Der Aufbau eines präzisen Modells des Kraftwerks unter variablen Arbeitsbedingungen im großen Maßstab ist der grundlegendste und kritischste Schritt in der intelligenten Steuerung der Stromerzeugung und auch das entscheidende Element davon. Um die Geschwindigkeit des Modellierungsprozesses sowie die Genauigkeit und Universalität des erhaltenen Modells zu verbessern, schlägt dieser Artikel eine neue T-S-Floumodellierungsmethode auf Basis des quantenbasierten Bienenschwärms vor. Erstens betrachtet diese Methode den quantenbasierten Bienenschwarm als Klassifizierungsalgorithmus zur Identifizierung von Annahmen und erhöht die Geschwindigkeit des Schwarmverhaltens durch die Einführung des quantenbasierten Konzepts. Darüber hinaus berücksichtigt die Entscheidung des Schwarmverhaltens die konstanten Entscheidungen und die Datenraumbeschränkungen, um die Subjektivität der Anzahl der vom Menschen im Schwarmverhalten festgelegten Klassifizierungen auf Basis der Ergebnisse der Identifizierung von Annahmen im Schlussteil der Annahmenidentifizierung durch eine gewichtete exponentielle Methode der kleinsten Quadrate zu beseitigen und sorgt für die Einfachheit und Genauigkeit des Identifizierungsprozesses der lokalen Modellparameter. Schließlich behandelt dieser Artikel die Anwendung des vorgeschlagenen Algorithmus auf die Modellierung von intelligenten Energieerzeugungseinheiten im Rahmen des koordinierten Steuerungssystems für überkritische Blöcke. Die Simulationsergebnisse zeigen, dass dieser Algorithmus nicht nur die Geschwindigkeit des Modellierungsprozesses garantiert, sondern auch sicherstellt, dass das erhaltene Modell unter variablen Arbeitsbedingungen im großen Maßstab der Einheit stets eine hohe Genauigkeit aufweist und gute Universalität und Anpassungsfähigkeit zeigt.

intelligente Energieerzeugung; Betriebssteuerung; quantenbasierte Bienenschwärme; T-S-Floumodellierung; koordinierte Steuerungssysteme; umfangreiche Variationen der Arbeitsbedingungen; Modellidentifikation; überkritische Blöcke