CN106094572B - 一种源侧涉网生产试验闭环仿真辨识应用方法 - Google Patents
一种源侧涉网生产试验闭环仿真辨识应用方法 Download PDFInfo
- Publication number
- CN106094572B CN106094572B CN201610617477.3A CN201610617477A CN106094572B CN 106094572 B CN106094572 B CN 106094572B CN 201610617477 A CN201610617477 A CN 201610617477A CN 106094572 B CN106094572 B CN 106094572B
- Authority
- CN
- China
- Prior art keywords
- model
- simulation
- data
- simulation model
- individual
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 54
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000007246 mechanism Effects 0.000 claims abstract description 47
- 238000012546 transfer Methods 0.000 claims abstract description 25
- 238000012360 testing method Methods 0.000 claims abstract description 23
- 230000004044 response Effects 0.000 claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims abstract description 7
- 238000005094 computer simulation Methods 0.000 claims abstract description 5
- 238000005457 optimization Methods 0.000 claims abstract description 5
- 238000012795 verification Methods 0.000 claims abstract description 3
- 238000004458 analytical method Methods 0.000 claims description 12
- 230000002708 enhancing effect Effects 0.000 claims description 12
- 125000000524 functional group Chemical group 0.000 claims description 12
- 230000005284 excitation Effects 0.000 claims description 10
- 238000013480 data collection Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000002474 experimental method Methods 0.000 claims description 6
- 238000009396 hybridization Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000012850 discrimination method Methods 0.000 claims description 4
- 230000006978 adaptation Effects 0.000 claims description 3
- 230000000740 bleeding effect Effects 0.000 claims description 3
- 238000009472 formulation Methods 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 231100000219 mutagenic Toxicity 0.000 claims description 3
