En raison de la complexité des interférences sur site des groupes électrogènes thermiques et des caractéristiques intrinsèques de la température de vapeur de surchauffe, les méthodes d'identification traditionnelles et l'algorithme de la particule de base (PSO) souffrent de la lenteur de la convergence et d'une faible précision d'optimisation du modèle de température de vapeur de surchauffe. Dans cet article, un algorithme d'optimisation des particules basé sur la sélection naturelle et le poids dynamique adaptatif (D-SPSO) est utilisé, cet algorithme équilibre bien la capacité de recherche globale de l'algorithme PSO et la capacité d'amélioration locale, améliorant les performances d'optimisation et, à la différence de l'algorithme PSO de base, n'introduit pas de nouveaux paramètres de contrôle, évitant ainsi d'augmenter les effets négatifs sur la précision de l'identification du modèle en raison de l'augmentation des paramètres réglables. La vérification du modèle de fonction de transfert de la température de vapeur de surchauffe de l'algorithme PSO de base et de l'algorithme D-SPSO est effectuée sur les données de simulation de deux algorithmes et sur les données de terrain de la chaudière à lit fluidisé supercritique de 660 MW, les résultats montrent que l'algorithme D-SPSO se rapproche considérablement de la température de vapeur de surchauffe réelle, améliorant à la fois la performance d'optimisation et la capacité de recherche.

Groupe électrogène thermique; chaudière; température de vapeur de surchauffe; fonction de transfert; identification de système; algorithme d'optimisation des particules amélioré; vitesse de convergence