；步骤S24：采用所述群智能优化算法中的布谷鸟算法对所述初始化种群的速度和位置进行更新，并计算更新后的新种群适应度；步骤S25：根据所述新种群适应度计算所述误差指标函数，得到更新位置参数；步骤S26：判断所述更新位置参数是否满足预设结束条件，当所述更新位置参数满足预设结束条件时，执行步骤S27，否则执行步骤S24；步骤S27：当所述更新位置参数满足预设结束条件时，得到输出最佳位置，并根据输出最佳位置构建所述热工过程模型。4.根据权利要求3所述的热工过程模型在线辨识方法，其特征在于，所述采用快速在线代数参数辨识算法对相邻稳态间的所述热工过程模型的模型参数进行动态辨识，生成模型参数辨识结果，包括：获取所述热工过程模型所对应的传递函数；采用所述快速在线代数参数辨识算法对所述传递函数进行处理，得到辨识参数的矩阵方程；测量所述稳态间变化过程的系统输入值、系统输出值及时间值；根据所述系统输入值、系统输出值及时间值计算所述矩阵方程，生成所述模型参数辨识结果。5.一种热工过程模型在线辨识装置，其特征在于，包括：历史采样数据获取模块(1)，用于获取热工过程中稳态间变化过程的历史采样数据，并对所述历史采样数据进行数据预处理生成原始处理数据；热工过程模型构建模块(2)，用于对所述原始处理数据进行离线辨识，构建各稳态时刻的热工过程模型；模型参数辨识结果生成模块(3)，用于采用快速在线代数参数辨识...

【专利技术属性】
技术研发人员：黄从智，张天阳，侯国莲，张建华，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：北京,11