- 230000003505 mutagenic effect Effects 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 230000004927 fusion Effects 0.000 abstract description 2
- 230000007547 defect Effects 0.000 abstract 1
- 230000008676 import Effects 0.000 abstract 1
- 230000006872 improvement Effects 0.000 abstract 1
- 238000011156 evaluation Methods 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 239000003245 coal Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 229910002056 binary alloy Inorganic materials 0.000 description 2
- 235000019504 cigarettes Nutrition 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000011020 pilot scale process Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种源侧涉网生产试验闭环仿真辨识应用方法，属于智能电网的网源协调控制领域，针对当前机组机理仿真模型无法应用于指导现场实际生产试验过程的缺陷，从在线数据与机组仿真算法融合应用入手，建立高度拟合实际机组特性的生产/试验闭环仿真校验平台；针对生产试验特性，划定仿真建模的边界条件；利用在线热力性能数据输入参数，导入模型中，比较模型输出和中间参数与实际机组特性之间的误差，采用适当增加滞后特性算法或者改进原有仿真算法，最终得到满足仿真优化试验要求的生产试验机理数学仿真模型，通过机理模型确定与实际生产过程响应特性一致的三阶传递函数，确定优化参数，直到三阶传递函数模型精度达到实际生产试验校验指导要求。
Description
技术领域
本发明属于智能电网的网源协调控制领域，涉及一种源侧涉网生产试验闭环仿真辨识应用方法。
背景技术
随着电站信息化技术发展的进程，电站机组DCS、MIS得到普遍的应用。这些***在提高机组自动化水平和信息管理层次的同时，也为我们提供了大量有关机组的信息。这些信息为我们进一步分析机组的运行状态，提供了基础。合理评价电厂运行的机组，是电厂机组运行优化、状态监测与故障诊断的基础。从不同方面评价机组的状态，往往需要许多不同的评价指标。实际上，机组的每一个指标和运行参数均包含着有关机组运行状态的不同信息。单一指标评价体系，往往难以全面反映机组的运行状况。将机组各评价指标包含的信息进行综合，更全面地评价电厂机组的状态，将为机组运行的优化、状态检修的实施提供重要的决策支持。目前，火电机组DCS***实时控制的运行数据点在10000点以上，对于每时每刻都在产生的实时数据，已经能够达到海量数据级别。在以往常规的控制过程中，海量的实时数据都是以2D平面的关系映射到运行画面上，或者根据传统控制方案和现代控制理论，采用其中有限的一组关键运行数据点，作为运行和监控方案的输入输出，提供给运行人员和DCS机组进行合理的控制。
随着电力工业的发展和国家对工业4.0技术产业发挥暂的进步，特高压输电技术的发展对河北南部电网内部机组稳定协调控制运行水平提出更高要求。由于网内机组特性复杂多样，源侧生产试验具有周期长、风险高、控制逻辑不易标准化实现等特点，且常规PID控制已经不能满足网源协调运行控制要求，迫切需要应用适应工业4.0发展要求的先进控制理论和控制策略。因此希望能够具备以下两方面条件：第一、一个生产试验标准化平台，在试验室对现场试验进行闭环仿真验证，实现源侧生产试验性能效果的的预估评价，对机组发生故障后,如何尽快恢复满足网源协调运行条件进行指导,提高网源协调AGC控制和一次调频投入率；第二、提出适应于特高压电网的智能控制策略，研制实用化的智能控制器替代常规PID控制，提升特高压电网协调稳定运行品质。
发明内容
本发明所要解决的技术问题是提供了一种与现场实际特性趋近度高、通用性强的源侧涉网生产试验闭仿真辨识应用方法。
本发明所采用的技术方案如下：
步骤1、在在线热力性能数据校验处理分析平台基础上，实时采集数据并对机组数据进行校验；
