论文部分内容阅读
本文研究基于现场数据的500MW火电机组模型参数辨识,分析讨论控制系统闭环可辨识性,给出几种可辨识条件;选取机组动态变化过程中数据,满足输入信号的持续激励条件;针对电厂运行数据特点,采用野值识别、剔除与补正,噪声去除,数据平滑等方法做数据预处理;分析制粉过程、锅炉蓄热、过热器差压、汽轮机动态的特点,建立500MW火电机组简化模型,分析模型中参数可辨识性,给出参数辨识方案;以汽轮机动态过程模型为辨识对象,利用Hopfield神经网络优化算法进行参数辨识;检验所得模型,结果表明模型的适应度较高,辨识结果较好。