火电厂热工模拟量控制系统优化的方法及终端设备技术方案

本发明专利技术适用于火电厂热工模拟量自动控制技术领域，提供了一种火电厂热工模拟量控制系统优化的方法及终端设备，该方法包括：通过对获取的模拟量过程对象模型进行辨识，获取模拟量对象的数学模型；根据模拟量对象的数学模型，对获取的模拟量控制系统控制器模型的参数进行优化，获取目标控制器模型；当所述目标控制器模型的性能未满足预设需求时，重新获取模拟量过程对象模型以及执行后续操作，直到所述目标控制器模型的性能满足预设需求时结束流程，从而可以对火电厂热工模拟量控制系统进行优化，使控制系统具有控制精度高、超调量小、控制速度快、抗干扰能力强的特点。

Optimizing Method and Terminal Equipment of Thermal Analog Control System in Thermal Power Plant

【技术实现步骤摘要】
火电厂热工模拟量控制系统优化的方法及终端设备
本专利技术属于火电厂热工模拟量自动控制
，尤其涉及一种火电厂热工模拟量控制系统优化的方法及终端设备。
技术介绍
模拟量控制系统是指对工业控制领域中有关模拟量参数进行连续闭环控制，使被控模拟量参数值维持在设定范围或按预期目标变化的自动控制系统的总称。在火电厂热工控制领域，常需要对生产过程中的模拟量进行控制，比如火电厂控制系统中的负荷控制、主汽温度控制或者脱销控制系统等。模拟量控制系统的控制效果好坏会直接影响企业的生产成本以及企业经济效益。因此，模拟量控制系统的调节在企业生产运行过程中至关重要。然而在生产过程中模拟量控制系统的被控对象大多具有大滞后特性，多个模拟量之间互相影响，互相耦合，控制过程受到许多干扰因素影响，因此传统的基于比例-积分-导数(ProportionIntegrationDifferentiation，PID)的自动控制系统往往存在控制精度低、控制速度慢、系统超调量大等现象，加之，传统模拟量控制系统参数调节完全依赖调试人员的现场经验，技术人员专业水平参差不齐，调试方法主观性强，使得模拟量自动控制成为工业控制领域的一个难点。
技术实现思路
有鉴于此，本专利技术实施例提供了一种火电厂热工模拟量控制系统优化的方法及终端设备，以解决现有技术中模拟量自动控制的控制精度低、控制速度慢以及系统超调量大的问题。本专利技术实施例的第一方面提供了一种火电厂热工模拟量控制系统优化的方法，包括：A，获取火电厂热工模拟量过程对象模型；B，对所述模拟量过程对象模型进行辨识，获取模拟量对象的数学模型；C，获取火电厂热工模拟量控制系统控制器模型；D，根据所述模拟量对象的数学模型，对所述模拟量控制系统控制器模型的参数进行优化，获取目标控制器模型；E，当所述目标控制器模型的性能未满足预设需求时，重复执行步骤A至步骤D，直到所述目标控制器模型的性能满足预设需求时结束流程。在一实施例中，所述模拟量过程对象模型为其中，所述W(S)表示所述模拟量过程对象模型，所述Y(s)表示过程量输出函数的拉普拉斯变换，所述表示输入函数的拉普拉斯变换，所述a和所述b分别表示各阶系数，所述m表示分子的最大阶数，所述n表示分母的最大阶数，所述s表示复变量。在一实施例中，通过改变策略的ACABC混合人工蜂群算法对所述模拟量过程对象模型进行辨识，以及对所述模拟量控制系统控制器模型的参数进行优化，其中所述改变策略的ACABC混合人工蜂群算法包括：a，初始化算法参数，所述参数包括种群规模NP和最大循环次数；b，随机初始化NP个初始解，并计算所有初始解的适应度，得到初始全局最优解；c，采蜜蜂根据所有初始解进行新的蜜源搜索，获得第一新解，并计算所述第一新解的适应度；d，根据所述第一新解更新第一新解邻域搜索次数；e，根据所述初始解的适应度和所述第一新解的适应度，计算每个蜜源被观察蜂跟随的跟随概率；f，根据所述初始解和所述第一新解，对所述初始解和所述第一新解对应的蜜源位置进行分析，对目标蜜源进行分布估计，获取采蜜蜂的优势群体；g，根据高斯边缘概率分布估计方法对所述采蜜蜂的优势群体进行分布估计，获得分布概率；h，观察蜂根据所述跟随概率进行新的蜜源搜索，或者根据copula分布估计算法和边缘概率分布计算，获得第二新解，并计算所述第二新解的适应度；i，侦查蜂随机进行新的蜜源搜索，获得第三新解，并计算所述第三新解的适应度；j，根据所述初始解的适应度、所述第一新解的适应度、所述第二新解的适应度和所述第三新解的适应度，将适应度最大的解作为全局最优解；k，检测全局搜索是否达到所述最大循环次数，当所述全局搜索未达到所述最大循环次数时，继续执行步骤c至步骤k，直到全局搜索达到所述最大循环次数时结束流程。