一种增强激励仿真遗传优化方法
【技术领域】
[0001] 本发明属于在线仿真数据的遗传优化领域，具体设及一种在线数据增强激励仿真 遗传优化方法。
【背景技术】
[0002] (1)随着电力工业的发展和科学技术的进步，河北南部电网高容量、特高压输电技 术的发展对电网内部机组稳定协调运行提出更高要求。由于机组特性复杂多样性，现场生 产试验的控制方案具有现场调试周期长、风险高、控制逻辑不易实现等特点，迫切需要应用 新的控制理论和控制策略，希望在应用推广之前能够进行仿真试验，需要将机组在线数据 对仿真模型进行修正，提高模型的精确性和可用性。而采用机理建模和模块化方法建立的 热力设备数学模型，存在一定的简化假设，在不同的工况条件下各个模块的计算数值与设 计数据或者实际运行数据总是存在一定的误差。系统中多个设备模块的误差互相积累、影 响，可能使误差逐渐增大，超出火电机组仿真机技术规范标准规定的误差范围。需要调整各 个模块系数使系统整体误差达到要求。需要反复调整参数，工作量大，花费时间长，效率低。
[0003] (2)原有的火电仿真模型只是在50% ,80% ,100%等几个静态负荷点来激励仿真， 从而获得静态工况下的模型数据W及参数，由于传统仿真机采用零维模型，所W其运行动 态过程与实际机组有较大差异，并不足W真正的反应现场工况的变化。参数调整凭借经验 进行，没有指导依据，缺乏模型参数调整指导依据。
【发明内容】
[0004] 本发明所要解决的技术问题是提供一种仿真精准、反应快速的增强激励仿真遗传 优化方法，它W实际运行机组的在线海量数据为基础，将工况划分好的机组数据对仿真机 进行激励，通过遗传算法对仿真系统中的模型关键参数进行修正，W达到仿真输出实时无 限的逼近实际运行数据，使仿真机能够精确的仿真出实际运行机组。
[0005] 为解决上述问题，本发明所采用的技术方案具体如下：
[0006] 步骤1、建立机组增强激励仿真数学模型：
[0007] 基于工业分散式控制系统的综合智能校验方法，通用型机组在线数据综合智能校 验平台将校验后的在线增强激励机组数据和仿真模型对接;所述工业分散式控制系统的综 合智能校验方法的发明专利授权号为化201110126706.9;具体方法为:将所述在线增强激 励机组数据按照工况分为若干工况预置条件，按照工况运行静态数据对机组进行仿真设计 校验，保证仿真模型在设计工况满足实际生产试验的精度要求，为了满足仿真试验的要求， 将获得的校验后的在线增强激励机组数据经过归一化处理，再将归一化处理后的数据按照 机组仿真机实际对应关系，一一和仿真机相应的数据点进行对接，同时将机组运行所需的 控制的数据与仿真机相关联的DCS系统进行对接，建立锅炉侧和汽机侧的增强激励仿真模 型。
[000引步骤2、由于机组仿真模型运行工况复杂，参数众多，为更好地进行在线修正，减少 干扰，需将仿真模型进行边界划分；
[0009] 步骤3、选择需要在线修正的参数，并进行在线修正，在线修正的具体方法如下:为 使仿真机不增加过多的计算过程和模型的复杂程度，同时能够尽量逼近实际运行机组的动 态过程，在机组仿真模型的出口增加一节惯性环节来仿真实际机组的动态过程，其基础参 数根据机组某确定工况得出，同时采用遗传算法对惯性环节参数进行修正。
[0010] 所述需要在线修正的参数包括锅炉侧优化参数和汽机侧优化参数；
[0011] 所述锅炉侧优化参数包括但不限于:水冷壁福射换热系数、前屏福射换热系统、过 热蒸汽侧换热系数、过热蒸汽烟气蒸汽侧换热系数、再热蒸汽蒸汽侧换热系数和再热蒸汽 烟气蒸汽侧换热系数；
[0012] 所述汽机侧优化参数包括但不限于：通流结垢系数、流量压力比、传导热传递系 数、对流热传递系数、环境放热系数、水位系数、层流和素流的过渡压差、动态蒸发常数、动 态凝结常数、壳侧汽区向环境的散热系数、壳侧水区与管道之间的换热系数、管道中的水比 热壳侧水区向环境的散热系数加热器水位折算系数、超压放汽导纳、除盐能力、树脂效率衰 减的时间常数、正常的流导、与导电率有关的流导减少系数、最小导电率和树脂效率衰减的 时间常数。