在基于LabView的数据校验处理分析平台上，实时采集数据并对原始数据进行校验；确保避免由于仪表故障、变送器飘移和传感器故障甚至测点安装位置错误等原因，带来的部分不良数据。这些原始数据不能反映机组的真实运行状态，将使机网协调控制响应特性的计算结果失真；
所述数据校验处理分析平台包括在线热力性能数据采集校验装置，所述在线热力性能数据采集校验装置包括电源交换组件和数据采集组件；所述电源交换组件的输出接口分别通过通讯供电线缆连接数据采集组件的相应输入接口；所述电源交换组件为数据采集组件提供≤24V的直流电压及以太网通讯，所述电源交换组件至数据采集组件之间距离≤60米；
步骤2、实现机理仿真模型建立：
在机理仿真模型建模过程中将其划分为不同的功能组，每个功能组建立一个子模型，子模型建好后通过模型合并，搭建出整个机组模型；
步骤3、根据步骤2划分的各个功能组，将以上步骤1范围内的全部相关在线数据分为三类：分别是输入类参数、输出参数和中间参数，具体见下表：
步骤4、针对试验特性，划定建立机理仿真模型的边界条件；例如针对RUNBACK试验，由于RB试验主要包括一次风RB、送引风RB、磨煤机RB以及给水泵RB。主要设计锅炉风烟***以及汽水循环***部分，所以划定RB增强激励仿真模型范围为磨煤机至锅炉的燃烧风烟***模型，从省煤器至过热器的汽水循环模型以及给水***相关模型；
步骤5、对机理仿真模型进行热力性能精度校验：
将步骤1中在线热力性能数据校验处理分析平台采集到的实时数据输入步骤4中划定了边界条件的机理仿真模型中，对机理仿真模型计算得到热力性能指标与理论最优经济性指标进行比较，进行机理仿真模型热力性能精度验证，采用遗传算法，迭代寻求机理仿真模型最优参数值；
步骤6、以步骤5得到的机理仿真模型为参考模型，开展三阶传递函数生产试验模型辨识，其中三阶传递函数的通用形式如下式(1)：
针对机理仿真建模的边界条件内的对象，采用差分演化算法迭代辨识三阶传递函数，确定可以反馈应用于现场试验的工程化模型参数；
步骤7、差分演化算法中编码矢量的制定：采用实数编码方式，将步骤6中的(a0,a1,a2,a3,b0,b1)作为一个个体编码矢量xi；该方式的优势在于处理数据范围大，避免二进制编码带来的求解精度下降问题，降低计算难度和节省计算时间；
步骤8、适应度函数的选取：
采用阶跃响应确定三阶传递函数的参数，考虑评估条件的非负性和求解问题的快捷性，设定适应性函数为误差型目标函数如下式(2)：
其中，MG(k)表示三阶传递函数的阶跃响应采样数据；
MS(k)表示增强激励机理模型的阶跃响应采样数据；
ek表示在N个采样数据中，三阶传递函数的阶跃响应与增强激励机理模型的阶跃响应的误差和；
步骤9、三阶传递函数差分演化辨识实现：
9.1定义个体编码矢量xi＝(a0,a1,a2,a3,b0,b1)，随机产生N个个体，初始化群体，赋值进化代数g＝0；
9.2确立适应度函数fi(g)＝ek，评价初始代所有个体适应度fi(g＝0)；得到最优适应值fbest和最优个体xbest；
9.3如果满足运算结束条件，停止运算，输出最优解；否则转向9.4；
9.4群体Ng中所有个体xi(g)进行变异交叉，生成中间变量ui(g)；
变异的具体操作为从群体中随机选取3个与当前个体的个体变量，即选择且i≠r1≠r2≠r3，按照如下方法生成变异变量，其中F为变异因子，r1,r2,r3为随机整数；
杂交的操作具体实现为在完成变异操作后，杂交算子把通过变异产生的变异向量vr,G+1与目标向量xi(g)进行杂交，得到杂交尝试向量ui,j,G，如下所示：
9.5根据适应度函数评价群体适应值fi(g+1)；
9.6采用贪婪选择算法，选择下一代种群个体xi(g+1)，若fi(g+1)＜fbest，则令fbest＝fi(g+1),xbest＝xi(g+1)
9.7进化代数递增g＝g+1，跳转到9.3。
步骤10、根据步骤9的辨识方法，获得步骤5中针对生产实验的划定边界的增强激励机理仿真模型的三阶传递函数模型，确定得到的传递函数可以满足应用于针对生产试验的工程应用。
进一步的，所述步骤2中机理仿真模型划分的功能组包括风烟***、主蒸汽***、高压缸及高旁***、高加及抽汽***。
进一步的，所述步骤5中得到的最优参数值需满足使得生产实验仿真模型性能数据与最优性能曲线偏差精度不超过5％。
本发明的有益效果如下：
