火力発電プラントの現場干渉および再加熱蒸気温度の複雑な特性により、伝統的な識別方法や基本粒子群（PSO）アルゴリズムでは再加熱蒸気温度モデルの識別において収束速度が遅く、最適化精度が低い問題があります。本文では、自然選択と適応ダイナミックウェイトに基づく粒子群最適化（D-SPSO）アルゴリズムを使用し、このアルゴリズムはPSOアルゴリズムのグローバルな探索能力と局所改良能力を良くバランスしており、モデルの最適化性能を向上させます。また、基本的なPSOアルゴリズムと異なり、新しい制御パラメータを導入せず、調整可能なパラメータの増加によるモデル識別精度への負の影響を防ぎます。2つのアルゴリズムのシミュレーションデータと超々臨界型660 MWボイラーの現場データを使用して、基本的なPSOアルゴリズムとD-SPSOアルゴリズムの再加熱蒸気温度伝達関数モデルを検証し、その結果、D-SPSOアルゴリズムの再加熱蒸気温度は実際の値により近く、最適化性能と探索能力が著しく向上したことを示しています。

火力発電プラント; ボイラー; 再加熱蒸気温度; 伝達関数; システム識別; 改良された粒子群最適化アルゴリズム; 収束速度