Para resolver el problema de la elección del modelo de funcionamiento de la turbina de vapor en los datos históricos de operación, se propone un método de optimización de los datos de identificación que tiene en cuenta las características de excitación. En primer lugar, se extraen las características de excitación de los datos históricos utilizando la matriz de información de Fisher, que junto con las características de tendencia y la correlación entre los parámetros forman un conjunto de variables de características. Luego, utilizando las variables de características como entradas y los resultados de la identificación del modelo estándar de funcionamiento de la turbina de vapor como salidas, se aplica el algoritmo de clasificación de bosque aleatorio para crear un modelo de reglas de clasificación de los datos de identificación y realizar la selección en línea de los datos de identificación. Por último, se verifica la precisión de los resultados de clasificación del modelo y la efectividad de la identificación de los datos. Los resultados muestran que la precisión del modelo de reglas de clasificación es del 97,561%, se puede seleccionar con precisión los datos históricos de operación que contienen una excitación suficiente, y los resultados de la identificación del modelo de funcionamiento de la turbina de vapor tienen una alta consistencia con el modelo estándar.

datos de identificación; características de excitación de los datos; turbina de vapor; bosque aleatorio