CN111290267A - 基于LabVIEW的火电模型辨识装置和辨识方法 - Google Patents

Abstract

本发明涉及一种基于LabVIEW的火电模型辨识装置和辨识方法，装置包括包括数据输入单元、数据处理单元和数据显示单元。辨识方法为：⑴DCS采集火电机组主要参数和分系统参数；⑵采集的参数传输到数据处理单元；⑶选择需要辨识的模型类型，通过模型辨识方法进行辨识；⑷采用最小二乘法及粒子群算法进行比较寻优，得到最接近实际结果的一组解；⑸判断是否更接近于真实曲线，如果是输出最优解；否侧返回第⑷步。本发明解决了输入输出变量的相关性计算问题，适用于火电厂自动控制系统参数调整工作，改善了火电厂自动控制系统的调节水平和调节效果，提高了机组的运行工作效率与生产安全性。

Description

基于LabVIEW的火电模型辨识装置和辨识方法

技术领域

本发明属于电厂自动控制与管理技领域，涉及一种火电模型辨识装置和辨识方法。

背景技术

随着我国经济发展的不断推进，各行各业都有了空前的发展，其中作为经济建设重要支柱的电力行业，更是取得了不俗的成绩。火电作为国家电力的主要来源，更是电力生产的基石。随着火电厂生产管理技术的不断创新，自动控制系统应运而生，它的出现大大提高了机组的生产能力。火电厂自动控制系统的调节水平直接影响着机组的运行安全性与经济性，而相关模型的参数的调节作为一个难点已经困扰广大热控人员多年，其输入输出变量的相关性（传递函数）计算是一项非常复杂的工作。

常规火电厂自动控制系统参数调节方式是技术人员根据自己的经验及对相关系统的判断进行尝试性参数输入。一般来说，技术人员会先在自动控制系统的PID中填入一个较弱参数，进行定值扰动实验，观察自动控制系统的调节效果，根据结果一步步调整参数，并根据需要加入相关前馈信息，直至系统达到一个良好的调节效果。由于每次修改参数均需要做一次实验，而实验过程又往往需要大量的时间，因此想要达到一个好的调节效果实际需要耗费的经历非常多。近些年，粒子群算法、遗传算法等越来越多的先进算法被人们熟知，为了缩短系统调节时间以及达到更好的调节效果，将这些先进算法融入自动控制系统的调节过程就成为一种迫切的需求了。火电厂自动控制系统的调节水平直接影响着机组的运行安全性与经济性，而相关模型的参数的调节作为一个难点已经困扰广大热控人员多年，其输入输出变量的相关性（传递函数）计算是一项非常复杂的工作。

授权公告号为CN104483930B发明专利公开一种火电机组的先进过程控制优化系统，包括DCS和OPC服务器，其特征在于，还包括采用预测控制技术的先进控制系统，先进控制系统通过OPC服务器与DCS通信，先进控制系统包括：建模引擎、优化引擎、数据库和OPC通讯服务。本发明通过预测控制、自适应控制、协调控制、解耦控制、模型辨识等多种技术，对机组运行过程控制参数进行全工况自适应实时校正，还能实时监视控制回路的工作状态，并自动生成统计数据和运行分析报告，从而提高自动控制系统的调节品质，同时采用独立的硬件平台，调试效率、安全性、可靠性和升级能力明显提升。但是该专利不能提供火电模型识别。

发明内容

本发明的目的是提供一种基于LabVIEW的火电模型辨识装置，适用于火电厂自动控制系统参数调整工作，以解决现有技术中模型参数的调节繁琐的问题，改善火电厂自动控制系统的调节水平和调节效果，提高机组的运行工作效率与生产安全性。本发明的另一目的是提供一种基于LabVIEW的火电模型辨识方法。

本发明的技术方案是：基于LabVIEW的火电模型辨识装置，包括数据输入单元、数据处理单元和数据显示单元，数据输入单元、数据处理单元和数据显示单元相互通信连通。数据输入单元包括DCS系统、DCS机柜内的数据通信模块、RS485通讯电缆及网络连接线和板载网络通讯卡。数据处理单元包括中央处理器、数据采集逻辑器、数据处理逻辑器和辨识计算逻辑器。数据显示单元为终端设备、显示器和手机。

