一、热工过程预测控制研究(论文文献综述)
王英男[1](2021)在《燃煤锅炉的NOx排放预测与控制研究》文中提出随着新能源发电系统的深度接入,电网的安全稳定运行面临新的挑战。提高火力发电机组的深度调负荷能力势在必行。机组负荷的快速、深度变化会导致燃烧过程的剧烈波动,进而影响机组排放控制。建立锅炉NOx预测模型,是后续的脱硝控制以及燃烧优化的前提和基础,对火电厂实现深度调负荷及控制排放具有重要意义。论文围绕燃煤锅炉NOx排放预测与控制这一主题,从以下几个方面展开研究:1.分析影响燃煤锅炉NOx生成的多种因素,并在锅炉主燃烧区安装红外测温装置获取主燃烧区温度,探索主燃烧区温度参数与炉内NOx浓度之间的关系。研究基于主成分分析、变量重要性投影以及互信息等多种数据分析方法,实现了基于互信息的NOx预测模型变量自动选择。2.考虑到热工过程变量间相对存在着不同的时滞,基于互信息方法校准了变量间的时间迟延。并提出一种基于深度置信网络的NO,排放集成模型,该模型设计基于偏最小二乘-蒙特卡洛的数据集划分方法和基于随机子空间的模型集成方式。基于660MW燃煤锅炉热工运行数据,利用该集成策略建立锅炉NO,排放模型,与浅层学习算法相比,深度学习模型能够充分挖掘运行数据隐含特征,提高模型预测精度。3.考虑到燃煤锅炉NOx浓度变化对时间的依赖性,从时间角度出发,将循环神经网络应用于NOx排放预测,充分利用数据的时序信息,实现了NOx排放浓度的动态预测。针对模型因输入长度增加导致预测性能下降问题,提出一种基于注意力机制的长短期记忆网络预测算法,仿真结果表明,该算法能够实现对数据特征的自适应关注,提高网络的特征提取能力。4.针对多变量时间序列预测中,变量之间复杂的非线性关系以及相互耦合现象,从空间角度出发,提出了一种结合变量相关性的图卷积神经网络预测算法。该算法通过构建变量之间的邻接关系形成图数据、获取特征邻接矩阵,有效地融合了不同变量间特征信息。根据燃煤锅炉拓扑结构信息以及历史运行数据,构建了基于图卷积网络的NOx预测模型。仿真结果表明基于变量相关性的图卷积网络能够有效融合辅助变量间的相关信息,提升模型预测性能。5.针对燃煤电厂SCR烟气脱硝系统大惯性、大时延及强扰动特点,设计基于线性自抗扰的SCR烟气脱硝串级控制方案,并将SCR入口处NOx浓度预测值作为前馈信号引入到控制系统中,实现了 SCR喷氨系统的复合控制。仿真结果表明,基于自抗扰的复合控制策略能够更及时地对喷氨量进行调整,具有更好的控制性能。
孔令刚[2](2021)在《熔盐线性菲涅尔式光热电站集热系统关键技术研究》文中进行了进一步梳理线性菲涅尔式太阳能热发电具有清洁无污染、大规模储能、出力稳定可调等一系列优势,是构建现代能源体系一项变革性技术。随着太阳能热发电国家首批示范项目的实施,该技术正在受到广泛关注。当前,聚光太阳能热发电技术正在向着低成本、高效率、大装机容量的技术方向发展。针对这个趋势,本文以敦煌大成高温熔盐线性菲涅尔式光热电站集热场为研究对象,选取集热系统中的若干关键技术环节—高温选择性吸收膜可控制备、聚光集热系统光学效率和热损特性、集热系统出口温度控制等问题开展研究。论文的主要研究内容和结果如下:(1)针对高温选择性吸收膜低成本可控制备关键技术,首先研究了WOx基光热转换涂层单靶自掺杂制备工艺。采用反应溅射技术分别制备了单层WOx薄膜和多层渐变WOx基光热转换涂层,光学性能分析显示,自掺杂WOx基光热转换涂层具有非常优异的光学吸收性能,吸收率达到93.2%,发射率为5.8%。(2)分析了自掺杂反应溅射工艺控制要求,提出采用靶电压作为反馈量闭环调节反应气体流量的控制方案,设计采用模糊伪微分反馈控制(Pseudo Differential Feedback,PDF)策略解决反应溅射过程的非线性和稳定控制问题。Matlab/Simulink仿真结果表明,对比常规的PDF和PID控制策略,对于参数时变的二阶系统,模糊PDF控制策略具有良好的动态响应性能、极强的抗干扰能力和鲁棒性。在此基础上设计了基于现场总线的嵌入式反应溅射控制器模块,并在选择性吸收膜镀膜生产线中进行了初步应用,实验验证了该方案的实用价值。(3)为研究掌握实际运行的线性菲涅尔式集热系统的光学性能和热损特性,首先基于线性菲涅尔式聚光器理论模型,计算并分析了聚光器的余弦损失、端部效应、阴影遮挡效应,利用Trace Pro软件,采用光线追踪法模拟得到聚光器的入射角修正系数,获得聚光器的动态光学效率模型;接着模拟测试了环境工况(环境温度、风速、直射辐照)对不同状态的集热管(真空状态良好、非真空状态、裸管状态)热损的影响。以此为基础,在敦煌大成熔盐线性菲涅尔式集热支路测试系统上,选择三种典型集热工况,采用准动态法进行循环集热实验,采用多元线性回归最小二乘法辨识得到集热系统在典型工况下的动态模型参数。测试结果表明,实际运行中的线性菲涅尔式集热系统,聚光器实际几何光学效率约为64%,系统热损在不同工况下呈现出较大的分散性,高温区段热损分散性更加明显。研究结果提示在高温熔盐线性菲涅尔式集热系统研究和设计工作中,应充分考虑运行工况对集热系统的影响。(4)针对高温熔盐线性菲涅尔式集热系统大滞后、大惯性、参数时变的特点,提出模糊增益调度多模型预测控制策略。根据集热系统典型工况下的参数集,建立了出口温度控制在典型工况点的线性模型和全局模糊模型,选取集热系统净集热量为多模型预测控制的调度变量。利用Matlab对该控制算法进行了仿真研究,结果表明控制系统的动态性能、静态误差、抗扰动等性能优越,复杂天象条件下集热系统出口温度控制精度达到±8℃。该控制策略可以为线聚焦光热电站大规模集热系统出口温度控制提供参考和借鉴。本文还专门设计了基于可编程控制器的集热支路流量就地控制器。由此提出以集热场分布式控制系统(Solar Field Control System,SCS)为架构的集热支路出口温度控制方案,作为进一步试验和研究的基础。
孙明[3](2021)在《火电机组热工过程自抗扰控制的研究与应用》文中研究指明燃煤机组热工过程普遍具有高阶惯性、时滞、非线性、多扰动、回路耦合以及不确定性等特点,使得探索更为高效的建模方法和高性能的鲁棒控制算法成为一直以来的研究热点和难点。尤其是当前火电机组需要通过深度调峰来有效平衡间歇性的新能源电力高比例接入电网引起的系统波动,使得热工过程自动控制系统的可靠性和鲁棒性面临着更为严峻的挑战。此外,分散控制系统的历史数据库中存储了因扰动或不确定因素而产生的大量过程数据,可以充分利用这些过程扰动数据,进而增强控制器的模型信息以提升控制系统的设定值跟踪、扰动抑制以及鲁棒性等控制性能。因此,本文以线性扩张状态观测器为主线,开展了广义积分串联型系统的相位分析、扰动数据驱动的扩张状态观测器模型参数智能辨识方法以及基于相位补偿的降阶自抗扰控制器设计等方面的理论研究、算例仿真与工程实现。论文主要工作有:1)在频域内详细分析了线性扩张状态观测器对总扰动进行估计和前馈补偿后,虚拟控制量与系统输出以及估计输出两者之间的广义积分串联型传递函数特性。当采用全阶扩张状态观测器时,仿真并分析了广义积分串联型逼近标准积分器串联型的影响因素;当采用低阶扩张状态观测器时,为保证广义扩张状态观测器与广义被控对象在相位上的近似同步,提出了增加部分模型信息对扩张状态观测器进行相位补偿的设计方法,算例仿真验证了该方法的有效性。