黄颖松[1]2003年在《基于广义遗传算法优化的脱硫静态模型的研究》文中指出随着我国加入WTO，“以信息化带动工业化”成为各个工业企业发展的核心战略任务。在钢铁企业中，如何降低钢材中的硫含量，提高钢材质量，开发新品种是钢铁生产的一个重要课题。传统的铁水预脱硫主要采用人工控制，难以保证脱硫操作的稳定性，导致钢产品质量波动大，脱硫成本增加。本文以国内某大型钢铁公司为背景，采用数据挖掘方法建立脱硫静态模型，自动寻找脱硫过程的规律和知识，从而对脱硫过程进行决策支持，提高脱硫效果，降低脱硫成本，为全自动脱硫创造了良好的条件。本文采用径向基函数（RBF）神经网络作为建模工具。针对建模过程中出现的RBF中心和宽度难以确定的难点，在分析遗传算法机理和基本算法的基础上，提出了使用广义遗传算法对RBF神经网络模型的中心和宽度进行自适应选择，从而达到模型训练精度和范化能力的一个最优的平衡，从而提高模型的预报精度。文中详细介绍了广义遗传算法的思想和特点，阐明了广义遗传算法采用定向演化和局部最优状态定向转移相结合从而快速达到全局最优的寻优模式，从演绎逻辑、数学推理和生物进化叁个方面证明了算法的合理性。提出了采用实数编码的“群中群”和多种群进化相结合的广义遗传算法，并通过程序仿真证明了改进算法与基本遗传算法相比具有明显的优越性。本文在分析脱硫工艺的基础上，通过有效的数据预处理和广义遗传算法，优化了RBF神经网络脱硫静态模型，通过测试，模型预报精度好于传统RBF神经网络模型，具有一定的实用性和推广性。最后，通过引入局部加权线性回归模型，在积极学习和消极学习的仿真结果对比的基础上，对脱硫过程的数据分布进行了简要的分析。
梁协雄[2]2004年在《数据库中的知识发现及其应用研究》文中研究表明近年来，从大型数据库自动提取知识的需求急剧增长。于是相应地，数据库中知识发现(KDD)和数据挖掘两个密切相关的领域中，企图从大量原始数据中智能地提取感兴趣及有用信息的过程和方法得到了很大发展。从生产过程到企业管理，这种技术得到广泛用。本文以国内某一大型钢铁企业为背景，给出了一种改进的知识发现方法，用于发现脱硫过程的规律和知识。 首先，论文对KDD领域各种现有理论，遗传算法，原理及技术，实际算法，性能和其作用范围等作出深入研究．再而对遗传算法的改进及其在系统建模中的应用作出分析，从而引出广义遗传法，对寻伏思路及生物学作出相对之解释，并在步骤，进化策略，遗传算子的设计，多种群的算法及流程图与仿真试验作深入探讨。再从混沌理论的特性，就是”短期可以预测，长期不可预测”的算法，及开放系统混沌动力学，从而引伸变尺度混沌优化法来确定RBF宽度的方法。 继而分析了RBF神经网络的基本原理。为了克服RBF神经网络在确定中心个数和宽度中的困难，本文给出改进的广义遗传算法，利用J. D. Schafer提出的函数进行仿真试验的结果，证明了该算法的有效性和对于系统建模的适应性。其次，为了进一步优化RBF的中心，本文引入了输入输出聚类方法。RBF的宽度直接影响网络的泛化性能，其值偏大网络精度不够，偏小时泛化能力降低，因此本文采用了混沌搜索优化RBF的宽度。仿真结果表明RBF混沌搜索算法是有效和实用的。 其后，将改进后的RBF神经网络用于铁水脱硫过程的静态预测模型，其中铁水重量、铁水脱硫前含硫量、铁水脱硫后含硫量作为输入，脱硫剂用量作为输出。离线仿真结果表明： 1．本文所给出的算法不仅可以用于提取RBF的中心数，还优化了中心位置，提高了模型精度； 2．基于混沌搜索优化的RBF宽度保证了模型的泛化能力； 3．利用RBF神经网络建立的铁水脱硫静态预测模型可以用于铁水脱硫过程中脱硫剂用量的预报。 4．在研究中发现，遗传算法优化时间复杂度较高，即使采用了收敛速度较快的广义遗传算法，模型优化时间仍然较长。即使能满足脱硫过程在线建模及实时控制的要求，但是如何进一步提高算法的收敛速度仍然是一个值得我们今后深入研究的的课题。
