辨识的关键参数有9个：包括执行机构环节开启To/关闭Tc时间 常数、汽轮机本体环节的高压容积时间常数TCH、再热容积时间常数TRH、低压连接管道容 积时间常数TC0、控制环节P、I、D系数及前馈系数K。（模型中其他参数可根据机组相关资 料查阅或计算得到）
[0045] 辨识过程如下：
[0046]如附图1所示，首先根据待辨识参数个数确定解向量参数维度n，将第i组解向量 参数代入模型系统，输入信号分别通过实际系统和模型系统，得到实际输出和模型输出信 号，两种输出信号作均方差，即为第i组解向量参数下的偏差，表征为第i组解向量的适应 度值。类似地，得到所有解向量的适应度值，算法根据适应度值不断进化优化，得到第二次 迭代时所有解向量的适应度值。如附图4所示，循环迭代至终止条件满足，得到最终辨识结 果。
[0047] 基于PSD-BPA模型提供3种辨识策略：包括一次性多参数并行辨识、多参数串行 辨识、多参数串并结合辨识。
[0048] 首先，基于各调节阀开度变化数据调用执行机构模型选择辨识算法，分别完成执 行机构的开启/关闭时间常数的辨识（解向量参数个数n= 1)。分别取各阀门开启/关闭 时间常数平均值作为整体模型的开启/关闭时间常数。
[0049] -次性多参数并行辨识是以汽轮机功率变化实测数据为输出信号，转速扰动为输 入信号，一次性完成7个参数的辨识（解向量参数个数n= 7)。
[0050] 多参数串行辨识是一键式自动实现分环节、分步骤的智能辨识方法：在同一段程 序中多次调用模型，实现多参数的自动化辨识，同时把并行计算变为串行计算，在得到前一 参数的条件下再进行下一个参数的辨识，充分考虑了中间状态量的真实性和有效性。具体 说明：以总阀位指令为输入，把求得的调门开启/关闭时间常数代入模型，依次以调节级压 力、再热压力、中排压力为输出，调用执行机构与汽轮机本体部分模型，自动寻找实测数据 的阶跃扰动特性参数值，求得高压容积时间常数TCH、再热容积时间常数TRH、低压连通管 容积时间常数TCO(3次辨识时解向量参数个数n均为1);最后以转速变化为输入，以功率 变化为输出，把求得的调门开启/关闭时间常数以及汽轮机本体部分的三个时间常数代入 模型，调用整个系统模型并自动寻找实测数据的阶跃扰动特性参数值，得到控制环节的各 相关参数（解向量参数个数n为3)。
[0051] 多参数串并结合辨识类似于多参数串行辨识，不同的是以前一环节输出信号为后 一环节输入信号，基于实测输入输出信号分环节、分步骤进行智能辨识。具体说明：以总阀 位指令为输入信号，把求得的调门开启/关闭时间常数代入模型，以调节级压力为输出信 号辨识得到高压容积时间常数TCH;以调节级压力为输入信号，以再热压力为输出信号辨 识得到再热容积时间常数TRH;以再热压力为输入信号，以中排压力为输出信号辨识得到 低压连接管道容积时间常数TC0 (3次辨识时解向量参数个数n均为1);最后以转速变化为 输入，以功率变化为输出，把求得的调门开启/关闭时间常数以及汽轮机本体部分的三个 时间常数代入模型，调用整个系统模型并自动寻找实测数据的阶跃扰动特性参数值，得到 控制环节的各相关参数（解向量参数个数n为3)。
【主权项】
1. 一种应用于汽轮机及其调速系统参数辨识的智能优化方法，其特征在于： 辨识方法步骤如下： ① 将所需辨识的参数整理为解向量形式：义,(如...，义/,..為）化ri=l，2，...，N。在各 维度上随机初始化解向量： -r/ (0 =诚,(0 +ra"沒?(诚/，(0 -诚,(O) 其中，N表示共有N组解向量，Xi表示第i组解向量，n表示n个所需要辨识的参数，t当 前迭代次数，.记1(0为第j维度变化空间的下限，为第j维度变化空间的上限，rand 是[0，1]的随机数。 ② 分别将N组解向量代入模型，得到对应模型输出响应并与实测响应作均 方差。W该偏差作为各组解向量的适应度值，偏差越小，适应度越好。其中，M为实测采样点个数； ③ 根据适应度值求第i组解向量能够产生的权重影响Wi:④ 第j组解向量对第i组解向量的影响为 知叩_ < (0二々(〇.巧:,(.0. W a)-(0) 其中，h(t)为控制因子，影响算法的探索能力和开拓能力，更新公式如下：其中，h。为控制因子初始值，b为常数，miter为最大迭代次数； ⑥ 所有解向量作用在第i组解向量上的影响为战妍: 巧. 桃满_xf孩）=艺似巧? _ (7); J-KM ⑧第i组解向量更新公式如下：其中，仁)是个体历史最优解，即第i组解向量迭代至当前次数时经历的最优的解； gd(t)是全局最优解，即迭代至当前次数时所有解向量中最优解；rand是[0，1]的随机数；cl、c2是学习因子； ⑦ 所有解向量更新后返回至②步骤，直到最优解的适应度满足控制的精度或者达到最 大迭代次数，辨识过程结束，得到参数辨识结果。2. 根据权利要求1所述的一种应用于汽轮机及其调速系统参数辨识的智能优化方法， 其特征在于：汽轮机及其调速系统分为2种控制模式：功率控制模式和机炉协调控制模式 (CCS)O3. 根据权利要求1-2所述的一种应用于汽轮机及其调速系统参数辨识的智能优化方 法，其特征在于：所需辨识的关键参数有9个：包括执行机构环节开启To/关闭Tc时间常 数、汽轮机本体环节的高压容积时间常数TCH、再热容积时间常数TRH、低压连接管道容积 时间常数TC0、控制环节P、I、D系数及前馈系数K。4. 根据权利要求1-3所述的一种应用于汽轮机及其调速系统参数辨识的智能优化方 法，其特征在于：基于PSD-BPA模型提供3种辨识策略：包括一次性多参数并行辨识、多参 数串行辨识、多参数串并结合辨识。
【专利摘要】本发明的目的在于解决传统汽轮机及调速系统参数辨识方法周期长、适应性差和人工参与度过高等问题。基于PSD-BPA提供的汽轮机及调速系统模型，采用一种辨识速度快、精度高、人为干预少的高效智能寻优算法，完成汽轮机及调速系统的关键参数的辨识。
【IPC分类】G05B13/04
【公开号】CN105204331
【申请号】CN201510471930
【发明人】钟晶亮, 邓彤天, 王家胜, 张颖
【申请人】贵州电力试验研究院
【公开日】2015年12月30日
【申请日】2015年8月5日