本发明针对当前机组机理仿真模型无法应用于指导现场实际生产试验过程的缺陷，提出了基于在线热力性能数据的增强激励仿真建模和三阶传递函数辨识方法，开发了涉网侧机组协调控制生产试验标准化平台。从在线数据与机组仿真算法融合应用入手，建立高度拟合实际机组特性的生产/试验闭环仿真校验平台。针对生产试验特性，划定仿真建模的边界条件；利用在线热力性能数据输入参数，导入模型中(或者手工设置存初始条件)，比较模型输出和中间参数与实际机组特性之间的误差，采用适当增加滞后特性算法或者改进原有仿真算法，最终得到满足仿真优化试验要求的生产试验机理数学仿真模型，通过机理模型确定与实际生产过程响应特性一致的三阶传递函数，确定优化参数，直到三阶传递函数模型精度达到实际生产试验校验指导要求。仿真研究表明，运用该方法建立的三阶传递函数生产试验模型达到实际生产特性精度要求；实现仿真模型响应特性与现场实际特性趋近度达90％，使仿真平台成为可以真正服务于生产试验的技术支撑平台，可实现生产试验性能效果的的预估评价，这种方法具有通用性和工程实践性，为机组仿真迈向实际生产应用提供一种新的思路和方法。
附图说明
图1为本发明中在线热力性能数据采集校验装置的电源交换组件的结构示意图。
图2为本发明中对机理仿真模型进行热力性能精度校验的原理图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面结合图1～图2和具体实施例对发明进行清楚、完整的描述。
如图1～图2所示，本实施例涉及一种源侧涉网生产试验闭环辨识应用方法，具体实现手段如下：
步骤1、在在线热力性能数据校验处理分析平台基础上，实时采集数据并对机组数据进行校验；
在基于LabView的数据校验处理分析平台上，实时采集数据并对原始数据进行校验；确保避免由于仪表故障、变送器飘移和传感器故障甚至测点安装位置错误等原因，带来的部分不良数据。这些原始数据不能反映机组的真实运行状态，将使机网协调控制响应特性的计算结果失真；
所述数据校验处理分析平台包括在线热力性能数据采集校验装置，所述在线热力性能数据采集校验装置包括电源交换组件和数据采集组件；所述电源交换组件的输出接口分别通过通讯供电线缆连接数据采集组件的相应输入接口；所述电源交换组件为数据采集组件提供≤24V的直流电压及以太网通讯，所述电源交换组件至数据采集组件之间距离≤60米；
步骤2、实现机理仿真模型建立：
在机理仿真模型建模过程中将其划分为不同的功能组，每个功能组建立一个子模型，子模型建好后通过模型合并，搭建出整个机组模型；
步骤3、根据步骤2划分的各个功能组，将以上步骤1范围内的全部相关在线数据分为三类：分别是输入类参数、输出参数和中间参数，具体见下表：
步骤4、针对试验特性，划定建立机理仿真模型的边界条件；例如针对RUNBACK试验，由于RB试验主要包括一次风RB、送引风RB、磨煤机RB以及给水泵RB。主要设计锅炉风烟***以及汽水循环***部分，所以划定RB增强激励仿真模型范围为磨煤机至锅炉的燃烧风烟***模型，从省煤器至过热器的汽水循环模型以及给水***相关模型；
步骤5、对机理仿真模型进行热力性能精度校验：
将步骤1中在线热力性能数据校验处理分析平台采集到的实时数据输入步骤4中划定了边界条件的机理仿真模型中，对机理仿真模型计算得到热力性能指标与理论最优经济性指标进行比较，进行机理仿真模型热力性能精度验证，采用遗传算法，迭代寻求机理仿真模型最优参数值；
步骤6、以步骤5得到的机理仿真模型为参考模型，开展三阶传递函数生产试验模型辨识，其中三阶传递函数的通用形式如下式(1)：
针对机理仿真建模的边界条件内的对象，采用差分演化算法迭代辨识确定三阶传递函数，对生产试验对象模型进行参数寻优，确定得到的传递函数可以满足应用于针对生产试验的工程应用；
步骤7、差分演化算法中编码矢量的制定：采用实数编码方式，将步骤6中的(a0,a1,a2,a3,b0,b1)作为一个个体编码矢量xi；该方式的优势在于处理数据范围大，避免二进制编码带来的求解精度下降问题，降低计算难度和节省计算时间；
步骤8、适应度函数的选取：
采用阶跃响应确定三阶传递函数的参数，考虑评估条件的非负性和求解问题的快捷性，设定适应性函数为误差型目标函数如下式(2)：
其中，MG(k)表示三阶传递函数的阶跃响应采样数据；
MS(k)表示增强激励机理模型的阶跃响应采样数据；
ek表示在N个采样数据中，三阶传递函数的阶跃响应与增强激励机理模型的阶跃响应的误差和；
步骤9、三阶传递函数差分演化辨识实现：
9.1定义个体编码矢量xi＝(a0,a1,a2,a3,b0,b1)，随机产生N个个体，初始化群体，赋值进化代数g＝0；
9.2确立适应度函数fi(g)＝ek，评价初始代所有个体适应度fi(g＝0)；得到最优适应值fbest和最优个体xbest；
9.3如果满足运算结束条件，停止运算，输出最优解；否则转向9.4；
9.4群体Ng中所有个体xi(g)进行变异交叉，生成中间变量ui(g)；
变异的具体操作为从群体中随机选取3个与当前个体的个体变量，即选择且i≠r1≠r2≠r3，按照如下方法生成变异变量，其中F为变异因子，r1,r2,r3为随机整数；
