电厂控制回路模型辨识方法与系统的制作方法
【技术领域】
[0001]本发明涉及电厂技术领域，特别是涉及一种电厂控制回路模型辨识方法与系统。
【背景技术】
[0002]近几十年来，过程控制技术迅速发展，常规控制过程能够实现在工业控制计算机的控制下自动进行，而随着现代控制系统逐步趋向大型化、复杂化，系统中有大量的变量和回路需要监控。对于电力工业而言，随着机组容量不断增加，大机组的自动控制系统结构更加复杂，机组的安全经济运行更为重要，对自动化的要求越来越高。为了更好地实现控制目标，就要掌握各种工艺设备和自动控制设备的动态特性，只有掌握了它们各部分的动态特性，才能保证更高的可靠性和自动化水平。传统试验建模中，应用开环扰动试验数据及相关辨识方法求取被控对象传递函数，虽然实现简单，但存在对建模条件要求高、系统复杂时建模周期长、模型对工况与时间适应性差等缺点。所以研究基于现代优化技术的模型辨识建模方法以求提高控制品质有着重要的意义。
[0003]利用传统方法，如切线法、两点法、面积法计算通常对现场条件和测试参数的要求较苛刻，实用性较差。实际上，系统辨识不一定都能在开环状态下进行。因为有的系统不能轻易切断过程的反馈回路，否则可能会造成过程失控，严重影响生产，这就要求辨识必须在闭环状态下进行。分散控制系统(DCS)与监控信息系统(SIS)已实现了生产过程的数字化，保存了海量运行数据。所以，如何从这些数据中获得机组特性信息，在不对控制系统增加额外扰动的情况下，获得一定精度的机组模型，建立被控对象的数学模型，已成为系统辨识领域研究开发的热点问题之一。
【发明内容】
[0004]基于此，有必要的提供一种简单且实用的电厂控制回路模型辨识方法与系统。
[0005]一种电厂控制回路模型辨识方法，包括:
[0006]获取电厂机组的运行数据；
[0007]基于旋转门算法对运行数据进行快速的线性拟合并确定拟合后曲线上反映曲线变化趋势的关键点；
[0008]依次计算四个相邻关键点之间数据段的斜率并分别与对应的门限值进行比较以判断是否发生阶跃或是否存在有斜率大于第一预设值的数据段；
[0009]若是，则采用最小二乘法与改进的遗传算法进行模型辨识以获取该控制回路的传递函数模型。
[0010]在其中一种实施方式中，还包括:
[0011]在判断发生阶跃或存在有斜率大于第一预设值的数据段时，获取对应四个相邻关键点之间的数据段的输入数据和输出数据，并检验输入数据和输出数据的可靠性，若检验可靠，则执行模型辨识的步骤。
[0012]在其中一种实施方式中，检验输入数据和输出数据的可靠性的步骤包括:
[0013]计算输入数据和输出数据的相关系数并判断相关系数是否大于第二预设值；
[0014]若是，则分别计算输入数据和输出数据的第一幅值谱，并分别对输入数据和输出数据的幅值谱进行归一化处理得到输入数据和输出数据的第二幅值谱；
[0015]比较输入数据和输出数据的第二幅值谱的相似度；
[0016]若相似度在预设范围内，则确定输入数据和输出数据可靠。
[0017]在其中一种实施方式中，在确定关键点的步骤之后，在计算任意四个关键点之间的三个数据段的斜率的步骤之前，还包括步骤:根据曲线变化趋势剔除虚假关键点。
[0018]在其中一种实施方式中，采用最小二乘法与改进的遗传算法进行模型辨识以获取该控制回路的传递函数模型的步骤包括:
[0019]获取输入的控制回路的传递函数结构；传递函数包括一阶惯性环节结构、一阶惯性延迟环节结构和二阶惯性延迟环节；
[0020]利用递推最小二乘法对控制回路的模型参数进行辨识；
[0021]利用改进的遗传算法对递推最小二乘法所得的结果进行优化，通过计算模型输出与过程输出的残差并对残差序列进行白噪声检验以判定控制回路模型的属性。
[0022]一种电厂控制回路模型辨识系统，包括:
[0023]获取模块，用于获取电厂机组的运行数据；
[0024]拟合模块，用于基于旋转门算法对运行数据进行快速的线性拟合并确定拟合后曲线上反映曲线变化趋势的关键点；
[0025]判断模块，用于依次计算四个相邻关键点之间数据段的斜率并分别与对应的门限值进行比较以判断是否发生阶跃或是否存在有斜率大于第一预设值的数据段；