[0013]所述除盐能力包括除盐器容量。
[0014] 所述仿真模型的参数对目标参数大都有直接或者间接的影响。
[0015] 步骤4、确定模型参数的初始值和寻优范围：
[0016] 所述模型参数的初始值根据传热学公式计算得出，所述寻优范围为所述初始值的 10%-125%;汽机侧和锅炉侧参数取不同百分比的负荷工况条件下的数值，例如汽机侧和 锅炉侧参数取10%、30%、50%、70%、100%等负荷工况条件的数值；
[0017] 步骤5、对仿真模型的参数遗传算法编码：
[0018] 根据不同的仿真模型参数，采用可变长度的二进制串进行编码，一般为8位或者
[0019] 16位;所述的编码方法具体如下：
[0020] Xmin = 00000000，对映 kmin = 0.75
[0021] Xmax= 11111111，对应 kmax= 1.25
[0022] 映射公式(1)如下：
[0023]
(1)
[0024] 其中，
[0025] X为仿真模型参数编码；
[00%] k为仿真模型参数；
[0027] S为编码位数，一般为8位；
[00%] Xmin为仿真模型参数编码下限；
[0029] kmin为仿真模型参数下限；
[0030] kmax为仿真模型参数上限；
[0031] 解码公式(2)如下：
[0032]
{2)
[0033] 其中，b为X中的仿真模型参数编码某一比特位的值。
[0034] 步骤6、确定仿真系统优化目标函数，所述目标函数的公式(3)如下：
[0035] f 3)
[0036] 其中，f为个体适应度；
[0037] i = 1，2···η代表所需计算的模型寻优参数个数；
[0038] Τι为现场运行数值，如汽溫，压力，流量、水位；
[0039] Tmi为模型计算值；
[0040] Sj为仪表量程。
[0041 ]参数优化目标是使数学模型目标参数的稳态误差小于规定的要求，即求目标函数 的最小值。
[0042] 步骤7、产生初始种群，进行遗传寻优，淘汰最差个体，产生新一代种群;具体实现 方法如下：
[0043] 根据步骤3的参数的初始值，随机产生包含η个个体的初始种群；
[0044] 采用轮盘赌选择算法，对种群进行遗传操作，公式(4)如下：
[0046] 其中，Pi为个体i被选中概率；
[0045] C4：):
[0047]
为群体累加适应度；
[0048] 选择单点交叉方法，在仿真模型的参数遗传算法编码中，随机选择一个点，W运个 点为界限，相互交换变量。
[0049] 步骤8、新种群重复所述步骤7,直到满足误差要求或达到进化代数；
[0050] 步骤9、给出最优参数和误差；
[0051] 步骤10、判断是否满足要求，若满足要求则优化结束;若不满足要求返回步骤4依 次向下重新优化。
[0052] 本发明的有益效果如下：
[0053] 本发明实现了电网主力发电机组的实际数据与仿真模型对接，优化改进了原有仿 真平台的性能和运算速度，将生产实际与科研联系起来，同时结合当电网运行的可靠性和 解决遇到的各种问题初步分析，并开展了系列化的优化策略体系研究；利用增强激励仿真 遗传优化方法，经过测试，本发明能够利用机组在线数据有效改善仿真机模型精度，使其静 态参数和动态参数均不断逼近实际运行机组。
[0054] 将原有的仿真平台改进为在线数据激励的试验仿真平台，针对生产试验建立仿真 模型，实现仿真模型响应特性与现场实际特性趋近度达90%，使仿真平台成为可W真正服 务于生产试验的技术支撑平台；
[0055] 应用基于在线数据的增强激励仿真遗传优化方法对生产试验划分边界，进行仿真 建模评估后，将解决实际问题的服务次数从平均10次降低到2次，缩减成本15%，提高工程 进度13;单台机组年节省机