钟志强[3]2002年在《基于径向基神经网络和遗传算法建立转炉提钒终点预报模型的研究》文中提出钒在钢铁冶金、电子及国防工业等方面有着重要的应用价值，是一种具有战略价值的金属材料。我国目前的转炉提钒为人工操作模式，由操作人员根据经验和感觉进行操作，自动化水平低，存在着钒渣质量和半钢质量不稳定的问题；在国外，俄罗斯等一些国家已经在使用静态模型对提钒过程进行控制，取得了较好的效果，但是这些模型大都是根据复杂的物理化学规律研制的机理模型，要求有非常稳定的生产流程和工艺条件，对于铁水成分、生产设备等变化的适应性差，不但移植困难，而且模型价格异常昂贵。研制具有高性价比的转炉提钒模型是我国钒生产企业的迫切需要，对如提钒这样的复杂冶金工业过程建模也是目前国内外的研究热点之一。随着计算智能研究的兴起，一些新的建模方法如RBF神经网络和遗传算法等为复杂的冶金工业过程建模提供了新的思路和方法。本文使用RBF神经网络和遗传算法建立了转炉提钒终点预报模型，并取得了较好的效果，为计算智能方法在复杂工业过程建模中的应用作出了有益的尝试。本文首先根据冶金学原理，找出影响转炉提钒终点状态的主要因素，并从某大型钢厂的原始数据中提取合符要求的数据进行建模。从降低模型的复杂度的角度，本文将整个终点预报模型分成叁个独立的模型，即终点温度模型、终点碳模型、终点钒模型。在深入研究神经网络理论的基础上，本文使用RBF神经网络对终点的叁个指标分别建模。由于RBF神经网络本身对其神经元个数、Spread等参数比较敏感，所以这些参数的选取对RBF神经网络的逼近效果影响很大，靠经验方法和手工测试方法选取的神经元个数、Spread等网络参数得到的网络模型对测试集误差较大，也就是说模型的泛化能力不好。本文通过对泛化理论的研究，分析了影响泛化能力的主要因素，提出了使用遗传算法对RBF神经网络的神经元个数、Spread等参数进行优化，求取具有较好泛化能力的神经网络的方法，试验证明通过这种方法求得的一组网络模型具有较好泛化能力，并成功的对测试集进行了准确的预报。最后得到的转炉提钒终点状态预报模型对终点温度的预报命中率达到86.4%，对终点碳的预报命中率达到83.7%，终点钒的预报命中率达到59.4%，碳温同时命中率达到76.3%，叁者同时命中率达到43.2%。
陈霄[4]2010年在《DNA遗传算法及应用研究》文中提出遗传算法是模拟生物进化过程的一类随机性全局优化算法,广泛应用于化工过程的建模与优化中。然而遗传算法的局部搜索能力较弱、易早熟收敛,而且常用的二进制编码方法不能表达丰富的遗传信息,因此在其计算模型中没有反映出遗传信息对生物体的调控作用,尤其是起关键作用的DNA编码机制的调控作用。近年来,随着DNA计算的发展,人们发现基于DNA的智能系统能反映生物体的遗传信息,有利于发展功能更强大、能解决更复杂问题的智能方法。受DNA生物特性的启发,本文对DNA遗传算法及应用进行了深入的研究,主要研究工作如下：(1)受DNA分子操作启发,提出了多种新型交叉算子。利用Markov链模型分析讨论了具有新型交叉算子的DNA遗传算法的收敛性。测试函数计算结果表明所提新型交叉算子可以有效改善种群多样性,减少了寻优代数。将该算法用于催化裂化主分馏塔的参数估计问题中,实验结果表明所建立的模型反映了复杂系统的动态性能。(2)受DNA和遗传信息表达过程的启发,基于碱基编码方式,提出了多种新型变异算子。利用Markov链模型分析了具有新型变异算子的DNA遗传算法的收敛性。测试函数计算结果表明所提新型变异算子可以显着提高DNA遗传算法的收敛速度,增强算法克服问题欺骗的能力。将该算法用于渣油加氢过程的参数估计问题中,比较结果表明了该算法的有效性。(3)将所提出的新型交叉和变异算子在DNA遗传算法中配合使用。测试函数的检验结果表明配合使用新型操作算子可以进一步提高算法性能。使用具有新型交叉算子和变异算子的DNA遗传算法对重油热解过程建模,仿真实验结果表明了所建模型的误差小。(4)针对具有不等式约束的非线性规划问题,提出了一种混合DNA遗传算法。该算法将DNA遗传算法的全局搜索能力和SQP算法的局部搜索能力相结合。测试函数比较结果证明了该混合算法的有效性。利用该混合算法优化汽油调合问题的配方,结果表明该混合算法可以实现调合产品的质量指标卡边控制,增加生产利润。(5)提出了一种双链DNA遗传算法的广义回归神经网络建模方法,用来解决非线性系统建模问题。使用该方法对一个非线性系统进行建模,仿真结果表明所提方法的建模精度优于其它神经网络方法,并将该建模方法用于延迟焦化过程的建模,仿真结果表明所建模型精度高,其误差标准差和AIC指标较小(6)针对复杂非线性系统,提出了一种混沌DNA遗传算法的T-S模糊递归神经网络建模方法。