杂交的操作具体实现为在完成变异操作后，杂交算子把通过变异产生的变异向量vr,G+1与目标向量xi(g)进行杂交，得到杂交尝试向量ui,j,G，如下所示：
9.5根据适应度函数评价群体适应值fi(g+1)；
9.6采用贪婪选择算法，选择下一代种群个体xi(g+1)，若fi(g+1)＜fbest，则令fbest＝fi(g+1),xbest＝xi(g+1)
9.7进化代数递增g＝g+1，跳转到9.3。
步骤10、根据步骤9的辨识方法，获得步骤5中针对生产实验的划定边界的增强激励机理仿真模型的三阶传递函数模型，将该模型应用于针对生产试验的工程应用模型，为仿真与实际应用的中试化应用打通了道路。
进一步的，所述步骤2中机理仿真模型划分的功能组包括风烟***、主蒸汽***、高压缸及高旁***、高加及抽汽***。
进一步的，所述步骤5中得到的最优参数值需满足使得生产实验仿真模型性能数据与最优性能曲线偏差精度不超过5％。
以上利用具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；对于本领域技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (4)
1.一种源侧涉网生产试验闭环仿真辨识应用方法，其特征在于：其包括如下步骤：
步骤1、在在线热力性能数据校验处理分析平台基础上，实时采集数据并对机组数据进行校验；
在基于LabView的数据校验处理分析平台上，实时采集数据并对原始数据进行校验；所述数据校验处理分析平台包括在线热力性能数据采集校验装置，所述在线热力性能数据采集校验装置包括电源交换组件和数据采集组件；所述电源交换组件的输出接口分别通过通讯供电线缆连接数据采集组件的相应输入接口；
步骤2、实现机理仿真模型建立：
在机理仿真模型建模过程中将其划分为不同的功能组，每个功能组建立一个子模型，子模型建好后通过模型合并，搭建出整个机组模型；
步骤3、根据步骤2划分的各个功能组，将以上步骤1范围内的全部相关在线数据分为三类：分别是输入类参数、输出参数和中间参数，具体见下表：
步骤4、针对试验特性，划定建立机理仿真模型的边界条件；
步骤5、对机理仿真模型进行热力性能精度校验：
将步骤1中在线热力性能数据校验处理分析平台采集到的实时数据输入步骤4中划定了边界条件的机理仿真模型中，对机理仿真模型计算得到热力性能指标与理论最优经济性指标进行比较，进行机理仿真模型热力性能精度验证，采用遗传算法，迭代寻求机理仿真模型最优参数值；
步骤6、以步骤5得到的机理仿真模型为参考模型，开展三阶传递函数生产试验模型辨识，其中三阶传递函数的通用形式如下式(1)：
针对机理仿真建模的边界条件内的对象，采用差分演化算法迭代辨识确定三阶传递函数，对生产试验对象模型进行参数寻优，确定得到的传递函数可以满足应用于针对生产试验的工程应用；
步骤7、差分演化算法中编码矢量的制定：采用实数编码方式，将步骤6中的(a0,a1,a2,a3,b0,b1)作为一个个体编码矢量xi；
步骤8、适应度函数的选取：
采用阶跃响应确定三阶传递函数的参数，设定适应性函数为误差型目标函数如下式(2)：
其中，MG(k)表示三阶传递函数的阶跃响应采样数据；
MS(k)表示增强激励机理模型的阶跃响应采样数据；
ek表示在N个采样数据中，三阶传递函数的阶跃响应与增强激励机理模型的阶跃响应的误差和；
步骤9、三阶传递函数差分演化辨识实现；
步骤10、根据步骤9的辨识方法，获得步骤5中针对生产实验的划定边界的增强激励机理仿真模型的三阶传递函数模型，确定得到的传递函数可以满足应用于针对生产试验的工程应用。
2.根据权利要求1所述的一种源侧涉网生产试验闭环仿真辨识应用方法，其特征在于：所述步骤9的具体实现方法如下：
9.1定义个体编码矢量xi＝(a0,a1,a2,a3,b0,b1)，随机产生N个个体，初始化群体，赋值进化代数g＝0；
9.2确立适应度函数fi(g)＝ek，评价初始代所有个体适应度fi(g＝0)；得到最优适应值fbest和最优个体xbest；
9.3如果满足运算结束条件，停止运算，输出最优解；否则转向9.4；
9.4群体Ng中所有个体xi(g)进行变异交叉，生成中间变量ui(g)；
变异的具体操作为从群体中随机选取3个与当前个体的个体变量，即选择且i≠r1≠r2≠r3，按照如下方法生成变异变量，其中F为变异因子，r1,r2,r3为随机整数；
杂交的操作具体实现为在完成变异操作后，杂交算子把通过变异产生的变异向量vr,G+1与目标向量xi(g)进行杂交，得到杂交尝试向量ui,j,G，如下所示：
