基于數據驅動的過熱蒸汽溫度系統模型辨識

王歡，饒政華，廖勝明

(中南大學能源科學與工程學院，湖南長沙，410083)

火電機組的深度調峰和靈活性改造對超臨界機組的建模和優化控制提出了更高要求[1-3]。過熱蒸汽溫度是機組運行過程中非常重要的控制參數，其過高或過低都會影響機組運行的經濟性和安全性[4-5]。過熱蒸汽溫度對象具有非線性、大慣性和時變性等特點，隨著機組容量的增加，響應的遲延和慣性增大，增加了過熱蒸汽溫度的控制難度。過熱蒸汽溫度的動態特性分析和模型辨識是提高其控制性能的基礎[6]。采用機理建模方法得到的模型物理意義明確，通用性強。章臣樾[7]建立了鍋爐整體的機理模型，研究了鍋爐動態特性；徐嘯虎等[8]建立了一種新的單相受熱管集總參數動態數學模型；閆水保等[9]針對熱工對象低通濾波特性，以單相受熱過熱器為對象，提出了適用于不同工況的通用傳遞函數。然而，機理建模所需對象信號采集量大，包含大量設計參數與試驗參數，需要依靠許多經驗公式，造成機理模型精度一般不高。目前，安全聯鎖儀表系統(SIS)已普遍應用于電廠，從海量的運行數據中挖掘熱工系統的動態特性成為研究熱點。孫靈芳等[10]采用大量歷史數據和改進的神經網絡(BP)算法建立了過熱蒸汽溫度的非線性模型；WANG 等[11]提出了以單位負荷為時變參數的非線性(LPV)模型，利用改進的量子群優化算法結合現場數據辨識模型參數；韓璞等[12]研究了多變量系統辨識過程中不能精確量化每個子系統數學模型的問題。……