基于机器学习的火电机组建模研究

本文介绍了系统建模的各种方法,利用sklearn.linear库中的线性回归模型LinearRegression对火电机组进行建模,并介绍了数据清洗和数据处理的步骤。通过分析模型的主要影响因素对汽轮机模型和高加水位系统进行建模,利用R^(2)_score()函数对比实际数据和模型预测数据,发现模型误差较小,建模效果良好,有一定推广意义。

基于遗传算法和人工神经网络的冷水机组模型参数辨识及误差补偿方法

DOE-2模型被广泛应用于冷水机组仿真建模,如何根据有限传感器实测数据对某特定冷水机组DOE-2模型的参数进行可靠地辨识,并补偿模型误差,对于节能运行等场景具有重要意义。在实践中由于传感器不足且数据质量不高等问题,DOE-2模型参数的可靠辨识较为困难。因此,本文提出一种基于外部知识库的遗传算法和一种基于人工神经网络的方法分别对DOE-2模型进行参数辨识和误差补偿。结果表明:基于外部知识库的遗传算法可以有效降低DOE-2模型参数辨识时间,并显著提升DOE-2模型预测精度。误差补偿后的DOE-2模型的预测精度显著高于未作补偿的DOE-2模型,前者在预测冷冻水出口温度时的MAE、RMSE、MAPE和CV-RMSE分别降低36.49%、46.00%、33.16%和45.73%,R2提高25.75%。

船用汽轮发电机组甩负荷工况控制系统研究

以某船用汽轮机发电机组为研究对象,对其控制原理进行理论分析与推导,建立其控制系统的数学模型,并在SIMULINK平台上完成了常规法甩负荷50%与100%仿真实验,得到两组响应曲线。分析结果表明:该控制系统能够实现机组的甩负荷工况转速控制,在负荷骤降的情况下可以保证机组安全稳定运行。