1000mw超超临界机组建模理论与方法的研究

《1000mw超超临界机组建模理论与方法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、博±学位论文１０ＯＯＭＷ超超临界机组建模理论与方法的研究ＲｅｓｅａｒｃｈｏｎＭｏｄｅｌｉｎＴｈｅｏｒａｎｄＭｅｔｈｏｄ化ｒｇｙｌＯＯＯＭＷＵｌｔｒａＳｕｐｅｒｃｒｉｔｉｃａｌＵｎｉｔ袁世通２０１５年３月国内图书分类号：ＴＫ２２３学校代码：１００７９国际图书分类号：６２１．１密级；公开工学博古学位论文１０００画超超临界机组建模理论与方法的研究博±研究生；袁世通导师：韩瑣教授副导师；王东风教授申请学位：工学博±学科：控制科学与王程专业；控制

2、理论与控制工程所在学院：控制与计算机王程学院答辩日期；２０１５年６月授予学位单位；华北电力大学Ｃｌａｓｓｉ打ｅｄＩ打ｄｅｘ：ＴＫ２２３Ｕ：．Ｄ．Ｃ６２１．１ＤｉｓｓｅｒｔａｔｉｏｎｆｏｒｔｈｅＤｏｃｔｏｒａｌＤｅｒｅｅｉｎＥｎｉｎｅｅｒｉｎｇｇｇＲｅｓｅａｒｃｈｏｎＭｏｄｅｌｉｎｇＴｈｅｏｒｙａｎｄＭｅｔｈｏｄ化ｒｌＯＯＯＭＷＵｌｔｒａＳｕｅｒｃｒｉｔｉｃａｌＵｎｉｔｐＣａｎｄｉｄａｔｅ：ＹｕａｎＳｈｉｔｏｎｇＳｕｅｒｖｉｓｏｒ：Ｐｒｏｆ．

3、ＨａｎＰｕｐＡｓｓｉｔａｎｔＳｕｐｅｒｖｉｓｏｒ：Ｐｒｏｆ．ＷａｎｇＤｏｎｇ色ｎｇＡｃａｄｅｍｉｃＤｅｒｅｅＡｌｉｅｄｆｏｒ：ＤｏｃｔｏｒｏｆＥｎｉｎｅｅｒｉｎｇｐｐｇｇＣｏｎｔｒｏｌＴｈｅｏｒａｎｄＣｏｎｔｒｏｌＥｎｉｎｅｅｒｉｎＳｅｃｉａｌｉｔｙｇｇｐｙ：Ｓｃｈｏｏｌ：ＣｏｎｔｒｏｌａｎｄＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇＤａ化ｏｆＤｅｆｅｎｃｅ：Ｊｕｎｅ，２０１５Ｄｅｒｅｅ－Ｃｏｎｆｅｒｒ－ｉｎＩｎｓｔｉｔｕ村ｏｎ：ＮｏｒｔｈＣｈｉｎａ

4、ＥｌｅｃｔｒｉｃＰｏｗｅｒＵｎｉｖｅｒｓｉｔｇｇｙ华北电力大学博±学位论文原创性声明本人郑重声明：此处所提交的博±学位论文《１０００ＭＷ超超临界机组建模理论与方法的研究》，是本人在导师指导下，在华北电力大学攻读博±学位期间独立进巧研究工作所取得的成果。据本人所知，论文中除己注明部分外不包含他人已发表或撰写过的研究成果。对本文的研究工作做出重要贡献的个人和集体，均已在文中Ｗ明确方式注明。本声明的法律结果将完全由本人承担。＊：作者签名：日期７＾］：年＾月７＾日华北电力大学横±学位论文使用授权

5、书《１０００ＭＷ超超临界机組建模理论与方法的研究》系本人在华北电力大学攻读博±学位期间在导师指导下完成的博±学位论文。本论文的研究成果归华北电力。大学所有，本论文的研究內容不得Ｗ其它单位的名义发表本人完全了解华北电力大学关于保存、使用学位论文的规定，同意学校保留并向有关部口送交论文的复印件和电子版本，光许论文被查阅和借阅，学校可Ｗ为存在馆际合作关系的兄。弟高校用户提供文献传递服务和交换服务本人授权华北电力大学，可Ｗ采用影印、缩印或其他复制手段保存论文，可Ｗ公布论文的全部或部分内容。＂＂本学位

6、论文属于（请在Ｗ上相应方框内打Ｖ）：保密□，在年解密后适用本授权书不保密作者签名：妻贿曰斯劝｝年？月如＾＾导师签名：切：日期古年＾月＾日摘要摘要为了提高ｌ〇〇（ＭＷ超超临界直流锅炉的控制水平，最首要的工作就是要了解机组的运行特性并在此基础上建立适用于控制器设计的数学模型。本文基于机组历史大数据，研究了热工多变量系统局部线性模型和全局非线性模型的辨识方法。主要内容包括：（１）介绍了１０００丽超超临界机组建模理论与方法研究的背景及意义，综述了火电机组建模、多变量系统建

7、模和基于大数据建模的国内外研究现状。（２）分析了各种常用的数学模型的结构形式，对每种模型的优缺点进行了总结。详细分析了机理分析法和试验辨识法的特点。分析表明，对于复杂系统，任一种单一的方法都难Ｗ单独完成建模目标。合理利用复合建模方法是建模领域研究的重点。如何合理的选择数学模型和建模方法取决于多个因素，如系统状况、建模目标、建模精度、建模周期及费用要求等，且很大程度上与建模者的经验有关。因此，在对系统建模时要根据实际情况选择合适的模型和方法。（３）在量子计算理论和粒子群算法ＰＳＯ）（的基础上，提出

8、了双量子粒子群算法（ＤＱＰＳＯ），该算法对粒子种群编码和进化搜索策略同时进行了量子化处理，增加了粒子种群的多样性，，进化方程中剔除了速度向量使进化方程的形式更简单、经验参数更少从而更容易控制，经过基准函数测试，该算法有着很好的优化效果一。为了进步提高该算法的优化效率，在ＤＱＰＳＯ的基础上