两级融合的多传感器数据融合算法研究

针对智慧工厂监测环境中多源数据融合精度问题,提出了一种两级融合的多传感器数据融合方法,旨在提高多源数据融合的准确性和可靠性。该方法分为一级数据融合和二级决策融合,首先采用卡尔曼滤波结合自适应加权平均对同类型传感器进行数据降噪融合处理,其次利用人工兔优化算法(ARO)优化ELM神经网络进行决策融合。实验结果表明,基于ARO优化ELM神经网络的多传感器数据融合算法在融合精度方面优于其他先进算法。经验证,所提出的两级融合多传感器数据融合方法具有更好的融合性能,有效提升感知系统的可靠性和鲁棒性,实现更加准确和可靠的监测和预测。

动态能源与地理信息融合的光储充电站电动汽车充电路径引导

电动汽车(EV)的出行、充电行为在对交通系统运行规律造成影响的同时,也使得能源网络负荷的时空分布发生改变。为此,考虑光储充一体化系统的特点,结合大规模EV、区域路网、配电网以及光储充电站的动态信息,构建了精细化的车-站-路-网动态融合模型;在此基础上,分别从用户、交通路网、电网3个角度构建包含行程时间、交通拥堵情况、电网稳定性的多目标优化函数。针对当前模型的高复杂度,运用分层规划和双向搜索思路对LPA*路径规划算法进行改进,从而实现动态环境下的充电路径引导。以某市一区域路网为例进行仿真,结果表明:与现有的策略相比,所提充电路径引导策略能很好地解决因EV充电带来的局部道路拥挤、区域光储能源消纳不均衡等问题。

计及风光不确定性含碳排放和碳惩罚的虚拟电厂优化调度策略

为使虚拟电厂更好地满足我国新型电力系统的发展需要,提出一种考虑风光不确定性的含碳排放和碳惩罚的虚拟电厂优化调度策略。对光伏、风力、热电联产机组、储能系统进行数学描述,建立了考虑风光不确定性的风光出力模型;采用场景生成与削减法生成风光典型场景;以虚拟电厂整体运行效益最大为目标,引入碳排放成本和碳惩罚因子,并建立典型场景下虚拟电厂优化调度模型。结果表明:所提策略有利于挖掘储能系统潜力,提高系统经济性,降低碳排放量;在CloudPSS云仿真平台上搭建算例,进一步验证优化调度模型的有效性,为后续开展虚拟电厂优化调度提供了可行的实现途径。

基于注意力机制和CNN-GRU模型的脱硫系统pH值预测

针对火电厂石灰石-石膏烟气湿法脱硫系统中所面临的浆液pH值测量不准确、时间长的问题,提出了一种基于注意力机制和CNN-GRU模型来预测吸收塔内浆液pH值。首先,对火电厂监测系统(SIS)数据库中的数据进行预处理,然后使用相关性分析来确定它们之间的关联性。接下来可使用注意力机制(ATT)来自适应分配与pH值相关联的输入数据的权重,并根据权重大小来区分强弱特征变量,以此来解决预测精度低和不准确的问题。其后利用卷积神经网络(CNN)来二次提取和降维这些特征数据,并对送入门控循环神经单元网络(GRU)中的数据进行优化,可大大加快神经网络训练进程,并且能够更准确地处理复杂的动态脱硫变化。对某电厂2×350 MW机组运行数据进行测试,并通过与其他主流算法对比得出所建pH值预测模型具备更高的精确度和稳定性。最后结合模型预测控制(MPC),验证了该模型的实用性。

基于压缩空气流量预测的火电机组空压机节能研究

针对火电机组内空压机布局分散和加卸载频繁造成电能浪费严重的问题,提出一种基于压缩空气流量预测结果进行空压机联网运行组合优化的方法。为提高预测模型的预测精度,提出鹈鹕优化算法(POA)与长短期记忆神经网络相结合的预测模型(POA-LSTM),通过相关性分析,选取空压机运行电流、储气罐压力、空压机排气压力和排气温度作为压缩空气流量的影响因素。结果表明,该模型预测误差率小于4%,能较准确地预测压缩空气流量的变化趋势;根据用气量预测结果进行杂用压缩空气联网改造测试,优化空压机的组合运行方式,可以少开杂用空压机1台,能耗降低13.01%;全厂空压机均采用基于压缩空气流量预测的联网供气方式可实现全年节约电能超过440万kW·h,节省电费268万余元,减少2 559 t二氧化碳排放。

