Debido a la complejidad de las interferencias en el sitio de las unidades de generación de energía térmica y de las características intrínsecas de la temperatura del vapor sobrecalentado, los métodos de identificación tradicionales y el algoritmo de partículas básicas (PSO) sufren de una lenta convergencia y una baja precisión en la optimización del modelo de temperatura del vapor sobrecalentado. En este artículo, se utiliza un algoritmo de optimización de partículas basado en la selección natural y el peso dinámico adaptativo (D-SPSO), este algoritmo equilibra bien la capacidad de búsqueda global del algoritmo PSO y la capacidad de mejora local, mejorando el rendimiento de optimización y, a diferencia del algoritmo PSO básico, no introduce nuevos parámetros de control, evitando el aumento de los efectos negativos en la precisión de la identificación del modelo debido al aumento de los parámetros ajustables. La verificación del modelo de función de transferencia de la temperatura del vapor sobrecalentado del algoritmo PSO básico y del algoritmo D-SPSO se realiza en los datos de simulación de dos algoritmos y en los datos de campo de la caldera de lecho fluidizado supercrítico de 660 MW, los resultados muestran que el algoritmo D-SPSO se acerca significativamente a la temperatura real del vapor sobrecalentado, mejorando tanto el rendimiento de optimización como la capacidad de búsqueda.

Unidad de generación de energía térmica; caldera; temperatura del vapor sobrecalentado; función de transferencia; identificación del sistema; algoritmo de optimización de partículas mejorado; velocidad de convergencia