基于PSO算法的1000MW机组主汽温系统辨识

针对某电厂在二级过热器喷水减温扰动下的主汽温对象的动态特性,提出了基于电厂运行历史数据的主汽温系统粒子群(PSO,Particle Swarm Optimization)辨识方法,建立了主汽温对象的动态数学模型,并用不同运行期间的数据对模型进行验证,仿真结果表明,建立的主汽温模型是比较准确的。     

基于改进粒子群算法的主汽温控制系统PID参数优化

介绍了一种基于改进的粒子群优化(PSO)算法的PID控制器参数优化方法。通过将PSO基本算法中的惯性权重进行线性递减,很好地协调了PSO的全局与局部寻优能力。将改进的粒子群PID控制器参数优化方法应用于多扰动、大惯性的电厂主汽温控制系统,仿真结果表明,该方法在保证控制系统稳定性的基础上极大地提高控制系统的精度和快速性。     

基于数据挖掘的电厂燃煤采购决策方法与系统实现

对燃煤电厂而言,燃料支出占发电成本的绝大部分,燃煤采购不仅要考虑煤炭价格造成的成本差异,还应综合考虑煤质变化对电厂运行成本的影响,包括辅机耗电成本、脱硫运行成本、污染排放成本等环节。对此提出了一种综合评价煤质经济性的计算模型,作为火电厂最优经济煤种采购的决策依据。通过模糊关联规则对某电厂328.5 MW机组3年的历史运行数据进行挖掘,确定了煤质特性与机组某些经济性参数的关联关系并量化了各项指标,在此基础上开发了一套燃煤采购优化指导系统。目前,已在该电厂投入试用,运行结果与该厂经验值相符。