装置使用的工业控制计算机，内置相关通讯逻辑器。工业控制计算机与DCS通过网络连接线、RS485通讯电缆及通讯模块链接，通讯规则遵循MODBUS协议。RS485通讯电缆及网线根据需求分别插接在通信模块及工业控制计算机上，完成数据采集及相关系统的辨识。

装置设有数据获取模块、模型辨识模块、参数优化模块、分散控制系统和通信模块。数据获取模块用于获取预设火电模型对应的火电机组参数，一个火电模型对应一组火电机组参数。模型辨识模块用于利用最小二乘法对火电机组参数进行辨识确定预设火电模型的传递函数，并得到传递函数对应的参数值。参数优化模块用于对传递函数对应的参数值进行寻优处理，根据寻优结果确定预设火电模型的最终参数值。分散控制系统通过网线和RS485通讯电缆中的至少一种与通信模块连接。通信模块与数据获取模块连接；分散控制系统采集预设火电模型对应的火电机组参数，并通过通信模块发送给数据获取模块。

参数优化模块具体用于：①利用粒子群算法对传递函数对应的参数值进行预设次数的寻优处理，得到预设组数的参数估计值，一次寻优处理得到一组参数估计值；②利用冒泡排序法对预设组数的参数估计值进行排序；③根据排序结果确定预设火电模型的最终参数值。数据处理单元中数据处理逻辑内嵌最小二乘法及粒子群算法，对采集到的输入输出数据进行模型辨识，计算出的所有结果通过冒泡排序算法进行最优比较，得到最优解。

本发明基于LabVIEW的火电模型辨识装置的辨识方法，辨识装置通过与DCS的数据通信连通采集火电机组主要参数，选择需要辨识的模型类型，通过模型辨识方法进行分析、辨识，得到准确详细的模型传递函数的各项参数数值，为火电机组各个分系统的自动控制参数调节提供参考；具体过程为：

⑴ DCS采集火电机组主要参数和分系统参数；

⑵采集的参数通过网络连接线、RS485通讯电缆及通讯模块传输到数据处理单元（2）；

⑶ 数据处理单元选择需要辨识的模型类型，通过模型辨识方法进行辨识；

⑷ 采用最小二乘法及粒子群算法，通过10-120次计算进行寻优处理；对每次计算结果进行比较，得到最接近实际结果的一组解；

⑸与上次结果相比较，判断是否更接近于真实曲线，如果是输出最优解；否侧返回第⑷步。

火电机组主要参数包括机组负荷、主汽温度、主气压力、炉膛负压、给煤量、总风量、一次风压和NOx浓度等。模型辨识方法得到的结果为一个传递函数及传递函数所对应的所有参数的具体数值⑼传递函数对应的参数值包括增益、第一采样时间、第二采样时间和第三采样时间；预设火电模型的三阶传递函数G(s)为：

其中：

G(s)为传递函数；

K为预设火电模型的增益；

T1为预设火电模型的第一采样时间，秒；

T2为预设火电模型的第二采样时间，秒；

T3为预设火电模型的第三采样时间，秒。

对传递函数对应的参数值进行寻优处理，根据寻优结果确定预设火电模型的最终参数值，包括：①利用粒子群算法对传递函数对应的参数值进行预设次数的寻优处理，得到预设组数的参数估计值，一次寻优处理得到一组参数估计值；②比较每组参数估计值与阈值参数的大小；③将最接近阈值参数的参数估计值确定为预设火电模型的最终参数值。阈值参数的确定过程包括：

⑴获取多个预设火电模型的历史参数值；

⑵对多个历史参数值进行曲线拟合得到参数曲线；

⑶将参数曲线上的值作为阈值参数。

本发明基于LabVIEW的火电模型辨识装置和辨识方法解决了输入输出变量的相关性（传递函数）计算问题，为快速高效的自动控制系统参数调节工具，适用于火电厂自动控制系统参数调整工作，改善了火电厂自动控制系统的调节水平和调节效果，提高了机组的运行工作效率与生产安全性。与现有技术相比，本发明具有的优点是：①同时采集多路来自机组的实时运行数据以直观方式呈现，是技术人员观测机组运行状态的一个良好工具。②应用最小二乘法及粒子群算法进行函数计算，能够用很少的计算次数及很短的时间找到最优解。③可快速准确的辨识模型输入输出变量所对应的准确模型，并给出极具参考意义的相关参数，为进一步调整自动控制系统打下良好的基础。