2)针对零初始条件下输出信号中可能存在外部扰动作用的分量而导致闭环数据驱动建模准确性降低的问题,提出了一种利用控制回路中干扰作用产生的动态过渡到稳态这一特征的过程数据驱动扩张状态观测器参数辨识的新方法,也就是将过程数据中扰动作用结束时刻点的状态初值估计和总扰动中的确定性模型信息估计相结合,进而通过群体智能算法对模型参数进行优化和聚类分析,得到最佳辨识参数,算例仿真验证了所提建模方法的有效性和准确性。3)为了提高一类具有大惯性、时滞等特点的热工过程对象设定值跟踪能力和抗干扰性能,提出了基于相位补偿的降阶自抗扰控制设计方法,并完成了稳定性分析。考虑到运用低阶自抗扰控制器时,控制量增益难以确定的问题,给出了新的参数整定方法。而对于热工过程的多变量系统,则采用分散式相位补偿型降阶自抗扰控制策略,并将控制系统在频域内进行等效变换,揭示了自抗扰控制技术框架下的逆解耦器特性。同时,为了增强其逆向解耦能力,推导出一种针对多变量系统的相位补偿环节设计方法。算例仿真验证了所提控制算法的优越性。4)研究并解决了基于相位补偿的降阶自抗扰控制算法的逻辑组态、抗降阶扩张状态观测器饱和以及无扰切换等工程化设计中的具体问题,进而在激励式仿真机上进行了控制策略的仿真与实现。进而将其应用于现役火电机组的主汽温系统和负荷控制系统。实施结果表明所提改进自抗扰控制算法的可行性、有效性以及优越性,展现了该算法良好的工业应用前景。
王迪[4](2020)在《火电机组热工过程闭环辨识及预测控制方法研究》文中指出当前我国能源供求关系深刻变化、能源问题日益加剧,火电机组的高效运行和低碳排放被赋予了极高的期望。然而,火电机组热工过程具有较强非线性和热惯性,且系统工作时受到煤种变化、阀门摄动等扰动和测量噪声作用,设备的老化和执行器的磨损使系统动态特性发生变化,目前以PID为主体的热工过程控制策略难以取得令人满意的控制效果。火电机组DCS系统易于获取大量闭环运行数据,如果能够利用运行数据建立热工对象的数学模型,则可以避免辨识实验对系统正常运行的干扰。基于上述原因,本文研究基于火电机组热工过程运行数据的闭环辨识方法,并根据辨识得到的模型设计模型预测控制器(MPC)。提出的闭环辨识方法和鲁棒预测控制方法(RMPC)的有效性在火电机组过热汽温系统和CO2捕集系统的辨识实验和控制仿真应用中得到了验证。本文的研究内容如下:1、研究闭环辨识中的模型结构确定和参数估计问题。首先,为了确定闭环系统的模块性阶次,提出了一种基于模型总误差的模型判阶准则;然后,采用预估模型作为滤波器对辨识数据进行滤波,使滤波后的对象输入量与系统扰动解除关联性;最后,采用输出误差辨识法得到对象模型参数的无偏估计。2、从模型不确定性角度出发,研究系统闭环状态下基于集员辨识法的全对称多胞体模型辨识问题。利用预估模型解耦对象输入量和系统扰动间的关联性,采用全对称多胞体作为待辨识的不确定模型参数集,根据提出的闭环辨识方法得到模型参数集的模型结构,模型参数通过迭代优化提出的集成了模型参数不确定度和标称参数偏差的优化指标获得,为了减少因参数迭代求解过程使全对称多胞体阶次升高的影响,采用“先降阶后优化”的策略,保证了当前模型结构下的辨识模型性能指标的最优性。3、为了符合热工过程控制对控制算法鲁棒性和在线计算量的要求,研究控制目标跟踪的显式鲁棒预测控制器(EFERMPC)设计方法。采用建立的全对称多胞体为凸包描述的预测模型、中心点模型为标称系统模型,通过设定近似鲁棒性能指标偏差阈值实现离线状态下系统可行状态空间的自动划分,同时设计相应状态子空间的鲁棒预测控制律;在线实施控制律时,利用全对称多胞体的中心点模型的预测偏差实时修正控制量目标值,由于设计的显式控制律存在积分环节,从而实现了控制目标的无差跟踪。针对系统状态不完全可控的预测模型,根据标称系统模型的稳态特性,将系统状态分解为可控状态和不可控状态,对可控状态空间划分子空间,并设计鲁棒预测控制律,从而实现了存在不可控状态预测模型的EFERMPC控制策略。4、围绕如何增强热工过程控制的可维护性和提升长期运行的性能展开研究工作,提出了一种结合控制性能评价的综合鲁棒预测控制策略。在基于状态反馈的凸包型RMPC的基础上,提出了一种保证对象充分激励的自适应鲁棒预测控制方法(ARMPC)。提出的综合RMPC控制方法本质上是集成RMPC和ARMPC两种控制器的复合控制方法:系统正常工作状态采用RMPC控制器,若监测的控制性能变差,则进行控制器参数的自适应更新:若控制量波动或被控量动态偏差过大,则更新RMPC性能指标权值矩阵;若不确定模型输出偏差最大值大于模型误差限,控制器切换至ARMPC,采用基于全对称多胞体的闭环集员辨识法更新预测模型参数和模型误差限,更新完成后,控制器切换至RMPC。
张鹏程[5](2020)在《改进型时间序列模型预测控制及其在热工过程中的应用》文中研究指明在我国现阶段的能源结构中,火力发电仍旧占据着很大比重。随着电厂规模的不断扩大,如何保证热工过程的各个环节可以高质量、高经济效益、安全可靠地运行是电力行业健康发展的关键,其中热工过程的控制策略是研究的重点。PID算法因其结构简单、可靠性高,在热工过程控制中被广泛应用。然而,随着工业过程复杂程度的日趋增加,且发电过程中,设备的动态特性会随着负荷的变化而改变,使得系统具有非线性、时变性、滞后性等复杂特性,传统方法难以取得理想的控制效果。本文充分考虑热工过程的控制难点,提出基于Laguerre正交基优化的时间序列模型预测控制算法。在设计中结合算法融合的思想,借鉴传统控制策略的优势进行改进,将改进后的算法应用到典型的热工过程控制系统中,检验了控制效果。本文的主要工作及创新点包括:(1)将多变量Laguerre函数模型预测控制算法与增量式分数阶PID算法相结合,提出了一种具有分数阶PID结构特征的预测控制策略。该算法通过借鉴分数阶PID的控制结构来改进预测控制的性能指标。将所提出的算法应用到火电单元机组负荷控制的仿真实验中,结果表明,与其它算法相比,该方法具有更加出色的跟踪性能和鲁棒性,有效抑制了超调量,改善了系统的控制质量。(2)将带外部输入的自回归(Autoregressive with Exogenous Input,ARX)模型的系数通过Laguerre正交基进行展开,提出了基于ARX-Laguerre模型的预测控制方法,并分别将PID、分数阶PID控制器用于改进滚动优化的性能指标。将改进后的算法应用到过热汽温控制的仿真实验中,结果表明,两种算法均在不同程度上提高了过热汽温系统的控制品质。(3)将带外部输入的自回归滑动平均(Autoregressive Moving Average with Exogenous Input,ARMAX)模型进行Laguerre正交基展开,提出了基于ARMAX-Laguerre模型的预测控制算法,并将其与PID算法相结合,应用到循环流化床锅炉主蒸汽压力控制的仿真实验中,实现了对目标的精确跟踪,提高了系统的快速性和鲁棒性。在参数选定的问题上,为了解决依靠先验知识和人工调试带来的工作量大和取值不精确等问题,本文采用差分进化算法对PID参数进行寻优,使算法在参数整定方面更加智能。