在碱基编码和新型操作算子的基础上,混沌DNA遗传算法通过对劣质个体进行混沌细搜索,来提高个体品质。将该方法用于pH中和过程建模,仿真实验和比较结果表明所建立的模型的拟合精度高。(7)针对多目标优化问题,提出了一种多目标DNA遗传算法。测试函数的仿真研究表明,该算法可以更好的逼近Pareto前沿,解的分布更均匀,搜索速度更快。将该算法用于设计基于T-S模糊递归神经网络的广义预测控制器,对一个pH中和过程进行控制,仿真实验结果表明所建模型的精度更高,控制效果更好。
陈连凯[5]2010年在《电力市场环境下节能发电调度研究》文中研究表明节能发电调度是电力工业为贯彻国家节能减排战略而实施的一项举措。节能发电调度的实施,能显着地减少煤炭这类不可再生能源的消耗量,同时又能减少污染物的排放,节能减排效果明显。但目前我国电力工业正处于电力市场建设的过渡时期,节能发电调度的实施在现实中会遇到很多困难,比如关停小火电的补偿及人员安置问题,发电权交易的定价,电网企业购电成本上升的补偿问题,节能发电调度的效益度量,关停小电厂及跨区电能交易带来电力系统潮流的变化引起的安全稳定问题,以及节能发电调度如何与电力市场衔接等,都需要进行深入的研究。传统的电力系统经济调度的任务是在满足安全和一定电能质量的条件下,尽可能提高运行的经济性,即合理地利用现有能源和设备,以最低燃料费用为目标。伴随着节能发电调度办法的实施,传统的经济调度目标已不能适应新政策的要求,如何建立满足节能发电调度的新模型,也是必须面对的问题。因此本文立意于在电力市场环境下研究节能发电调度中会遇到的上述问题进行探讨,无疑具有重要的理论价值和现实意义。本文首先阐述了相关理论基础,利用西方经济学的相关理论分析了电力商品不同于一般商品的特性,然后利用技术经济学、多目标优化、粒子群算法等理论和工具分别从电源结构优化、发电权交易、电量替换的经济补偿、电量替换的效益及电力系统的安全这几个方面探讨了节能发电调度问题,论文的主要内容和研究成果如下：1.阐述了本文研究的背景、目的和意义,以及所采用的研究方法,对现有关于节能调度、发电权交易和电力市场风险等的研究作了回顾和评述,指出了已有研究存在的不足,简要地介绍了本文的研究思路、主要内容架构等。并阐述了本文所用到的相关理论基础。2.优化发电侧电源结构,以达到节能发电调度的目的,并兼顾节能发电调度与电力市场建设相衔接,考虑将发电企业的环境成本内部化,为电力市场竞价上网,按报价高低获得发电份额提供了可能。为配合国家节能发电调度办法的实施,按不同能耗水平排列机组的上网发电顺序,以达到节能、环保、经济的目标。将传统的经济调度目标转换成节能减排目标,建立了相应的多目标优化模型。3.研究了利用市场化的手段即发电权交易来达到节能减排的目标。发电权交易包括关停小火电的发电权指标转让,以大代小的火力发电企业的发电权交易,水火置换的发电权交易等。阐述了发电权交易的意义、条件,设计了发电权交易的机制。并以社会效用最大和节约能耗量最大为目标,建立了发电权交易的多目标优化模型。4.研究了电能替换的补偿和效益问题。节能发电调度必将产生资源节约、环境保护的效果,但可再生资源发电也将耗费高昂的成本。电力工业的市场化改革已将发电侧、输电侧分属不同的利益群体,发电权的交易也必将带来利益的重新分配,如何调整利益格局,防止零售电价上涨也是必须面对的问题。分别从发电权交易的补偿额度和综合效益竞争的补偿额度对电量替换的补偿问题进行了探讨；并从直接效益和间接效益、电力市场各参与主体的角度度量电能的替换效益,为推行节能发电调度提供了依据。5.研究了节能调度模式下电网企业的安全问题。关停小电厂,发电权交易等必将改变电力系统的潮流分布,在此情况下电力系统的安全问题显得尤为重要。通过动力系统稳定性判据,分析了电力系统的静态稳定,研究了电网企业的风险估计,为节能调度模式下电力系统安全经济运行提供了参考依据。论文研究的创新之处主要表现在以下四个方面：1.