面向高耗能企业铝加工过程的节能减碳潜力评价及画像研究

为引导高耗能企业实施可持续发展战略,促进碳减排和能源效率提升,以高耗能企业中铝加工过程为例,考虑能效、碳排放和环境多维指标,建立节能减碳评价指标体系,以确保评估的全面性和准确性。运用层次分析法对铝加工过程中的各加工工段的效能、碳排放水平和环境影响进行评估。在评估过程中,结合具体企业案例,对其各加工工段的节能减碳潜力情况进行详细分析,并对节能减碳评价指标体系进行了敏感性分析,确保建立的节能减碳潜力评价指标体系的普适性。结果表明:铝加工企业可以从熔铸工段开始,提升其节能减碳能力。通过用户画像分析,提出优化生产过程等建议,减少能源消耗和环境污染,实现可持续发展目标。

基于Modbus协议的ARM嵌入式监测平台设计与实现

针对电厂自动化应用的嵌入式数据采集监测系统需求,在嵌入式Linux环境下设计开发了基于Mod- bus协议的ARM嵌入式监测平台,实现了ASCⅡ和RTU 2种通信模式的串口Modbus协议主站,以满足与各串口Modbus协议从站设备的通信。嵌入式监测平台除了主要完成数据采集、数据处理等功能,还提供了数据采集接口、多种网络通信接口和人机交互接口等功能。通过对该平台的严格测试,所提供的串口Mod- bus协议主站服务程序运行稳定、可靠。

模糊免疫PID控制在主汽温控制系统中的应用

火电厂主汽温控制系统具有大惯性、大迟延和时变等特性, 传统的火电厂主汽温控制系统大多采用基于模型的常规PID串级控制方法。本文借鉴生物免疫反馈响应过程的调节作用和模糊推理逻辑可逼近非线性函数的特性, 提出将模糊免疫PID控制策略应用到火电厂主汽温控制系统中。仿真研究表明, 该方法的控制效果优于常规的PID控制, 能适应对象参数的变化并表现出良好的控制品质, 即使发生扰动时也具有较强的鲁棒性和自适应能力。

具有对负荷变化前馈补偿的锅炉汽包水位系统的神经网络内模控制

电站锅炉汽包水位间接地反映了锅炉负荷与给水平衡的关系,是电站发电机组运行的主要控制参数之一。该文提出将基于神经网络的内模控制策略应用到电站锅炉的汽包水位控制中,并考虑负荷变化对汽包水位的影响,将蒸汽流量信号引入到神经网络内模控制器中,使其对汽包水位系统的蒸汽流量扰动具有前馈补偿能力,以消除“虚假水位”现象。同时,总的控制对象输入由神经网络内模控制器 NNC 和一个鲁棒反馈控制器 RC 组成,两个控制器的输出信号通过变参数加权综合后共同作用于被控对象,这样保证在控制初化的情况下系统仍然具有良好的调节品质。仿真试验结果表明了该控制策略的有效性和实用性。

智能配电网故障定位系统设计与研究

针对现有的配电网故障定位系统存在准确性和可靠性不高等问题,提出了基于馈线终端单元(FTU)技术和遗传算法的配电网故障定位系统。系统由FTU和主站SCADA构成,其中FTU由主控模块、输入输出模块及通信模块等构成。FTU的硬件采用双CPU体系结构,主控模块以数字信号处理器DSP为核心,通过相电流突变量法进行故障判断;通信模块以32位ARM嵌入式处理器为核心,负责与主站进行实时通信以及外围事物管理。FTU的软件则基于μC/OS-II嵌入式操作系统,设计了多任务、多缓冲区的结构。主站的故障区段定位软件以遗传算法为核心,根据FTU传递来的故障电流信息迅速找到故障区段。仿真试验表明,该算法容错性和实用性强。

火电厂主汽温控制系统的免疫PID串级控制

火电厂主汽温控制系统具有大惯性、大延迟和时变等特性,采用常规PID串级控制方法的主汽温系统难以获得满意的控制效果。生物免疫系统是一种在大量干扰和不确定性环境中都具有很强鲁棒性和自适应性的系统。借鉴生物免疫反馈响应过程的调节规律,提出将免疫PID串级控制策略应用到火电厂主汽温控制中,针对某超临界600MW锅炉高温过热器在4个典型工况点的仿真研究表明,该策略的控制效果优于常规的PID串级控制,它能适应对象参数的变化,具有较强的鲁棒性和自适应能力。图5表2参8。

基于灰色预测的汽温模糊免疫PID控制

火电厂汽温具有大惯性、大迟延和时变等特性,采用常规的PID串级控制方法难以取得满意的控制效果。借鉴生物免疫反馈响应过程的调节作用和模糊推理逻辑可逼近非线性函数的特性,结合灰色预测的优点,提出采用灰色预测的模糊免疫PID控制策略。火电厂汽温控制系统的仿真研究表明:该方法的控制品质良好,能适应对象参数的变化,具有较强的鲁棒性和自适应能力。