贾昊[6](2020)在《基于高斯过程回归的热工系统数据驱动建模研究》文中提出随着计算机、传感器网络、数据存储技术的快速发展及其在大型火电机组中的广泛应用,海量的历史运行数据得以保存。由于历史运行数据是对机组运行状况最直观的反映,并且随着电站信息化的发展使得数据获取变得十分容易、成本低廉,为构建数据驱动模型提供了良好的基础。但是,想要构建性能优异的模型往往并不容易,如何对建模数据进行选择和处理,选择哪种建模方法都会对模型最终的效果产生影响。也正是因为如此,基于数据驱动的建模方法才会成为研究热点,持续受到研究人员的关注。针对热工过程数据驱动建模过程中存在的一些问题,本文以基于历史运行数据的建模方法为研究主题,围绕数据预处理、稳态检测、静态模型和动态模型的构建、多模型建模方法等方面,开展了以下研究工作:(1)针对历史运行数据中存在数据异常和数据缺失的问题,对历史数据异常值检测和校正方法进行了研究。针对异常值检测,提出一种基于经验小波变换和局部异常因子相结合的异常值检测方法。该方法首先使用经验小波变换提取并去除数据的运行趋势;然后对去除趋势的序列求取局部异常值;最后采用箱型图对异常值进行自适应判别。针对数据中存在异常值和数据缺失的问题,采用基于滑动窗口和Nadaraya-Watson回归相结合的方法,对相关数据进行校正和补全。以某1000MW火电机组负荷数据和总风量数据为例,分别验证了所提方法的有效性。(2)针对历史运行数据中动态数据和稳态数据交替出现的现象,为了实现对不同数据的区分,提出了一种基于信号分解与统计检验方法相结合的热工过程稳态检测方法,用以对稳态工况样本进行筛选。首先采用经验小波变换对原始信号进行分解,得到原始信号的运行趋势和震荡信息;然后结合修改过的R统计检验法对热工过程数据进行稳态检测。以仿真数据和某1000MW火电机组协调控制系统数据为例,验证了方法的有效性。(3)针对热工过程稳态数据存在的数据量大、属性维度高、数据重复性大的特点,提出了一种基于样本稀疏化和特征变量选择的高斯过程回归建模方法。首先使用基于数据相似性和信息熵相结合的样本选择方法对稳态数据进行样本稀疏化处理;然后使用基于皮尔森相关系数和最小角回归算法相结合的方法对建模特征变量进行数据融合和特征选择;最后结合高斯过程回归方法建立系统模型。使用历史运行数据建立某1000MW火电机组锅炉烟气含氧量静态模型。通过与其他方法对比,证明了使用该方法建立的模型具有更小的模型误差和更高的静态准确度,可以取得很好的预测效果。(4)针对动态过程中变量间存在强非线性、过程复杂多变、输入输出变量间存在时延的特点,提出一种考虑输入时延的组合核函数动态高斯过程回归建模方法。首先采用灰色关联度分析方法对变量的时延参数进行估计,根据估计值重新构造数据集;然后根据核函数闭包性质,将局部核函数和全局核函数组合起来构成新的核函数,构建组合核函数动态高斯过程回归模型;最后使用历史运行数据建立某1000MW火电机组锅炉烟气含氧量的动态模型验证所提方法的有效性。实验结果表明,采用该方法建立的动态模型具有模型准确度高、泛化能力强的特点,可以满足实际需要。(5)针对热工过程中存在多种工况、工况变化范围大,采用单一模型描述生产过程特性时易导致训练过拟合、模型泛化能力差的问题,提出一种基于自适应模糊聚类的多模型动态高斯过程回归建模方法。使用提出的模糊聚类方法对数据集进行划分并根据划分的子数据集分别建立其动态高斯过程回归模型,然后采用基于预测方差的贝叶斯融合方法得到最终的输出模型。结合某1000MW火电机组历史运行数据建立锅炉烟气含氧量模型,通过与单一全局动态高斯过程回归模型和采用其他合成策略的多模型动态高斯过程回归模型进行对比,结果表明所提方法具有很好的模型预测精度和泛化能力。
王航[7](2020)在《电磁供暖群控制系统研究》文中研究说明随着以电代煤、绿色节能等环保供暖方式的兴起,电磁供暖逐渐成为我国北方冬季主流的供暖形式。为实现对各供暖室内温度的精确控制,达到舒适节能的供暖效果,本文对电磁供暖群控制系统进行了研究。电磁供暖群控制系统由供暖建筑各房间内的电磁供暖炉单体和相应的控制系统组成,并且在目前的供暖群控制过程中存在如下问题:首先,供暖群内的多个房间由于位置等因素不同而具有不同的热力学特性,各房间采用统一控制方式会出现供热不均的现象;其次,供暖室内温度控制具有大滞后、大惯性的特点,很难建立精确的数学模型,给传统的PID控制带来很大困难,温度控制效果差强人意。为了解决这些问题,本文以长春某电磁供暖居民楼为例,进行了电磁供暖群控制系统的研究,主要研究内容如下:首先,分析影响供暖建筑室内温度的主要因素,在经典热平衡模型的基础上,结合实际房间内温度变化曲线,建立了房间的RC供热数学模型,并根据现场数据仿真验证了模型的准确性,然后求出各房间的热工性能常数,建立了电磁供暖建筑的群体模型。其次,针对影响室内温度的环境因素,并根据现场运行数据,建立基于APSOELM算法的电磁供暖室内温度预测模型,并对该模型的预测效果进行检验,验证了该模型的准确性和实用性。然后,针对电磁供暖群室内温度控制存在的问题,基于模糊控制的思想,引入模糊PID控制器作为电磁供暖群控制系统的控制器,该控制器可根据室内温度变化自适应调整PID的三个增益参数,通过对该系统进行仿真检验,证明该系统具有较好的控制效果,能很好地达到控制要求。最后,在分析电磁供暖群集散控制系统(DCS)基本结构的基础上,对电磁供暖群控制系统进行软硬件设计,采用OPC技术实现软硬件设备之间的通信,通过Visual Studio 2019软件开发平台在C#语言环境下对电磁供暖群温度控制软件进行开发,并对该软件的操作界面进行了演示。
赵刚[8](2020)在《非线性压制与抗干扰受限控制方法研究及其在热工过程中的应用》文中认为热工过程普遍具有较强非线性,并存在着广泛的不确定性。目前大多数基于模型的热工过程先进控制主要研究被控过程的设定值跟踪控制问题,但较少涉及对热工过程中非线性和不确定性的直接处理,且缺少对整个闭环系统的稳定性理论分析。论文从热工过程非线性的处理和不确定性的实时估计补偿两个方面进行典型热工过程非线性压制和抗干扰受限控制方法研究。论文主要研究工作及创新如下:(1)针对一类参数未知但有界的典型不确定非线性系统,基于Lyapunov稳定性理论和齐次系统理论,提出了一种基于非线性压制的鲁棒非线性控制器设计方法。该方法将传统的齐次度理论拓展到了区间范畴,给出了时变参数应该满足的区间边界条件,构建了一种带有区间数的Lyapunov函数,递归实现控制器的设计。研究结果表明,该方法可有效解决一类参数时变但有界条件下的典型非线性热工过程调节控制问题。(2)针对一类存在不确定性干扰的典型非线性热工过程,基于Lyapunov稳定性理论和抗干扰理论,提出了一种基于高阶滑模观测器的抗干扰控制方法。该方法基于对象标称模型设计状态反馈控制器,利用高阶滑模观测器估计各状态/输出通道中的集总干扰,并在状态反馈通道中引入集总干扰估计以补偿干扰对控制性能的影响。研究结果表明,该方法可以对未知集总干扰进行精确估计,且整个闭环控制回路具有较快的跟踪控制性能和抗干扰能力,同时干扰观测器具有不牺牲标称控制性能的特点。(3)针对一类同时存在不确定性干扰且控制作用受限的典型热工过程,分别提出了一种基于状态估计与独立模型策略的滚动Galerkin最优控制方法以及一种基于高阶滑模干扰观测器的滚动Galerkin最优抗干扰控制方法。前者主要解决状态不可测和输出通道存在常值扰动时的跟踪控制问题,而后者则可解决状态不可测且导数有界干扰存在于不同通道的跟踪控制问题。与前者相比,第二种方法同时兼顾了不确定干扰以及跟踪控制性能,实现了不确定干扰条件下闭环最优控制。研究结果表明,两种控制方法均能够在满足控制作用受限条件下的参数跟踪控制问题,相比于第一种方法,第二种方实用性更为广泛。