附图说明

图1为本发明基于LabVIEW的火电模型辨识装置的示意图；

图2为本发明基于LabVIEW的火电模型辨识方法的流程示意图；

图3为基于LabVIEW的火电模型辨识装置的模块图；

图4为火电模型辨识实现流程示意图；

图5为传递函数对应的参数值寻优处理示意图；

图6为确定阈值参数的现流程示意图；

图7参数优化模块的工作过程的流程示意图。

其中：1—数据输入单元、2—数据处理单元、3—数据显示单元、110—数据获取模块、120—模型辨识模块、130—参数优化模块、200—分散控制系统、300—通信模块。

具体实施方式

下面结合附图好实施例对本发明进行详细说明。本发明保护范围不限于实施例，本领域技术人员在权利要求限定的范围内做出任何改动也属于本发明保护的范围。

实施例1

本发明基于LabVIEW的火电模型辨识装置如图1所示，包括数据输入单元1、数据处理单元2和数据显示单元3，数据输入单元1、数据处理单元2和数据显示单元相互通信连通。数据输入单元包括DCS系统、DCS机柜内的数据通信模块、RS485通讯电缆及网络连接线和板载网络通讯卡。数据处理单元包括中央处理器、数据采集逻辑器、数据处理逻辑器和辨识计算逻辑器。数据显示单元3为显示器。工业控制计算机与DCS（火电厂分散控制系统DistributedControl System）通过网络连接线、RS485通讯电缆及通讯模块链接，通讯规则遵循MODBUS协议。RS485通讯电缆及网线根据需求分别插接在通信模块及工业控制计算机上，完成数据采集及相关系统的辨识。不同品牌的DCS均有自己配套的外部数据通信模块，模块插接在控制系统机柜内。数据处理单元2中数据处理逻辑内嵌最小二乘法及粒子群算法，对采集到的输入输出数据进行模型辨识，计算出的所有结果（默认120次计算）通过冒泡排序算法进行最优比较，得到最优解。装置同时采集36路火电机组主参数及分系统参数据，采集数据长度达到72000s，采集精度可以在1～1000ms进行选择，主参数和分系统参数以图形方式在同一图像界面上实时显示。

主参数和分系统参数曲线可分不同的颜色、显示数值范围上下限、报警阈值。装置模型辨识所需要的输入数据来自实时采集的数据，或选择来自存储的历史数据文件。装置辨识得到的结果为一个传递函数及传递函数所对应的所有参数的具体数值。

模型辨识方法得到的结果为一个传递函数及传递函数所对应的所有参数的具体数值。传递函数对应的参数值包括增益、第一采样时间、第二采样时间和第三采样时间预设火电模型的三阶传递函数G(s)为：

G(s)为传递函数；

K为预设火电模型的增益；

T1为预设火电模型的第一采样时间，秒；

T2为预设火电模型的第二采样时间，秒；

T3为预设火电模型的第三采样时间，秒。

辨识装置通过与DCS的数据通信连通采集火电机组主要参数，选择需要辨识的模型类型，（需要辨识的模型类型属于“锅炉”“汽机”“给水”分类中26中具体模型之一）。通过模型辨识方法进行分析、辨识，得到准确详细的模型传递函数的各项参数数值，为火电机组各个分系统的自动控制参数调节提供参考。如图2所示，基于LabVIEW的火电模型辨识装置的辨识方法为：

⑴DCS采集火电机组主要参数和分系统参数；火电机组主要参数包括机组负荷、主汽温度、主气压力、炉膛负压、给煤量、总风量、一次风压和NOx浓度；

⑵采集的参数通过网络连接线、RS485通讯电缆及通讯模块传输到数据处理单元2；

⑶ 数据处理单元选择需要辨识的模型类型，通过模型辨识方法进行辨识；

⑷ 采用最小二乘法及粒子群算法，通过10-120次计算进行比较寻优；对每次计算结果进行比较，得到最接近实际结果的一组解；

⑸与上次结果相比较，判断是否更接近于真实曲线，如果是输出最优解；否侧返回第⑷步。

发电过程是电力系统的重要组成部分，提高发电过程的运行控制水平是保证电力系统安全、稳定、经济、环保运行的根本途径，而掌握发电机组运行特性、获得高质量的数学模型是实现机组高性能运行控制的基础。对控制系统的数学模型的辨识，影响着控制系统的设计、整定和性能指标的评价。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。若不定期控制参数的优化和维护，控制系统的性能会 随时间而降低，从而导致工厂设备的减弱的控制效果，使得电厂效率降低。

