[发明专利]一种增强激励仿真遗传优化方法

说明书

本发明公开了一种增强激励仿真遗传优化方法，属于在线仿真数据的遗传优化领域，其包括如下步骤：1、建立机组增强激励仿真数学模型：2、将仿真模型进行边界划分；3、选择需要在线修正的参数，并进行在线修正；4、确定模型参数的初始值和寻优范围；5、对仿真模型的参数遗传算法编码：6、确定仿真系统优化目标函数；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；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；9、给出最优参数和误差；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。本发明的优点是优化改进了原有仿真平台的性能和运算速度。

技术领域

本发明属于在线仿真数据的遗传优化领域，具体涉及一种在线数据增强激励仿真遗传优化方法。

背景技术

(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。

(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以及参数，由于传统仿真机采用零维模型，所以其运行动态过程与实际机组有较大差异，并不足以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

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，它以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，以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。

为解决上述问题，本发明所采用的技术方案具体如下：

步骤1、建立机组增强激励仿真数学模型：

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ZL201110126706.9；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。

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；

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。

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；