基于混合量子麻雀算法的过热汽温模型参数辨识

建立高精度的过热汽温模型便于控制器的设计和参数整定,从而提升汽温的控制品质.首先针对传统的麻雀优化算法在闭环数据驱动辨识中容易陷入局部最优,收敛速度慢的问题,提出了一种混合量子行为的麻雀优化算法(QSSA).该算法在基本麻雀算法迭代一次后采用量子策略对劣势群体进行变异,加强空间搜索能力,提高辨识精度;对于较优势群体引入Lévy随机游走策略,增加种群多样性,克服量子策略迭代后期种群性减少,易陷入局部最优的问题.其次对比多种优化算法在基准函数测试中的优化结果,验证了所提算法的优越性.最后运用某600 MW超临界机组过热汽温的现场运行数据进行模型参数的QSSA辨识,表明了所提算法的有效性,为现场过热汽温控制系统的进一步优化提供了新的途径.