分散控制系统 (DCS)实现了生产过程的数字化，使运行数据长期保存。如何从这些海量运行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。

实施例2

本发明基于LabVIEW的火电模型辨识装置的辨识过程如图4所示：

步骤S101，获取预设火电模型对应的火电机组参数，一个火电模型对应一组火电机组参数。预设火电模型可以根据操作人员选择控制，例如预设火电模型可以为“锅炉”模型、“汽机”模型、“给水”模型等26种火电模型中的一种，即每一种火电模型对应一种火电机组设备；同时根据操作人员选择控制还确定该预设火电模型对应的输入变量和输出变量。

在确定预设火电模型后，获取该预设火电模型对应的火电机组参数。火电机组参数可以包括机组负荷信息、主汽温度信息、主汽压力信息、炉膛负压信息、给煤量、总风量、一次风压信息和NOx（氮氧化物）浓度等。

具体应用中，火电机组参数是通过信息采集装置采集的。信息采集装置同时采集36路火电机组的主参数及分系统参数，采集数据长度达到72000s，采集精度可以在1-1000ms进行选择。信息采集装置还可以以图形方式在同一图像界面上实时显示火电机组参数。所有火电机组参数在信息采集装置的显示模块中均可调整显示曲线颜色、显示数值范围上下限和报警阈值等。信息采集装置还可以存储火电机组参数。获取的预设火电模型对应的火电机组参数可以来自信息采集装置实时采集的数据，也可以选择来自信息采集装置存储的历史数据。

步骤S102，利用最小二乘法对火电机组参数进行辨识确定预设火电模型的传递函数，并得到传递函数对应的参数值。

获取预设火电模型的机组负荷信息、主汽温度信息、主汽压力信息、炉膛负压信息、给煤量、总风量、一次风压信息和NOx（氮氧化物）浓度等火电机组参数，并利用最小二乘法对火电机组参数进行辨识确定预设火电模型的传递函数，并准确详细的得到传递函数的各项参数值，为火电机组各个分系统的自动控制参数调节提供强大参考。一组传递函数的参数值的个数可以为多个，也可以为一个。

步骤S103，对参数值进行寻优处理，根据寻优结果确定预设火电模型的最终参数值。传递函数的参数值的个数为多个时，对每个参数值均进行寻优处理，根据寻优结果确定对应参数值的最终值，即最优值。

如图5所示，步骤S103中对参数值进行寻优处理，根据寻优结果确定预设火电模型的最终参数值的具体实现流程包括：

步骤S201，利用粒子群算法对传递函数对应的参数值进行预设次数的寻优处理，得到预设组数的参数估计值，一次寻优处理得到一组参数估计值。利用粒子群算法对传递函数对应的参数值进行120次的寻优处理，得到120个参数估计值。当一组传递函数的参数值的个数为多个时，对每个参数值均利用粒子群算法进行120次的寻优处理，每个参数值对应得到120个参数估计值。本实施例对寻优次数不做限定，可以根据检测人员自行选择，也可以根据寻优所需要的时间确定寻优次数。

步骤S202，比较每组参数估计值与阈值参数的大小。传递函数的参数值的个数为1个时，寻优得到预设个数的参数估计值，例如120个参数估计值，然后将120个参数估计值均与阈值参数进行比较；传递函数的参数值的个数为多个时，每个参数值均寻优得到预设组数的参数估计值，例如得到120组参数估计值，每组参数估计值中均包括参数估计值A、参数估计值B和参数估计值C等，即得到120个参数估计值A、120个参数估计值B和120个参数估计值C等，然后将120个参数估计值A均与阈值参数A进行比较，120个参数估计值B均与阈值参数B进行比较，120个参数估计值C均与阈值参数C进行比较。

步骤S203，将最接近阈值参数的参数估计值确定为预设火电模型的最终参数值。

如图6所示，步骤S202中阈值参数的确定过程的具体实现流程包括：

步骤S301，获取多个预设火电模型的历史参数值；

步骤S302，对多个历史参数值进行曲线拟合得到参数曲线；

步骤S303，将参数曲线上的值作为阈值参数。

具体的，信息采集装置存储采集的各个模型的历史火电机组参数，根据历史火电机组参数得到对应模型的传递函数的参数值，一组火电机组参数对应得到一组传递函数的参数值，则多组火电机组参数对应得到多组传递函数的参数值，即得到预设火电模型的多组历史参数值。然后将多个历史参数值进行曲线拟合得到参数曲线，将参数曲线上的值作为阈值参数。