黄琪[9](2020)在《基于强化学习的办公建筑冷源系统节能优化控制策略仿真研究》文中进行了进一步梳理冷源系统的能效水平对中央空调系统运行、公共建筑节能都有较大影响,国家于2019年提出建设高效冷源机房的目标,针对众多既有大型公共建筑冷源系统进行控制策略的节能优化,是实现该目标经济且有效的手段。物联网技术的高速发展为公共建筑积累了庞大的运行数据,建立数据驱动的节能优化控制策略,能够充分挖掘数据的使用价值,推动建筑智能化。强化学习可以被用于智能控制系统中,通过智能体在环境中的不断尝试获得最优策略,是一种依赖数据驱动的控制方法。研究基于强化学习的建筑冷源系统控制策略的节能优化问题,能够充分利用已有冷源管理系统中累积的大量运行数据,顺应当今控制智能化的趋势。本文以夏热冬暖地区某大型办公建筑冷源系统为研究对象,提出基于强化学习的冷源系统节能优化控制策略,主要包括以下研究工作:(1)介绍强化学习的主要理论与算法,在此基础上,将冷源系统的运行过程抽象为马尔可夫决策过程,提出冷源马尔可夫决策模型;在研究强化学习系统组成元素的基础上,确定各元素在冷源中的形式,建立冷源强化学习系统,并确定该系统的运行流程。(2)针对办公建筑冷源系统通常难以用于控制器实际训练的情况,研究系统环境建模问题,为进一步提高模型的预测效果,提出基于模型堆叠的室内温度、室内相对湿度和冷源系统能耗黑箱预测模型。选取Xgboost、RF和SVR作为基模型,岭回归作为元模型,通过对比不同基模型组合的预测效果,确定三个预测模型的结构,在此基础上研究并建立了系统环境仿真平台,进一步完善了系统功能。(3)针对常规控制策略缺乏自我学习能力和依赖模型准确性等问题,提出基于深度确定性策略梯度算法的冷源节能优化控制策略。首先分析影响算法的主要超参数,采用启发式搜索的方式对超参数进行寻优,确定了主要超参数的取值范围;然后在对控制器进行策略引导的基础上,完成节能优化控制策略的仿真研究工作,分析并展示了仿真结果;最后选取PSO控制策略与规则控制策略进行比较分析,结果表明强化学习控制策略下的冷源系统总能耗减少了6.47%和14.42%,平均室内热舒适性提升了5.59%和18.71%,非舒适性时间占比减少了5.22%和76.70%。(4)针对控制策略节能优化方法工程应用较为困难的问题,开发“办公建筑冷源系统智能控制平台”,完成对研究成果的工程化,实现了系统监测、系统仿真、策略优化和策略运行等主要功能。
王嘉兴[10](2020)在《时序预测在燃煤机组协调控制中的研究与应用》文中研究指明协调控制系统作为一种平衡机炉能量供需的解决方案,广泛应用于各类燃煤机组的生产过程中。然而,经典的协调控制系统无法完全克服锅炉侧的大延迟大惯性,致使部分关键参数出现超调与波动,严重影响系统控制品质以及机组运行的安全稳定性。随着智能电站概念的提出,越来越多的智能算法被用于优化协调控制系统。研究一种能够准确预测信号未来变化趋势的算法模型并嵌入控制回路中,对提升控制系统响应能力、保证机组运行效率、维持关键参数的稳定具有积极的意义。本文首先对现有的协调控制系统优化方案进行了细致研究,提出利用时序预测技术优化协调控制系统性能。在此基础上综合分析各类时序预测方法,通过试验证明ARMA模型具有较好的预测精度与适用性。使用仿真数据对ARMA模型进行一系列试验分析并得出模型相关特征,以此为基础并针对实际应用场景优化ARMA模型建模流程,同时选用粒子滤波算法二次优化预测模型,随后通过仿真数据验证优化效果。将优化后的预测模型应用于基于APROS仿真平台的实际机组模型中,通过对比优化前后的主蒸汽压力运行数据证明预测模型的应用价值。最后总结出影响预测模型性能的主要参数,利用试验数据分析参数变化对预测模型产生的影响,提出参数整定方案并为参数自整定程序的开发提供理论依据。由APROS仿真平台试验的运行数据可知,时序预测模型的引入明显降低了主蒸汽压力的超调量,增强变负荷过程中主汽压力实际值对于滑压曲线设定值的跟随性。本文所做工作为解决锅炉侧大延迟大惯性问题以及提升协调控制系统控制品质提供了新的研究思路,所建立的时序预测模型具有较强的理论意义与工程应用价值。
二、热工过程预测控制研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、热工过程预测控制研究(论文提纲范文)
(1)燃煤锅炉的NOx排放预测与控制研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 NO_x排放预测的研究现状 |
1.2.2 深度学习及其在模型预测方面的研究进展 |
1.2.3 燃煤锅炉SCR脱硝控制算法研究进展 |
1.3 论文主要研究内容 |
1.4 论文结构 |
第2章 燃煤锅炉NO_x生成机理及影响因素分析 |
2.1 引言 |
2.2 燃煤锅炉NO_x生成及SCR脱硝工艺流程 |
2.2.1 炉膛和烟道结构及工作参数 |
2.2.2 SCR烟气脱硝系统 |
2.3 NO_x生成机理及影响因素分析 |
2.3.1 影响NO_x生成的主要因素 |
2.3.2 主燃烧区温度对NO_x的影响 |
2.4 参数遴选与数据预处理方法 |
2.4.1 基于机理分析的辅助变量选择 |
2.4.2 基于主成分分析的数据降维 |
2.4.3 基于变量重要性投影的辅助变量选择 |
2.4.4 基于互信息的辅助变量选择 |
2.5 本章小结 |
第3章 基于深度置信网络的NO_x浓度预测 |
3.1 引言 |
3.2 深度置信网络 |
3.3 电站燃烧过程时间序列迟延估计 |
3.3.1 基于VIP的辅助变量选择 |
3.3.2 基于互信息的时间序列迟延估计 |
3.4 基于集成深度置信网络的NO_x浓度预测 |
3.4.1 集成学习及其基本构建方法 |
3.4.2 基于随机子空间的数据划分 |
3.4.3 集成深度置信网络预测算法 |
3.4.4 实验与结果分析 |
3.5 本章小结 |
第4章 基于循环神经网络的NO_x浓度预测 |
4.1 引言 |
4.2 循环神经网络 |
4.2.1 传统循环神经网络 |
4.2.2 长短期记忆神经网络 |
4.2.3 门控循环单元 |
4.3 基于循环神经网络的NO_x浓度预测算法 |
4.3.1 模型构建 |
4.3.2 结果分析 |
4.4 基于注意力机制和长短期记忆神经网络的NO_x排放预测 |
4.4.1 注意力机制 |
4.4.2 基于AM-LSTM的NO_x预测算法 |
4.4.3 实验分析 |
4.5 本章小结 |
第5章 基于图卷积网络的NO_x浓度预测 |
5.1 引言 |
5.2 图卷积网络 |
5.3 基于图卷积网络的NO_x预测 |
5.3.1 基于NO_x预测的图网络 |
5.3.2 邻接矩阵 |
5.3.3 基于图卷积网络的NO_x预测算法的设计 |
5.4 实验与分析 |
5.4.1 实验结果 |
5.4.2 邻接矩阵对于NO_x预测的影响 |
5.4.3 输入序列长度对于NO_x预测的影响 |
5.4.4 不同预测算法之间的比较分析 |
5.5 本章小结 |
第6章 基于线性自抗扰的SCR烟气脱硝控制 |
6.1 引言 |
6.2 SCR烟气脱硝复合控制 |
6.3 线性自抗扰控制 |
6.3.1 线性自抗扰控制原理 |
6.3.2 扰动补偿 |
6.3.3 离散时间扩张状态观测器 |
6.3.4 基于粒子群算法的LADRC参数整定 |
6.4 基于LADRC的SCR烟气脱硝控制 |