在一实施例中，所述根据所述第一新解更新第一新解邻域搜索次数，包括：当所述第一新解的适应度大于或者等于当前解的适应度时，则第一新解邻域搜索次数为0，所述第一新解为根据所述当前解进行蜜源搜索时获得的新解；当所述第一新解的适应度小于当前解的适应度时，则第一新解邻域搜索次数在原邻域搜索次数基础上加1。在一实施例中，在所述根据所述初始解和所述新解，计算每个蜜源被观察蜂跟随的概率之后，还包括：根据所述初始解的适应度和所述新解的适应度，按照适应度对所述初始解和所述新解进行排序。在一实施例中，所述采蜜蜂根据所有初始解进行新的蜜源搜索，获得第一新解，包括：根据获得第一新解；其中，所述Vij表示所述第一新解，所述表示初始解中所述第一新解对应的当前解，所述表示当前蜜源中随机选取的解，所述表示在(-1,1)范围内的随机数，所述Yj表示当前全局最优解，所述st表示当前迭代次数，所述M表示最大循环次数；所述根据所述初始解的适应度和所述第一新解的适应度，计算每个蜜源被观察蜂跟随的跟随概率，包括：根据计算每个蜜源被观察蜂跟随的跟随概率；其中，所述pi表示第i个蜜源被观察蜂跟随的跟随概率，所述fiti表示第i个解的适应度，所述N表示所述初始解的适应度和所述第一新解的适应度的总个数；所述获取采蜜蜂的优势群体，包括：根据获取采蜜蜂的优势群体；其中，所述S表示采蜜蜂的优势群体数量，所述s'表示择优选择概率；所述根据高斯边缘概率分布估计方法对所述采蜜蜂的优势群体进行分布估计，获得分布概率，包括：根据获得分布概率；其中，所述N(μj,σj2)表示分布概率；所述根据copula分布估计算法和边缘概率分布计算，获得第二新解，包括：根据获得第二新解；其中，所述表示所述第二新解，所述uj表示[0,1]区间内按均匀分布产生的独立变量值，所述θ表示copula分布估计算法参数，所述L表示服从联合分布的第二新解的个数，所述v表示随机变量，所述e表示自然常数，所述F(v)表示经验分布函数，所述j表示维数变量，所述σj表示随机变量方差，所述μj表示随机变量均值；所述侦查蜂随机进行新的蜜源搜索，获得第三新解，包括：根据Xi(n)＝Xmin+rand(0,1)(Xmax-Xmin)获得第三新解，其中，所述Xi(n)表示第三新解，所述Xmax、所述Xmin分别表示所有解中的最大解、最小解。在一实施例中，所述对所述模拟量过程对象模型进行辨识，获取模拟量对象的数学模型，包括：获取比例-积分-微分PID控制器的数学模型；固定所述PID控制器的数学模型中的参数，采用模拟量对应的过程值、预设目标值以及控制指令给模拟量控制系统施加阶跃扰动，采用改变策略的ACABC混合人工蜂群算法搜索迭代所述模拟量过程对象模型中的参数，当所述改变策略的ACABC混合人工蜂群算法采用的评价指标对应的适应度函数值达到最优，获得模拟量对象的数学模型。在一实施例中，所述PID控制器的数学模型为其中，所述KD表示微分系数，所述KP表示比例系数，所述K1表示积分系数，所述s表示复变量。在一实施例中，所述模拟量控制系统控制器模型为其中，所述Cm(s)表示模拟量控制系统控制器模型，所述Gm(s)-表示被控对象的模型中的部分，所述f(s)表示低通滤波器，所述λ表示滤波器时间参数，且0≤λ<1，所述r表示保证Cm(s)有理的阶次。在一实施例中，所述根据所述模拟量对象的数学模型，采用所述改变策略的ACABC混合人工蜂群算法对所述模拟量控制系统控制器本文档来自技高网...

