[发明专利]火电厂热工过程混合辨识方法和系统

权利要求书

1.一种火电厂热工过程混合辨识方法，其特征在于，包括以下步骤：

根据预设的负荷工况点对应建立辨识数列，并将采集到的火电厂热工过程的实时数据分别对应归入所述辨识数列中；

根据所述辨识数列，利用最小二乘法辨识热工过程对象的时间常数、迟延时间和增益的初始值；

根据所述时间常数、迟延时间和增益的初始值，利用线性法对所述热工过程对象的时间常数、迟延时间和增益进行拟合得到对应的函数表达式；

根据所述热工过程对象的时间常数、迟延时间和增益的函数表达式，利用Elman神经网络对所述热工过程对象的增益进行修正，得到一阶惯性加纯迟延模型。

2.根据权利要求1所述的火电厂热工过程混合辨识方法，其特征在于，所述负荷工况点包括60％、75％和95％三个工况点；所述根据预设的负荷工况点对应建立辨识数列，并将采集到的火电厂热工过程的实时数据分别对应归入所述辨识数列中的步骤，包括以下步骤：

根据所述负荷工况点对应建立三组辨识数列；

将所述实时数据中55％—65％工况段的数据归入60％工况点对应的辨识数列；

将所述实时数据中65％—85％工况段的数据归入75％工况点对应的辨识数列；

将所述实时数据中85％—100％工况段的数据归入95％工况点对应的辨识数列。

3.根据权利要求1所述的火电厂热工过程混合辨识方法，其特征在于，所述根据所述辨识数列，利用最小二乘法辨识热工过程对象的时间常数、迟延时间和增益的初始值的步骤，包括以下步骤：

将一阶惯性加纯迟延环节的传递函数转化为离散形式，并确定目标函数；

根据所述目标函数分别对所述辨识数列中的数据应用带遗忘因子的递推最小二乘法，直至残差在预设的误差范围内，得到所述辨识数列对应的参数估计值；

根据所述参数估计值得到对应的时间常数、迟延时间和增益的初始值。

4.根据权利要求1所述的火电厂热工过程混合辨识方法，其特征在于，所述实时数据包括功率数据；所述根据所述时间常数、迟延时间和增益的初始值，利用线性法对所述热工过程对象的时间常数、迟延时间和增益进行拟合得到对应的函数表达式的步骤，具体为：

根据所述功率数据以及时间常数、迟延时间和增益的初始值，利用线性法得到所述时间常数、迟延时间和增益分别与功率的函数表达式。

5.根据权利要求4所述的火电厂热工过程混合辨识方法，其特征在于，所述根据所述热工过程对象的时间常数、迟延时间和增益的函数表达式，利用Elman神经网络对所述热工过程对象的增益进行修正，得到一阶惯性加纯迟延模型的步骤，包括以下步骤：

根据所述热工过程对象的时间常数、迟延时间和增益的函数表达式，分别计算所述功率数据对应的时间常数、迟延时间和增益的值；

将所述功率数据对应的时间常数和迟延时间的值作为预测模型的参数值，将所述功率数据对应的增益的值作为所述预测模型的增益初始值，利用Elman神经网络进行修正，得到一阶惯性加纯迟延模型。

6.一种火电厂热工过程混合辨识系统，其特征在于，包括：

数据分类模块，用于根据预设的负荷工况点对应建立辨识数列，并将采集到的火电厂热工过程的实时数据分别对应归入所述辨识数列中；

第一处理模块，用于根据所述辨识数列，利用最小二乘法辨识热工过程对象的时间常数、迟延时间和增益的初始值；

第二处理模块，用于根据所述时间常数、迟延时间和增益的初始值，利用线性法对所述热工过程对象的时间常数、迟延时间和增益进行拟合得到对应的函数表达式；

增益修正模块，用于根据所述热工过程对象的时间常数、迟延时间和增益的函数表达式，利用Elman神经网络对所述热工过程对象的增益进行修正，得到一阶惯性加纯迟延模型。

7.根据权利要求6所述的火电厂热工过程混合辨识系统，其特征在于，所述负荷工况点包括60％、75％和95％三个工况点；所述数据分类模块包括：

数列组建单元，用于根据所述负荷工况点对应建立三组辨识数列；

第一分类单元，用于将所述实时数据中55％—65％工况段的数据归入60％工况点对应的辨识数列；

第二分类单元，用于将所述实时数据中65％—85％工况段的数据归入75％工况点对应的辨识数列；

第三分类单元，用于将所述实时数据中85％—100％工况段的数据归入95％工况点对应的辨识数列。