6.5 仿真结果与分析 |
6.5.1 设定值跟踪 |
6.5.2 扰动分析 |
6.5.3 SCR处入口NO_x浓度前馈 |
6.6 本章小结 |
第7章 结论与展望 |
7.1 结论 |
7.2 展望 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(2)熔盐线性菲涅尔式光热电站集热系统关键技术研究(论文提纲范文)
摘要 |
Abstract |
1.引言 |
1.1 课题来源 |
1.2 选题背景及意义 |
1.2.1 太阳能光热发电技术 |
1.2.2 国内外线性菲涅尔式光热电站发展历程 |
1.2.3 研究意义 |
1.3 线性菲涅尔式聚光集热系统若干关键技术研究现状 |
1.3.1 高温选择性吸收膜可控制备技术 |
1.3.2 线性菲涅尔式集热系统集热性能研究 |
1.3.3 线性菲涅尔式集热系统出口温度控制研究 |
1.4 研究的目标和内容 |
1.4.1 研究目标 |
1.4.2 研究内容 |
1.5 论文章节安排 |
2.高温选择性吸收膜自掺杂工艺研究 |
2.1 引言 |
2.2 高温选择性吸收膜及其制备工艺概述 |
2.2.1 高温选择性吸收膜 |
2.2.2 高温选择性吸收膜制备技术 |
2.2.3 单靶自掺杂高温选择性吸收膜 |
2.3 单层WO_x薄膜的光学特性 |
2.3.1 涂层制备方法 |
2.3.2 WO_x薄膜光学性能分析 |
2.3.3 WO_x薄膜光学常数及微观形貌 |
2.4 多层 WO_x基光热转换涂层 |
2.4.1 反应溅射WO_x复合膜系工艺参数 |
2.4.2 多层WO_x薄膜的光学性能 |
2.5 本章小结 |
3.反应溅射过程模糊PDF控制 |
3.1 引言 |
3.2 自掺杂反应溅射工艺过程分析 |
3.2.1 反应溅射迟滞效应分析 |
3.2.2 WO_x反应溅射靶电压与反应气体流量关系 |
3.2.3 Berg反应溅射模型 |
3.3 模糊PDF算法原理 |
3.3.1 PDF控制算法原理 |
3.3.2 模糊PDF算法 |
3.3.3 模糊PDF算法仿真研究 |
3.4 验证平台—高温选择性吸收膜镀膜生产线 |
3.4.1 生产线装备简介 |
3.4.2 分布式反应溅射控制系统 |
3.5 反应溅射嵌入式控制器设计 |
3.5.1 反应溅射控制器硬件设计 |
3.5.2 反应溅射控制器软件设计 |
3.6 反应溅射控制器测试与验证应用 |
3.7 本章小结 |
4.熔盐线性菲涅尔式聚光集热系统特性测试 |
4.1 前言 |
4.2 线性菲涅尔式聚光器几何光学效率 |
4.2.1 线性菲涅尔式聚光器工作原理及参数 |
4.2.2 太阳位置算法 |
4.2.3 线性菲涅尔式聚光器主要光学性能参数 |
4.2.4 法向直射效率计算 |
4.2.5 入射角修正系数(IAM) |
4.3 线性菲涅尔式集热系统热损特性研究 |
4.3.1 真空集热管热损模型 |
4.3.2 真空集热管热损测试平台 |
4.3.3 实验测试环境工况对集热管热损的影响 |
4.4 线性菲涅尔式集热系统集热性能测试 |
4.4.1 聚光集热系统集热性能测试方法 |
4.4.2 实验测试系统 |
4.4.3 典型工况下集热运行实验 |
4.4.4 模型参数辨识 |
4.5 本章小结 |
5.熔盐线性菲涅尔式集热系统出口温度控制研究 |
5.1 引言 |
5.2 增益调度多模型预测控制 |
5.2.1 多模型预测控制 |
5.2.2 增益调度多模型预测控制算法 |
5.2.3 集热支路出口温度多模型集建立 |
5.3 集热支路出口温度控制算法仿真研究 |
5.3.1 出口温度串级PID控制效果 |
5.3.2 仿真参数的选取 |
5.3.3 增益调度多模型预测控制仿真与分析 |
5.4 线性菲涅尔式集热支路流量控制系统 |
5.4.1 流量控制系统结构 |
5.4.2 流量控制器硬件设计 |
5.4.3 流量控制器PLC程序 |
5.5 集热支路出口温度控制系统方案 |
5.5.1 集热场分布式控制系统网络结构 |
5.5.2 集热支路出口熔盐温度控制系统方案 |
5.6 本章小结 |
6.结论与展望 |
6.1 主要结论 |
6.2 主要创新 |
6.3 工作展望 |
致谢 |
参考文献 |
攻读学位期间的研究成果 |
(3)火电机组热工过程自抗扰控制的研究与应用(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 研究进展及现状 |
1.2.1 热工过程控制研究现状 |
1.2.2 自抗扰控制理论的研究现状 |
1.2.3 自抗扰控制理论的应用现状 |
1.3 目前存在的问题 |
1.4 本文研究内容和技术路线 |
第2章 广义积分串联型的相位分析 |
2.1 引言 |
2.2 自抗扰控制结构 |
2.2.1 被控系统描述 |
2.2.2 跟踪微分器 |
2.2.3 扩张状态观测器 |
2.2.4 状态误差反馈控制律 |
2.3 线性ESO的收敛性分析 |
2.4 广义积分串联型的相位分析 |
2.4.1 标准积分串联型 |
2.4.2 无模型信息补偿的ESO分析 |
2.4.3 带模型信息补偿的ESO分析 |
2.5 仿真研究 |
2.5.1 无模型信息补偿的ESO |
2.5.2 带模型信息补偿的ESO |
2.6 本章小结 |
第3章 基于扩张状态观测器的模型参数智能辨识 |
3.1 引言 |
3.2 零初始条件下的数据驱动建模 |
3.2.1 连续系统的离散化 |
3.2.2 闭环扰动数据辨识分析 |
3.3 零终止条件下的数据驱动建模 |
3.4 基于ESO模型的参数智能辨识方法 |
3.4.1 热工过程的ESO建模 |
3.4.2 ESO的离散化与条件稳定 |
3.4.3 ESO参数的智能自寻优辨识 |
3.5 算例研究 |
3.5.1 零初始条件下的ESO参数辨识 |
3.5.2 基于扰动数据的ESO参数辨识 |
3.5.3 多变量系统的ESO参数辨识 |
3.6 本章小结 |
第4章 基于相位补偿的降阶自抗扰控制设计 |
4.1 引言 |
4.2 基于相位补偿的降阶ADRC |
4.2.1 降阶扩张状态观测器 |
4.2.2 基于相位补偿的降阶ADRC设计 |
4.2.3 稳定性分析 |
4.3 I_RADRC的二自由结构分析 |
4.4 I_RADRC的参数整定与数值仿真 |
4.4.1 I_RADRC的参数对控制性能的影响 |
4.4.2 I_RADRC参数的整定步骤 |
4.4.3 数值仿真 |
4.5 多变量系统的分散式I_RADRC控制 |
4.5.1 分散式I_RADRC的解耦能力分析 |
4.5.2 算例研究 |
4.6 本章小结 |
第5章 I_RADRC的工程应用 |
5.1 引言 |
5.2 I_RADRC算法的工程化设计 |
5.2.1 自动跟踪与无扰切换设计 |
5.2.2 抗积分饱和方案 |
5.2.3 I_RADRC控制策略实现 |
5.3 主汽温系统的串级自抗扰控制 |
5.3.1 被控过程的描述 |
5.3.2 仿真平台试验 |
5.3.3 现场应用 |
5.4 负荷系统的分散式自抗扰控制 |
5.4.1 被控过程描述 |
5.4.2 仿真平台试验 |
5.4.3 现场应用 |
5.5 本章小结 |
第6章 结论与展望 |
6.1 研究总结 |
