冷热电联供机组性能曲线的在线拟合方法

《冷热电联供机组性能曲线的在线拟合方法》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、第38卷第8期华电技术Vol.38No.82016年8月HuadianTechnologyAug.2016冷热电联供机组性能曲线的在线拟合方法刘洁，王恒涛，李义强，陈耀斌(中国华电集团科学技术研究总院有限公司，北京100070)摘要:为了评估冷热电联供机组运行性能并进行实时优化，提出了一种用遗传算法对运行数据进行分段拟合的方法。遗传算法采用MATLAB现有的ga函数，利用最小二乘法评估拟合误差，分段点处利用约束保证连续、光滑。采用该方法对上海某分布式能源站余热锅炉的高压、低压蒸汽量和燃气轮机发电量的关系进行拟合，拟合结果表明,该方法能够实现自动分段拟合,拟合曲线能够准确反映数据趋势。关键词:冷

2、热电联供;性能曲线;遗传算法;分段拟合中图分类号:TM611文献标志码：A文章编号=1674-1951(2016)08-0012-04数学约束条件较多，现有的拟合工具不适用。为此，〇引言本文提出了利用遗传算法进行曲线分段拟合的方法，为解决环境污染问题，采用高效、清洁的能源供在满足分段函数连续且可导的条件下，自动优化分段应方式已经成为目前能源的重点发展方向之一。在点位置并得到最优的拟合结果。这样的背景下，以天然气为主要燃料的分布式冷热1数学模型电联供机组受到国内外的广泛关注。冷热电联供机组利用烟气余热产生蒸汽、热水或冷水，能够同时提(1，^)，K，/2)，…，（<，/„)为电厂的一组实供发电、供

3、热、制冷3种能量形式，实现了能源的梯际运行数据，以两段分段函数为例，假定点（，£)级利用，因而具有较高的能源利用效率[1-3]。实际(1矣m矣《)为分段函数的分段点，则拟合函数为运行过程中，机组运行状态往往偏离设计工况，且机组的运行方式往往以保证安全和满足负荷为基本要

4、0=屮2乂l2)运行方式进行优化调整，提高机组运行效率和经济在拟合函数模型确定的情况下，式（2)限定了性，也可以直观地将当前机组的运行状况与设计值函数待定参数需满足的条件。进行对比，发现机组潜在的问题。在工程技术问题中经常涉及曲线拟合问题，现有2拟合算法的一些商业软件包含了便捷的曲线拟合工具，如MATLAB内置的lsqcurvefit，polyfit和曲线拟合工具箱2.1最小二乘法cftool等。上述拟合工具基于给定的拟合数据和函数最小二乘法是以令拟合函数与给定数据之间偏模型，利用最小二乘法1]确定函数的待定参数。差的平方和最小为原则来确定拟合函数的方法，该拟合函数模型以线性函数、多项式函数、

5、指数函数和方法可使给定的数据点最大限度地分布在拟合函数对数函数等为主。在给定数据关系较简单的情况下，附近，既能反映数据的总体变化趋势，又不会使局部一种函数模型可以较准确地逼近数据，采用现有的工数据与拟合函数出现较大的偏离。对于式（1)，最具能够得到较好的拟合结果。然而对于电厂，运行数小二乘法为求解使下式i值最小的函数据与负荷密切相关，并且随着负荷的变化，数据具有i=Xl2i«)-^l2+l22«)-fl2°()显著的分段特点，采用一种函数往往不能充分描述数i=1i=m据变化趋势，需采用多种函数模型分段拟合的方式，2.2遗传算法遗传算法是一种常用的优化方法，通过模仿生收稿日期:2016-05-

6、06;修回日期:2016-07-06物界的遗传进化过程寻找问题的最优解。优化时首第8期刘洁，等：冷热电联供机组性能曲线的在线拟合方法•13•先将优化问题的解通过编码转化为一一对应的染色体，然后随机生成初始种群，即一定个数的染色体。根据优化目标评估每一个体的适应度，从初始种群中选择个体作为新一代种群，其中适应度较优的个体被选择出来的概率较大，适应度较差的个体被选择的概率较小。在进化（即优化）过程中，染色体之间按照一定的概率进行交叉，生成新个体，这里交叉指染色体之间某些基因发生互换，互换的位置随机确定;染色体还可能发生变异，即染色体的基因根据一定的概率随机变为其他基因，通过变异也会产生新个体。交叉

7、和变异保证了解的多样性，避免得到局部最优解。由于交叉、变异和选择操作，遗传至新一代个体适应度更优。随着遗传代数的增加，种群中最优个体的适应度不断优化直至趋于稳定，此时的最优个体就是问题的优化结果[1_13]。在本文的曲线拟合问题中，拟合函数模型的待定参数为遗传算法的染色体，式（3)的值i则为遗传算法的适应度函数。在所有遗传算法的解中，使i取最小值对应的待定参数为遗传算法的最优解。3函数拟合的方法和