基于混沌粒子群优化的火电机组负荷分配

为进一步优化电厂负荷的分配,有效提高发电厂的经济效益,在粒子群算法的基础上结合混沌优化等算法对电厂负荷的分配进行了改进研究。该方法从火电厂的实际发电情况出发,考虑了阀点效应和机组在实际运行过程中的约束条件,建立了发电机组负荷优化分配模型,并利用罚函数法将此模型转化为非约束问题求解,实现了利用混沌粒子群算法来优化发电机组负荷,解决了局部最优和收敛速度慢等问题。通过实例分析证明了该算法的可行性。

嵌入式多ARM架构的配电网自动化远方终端设计

配电自动化远方终端数据传输单元(DTU)装置作为配电自动化系统的基础设备,其稳定性尤为重要。通过对DTU装置系统的稳定性以及数据通信的稳定性和兼容性的研究,提出了将通信协议组(包括Modbus协议和IEC 60870-5系列协议)和STM32处理器相结合的设计方案。设计了系统软硬件的总体架构,并在嵌入式实时操作系统μC/OS-II上实现了兼容多种通信网络的通信协议组。实验结果表明,该配电自动化远方终端可靠地实现了DTU设备的稳定运行和数据信息的稳定传输。

锅炉汽包水位系统的免疫PID—免疫P串级控制

借鉴生物免疫反馈响应过程的调节规律,针对电站锅炉汽包水位控制系统,提出一种免疫PID—免疫P串级控制策略.内回路采用免疫P控制器以快速消除给水流量扰动,外回路采用免疫PID控制器以保证汽包水位在给定值,并有效克服蒸汽流量的扰动.该控制策略结构和算法简单,易于工程实现.通过大量的仿真试验证明,该控制策略优于常规的PID串级控制,而且能够适应对象参数的变化,具有较强的鲁棒性、自适应性和抗干扰能力.*

发电机组嵌入式远程状态监测与诊断分析系统

为实现对发电机组及生产过程的各种参数进行实时监测与诊断分析,设计了基于嵌入式平台的大型发电机组远程状态监测与诊断分析系统的总体方案,开发了具有多种通信协议的嵌入式数据采集与监测平台,并针对典型300 MW发电机组,采用pSpace企业级实时历史数据库和C#语言进行系统高级应用功能的二次开发,实现了B/S模式的大型发电机组远程状态监测与诊断分析系统,为机组的优化运行和实施状态检修计划提供指导性意见。

基于DDE的分布式监控系统设计及其应用

利用DDE技术实现VB和组态王的动态数据交换,以弥补组态王在复杂控制算法及数据处理上存在的不足。系统下位机采用研华ADAM-5510可编程控制器,实现对小型EFPT过程控制装置的温度、压力、流量、液位等四大热工参数的多个模拟量的实时数据采集,同时在上位机的VB应用程序里实现对装置锅炉温度和锅炉液位的实时控制。

计及多类型分布式电源的电压无功优化控制研究

针对负荷的时变性和分布式电源(DG)出力的波动性使得基于实时无功优化的电压控制效果劣化问题,提出了一种含多DG的配电网电压无功优化控制策略;推导了负荷节点注入无功功率对电压变化的灵敏度矩阵;给出了SCB投切组数的确定方法。基于改进递推贝叶斯估计方法估算最佳的OLTC,利用RTU所获取的相关数据确定各馈线处SVR的分接头开关档位,根据目标值调整控制变量实行自主优化选择和投切控制,达到最优控制方式。以加入多种DG和负荷类型的IEEE33节点典型馈线系统作为仿真算例,分析结果表明所提控制策略能显著地稳定电压幅值,具有较好的在线应用前景。

基于并行自学习的神经网络内模控制及其应用研究

基于在线并行自学习的神经网络内模控制, 该方法是借助于神经网络对复杂系统的辩识能力对被控对象进行正模型及逆模型的辩识,用NNM辩识对象的正模型,通过一个并行自学习系统训练的NNC辩识对象的逆模型,然后用做内模控制器去控制对象。将该种控制策略应用于火电厂热工对象中具有大迟延、大惯性和时变等特性的主汽温对象,仿真研究表明,该控制方案适应对象参数的变化并表现出良好的控制特性,具有较强的鲁棒性和自适应能力。在实际应用中具有一定的实用价值。

基于工业组态软件的电厂水处理监控系统设计与实现

火力发电厂热力系统中水、汽质量的好与坏是影响火力发电厂热力设备安全、经济运行的重要因素之一。实现水处理各工艺系统的自动化监控是电厂对水处理系统的迫切需要。设计了双以太网、双控制器冗余方式的电厂化学水处理监控系统结构,并基于工业组态软件设计开发了电厂水处理的计算机监控系统,实现了其集中监视、控制操作与管理等功能,大大提高了水处理系统的自动化水平。