【技术保护点】
1.一种火电厂热工模拟量控制系统优化的方法，其特征在于，包括：A，获取火电厂热工模拟量过程对象模型；B，对所述模拟量过程对象模型进行辨识，获取模拟量对象的数学模型；C，获取火电厂热工模拟量控制系统控制器模型；D，根据所述模拟量对象的数学模型，对所述模拟量控制系统控制器模型的参数进行优化，获取目标控制器模型；E，当所述目标控制器模型的性能未满足预设需求时，重复执行步骤A至步骤D，直到所述目标控制器模型的性能满足预设需求时结束流程。

【技术特征摘要】
1.一种火电厂热工模拟量控制系统优化的方法，其特征在于，包括：A，获取火电厂热工模拟量过程对象模型；B，对所述模拟量过程对象模型进行辨识，获取模拟量对象的数学模型；C，获取火电厂热工模拟量控制系统控制器模型；D，根据所述模拟量对象的数学模型，对所述模拟量控制系统控制器模型的参数进行优化，获取目标控制器模型；E，当所述目标控制器模型的性能未满足预设需求时，重复执行步骤A至步骤D，直到所述目标控制器模型的性能满足预设需求时结束流程。2.如权利要求1所述的火电厂热工模拟量控制系统优化的方法，其特征在于，所述模拟量过程对象模型为其中，所述W(S)表示所述模拟量过程对象模型，所述Y(s)表示过程量输出函数的拉普拉斯变换，所述表示输入函数的拉普拉斯变换，所述a和所述b分别表示各阶系数，所述m表示分子的最大阶数，所述n表示分母的最大阶数，所述s表示复变量。3.如权利要求2所述的火电厂热工模拟量控制系统优化的方法，其特征在于，通过改变策略的ACABC混合人工蜂群算法对所述模拟量过程对象模型进行辨识，以及对所述模拟量控制系统控制器模型的参数进行优化，其中所述改变策略的ACABC混合人工蜂群算法包括：a，初始化算法参数，所述参数包括种群规模NP和最大循环次数；b，随机初始化NP个初始解，并计算所有初始解的适应度，得到初始全局最优解；c，采蜜蜂根据所有初始解进行新的蜜源搜索，获得第一新解，并计算所述第一新解的适应度；d，根据所述第一新解更新第一新解邻域搜索次数；e，根据所述初始解的适应度和所述第一新解的适应度，计算每个蜜源被观察蜂跟随的跟随概率；f，根据所述初始解和所述第一新解，对所述初始解和所述第一新解对应的蜜源位置进行分析，对目标蜜源进行分布估计，获取采蜜蜂的优势群体；g，根据高斯边缘概率分布估计方法对所述采蜜蜂的优势群体进行分布估计，获得分布概率；h，观察蜂根据所述跟随概率进行新的蜜源搜索，或者根据copula分布估计算法和边缘概率分布计算，获得第二新解，并计算所述第二新解的适应度；i，侦查蜂随机进行新的蜜源搜索，获得第三新解，并计算所述第三新解的适应度；j，根据所述初始解的适应度、所述第一新解的适应度、所述第二新解的适应度和所述第三新解的适应度，将适应度最大的解作为全局最优解；k，检测全局搜索是否达到所述最大循环次数，当所述全局搜索未达到所述最大循环次数时，继续执行步骤c至步骤k，直到全局搜索达到所述最大循环次数时结束流程。4.如权利要求3所述的火电厂热工模拟量控制系统优化的方法，其特征在于，所述根据所述第一新解更新第一新解邻域搜索次数，包括：当所述第一新解的适应度大于或者等于当前解的适应度时，则第一新解邻域搜索次数为0，所述第一新解为根据所述当前解进行蜜源搜索时获得的新解；当所述第一新解的适应度小于当前解的适应度时，则第一新解邻域搜索次数在原邻域搜索次数基础上加1。5.如权利要求3所述的火电厂热工模拟量控制系统优化的方法，其特征在于，在所述根据所述初始解和所述新解，计算每个蜜源被观察蜂跟随的概率之后，还包括：根据所述初始解的适应度和所述新解的适应度，按照适应度对所述初始解和所述新解进行排序。6.如权利要求3所述的火电厂热工模拟量控制系统优化的方法，其特征在于，所述采蜜蜂根据所有初始解进行新的蜜源搜索，获得第一新解，包括：根据获得第一新解；其中，所述Vij表示所述第一新解，所述表示初始解中所述第一新解对应的当前解，所述表示当前蜜源中随机选取的解，所述表示在(-1,1)范围内的随机数，所述Yj表示当前全局最优解，所述st表示当前迭代次数，所述M表示最大循环次数；所述根据所述初始解的适应度和所述第一新解的适应度，计算每个蜜源被观察蜂跟随的跟随概率，包括：根据计算每个蜜源被观察蜂跟随的跟随概率；其中，所述pi表示第i个蜜源被观察蜂跟随的跟随概率，所述fiti表示第i个解的适应度，所述N表示所述初始解的适应度和所述第一新解的适应度的总个数；所述获取采蜜蜂的优势群体，包括：根据获取采蜜蜂的优势群体；其中，所述S表示采蜜蜂的优势群体数量，所述s'表示择优选择概率；所述根据高斯边缘概率分布估计方法对所述采蜜蜂的优势群体进行分布估计，获得分布概率，包括：根据获得分布概率；其中，所述N(μj,σj2)表示分布概率；所述根据copula分布估计算法和边缘概率分布计算，获得第二新解，包括：根据获得第二新解；其中，所述表示所述第二新解，所述uj表示[0,1]区间内按均匀分布产生的...

【专利技术属性】
技术研发人员：杨春来，李剑锋，殷喆，冯旭阳，袁晓磊，金飞，王毅佳，
申请(专利权)人：国网河北能源技术服务有限公司，国家电网有限公司，国网河北省电力有限公司电力科学研究院，
类型：发明
国别省市：河北,13