一种基于工况判别的智能发电机组控制模型在线更新方法技术

本发明专利技术公开了一种基于工况判别的智能发电机组控制模型在线更新方法，包括以下步骤:智能发电机组数据采集、建立全工况样本集、构建广义预测控制模型、进行工况判别以及更新决策。本发明专利技术采用深度残差收缩网络建立全工况样本集，可包含智能发电机组已知的各种运行工况；在广义预测控制模型中对系统输入增量采用阶梯式控制，并使用遗传

【技术实现步骤摘要】
一种基于工况判别的智能发电机组控制模型在线更新方法


[0001]本专利技术属于智能发电机组控制
，尤其涉及一种基于工况判别的智能发电机组控制模型在线更新方法。

技术介绍

[0002]火力发电机组在我国电力生产中承担主要任务，火电厂的安全、稳定和高效运行是电力生产中需要研究解决的重要课题。现代火力发电机组越来越向着大容量、高参数发展，单机功率的增大和蒸汽初参数的提高，必然导致汽机、锅炉的自动调节及控制系统进一步复杂化，要求系统具有更高的可靠性和自动化水平，热工自动控制在大型火电机组中的地位越来越重要，成为大型机组安全、稳定运行的可靠保证。
[0003]近年来，以现代计算机技术、通信技术和CRT显示技术为基础的分散控制系统(DCS)已在我国火电厂大型机组上广泛使用，并在机组的管理、监控和安全运行方面发挥着重要作用。传统热工自动控制系统通常采用PID作为基本控制策略，如燃烧控制、汽温控制、机炉协调控制、机组远程调度控制等。随着自适应控制、模糊控制、预测控制等为代表的智能控制策略的发展，由先进的智能化控制策略取代传统的常规控制策略己成为火本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于工况判别的智能发电机组控制模型在线更新方法，其特征在于，包括以下步骤：步骤1、按照合适的采样间隔采集智能发电机组的实时运行数据和历史数据；步骤2、结合智能发电机组的历史数据，采用深度残差收缩神经网络建立全工况样本集；步骤3、根据智能发电机组的历史数据构建广义预测控制模型，选择性能优化指标，采用遗传
‑
粒子群算法滚动优化控制模型；步骤4、结合智能发电机组的实时运行数据，采用Fisher判别法进行工况判别，若当前工况属于全工况样本集，则取消更新；否则，根据实时运行数据对广义预测控制模型进行在线更新，同时将当前工况添加至全工况样本集。2.根据权利要求1所述的一种基于工况判别的智能发电机组控制模型在线更新方法，其特征在于，步骤2中所述采用深度残差收缩网络建立全工况样本集包括以下子步骤：子步骤2.1、将智能发电系统的历史数据归一化，并按7：3的比例将其划分为训练集和测试集，所述训练集用于建立全工况样本集，所述测试集用于测试网络性能；子步骤2.2、构建包含50个隐藏层的深度残差收缩网络模型，随机初始化网络参数，设置最大迭代次数、批量训练样本个数等超参数；子步骤2.3、将归一化后的训练集输入深度残差收缩网络，前向传播计算输出值与实际值之间的误差；子步骤2.4、将所述输出值与实际值之间的误差从输出层向隐藏层和输入层反向传播，更新网络参数；子步骤2.5、若所有训练样本全部输入完毕，且达到最大迭代次数，则深度残差收缩网络模型训练完成；否则，重复子步骤2.3
‑
子步骤2.4；子步骤2.6、将测试集样本输入训练完成的深度残差收缩网络模型，测试网络性能，将分类误差上限设置为1.5％；子步骤2.7、若测试结果满足要求，则输出训练结果，包含智能发电机组n个工况类型的全工况样本集[X1,X2,
…
,X
n
]；若不满足，则重复步骤2.2
‑
步骤2.6。3.根据权利要求1所述的一种基于工况...

【专利技术属性】
技术研发人员：张文广，李浩瀚，曾卫东，骆伟健，王利国，胡勇，程阳，曾德良，
申请(专利权)人：西安热工研究院有限公司华能集团技术创新中心有限公司，
类型：发明
国别省市：