[0026]辨识模块，用于在判断模块的判断结果为是时，采用最小二乘法与改进的遗传算法进行模型辨识以获取该控制回路的传递函数模型。
[0027]在其中一种实施方式中，还包括:
[0028]检验模块，用于在判断模块的判断结果为是时，获取对应四个相邻关键点之间的数据段的输入数据和输出数据，并检验输入数据和输出数据的可靠性。
[0029]在其中一种实施方式中，检验模块包括:
[0030]第一判断单元，用于计算输入数据和输出数据的相关系数并判断相关系数是否大于第二预设值；
[0031]处理单元，用于在第一判断单元的判断结果为是时，分别计算输入数据和输出数据的第一幅值谱，并分别对输入数据和输出数据的幅值谱进行归一化处理得到输入数据和输出数据的第二幅值谱；
[0032]比较单元，用于比较输入数据和输出数据的第二幅值谱的相似度；
[0033]可靠性确定单元，用于在比较单元的比较结果为相似度在预设范围内时，确定输入数据和输出数据可靠。
[0034]在其中一种实施方式中，还包括:剔除模块，用于根据曲线变化趋势剔除虚假关键点。
[0035]在其中一种实施方式中，辨识模块包括:
[0036]输入单元，用于获取输入的控制回路的传递函数结构；传递函数包括一阶惯性环节结构、一阶惯性延迟环节结构和二阶惯性延迟环节；
[0037]辨识单元，用于利用递推最小二乘法对控制回路的模型参数进行辨识；
[0038]优化单元，用于利用改进的遗传算法对递推最小二乘法所得的结果进行优化，通过计算模型输出与过程输出的残差并对残差序列进行白噪声检验以判定控制回路模型的属性。
[0039]该电厂控制回路模型辨识方法，通过获取电厂机组的历史和实时运行数据，基于旋转门算法对运行数据进行拟合得到曲线，通过提取曲线上的关键点判断是否发生阶跃或在在有数据段的斜率大于第一预设值，若是，则采用最小二乘法与改进的遗传算法进行模型辨识以获取该控制回路的传递函数模型，以便进行控制回路PID参数整定，为电厂机组的控制系统的优化设计与调试提供了建模工具，无需获取再次切线、两点等中间量，简化了电厂控制回路模型的辨识过程，具有实用性。
【附图说明】
[0040]图1为一种实施方式的电厂控制回路模型辨识方法的流程图；
[0041]图2为一种实施方式的阶跃示意图；
[0042]图3为另一种实施方式的电厂控制回路模型辨识方法的流程图；
[0043]图4为一种实施方式的判断数据可靠性的方法的流程图；
[0044]图5为一种实施方式的模型辨识方法的流程图；
[0045]图6为一种实施方式的电厂控制回路模型辨识系统的模块示意图；
[0046]图7为另一种实施方式的电厂控制回路模型辨识系统的模块示意图。
【具体实施方式】
[0047]如图1所示，一种电厂控制回路模型辨识方法，包括以下步骤:
[0048]S10:获取电厂机组的运行数据。
[0049]电厂机组的运行数据包括输入数据和输出数据，可通过分散控制系统(DCS)与监控信息系统(SIS)获取。
[0050]S30:基于旋转门算法对运行数据进行快速的线性拟合并确定拟合后曲线上反映曲线变化趋势的关键点。
[0051]旋转门算法用于对电厂机组的运行产生的海量数据进行快速的线性拟合。关键点为拟合后曲线上反映曲线变化趋势的点，例如，改变曲线向上或向下方向的拐点。在具体的实施方式中，由于电厂各个控制回路的数据差异性较大，波动范围不一致，而且各控制回路对扰动的要求也不一样。因此，从现场数据文件中读入输入数据和输出数据后，可针对不同回路的不同负荷下的数据可设置对应的压缩精度，以准确找出反映曲线变化趋势的关键点。
[0052]S50:依次计算四个相邻关键点之间数据段的斜率并分别与对应的门限值进行比较以判断是否发生阶跃或是否存在有斜率大于第一预设值的数据段。
[0053]关键点反应了曲线的趋势。两关键点之间的曲线可近似的看作一条直线，依次计算四个相邻关键点之间的三个数据段的斜率。
[0054]如图2所示，本发明通过计算三个斜率:第1-2时刻的采样值与第i_l时刻的