在建立电源结构优化模型时,首先分析了火电企业的社会环境成本,使环境成本内部化成为可能,并为将来电力市场完全推行竞价上网,各发电企业准确估算社会环境成本提供了参考；电源结构优化模型中目标函数的建立,改变了传统的仅仅以发电成本最小或以购电成本最小的经济效益目标,代之以节能、环保、经济多目标函数,完全符合目前的《节能发电调度办法》的精神。2.设计了发电权交易机制,建立了基于发电权交易的节能调度模型,该模型同时考虑了社会效用最大和能耗节约量最大,改变了传统的以经济效益为唯一目标的目标函数。并分别针对关停小火电厂和“以大代小”发电权交易两种情况,在全面分析补偿手段的基础上,构建了基于发电权交易的补偿计算模型和基于综合效益竞争的补偿计算模型。3.基于节能调度的电量替换,给电量替换的双方、电网企业、国家及各级政府带来了多方的效益,保证了经济效益,提高了环境效益,而当前对节能调度电量替换效益的研究很少。本研究认为电量替换效益计量的应是电量替换对电量市场上各参与主体的直接效益以及由于电量替换而带给电力市场参与成员以外实体的间接效益,换句话说电量替换本身所产生的直接经济效益和社会效益,以及由于电量替换引起的其他组织、机构、个人发生的各种间接效益应属于效益计算的范围。4.在节能调度模式下提出并实现了考虑安全校核的多约束、多目标优化技术。通过系统最优潮流的计算,保证向用户提供合格的电力产品。对电力系统的安全风险评估,设计了新的损失分布函数和极值函数估计电力系统的风险。
范赫[6]2017年在《超超临界机组建模与非线性预测控制在协调控制中的应用》文中研究表明超超临界机组在我国大力发展,该机组具有循环热效率高、污染物排放量低,快速升降负荷等特点,在节能减排、环境保护和稳定电网频率等方面,发挥着重要作用。能精确反映机组运行动态特性的模型是进行全局优化协调控制的关键,但因超超临界机组具备非线性、参数时变性、强耦合性等因素,传统控制方法难以实施整体优化控制。需要对该机组的运行过程进行深入的研究,建立精确的模型,应用在协调控制中以提高机组运行安全性与经济性。本文具体研究内容如下:(1)分析基本遗传、人工免疫和免疫遗传算法的缺陷,将自适应范围变异、最优抗体高频变异和多点交叉等机制融入免疫遗传算法中,得到改进的免疫遗传算法,并分别对测试函数寻优求解,结果表明该算法具有良好的全局和局部寻优能力。(2)建立超超临界机组负荷仿真模型。通过质量、能量守恒和热力学定律,对制粉、锅炉和汽机系统进行详细分析,推导出机理模型结构。通过机组运行数据、非线性回归分析和改进的免疫遗传算法,辨识出多组动、静态参数,得到机理仿真模型。经开、闭环试验验证,结果表明:所建模型具有正确的机理模型结构和良好的动态精度,可用于机组仿真研究。(3)建立超超临界机组负荷控制模型。由于上述仿真模型结构复杂,不利于控制,故本文经进一步的简化假设,建立负荷控制模型。通过质量、能量守恒和热力学定律,推导出简化的机组模型结构,辨识出动,静态参数和未知函数,经两组大范围升降负荷动态数据验证,所建模型具有很高的动态精度,且结构简单,适用于负荷控制系统设计。(4)提出一种基于机理模型和免疫优化的非线性预测控制方法,该方法将所建机理模型作为控制算法的预测模型,在采样周期内,利用二进制编码的免疫优化算法在线滚动优化求解得到最优控制序列,给出当前最优的控制量并作用对象。通过对超超临界机组负荷控制模型的试验仿真,表明该非线性预测控制方法可使机组负荷有效跟踪负荷设定值,同时保证锅炉主蒸汽压力和汽水分离器焓值在安全范围内波动,为1000MW超超临界燃煤机组协调系统设计提供一条新途径。
参考文献：
[1]. 基于广义遗传算法优化的脱硫静态模型的研究[D]. 黄颖松. 重庆大学. 2003
[2]. 数据库中的知识发现及其应用研究[D]. 梁协雄. 重庆大学. 2004
[3]. 基于径向基神经网络和遗传算法建立转炉提钒终点预报模型的研究[D]. 钟志强. 重庆大学. 2002
[4]. DNA遗传算法及应用研究[D]. 陈霄. 浙江大学. 2010
[5]. 电力市场环境下节能发电调度研究[D]. 陈连凯. 武汉大学. 2010
[6]. 超超临界机组建模与非线性预测控制在协调控制中的应用[D]. 范赫. 东南大学. 2017
标签：自动化技术论文; 遗传算法论文; 静态模型论文; 神经网络模型论文; 系统仿真论文; 脱硫论文; 静态分析论文; 电力论文;