如图7所示，步骤S103中的对参数值进行寻优处理，根据寻优结果确定预设火电模型的最终参数值的另一种具体实现流程包括：

步骤S401，利用粒子群算法对传递函数对应的参数值进行预设次数的寻优处理，得到预设组数的参数估计值，一次寻优处理得到一组参数估计值；

步骤S402，利用冒泡排序法对预设组数的参数估计值进行排序；

步骤S403，根据排序结果确定预设火电模型的最终参数值；

当传递函数的参数值的个数为1个时，利用粒子群算法对该参数值进行120次的寻优处理，得到120个参数估计值；利用冒泡排序法对120个参数估计值进行排序，根据排序结果确定最优参数值。

当传递函数的参数值的个数为多个时，对一组参数值利用粒子群算法进行120次的寻优处理，得到120组参数值，即每个参数值对应得到120个参数估计值；对每个参数值寻优得到的120个参数估计值利用冒泡排序法排序，根据排序结果确定最优参数值。

上述火电模型辨识方法，首先获取预设火电模型对应的火电机组参数，一个火电模型对应一组火电机组参数，然后利用最小二乘法对火电机组参数进行辨识确定预设火电模型的传递函数，并得到传递函数对应的参数值，实现了快速准确的辨识火电模型；其次，对参数值进行寻优处理，根据寻优结果确定预设火电模型的最终参数值，快速确定火电模型的传递函数的最优参数值，调节效果明显改善，保证了火电厂的全面自动控制，提高了工作效率。

本领域技术人员可以理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

实施例3

如图3所示，基于LabVIEW的火电模型辨识装置设有数据获取模块110、模型辨识模块120、参数优化模块130、分散控制系统200和通信模块300。数据获取模块110用于获取预设火电模型对应的火电机组参数，一个火电模型对应一组火电机组参数。模型辨识模块120用于利用最小二乘法对火电机组参数进行辨识确定预设火电模型的传递函数，并得到传递函数对应的参数值。参数优化模块130用于对传递函数对应的参数值进行寻优处理，根据寻优结果确定预设火电模型的最终参数值。分散控制系统200通过网线和RS485通讯电缆中的至少一种与通信模块300连接，通信模块300与数据获取模块110连接，分散控制系统200采集预设火电模型对应的火电机组参数，并通过通信模块300发送给数据获取模块110。

数据获取模块110、模型辨识模块120和参数优化模块130可以集成在基于LabVIEW（一种程序开发环境）的工控机中。通信模块300包括板载网络通讯卡，火电模型辨识装置的分散控制系统200通过网线和RS485通讯电缆中的至少一种和板载网络通讯卡连接，板载网络通讯卡与工控机的数据获取模块110连接，分散控制系统200与工控机实现数据传输，通讯规则可以遵循MODBUS协议。不同品牌的分散控制系统200均有自己配套的外部数据通信模块，模块插接在控制系统机柜内。

上述火电模型辨识装置，数据获取模块110获取预设火电模型对应的火电机组参数；然后模型辨识模块120再利用最小二乘法对火电机组参数进行辨识确定预设火电模型的传递函数，并得到传递函数对应的参数值，实现了快速准确的辨识火电模型；最后参数优化模块130对参数值进行寻优处理，根据寻优结果确定预设火电模型的最终参数值，快速确定火电模型的传递函数的最优参数值，保证火电厂的全面自动控制，提高工作效率。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包括在本发明的保护范围之内。

Claims (10)

1.一种基于LabVIEW的火电模型辨识装置，其特征是：所述装置包括数据输入单元（1）、数据处理单元（2）和数据显示单元（3），所述数据输入单元（1）、数据处理单元（2）和数据显示单元（3）相互通信连通；所述数据输入单元包括DCS系统、DCS机柜内的数据通信模块、RS485通讯电缆及网络连接线和板载网络通讯卡；所述数据处理单元包括中央处理器、数据采集逻辑器、数据处理逻辑器和辨识计算逻辑器；所述数据显示单元（3）为终端设备、显示器和手机。