6.2 进一步工作的建议与展望 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(4)火电机组热工过程闭环辨识及预测控制方法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 论文背景及意义 |
1.2 系统辨识方法 |
1.2.1 线性模型结构及其参数化形式及预报误差辨识法的基本原理 |
1.2.2 闭环辨识模型参数估计方法的研究现状 |
1.2.3 模型结构辨识的研究现状 |
1.2.4 鲁棒辨识法的研究现状 |
1.2.5 闭环辨识方法在热工过程的研究现状 |
1.3 预测控制方法 |
1.3.1 预测控制稳定性综合方法的研究现状 |
1.3.2 鲁棒预测控制方法的研究现状 |
1.3.3 显式预测控制方法的研究现状 |
1.3.4 自适应预测控制方法的研究现状 |
1.3.5 预测控制方法在火电机组热工过程的研究现状 |
1.4 存在的问题及本文的研究内容安排 |
1.4.1 存在的问题 |
1.4.2 本文的研究内容及思路框架 |
第二章 基于现场数据的火电机组辨识方法研究 |
2.1 引言 |
2.2 预报误差辨识法 |
2.2.1 预报误差辨识基本算法简介 |
2.2.2 预报误差辨识法的无偏性及渐进特性 |
2.3 基于模型总误差判阶准则的闭环辨识方法 |
2.3.1 模型阶次判定准则 |
2.3.2 基于模型总误差的闭环辨识法实现 |
2.3.3 仿真实例 |
2.4 多变量系统的闭环辨识方法研究 |
2.5 基于模型总误差判阶准则的过热汽温闭环系统辨识实验研究 |
2.5.1 火电厂过热汽温系统 |
2.5.2 基于模型总误差判阶准则的过热汽温闭环系统辨识结果及分析 |
2.6 火电厂CO_2捕集系统多变量闭环辨识方法研究 |
2.6.1 火电厂CO_2捕集系统 |
2.6.2 基于火电厂CO_2捕集系统运行数据的闭环辨识实验结果与分析 |
2.7 本章小结 |
第三章 火电机组不确定模型闭环辨识方法研究 |
3.1 引言 |
3.2 集员辨识法基本算法简介 |
3.3 基于全对称多胞体的集员辨识法 |
3.3.1 全对称多胞体的基本性质 |
3.3.2 基于全对称多胞体的闭环集员辨识法 |
3.3.3 仿真实例 |
3.4 基于全对称多胞体多变量系统闭环集员辨识方法研究 |
3.4.1 多变量系统描述 |
3.4.2 基于全对称多胞体的多变量系统闭环集员辨识算法 |
3.4.3 算法实现 |
3.5 火电机组过热汽温系统闭环集员辨识建模仿真研究 |
3.6 火电机组CO_2捕集系统多变量闭环集员辨识方法研究 |
3.7 本章小结 |
第四章 火电机组显式鲁棒预测控制方法研究 |
4.1 引言 |
4.2 预测控制方法简介 |
4.2.1 预测控制方法基本原理 |
4.2.2 基于凸包描述的RMPC综合方法 |
4.3 一种无差跟踪的显式鲁棒预测控制方法 |
4.3.1 EFERMPC的离线设计 |
4.3.2 EFERMPC的在线实现 |
4.4 一种基于可控状态空间的EFERMPC控制算法 |
4.5 基于EFERMPC的火电机组汽温控制仿真研究 |
4.6 基于EFERMPC的火电机组CO_2捕集控制仿真研究 |
4.6.1 状态空间模型的建立 |
4.6.2 仿真实验及结果分析 |
4.7 本章小结 |
附录 |
第五章 火电机组自适应鲁棒模型预测控制方法研究 |
5.1 引言 |
5.2 RMPC控制性能评价方法 |
5.2.1 RMPC控制性能指标 |
5.2.2 RMPC控制器的自适应更新 |
5.2.3 算法实现 |
5.3 一种结合控制性能评价的综合RMPC方法 |
5.3.1 自适应鲁棒模型预测方法 |
5.3.2 可实现控制目标跟踪的RMPC方法 |
5.3.3 结合控制性能评价的综合鲁棒预测控制方法 |
5.4 基于综合RMPC方法火电机组过热汽温控制仿真实验 |
5.5 基于综合RMPC方法火电机组CO_2捕集系统控制仿真实验 |
5.6 本章小结 |
第六章 结束语 |
6.1 论文的研究成果及创新点 |
6.2 对后续研究工作的展望 |
致谢 |
参考文献 |
作者简介 |
(5)改进型时间序列模型预测控制及其在热工过程中的应用(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题背景及研究意义 |
1.2 热工过程常用控制策略简述 |
1.2.1 PID控制策略 |
1.2.2 预测控制策略 |
1.2.3 时间序列分析 |
1.3 本文主要研究内容及组织结构 |
第二章 预备知识 |
2.1 PID及分数阶PID控制算法 |
2.1.1 PID控制算法 |
2.1.2 分数阶PID控制算法 |
2.2 预测控制 |
2.2.1 预测模型 |
2.2.2 反馈校正 |
2.2.3 滚动优化 |
2.3 Laguerre正交基及其函数模型 |
2.3.1 Laguerre正交基 |
2.3.2 线性系统Laguerre函数模型 |
2.4 离散时间序列模型 |
2.4.1 自回归模型 |
2.4.2 滑动平均模型 |
2.4.3 自回归滑动平均模型 |
2.4.4 ARX模型和ARMAX模型 |
2.5 本章小结 |
第三章 改进型多变量Laguerre函数模型预测控制及应用 |
3.1 火电单元机组负荷控制系统流程及模型建立 |
3.1.1 火电单元机组工作流程 |
3.1.2 火电单元机组负荷控制数学模型 |
3.2 多变量Laguerre函数模型分数阶PID预测控制算法 |
3.2.1 MLMPC-FOPID算法推导 |
3.2.2 仿真实验 |
3.3 本章小结 |
第四章 基于正交基优化的ARX模型预测控制及应用 |
4.1 过热汽温控制系统流程及模型建立 |
4.1.1 过热汽温控制流程 |
4.1.2 过热汽温控制数学模型 |
4.2 ARX-Laguerre模型PID预测控制算法 |
4.2.1 ARX-Laguerre模型 |
4.2.2 ALMPC-PID算法推导 |
4.2.3 模型参数辨识 |
4.2.4 稳定性分析 |
4.2.5 仿真实验 |
4.2.6 PID参数对算法性能的影响 |
4.3 ARX-Laguerre模型分数阶PID预测控制算法 |
4.3.1 ALMPC-FOPID算法推导 |
4.3.2 仿真实验 |
4.3.3 积分和微分阶次对算法性能的影响 |
4.4 本章小结 |
第五章 基于正交基优化的ARMAX模型预测控制及应用 |
5.1 循环流化床锅炉主蒸汽压力控制系统流程及模型建立 |
5.1.1 循环流化床锅炉燃烧系统 |
5.1.2 主蒸汽压力控制数学模型 |
5.2 ARMAX-Laguerre模型PID预测控制算法 |
5.2.1 ARMAX-Laguerre模型 |
5.2.2 AMLMPC-PID算法推导 |
5.3 基于差分进化算法的参数寻优 |
5.3.1 差分进化算法 |
5.3.2 AMLMPC-PID算法的参数寻优 |
5.4 仿真实验 |
5.5 本章小结 |
第六章 总结与展望 |
参考文献 |
致谢 |
攻读硕士学位期间完成的科研情况 |
(6)基于高斯过程回归的热工系统数据驱动建模研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究的背景及意义 |
