[发明专利]基于神经网络模型状态观测器的火电机组协调优化方法

权利要求书

1.基于神经网络模型状态观测器的火电机组协调优化方法，其特征在于，该优化方法包括：

S1、实时采集机组协调系统的运行数据；

S2、建立机组协调系统在t时刻的神经网络模型；

S3、根据S2获取的t时刻神经网络模型建立状态观测器，建立预测控制器；

S4、根据S2获取的t时刻神经网络模型获取神经网络模型的控制量；

S5、实时采集机组输出和神经网络模型输出，计算机组输出和神经网络模型输出的差值e₁；

S6、判断差值e₁是否在[-M,M]内，否则以实时数据更新神经网络模型；

其中，M＝[M₁:M₂]，M₁表示负荷限制值，M₂表示压力偏差最小值；

S7、实时采集神经网络模型输出和状态观测器输出，计算神经网络模型输出和状态观测器输出的差值e₂；

S8、判断差值e₂是否在[-M,M]内，否则以实时数据更新神经网络模型；

S9、神经网络模型更新完成后，完成机组协调优化；

S1所述实时采集的机组协调系统运行数据包括：

机组调门指令、电网实时AGC给定负荷指令、机组实时负荷值、机组实时主蒸汽压力值和实时给煤量；

S2所述建立机组协调系统在t时刻的神经网络模型的方法包括：

S2-1、建立机组协调系统在典型负荷下的传递函数模型；

S2-2、对传递函数模型进行拟合和转换，获得同阶次的状态空间模型；

S2-3、针对典型负荷下的状态空间模型，采用T-S模糊模型建立被控对象的全局近似模型；

S2-4、获取全局近似模型t时刻的负荷值N(t)，根据N(t)获取t时刻的协调控制系统状态方程S(t)；

S2-5、采用神经网络模型代替S(t)，同时将机组实际输出与神经网络模型输出的差值作为反馈误差，根据反馈误差优化神经网络模型；

S2-6、判断机组实际输出与误差阈值的大小，如果机组实际输出小于等于误差阈值，则将当前机组负荷的神经网络模型代入优化后的神经网络模型，形成神经网络模型数据库；

S2-7、重复执行S2-6，优化所有机组负荷点的神经网络模型数据库，完成神经网络模型的建立。

2.根据权利要求1所述基于神经网络模型状态观测器的火电机组协调优化方法，其特征在于，S2-6所述误差阈值是3％N(t)。

3.根据权利要求1所述基于神经网络模型状态观测器的火电机组协调优化方法，其特征在于，S3所述建立状态观测器的方法包括：

S3-1、所有机组负荷点的神经网络模型的状态输出p_i与对应权值ξ_i相乘，累加获得状态反馈变量：根据状态反馈变量建立状态观测器，

其中，m＝1,2,…,i,…,m表示所有神经网络模型的数量；

S3-2、根据S3-1获取的状态观测器计算增益矩阵Ke，同时根据T-S模糊模型获取状态反馈系数矩阵K'；

S3-3、根据T-S模糊模型建立预测控制器，预测控制器的输出反馈为：其中，y_i表示第i个状态观测器子模型的输出。

4.根据权利要求1-3中任一项所述基于神经网络模型状态观测器的火电机组协调优化方法，其特征在于，S2-3所述T-S模糊模型为：模糊的前件变量是机组的负荷变量，采用三角形隶属度函数，后件为各个工况点线性模型的输出。

5.根据权利要求1所述基于神经网络模型状态观测器的火电机组协调优化方法，其特征在于，S6和S8所述以实时数据更新神经网络模型的方法相同，包括：根据实时数据的时间长度，倒推相同时间长度的历史数据，采用实时数据更新历史数据。

6.根据权利要求1所述的基于神经网络模型状态观测器的火电机组协调优化方法，其特征在于，M₁＝1％×(35％-40％)×N₀，N₀表示机组额定负荷；

M₂＝[-0.5,0.5]MPa。