2.根据权利要求1所述的基于LabVIEW的火电模型辨识装置，其特征是：所述装置使用的工业控制计算机，内置相关通讯逻辑器；所述工业控制计算机与DCS通过网络连接线、RS485通讯电缆及通讯模块链接，通讯规则遵循MODBUS协议；RS485通讯电缆及网线根据需求分别插接在通信模块及工业控制计算机上，完成数据采集及相关系统的辨识。

3.根据权利要求1所述的基于LabVIEW的火电模型辨识装置，其特征是：所述装置设有数据获取模块（110）、模型辨识模块（120）、参数优化模块（130）、分散控制系统（200）和通信模块（300）；所述数据获取模块（110）用于获取预设火电模型对应的火电机组参数，一个火电模型对应一组火电机组参数；所述模型辨识模块（120）用于利用最小二乘法对火电机组参数进行辨识确定预设火电模型的传递函数，并得到传递函数对应的参数值；所述参数优化模块（130）用于对传递函数对应的参数值进行寻优处理，根据寻优结果确定预设火电模型的最终参数值；所述分散控制系统（200）通过网线和RS485通讯电缆中的至少一种与通信模块连接；所述通信模块（300）与数据获取模块连接；所述分散控制系统采集预设火电模型对应的火电机组参数，并通过通信模块发送给数据获取模块。

4.根据权利要求1所述的基于LabVIEW的火电模型辨识装置，其特征是：所述参数优化模块（130）具体用于：①利用粒子群算法对传递函数对应的参数值进行预设次数的寻优处理，得到预设组数的参数估计值，一次寻优处理得到一组参数估计值；②利用冒泡排序法对预设组数的参数估计值进行排序；③根据排序结果确定预设火电模型的最终参数值。

5.根据权利要求1所述的基于LabVIEW的火电模型辨识装置，其特征是：所述数据处理单元（2）中数据处理逻辑内嵌最小二乘法及粒子群算法，对采集到的输入输出数据进行模型辨识，计算出的所有结果通过冒泡排序算法进行最优比较，得到最优解。

6.一种权利要求1所述基于LabVIEW的火电模型辨识装置的辨识方法，其特征是：所述辨识装置通过与DCS的数据通信连通采集火电机组主要参数，选择需要辨识的模型类型，通过模型辨识方法进行分析、辨识，得到准确详细的模型传递函数的各项参数数值，为火电机组各个分系统的自动控制参数调节提供参考；具体过程为：

⑴DCS采集火电机组主要参数和分系统参数；

⑵采集的参数通过网络连接线、RS485通讯电缆及通讯模块传输到数据处理单元（2）；

⑶在数据处理单元中选择需要辨识的模型类型，通过模型辨识方法进行辨识；

⑷采用最小二乘法及粒子群算法，通过10-120次计算进行寻优处理；对每次计算结果进行比较，得到最接近实际结果的一组解；

⑸与上次结果相比较，判断是否更接近于真实曲线，如果是输出最优解；否侧返回第⑷步。

7.根据权利要求6所述的基于LabVIEW的火电模型辨识方法，其特征是：所述集火电机组主要参数包括机组负荷、主汽温度、主气压力、炉膛负压、给煤量、总风量、一次风压和NOx浓度。

8.根据权利要求6所述的基于LabVIEW的火电模型辨识方法，其特征是：所述模型辨识方法得到的结果为一个传递函数及传递函数所对应的所有参数的具体数值；所述传递函数对应的参数值包括增益、第一采样时间、第二采样时间和第三采样时间；所述预设火电模型的三阶传递函数G(s)为：

G(s)为传递函数；

K为预设火电模型的增益；

T1为预设火电模型的第一采样时间，秒；

T2为预设火电模型的第二采样时间，秒；

T3为预设火电模型的第三采样时间，秒。

9.根据权利要求6所述的基于LabVIEW的火电模型辨识方法，其特征是：对所述传递函数对应的参数值进行寻优处理，根据寻优结果确定预设火电模型的最终参数值，包括：①利用粒子群算法对传递函数对应的参数值进行预设次数的寻优处理，得到预设组数的参数估计值，一次寻优处理得到一组参数估计值；②比较每组参数估计值与阈值参数的大小；③将最接近阈值参数的参数估计值确定为预设火电模型的最终参数值。

10.根据权利要求9所述的基于LabVIEW的火电模型辨识方法，其特征是：所述阈值参数的确定过程包括：

⑴获取多个预设火电模型的历史参数值；

⑵对多个历史参数值进行曲线拟合得到参数曲线；

⑶参数曲线上的值作为阈值参数。

Images