1.2 热工系统数据驱动建模方法研究现状 |
1.2.1 统计建模方法 |
1.2.2 神经网络建模方法 |
1.2.3 模糊逻辑建模方法 |
1.2.4 混合建模方法 |
1.2.5 传递函数建模方法 |
1.3 热工过程历史运行数据特性分析 |
1.4 高斯过程回归的预备知识 |
1.4.1 高斯过程回归方法的研究现状 |
1.4.2 高斯过程基本概念 |
1.4.3 高斯过程回归 |
1.4.4 高斯模型的训练 |
1.5 本文主要研究内容和章节安排 |
第2章 热工过程数据异常值处理方法研究 |
2.1 引言 |
2.2 异常值检测及校正技术 |
2.3 热工过程历史运行数据异常值检测 |
2.3.1 经验小波变换方法 |
2.3.2 局部离群因子算法 |
2.3.3 EWT-LOF异常值检测方法 |
2.4 异常数据校正与缺失值补全 |
2.4.1 Nadaraya-Watson回归 |
2.4.2 校正与补全方法 |
2.5 热工过程数据实例 |
2.5.1 热工过程数据异常值检测 |
2.5.2 热工过程数据异常值校正与缺失值补全 |
2.6 本章小结 |
第3章 热工系统稳态检测方法研究 |
3.1 引言 |
3.1.1 稳态工况的定义 |
3.1.2 现有稳态检测方法回顾 |
3.2 基于信号分解和R统计检验法的稳态检测方法 |
3.2.1 R统计检验法 |
3.2.2 稳态检测方法描述 |
3.2.3 仿真数据验证 |
3.3 热工系统稳态工况检测实例 |
3.3.1 单变量稳态检测 |
3.3.2 多变量系统稳态检测 |
3.4 本章小结 |
第4章 基于样本稀疏化和特征变量选择的GPR建模 |
4.1 引言 |
4.2 基于样本稀疏化和特征变量选择的GPR建模方法 |
4.2.1 基于相关系数的多测点数据融合 |
4.2.2 基于数据相似性和信息熵的样本稀疏化方法 |
4.2.3 基于LARS的特征变量选择 |
4.2.4 Pc-lars-s-GPR模型结构 |
4.3 烟气含氧量的Pc-lars-s-GPR建模 |
4.3.1 建模数据准备 |
4.3.2 样本稀疏化与特征变量选择 |
4.3.3 建模结果分析 |
4.4 本章小结 |
第5章 考虑输入时延的组合核函数动态GPR建模 |
5.1 引言 |
5.2 动态模型描述 |
5.3 考虑输入时延的组合核函数动态模型构建 |
5.3.1 灰色关联度分析 |
5.3.2 组合核函数 |
5.3.3 GRA-CKDGPR模型结构 |
5.4 烟气含氧量的GRA-CKDGPR建模 |
5.4.1 建模数据准备 |
5.4.2 建模结果分析 |
5.5 本章小结 |
第6章 基于自适应模糊聚类的多模型动态GPR建模 |
6.1 引言 |
6.1.1 多模型策略 |
6.1.2 数据划分策略 |
6.1.3 模型合成策略 |
6.2 一种自适应多目标模糊聚类方法 |
6.2.1 算法基本原理 |
6.2.2 基于自适应NSGA-II的动态模糊聚类方法 |
6.2.3 算法流程及时间复杂度分析 |
6.2.4 聚类实例验证 |
6.3 基于多模型策略的动态GPR建模方法 |
6.3.1 GPR动态子模型构建 |
6.3.2 子模型合成策略 |
6.3.3 基于自适应模糊聚类的多模型动态GPR模型结构 |
6.4 烟气含氧量的多模型建模 |
6.4.1 建模数据准备 |
6.4.2 建模结果分析 |
6.5 本章小结 |
第7章 结论与展望 |
7.1 论文的主要工作和创新点 |
7.2 后续工作展望 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(7)电磁供暖群控制系统研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 电磁供暖群系统控制方式的研究现状 |
1.2.1 国内研究现状 |
1.2.2 国外研究现状 |
1.3 本文研究内容 |
第2章 电磁供暖群控制系统建立 |
2.1 电磁供暖群控制系统分析 |
2.1.1 电磁供暖群的工作原理 |
2.1.2 供暖群室内热过程的影响因素 |
2.1.3 供暖群室内温度的控制难点 |
2.2 电磁供暖室内供热模型的建立 |
2.2.1 供暖室内经典热平衡模型 |
2.2.2 供暖室内RC供热数学模型 |
2.2.3 RC供热模型的计算与仿真 |
2.3 电磁供暖群体供热模型的建立 |
2.4 本章小结 |
第3章 基于APSO-ELM的电磁供暖室内温度预测 |
3.1 电磁供暖室内温度采集及预测方案 |
3.2 极限学习机 |
3.2.1 极限学习机概述 |
3.2.2 极限学习机原理 |
3.3 自适应粒子群算法(APSO) |
3.3.1 基本粒子群算法(PSO) |
3.3.2 自适应粒子群算法(APSO) |
3.4 基于APSO-ELM的供暖室内温度预测模型建立 |
3.4.1 APSO优化ELM的基本思想 |
3.4.2 APSO-ELM模型的建立 |
3.5 电磁供暖群室内温度预测模型仿真验证 |
3.5.1 低温区模型验证 |
3.5.2 中温区模型验证 |
3.5.3 高温区模型验证 |
3.6 本章小结 |
第4章 电磁供暖群系统室内温度控制策略 |
4.1 PID控制算法 |
4.1.1 PID控制原理 |
4.1.2 PID参数整定 |
4.2 供暖室内温度的模糊控制 |
4.2.1 模糊控制原理 |
4.2.2 模糊控制器的设计 |
4.2.3 模糊控制的仿真分析 |
4.3 供暖室内温度的模糊PID控制 |
4.3.1 模糊PID控制原理 |
4.3.2 模糊PID控制器的设计 |
4.3.3 模糊PID控制的仿真分析 |
4.4 本章小结 |
第5章 电磁供暖群温度控制系统实现 |
5.1 DCS与 OPC简介 |
5.1.1 DCS简介 |
5.1.2 OPC简介 |
5.2 控制系统的设计 |
5.2.1 控制系统的总体设计 |
5.2.2 控制系统的硬件设计 |
5.2.3 控制系统的软件设计 |
5.3 控制系统的软件开发 |
5.3.1 系统软件登录与初始化 |
5.3.2 系统软件参数设置 |
5.3.3 建模数据录入 |
5.3.4 温度预测与效果检测 |
5.4 本章小结 |
第6章 结论 |
致谢 |
参考文献 |
作者简介 |
攻读硕士学位期间研究成果 |
(8)非线性压制与抗干扰受限控制方法研究及其在热工过程中的应用(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 选题背景与意义 |
1.2 国内外研究现状与分析 |
1.2.1 热工过程控制研究现状及存在的问题 |
1.2.2 反馈线性化与非线性压制控制 |
1.2.3 基于干扰观测器的抗干扰控制方法 |
1.2.4 最优控制方法 |
1.3 主要研究内容与技术路线 |
第2章 非线性压制控制方法研究 |
2.1 引言 |
2.2 预备知识 |
2.2.1 齐次系统理论 |
2.2.2 一些重要引理 |
2.2.3 加幂积分方法 |
2.3 区间单调齐次度 |
2.4 区间幂指数非线性系统的镇定分析 |
2.4.1 一些关键假设及引理 |
2.4.2 系统稳定性分析 |
2.4.3 仿真算例 |
2.5 热工过程应用示例分析 |
2.5.1 简化分析 |
2.5.2 控制性能分析 |
