流量儀表非線性判別的有效利用
節流式流量儀表的非線性特性流量儀表是火電廠中重要的熱工儀表，其測量方法大致有體積法和速度法兩種，基于速度法的節流式流量儀表在火電廠中應用最為廣泛節流元件采用標準孔板的節流式流量儀表所使用的計算公式，仍是自20世紀50年代發展起來的傳統1.2主蒸汽處于變工況（即主蒸汽溫度T、壓力P在不斷變化必須對式（進行密度補償，否則會產生較大誤差。關于密度修正的方法有多種<6>，究其本質，都是與T、2遺傳算法遺傳算法（簡稱GA）模擬了自然界中生物由低級向高級的進化過程，是一種基于Darwin進化論和Mendel遺傳學說的全局隨機搜索算法，是由Holland首先提出來的<4>.由于不依賴求解問題的梯度信息，因此GA算法具有很好的普適性，特別適于處理傳統搜索方法解決不了的復雜問題和非線性問題。
由于這些方法是基于梯度信息來求最優解，本質上是一種局部搜索技術，易陷入局部最優點，而得不到全局最優解因此本文選用性能更優的GA算法，來辨識式（2）、（3）中的待定參數。初始化工作（定義適合度函數、完成編碼、設定雜交和變異概率等）種群進化（選擇）種群進化（雜交、變異）隨機產生初始種群對應優化問題找到滿意解進化截止條件成立GA進化成功GA進化失敗開始計算種群的適合度Yes No GA優化原理流程圖首先要定義出優化問題的適合度函數。本文針對節流式流量儀表非線性辨識問題，以GA尋優所得參數計算出的主蒸汽流量值q m與實際的主蒸汽流量值q m '之間的誤差平方和最小作為待定參數k辨識優化的判據，即將節流式流量儀表非線性辨識問題轉換如下所示的優化問題。
由于GA處理的是最大值問題，式中N為一個足夠大的正數，F（k）即為GA所需的適合度函數。可先選取一個較大的范圍，待用遺傳算法初步尋優后，根據參數k的變化趨勢，再縮小其變化范圍，并再次尋優。接著，還要確定GA的其它初始條件，諸如種群規模、進化代數、進化閥值、雜交概率（盡量選取接近1的數值）、變異概率（通常0.001～0.1）等。然后即可進行仿真研究。本文采用Visual C++語言編制GA算法程序。
仿真研究目前電網負荷波動快而大，以致火電廠機組所帶負荷在隨時變動，為此采用經濟性好的滑壓方式來調整機組輸出功率以滿足外界需求，這勢必導致主蒸汽溫度、壓力發生變化。再者，機組運行中的自身擾動也會影響主蒸汽溫度、壓力的變化。遺傳算法在節流式流量儀表非線性辨識中的應用31意義。給出了某火電廠機組的一組主蒸汽溫度、壓力、流量以及節流式流量計的壓差值，設計工況為T j =555℃、P j =13.72 MPa.
本文GA算法中選取二進制編碼長度l=15，種群規模n=10，種群進化代數t=100，雜交概率P C =0.8，變異概率P M =0.01，初始種群隨機產生，選擇策略采用輪盤賭，雜交策略采用一點雜交，變異策略采用取反變異。以種群進化代數t＞100作為進化截止條件，即在100代以內沒有找到優化問題滿意解就宣告GA進化失敗。以式（6）作為適合度函數，其中q m（k）用式（3）計算，N=400000.以種群的適合度到達F≥399920，即流量誤差平方和ER≤80作為GA進化成功的衡量值。此外辯識參數k 1、k 2均為正數，前者取值范圍較大，后者較小（k 2 <10）。經多次比較，最后確定k 1∈<10，20>、k 2∈（0，2）。中國糧油儀器網 http://www.yoshikomatsuura.com/