9.5根据适应度函数评价群体适应值fi(g+1)；
9.6采用贪婪选择算法，选择下一代种群个体xi(g+1)，若fi(g+1)＜fbest，则令fbest＝fi(g+1),xbest＝xi(g+1)
9.7进化代数递增g＝g+1，跳转到9.3。
3.根据权利要求1所述的一种源侧涉网生产试验闭环仿真辨识应用方法，其特征在于：所述步骤2中机理仿真模型划分的功能组包括风烟***、主蒸汽***、高压缸及高旁***、高加及抽汽***。
4.根据权利要求1所述的一种源侧涉网生产试验闭环仿真辨识应用方法，其特征在于：所述步骤5中得到的最优参数值需满足使得生产实验仿真模型性能数据与最优性能曲线偏差精度不超过5％。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610617477.3A CN106094572B (zh) | 2016-07-29 | 2016-07-29 | 一种源侧涉网生产试验闭环仿真辨识应用方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610617477.3A CN106094572B (zh) | 2016-07-29 | 2016-07-29 | 一种源侧涉网生产试验闭环仿真辨识应用方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106094572A CN106094572A (zh) | 2016-11-09 |
| CN106094572B true CN106094572B (zh) | 2019-03-22 |
Family
ID=57479480
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610617477.3A Active CN106094572B (zh) | 2016-07-29 | 2016-07-29 | 一种源侧涉网生产试验闭环仿真辨识应用方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106094572B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107991901B (zh) * | 2017-12-04 | 2020-12-25 | 中国科学院国家天文台南京天文光学技术研究所 | 音圈电机位移促动器仿真平台 |
| CN112947122A (zh) * | 2021-03-23 | 2021-06-11 | 山东新马制药装备有限公司 | 基于***辨识及plc的pid优化仿真*** |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201498990U (zh) * | 2009-09-16 | 2010-06-02 | 亚太电效***(珠海)有限公司 | 一种源侧节电网络控制*** |
| CN103676670A (zh) * | 2013-12-13 | 2014-03-26 | 华北电力大学 | 一种基于rtds的源网协调联合实时仿真***及数据传输方法 |
| CN103676671A (zh) * | 2013-12-13 | 2014-03-26 | 华北电力大学 | 一种源网协调联合实时仿真***及实验方法 |
| CN103715718A (zh) * | 2014-01-10 | 2014-04-09 | 华北电力大学 | 网源联合仿真及其多级调度闭环控制*** |
| CN105447256A (zh) * | 2015-12-04 | 2016-03-30 | 河北省电力建设调整试验所 | 一种增强激励仿真遗传优化方法 |
| CN105487496A (zh) * | 2015-08-10 | 2016-04-13 | 河北省电力建设调整试验所 | 基于双目标并行island-hfc混合模型遗传编程算法的火电厂热工在线过程辨识及控制算法的优化方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5740791B2 (ja) * | 2011-04-15 | 2015-07-01 | 横河電機株式会社 | ディジタル出力回路 |
-
2016
- 2016-07-29 CN CN201610617477.3A patent/CN106094572B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201498990U (zh) * | 2009-09-16 | 2010-06-02 | 亚太电效***(珠海)有限公司 | 一种源侧节电网络控制*** |