2.6 本章小结 |
第3章 基于高阶滑模干扰观测器的非线性抗干扰控制方法研究 |
3.1 引言 |
3.2 锅炉--汽机协调系统及问题描述 |
3.3 控制器设计及稳定性证明 |
3.3.1 复合控制器设计 |
3.3.2 渐近稳定性分析 |
3.3.3 结论扩展 |
3.4 仿真结果与分析 |
3.4.1 控制器与观测器参数选取 |
3.4.2 控制性能分析 |
3.4.3 仿真结果分析总结 |
3.5 本章小结 |
第4章 Galerkin受限抗干扰最优控制方法研究 |
4.1 引言 |
4.2 Galerkin最优控制方法 |
4.2.1 Galerkin方法 |
4.2.2 基于Galerkin的最优控制方法 |
4.3 滚动Galerkin最优控制方法研究 |
4.3.1 滚动Galerkin最优控制问题描述 |
4.3.2 基于状态观测器和独立模型的滚动Galerkin最优控制方法 |
4.3.3 仿真结果与分析 |
4.4 基于高阶滑模干扰观测器的滚动Galerkin最优控制方法 |
4.4.1 控制算法实现 |
4.4.2 控制性能仿真 |
4.5 本章小结 |
第5章 总结与展望 |
5.1 工作总结 |
5.2 工作展望 |
附录 |
命题2.1 |
命题2.2 |
命题2.3 |
参考文献 |
致谢 |
作者在攻读博士学位期间研究成果 |
(9)基于强化学习的办公建筑冷源系统节能优化控制策略仿真研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.2.1 冷源系统建模方法研究现状 |
1.2.2 冷源系统节能优化控制策略研究现状 |
1.3 主要研究内容安排 |
第二章 强化学习与研究对象介绍 |
2.1 强化学习理论与基础 |
2.1.1 基本原理 |
2.1.2 马尔可夫决策模型 |
2.1.3 值函数 |
2.2 强化学习的主要算法 |
2.2.1 状态-动作值函数法 |
2.2.2 值函数的逼近 |
2.2.3 策略梯度法 |
2.3 研究对象 |
2.3.1 建筑概况 |
2.3.2 冷源系统 |
2.3.3 冷源管理与运行数据采集 |
2.4 本章小结 |
第三章 办公建筑冷源强化学习方法与系统研究 |
3.1 冷源强化学习方法 |
3.1.1 冷源强化学习任务 |
3.1.2 冷源马尔可夫决策模型 |
3.2 强化学习系统的组成元素 |
3.3 冷源强化学习系统 |
3.3.1 系统研究与建立 |
3.3.2 系统运行流程 |
3.3.3 系统数据集 |
3.4 本章小结 |
第四章 基于模型堆叠的系统环境建模研究 |
4.1 模型特征工程 |
4.1.1 异常数据清洗与修复 |
4.1.2 特征标准化与独热编码 |
4.1.3 特征选择 |
4.2 基于模型堆叠的数据预测模型 |
4.2.1 模型堆叠理论与算法 |
4.2.2 室内温度预测模型 |
4.2.3 室内相对湿度预测模型 |
4.2.4 冷源系统能耗预测模型 |
4.3 系统环境仿真平台 |
4.3.1 平台设计 |
4.3.2 仿真流程 |
4.4 本章小结 |
第五章 基于DDPG的冷源节能优化控制策略研究 |
5.1 深度确定性策略梯度算法 |
5.2 算法的超参数寻优 |
5.2.1 学习率寻优 |
5.2.2 折扣因子寻优 |
5.2.3 热舒适性惩罚系数寻优 |
5.3 节能优化控制策略的仿真研究 |
5.3.1 随机噪声选择 |
5.3.2 策略引导 |
5.3.3 仿真研究 |
5.4 不同控制策略的对比分析 |
5.4.1 PSO控制策略与规则控制策略 |
5.4.2 三种控制策略的对比分析 |
5.5 本章小结 |
第六章 办公建筑冷源系统智能控制平台研发 |
6.1 平台总体概述 |
6.1.1 开发目的 |
6.1.2 功能分析 |
6.1.3 结构规划 |
6.1.4 开发工具 |
6.2 平台设计 |
6.2.1 平台界面 |
6.2.2 系统监测模块 |
6.2.3 仿真平台模块 |
6.2.4 策略优化模块 |
6.2.5 策略运行模块 |
6.3 本章小结 |
结论与展望 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
致谢 |
附件 |
(10)时序预测在燃煤机组协调控制中的研究与应用(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 协调控制系统 |
1.2.2 时序预测技术 |
1.3 本文研究内容 |
2 时序预测模型 |
2.1 时序预测模型在热工控制系统中的适用性分析 |
2.1.1 应用场景及适用模型分析 |
2.1.2 经典ARMA预测模型分析 |
2.1.3 神经网络预测模型分析 |
2.2 ARMA模型的基本原理 |
2.2.1 数据采集检验与预处理 |
2.2.2 模型参数的估计 |
2.2.3 模型适用性检验 |
2.3 ARMA模型的时序预测仿真试验 |
2.4 本章小结 |
3 时序预测模型的建模流程优化研究 |
3.1 ARMA模型建模流程的优化 |
3.2 优化后ARMA模型的仿真试验 |
3.3 粒子滤波算法原理 |
3.4 基于粒子滤波优化的时序预测模型 |
3.5 基于粒子滤波优化的时序预测模型仿真试验 |
3.6 本章小结 |
4 时序预测模型在协调控制系统中的仿真应用 |
4.1 APROS仿真平台及机组仿真模型介绍 |
4.2 主蒸汽压力数据预测方案研究 |
4.3 主蒸汽压力数据特性研究 |
4.4 时序预测模型对协调控制系统性能影响的研究 |
4.5 时序预测模型的鲁棒性研究 |
4.6 本章小结 |
5 参数整定方法研究 |
5.1 时序预测模型参数研究 |
5.1.1 ARMA模型参数 |
5.1.2 粒子滤波算法参数 |
5.2 参数整定方案研究 |
5.2.1 ARMA模型参数整定 |
5.2.2 粒子滤波算法参数整定 |
5.2.3 参数自整定方案 |
6 结论与展望 |
参考文献 |
致谢 |
攻读学位期间取得的研究成果 |
四、热工过程预测控制研究(论文参考文献)
- [1]燃煤锅炉的NOx排放预测与控制研究[D]. 王英男. 华北电力大学(北京), 2021(01)
- [2]熔盐线性菲涅尔式光热电站集热系统关键技术研究[D]. 孔令刚. 兰州交通大学, 2021(01)
- [3]火电机组热工过程自抗扰控制的研究与应用[D]. 孙明. 华北电力大学(北京), 2021(01)
- [4]火电机组热工过程闭环辨识及预测控制方法研究[D]. 王迪. 东南大学, 2020
- [5]改进型时间序列模型预测控制及其在热工过程中的应用[D]. 张鹏程. 南京信息工程大学, 2020(02)
- [6]基于高斯过程回归的热工系统数据驱动建模研究[D]. 贾昊. 华北电力大学(北京), 2020(06)
- [7]电磁供暖群控制系统研究[D]. 王航. 长春工业大学, 2020(01)
- [8]非线性压制与抗干扰受限控制方法研究及其在热工过程中的应用[D]. 赵刚. 东南大学, 2020
- [9]基于强化学习的办公建筑冷源系统节能优化控制策略仿真研究[D]. 黄琪. 华南理工大学, 2020(02)
- [10]时序预测在燃煤机组协调控制中的研究与应用[D]. 王嘉兴. 西安热工研究院有限公司, 2020(04)