基于改进粒子群算法的锅炉再热蒸汽温度模型辨识

张经纬; 归一数; 康英伟; 陈欢乐; 杨 平; 吴周晶

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于改进粒子群算法的锅炉再热蒸汽温度模型辨识

热能科学研究 | 更新时间：2025-09-28

- 基于改进粒子群算法的锅炉再热蒸汽温度模型辨识
- Identification of boiler reheat steam temperature model based on improved particle swarm optimization algorithm
- 热力发电 2017年第6期
- 作者机构：
  
  1. 上海电力学院自动化工程学院,上海,200090
  2. 上海明华电力技术工程有限公司,上海,200090
- 作者简介：
  
  [ "张经纬(1990―)，男，硕士研究生，主要研究方向为火电机组的先进建模技术，zhangjingwei1226@126.com。" ]
- 基金信息：
- DOI：
  中图分类号： TK39
- 网络出版日期：2017-06-30，
  
  纸质出版日期：2017
- 稿件说明：
移动端阅览
张经纬, 归一数, 康英伟, 等. 基于改进粒子群算法的锅炉再热蒸汽温度模型辨识[J]. 热力发电, 2017,(6).

ZHANG Jingwei, GUI Yishu, KANG Yingwei, et al. Identification of boiler reheat steam temperature model based on improved particle swarm optimization algorithm[J]. Thermal power generation, 2017, (6).
张经纬, 归一数, 康英伟, 等. 基于改进粒子群算法的锅炉再热蒸汽温度模型辨识[J]. 热力发电, 2017,(6). DOI：

ZHANG Jingwei, GUI Yishu, KANG Yingwei, et al. Identification of boiler reheat steam temperature model based on improved particle swarm optimization algorithm[J]. Thermal power generation, 2017, (6). DOI：

摘要

由于火电机组现场干扰及再热蒸汽温度本身特征的复杂性，传统辨识方法与基本粒子群（PSO）算法在再热蒸汽温度模型辨识方面均存在收敛速度较慢和寻优精度较低的问题。本文采用一种基于自然选择和自适应动态权重的粒子群优化（D-SPSO）算法，该算法较好地平衡了PSO算法的全局搜索能力和局部改良能力，提高了寻优性能，并且相比基本PSO算法未引入新的控制参数，避免了待调参数增多对模型辨识精度造成的负面影响。通过基于两种算法的仿真数据和超超临界660 MW机组压力直流锅炉现场数据对基本PSO算法和D-SPSO算法的再热蒸汽温度传递函数模型进行验证，结果表明，D-SPSO算法辨识得到的再热蒸汽温度更接近实际值，且寻优性能和搜索能力均有显著提升。

Abstract

关键词

Keywords

references

浏览量

297

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

超超临界二次再热机组塔式锅炉再热器管壁温度优化调整试验

超超临界二次再热机组再热蒸汽温度模型辨识

300MW机组低负荷工况单侧引、送风机运行实践

300 MW机组锅炉煤粉混合器结构优化改造

对冲燃烧锅炉水冷壁高温腐蚀运行调整