[发明专利]主汽调节阀输入输出非线性关系辨识方法及系统

说明书

本发明公开了一种主汽调节阀输入输出非线性关系辨识方法及系统，包括：获取历史主汽调节阀数据并划分不同的数据段；获取每个数据段的趋势信息；对处于同一变化趋势的相邻数据段进行融合；获取原始数据中每个变量对应的稳态值样本集和变化量的变化幅值样本集；将因为不同工况而分布于不同平面上的稳态值样本集或变化量的变化幅值样本集，划分为多个小组；分别估计处于不同平面上的稳态值样本集或变化量的变化幅值样本集对应的模型参数，以此辨识出阀门的分段线性函数曲线。本发明可以高效快速的从大量的历史数据中提取出所需要的目标信息，进而辨识出机组在不同工作条件下对应的模型参数，准确获取调节阀的实际流量特性。

技术领域

本发明涉及主蒸汽调节阀控制技术领域，尤其涉及一种主汽调节阀输入输出非线性关系辨识方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

在日常的工业生产中，火电机组依据电网指令并按照预先设定的控制参数调节主蒸汽调节阀的开度，控制进入汽轮机的主蒸汽流量进而调整实发功率的大小，使得发电功率紧密跟随电网负荷指令变化。然而生产过程中机组大修以及日常磨损等原因均会造成调节阀的阀门开度输入与主蒸汽流量输出呈非线性的关系，此非线性关系对汽轮机的控制不利。汽轮机阀门流量特性曲线与真实的流量特性曲线不一致，会降低机组的控制精确度，给工业生产安全造成威胁。

因此，为了提高机组运行可控性与安全性，汽轮机调节阀流量特性的优化对于电网的稳定运行至关重要。要想实现机组负荷的精确控制，必须先获取调节阀的实际流量特性曲线。近些年，广大学者对阀门流量特性展开的理论研究主要有：基于现场试验的阀门非线性辨识方法、基于神经网络参数辨识的人工智能算法以及哈默斯坦模型非线性辨识方法等。

现有方法的缺陷主要在于借助现场试验辨识阀门的非线性特性曲线比较困难，需要消耗研究人员大量的时间，影响机组的正常运行；由于需要辨识全局参数，基于默斯坦模型的非线性辨识方法在机组工况改变时会出现较大的估计偏差；神经网络是一个黑箱模型，得出的结果往往没有具体的理论解释，预测结果容易引起质疑。此外，机组在运行过程中存储的海量历史数据中包含了机组所有的运行状态信息，但是这些历史数据往往无法得到有效的提取。

发明内容

为了解决上述问题，本发明提出了一种主汽调节阀输入输出非线性关系辨识方法及系统，利用趋势提取算法提取各相关变量粗略趋势信息，提出数据段融合技术获取历史数据精准趋势信息，采集稳态和暂态样本数据集。运用平面分割算法(RANSAC)对属于不同工况的样本数据集分组，借助最小二乘法，分别估计不同组样本集对应的模型参数，进而辨识出阀门的分段非线性函数曲线的模型参数。

在一些实施方式中，采用如下技术方案：

一种主汽调节阀输入输出非线性关系辨识方法，包括：

获取一段时间序列的历史主汽调节阀数据作为原始数据，对原始数据划分不同的数据段；获取每个数据段的趋势信息；

对处于同一变化趋势的相邻数据段进行融合；

获取原始数据中每个变量对应的稳态值样本集和变化量的变化幅值样本集；

利用平面分割算法将因为不同工况而分布于不同平面上的稳态值样本集或变化量的变化幅值样本集，划分为多个小组，每一个小组的散点集对应一种工况；

利用最小二乘法分别估计处于不同平面上的稳态值样本集或变化量的变化幅值样本集对应的模型参数，以此辨识出阀门的分段线性函数曲线，进而得到主汽调节阀输入输出非线性关系。

在另一些实施方式中，采用如下技术方案：

一种主汽调节阀输入输出非线性关系辨识系统，包括：

数据分段模块，用于获取一段时间序列的历史主汽调节阀数据作为原始数据，对原始数据划分不同的数据段；获取每个数据段的趋势信息；