| CN103676670A (zh) * | 2013-12-13 | 2014-03-26 | 华北电力大学 | 一种基于rtds的源网协调联合实时仿真***及数据传输方法 |
| CN103676671A (zh) * | 2013-12-13 | 2014-03-26 | 华北电力大学 | 一种源网协调联合实时仿真***及实验方法 |
| CN103715718A (zh) * | 2014-01-10 | 2014-04-09 | 华北电力大学 | 网源联合仿真及其多级调度闭环控制*** |
| CN105487496A (zh) * | 2015-08-10 | 2016-04-13 | 河北省电力建设调整试验所 | 基于双目标并行island-hfc混合模型遗传编程算法的火电厂热工在线过程辨识及控制算法的优化方法 |
| CN105447256A (zh) * | 2015-12-04 | 2016-03-30 | 河北省电力建设调整试验所 | 一种增强激励仿真遗传优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106094572A (zh) | 2016-11-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103792933B (zh) | 利用仿真***确定和调谐过程特征参数的方法 | |
| CN107726358A (zh) | 基于cfd数值模拟和智能建模的锅炉燃烧优化***及方法 | |
| CN108121215B (zh) | 基于全回路重构仿真的工业控制回路性能评价方法及装置 | |
| CN106094572B (zh) | 一种源侧涉网生产试验闭环仿真辨识应用方法 | |
| KR102128111B1 (ko) | 지능형 교통 신호 제어 센터 알고리즘 평가 방법 및 그 장치 | |
| CN104181900B (zh) | 一种多能源介质分层动态调控方法 | |
| CN106650934B (zh) | 采用改进的遗传优化算法精确辨识热工过程状态空间模型参数的方法 | |
| CN109886471A (zh) | 基于神经网络与智能优化算法的火电机组负荷分配方法 | |
| CN110426953A (zh) | 基于火电机组发电模型的agc性能评价方法 | |
| CN105488266A (zh) | 一种火电机组实发功率预测方法 | |
| JP2018128995A (ja) | 試験計画装置及び試験計画方法 | |
| CN103955760A (zh) | 铝杆氧化染色工艺参数优化专家*** | |
| CN109785185A (zh) | 热电厂内调度多品位热源供热的厂级综合能量管理*** | |
| CN112016754A (zh) | 基于神经网络的电站锅炉排烟温度超前预测***及方法 | |
| CN106610589A (zh) | 一种在线硬件闭环网源协调线性自抗扰控制方法 | |
| CN110399666A (zh) | 一种基于nx软件进行管式空预器参数化方案设计的方法 | |
| CN105447256B (zh) | 一种增强激励仿真遗传优化方法 | |
| CN106875293A (zh) | 一种风电场升压站主变压器故障发电量损失获取方法 | |
| CN109783959A (zh) | 基于阀门的联合多模型仿真平台及方法 | |
| CN106786537A (zh) | 基于能源互联网的城市电网调控***和调控方法 | |
| Suganya et al. | Multi-objective evolutionary programming technique for economic/emission load dispatch | |
| CN105928004B (zh) | 一种高温燃烧器的燃油流量控制方法及其*** | |
| CN105974818B (zh) | 一种云可视化机网协调控制响应特性数据挖掘方法 | |
| CN106444419B (zh) | 一种基于性能数据的自抗扰控制硬件在线闭环仿真控制方法 | |
| CN102096741A (zh) | 一种热力***动态模型的建立方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |