基于改进粒子群算法的主蒸汽温度系统辨识

作者：曹振乾; 印江; 张津华

来源：系统仿真学报, 2021, 33(10): 2411-2419.

DOI：10.16182/j.issn1004731x.joss.20-0609

• 主蒸汽温度
• 改进粒子群算法
• 收缩因子
• 现场数据

建立主蒸汽温度精确的数学模型是提高控制系统性能的基础。针对传统的粒子群优化(Particle Swarm Optimization,PSO)算法在模型辨识中存在易早熟,收敛速度慢的问题,提出一种引入收缩因子的改进PSO算法。该算法通过调整收缩因子的方法来提高算法的全局寻优能力和收敛速度。将山西某电厂350 MW循环流化床(Circulating Fluidized Bed,CFB)锅炉现场运行的数据用于主蒸汽模型参数辨识中,利用改进PSO算法寻优得到主蒸汽温度系统最佳的模型参数,通过现场实际数据验证了模型的有效性,为CFB锅炉主蒸汽温度控制优化奠定了基础。

• 单位
  山西大学