1.一种基于密度聚类和循环模糊神经网络的涡轮机组预测方法，其特征在于，包括以下步骤：S1：构建超临界锅炉涡轮机组非线性系统，线性化非线性系统并分割成若干局部线性子模型；

S2：利用DBSCAN聚类算法自动确定聚类数、局部线性子模型数和模糊规则数，并设计模糊规则；

所述步骤S1包括以下步骤：

步骤1.1：考虑到涡轮机组的复杂非线性特性，将超临界(USC)锅炉涡轮机组建模为非线性系统，即：Y(t)＝f[Y(t‑1)，...，Y(t‑ny)，U(t‑d)，...，U(t‑nu)，

e(t‑1)，...，e(t‑ne)]+e(t)/△，其中，f(·)为未知非线性函数， 为t时刻非线性系统的输出向量，na为输出变量的个数， 为t时刻非线性系统的输入向量，nb为输入变量的个数， 为零均值高斯白色噪声，d为系统延迟时间，ny、nu和ne分别为Y(t)、U(t)和e(t)中的最大滞后，△为差分算子；

步骤1.2：线性化非线性系统为受控自回归积分滑动平均(CARIMA)模型：‑1

其中，z 为后移算子，ΔU(t‑1)＝U(t‑1)‑U(t‑2)为输入向量在t‑1时刻的增量，‑1和 分别表示后移算子z 的多项式矩

阵，且：

‑1

C(z )＝I，

其中，I为单位矩阵；

步骤1.3：采集1000MW超临界锅炉涡轮机组不同时刻的实际样本数据；

步骤1.4：以电功率、主蒸汽压力和蒸汽温度作为非线性系统的控制输出Y(t)，以燃料流量、调节阀量和水流量作为系统的控制输入U(t)，则：T

Y(t)＝[y1(t)，y2(t)，y3(t)]，T

U(t)＝[u1(t)，u2(t)，u3(t)]，na＝nb＝3，

其中，Y(t)为非线性系统的输出向量，U(t)为非线性系统的输出向量，y1(t)为t时刻的电功率，y2(t)为t时刻的主蒸汽压力，y3(t)为t时刻的蒸汽温度，u1(t)为t时刻的燃料流量，u2(t)为t时刻的调节阀量，u3(t)为t时刻的水流量；

步骤1.5：将非线性系统分割成若干局部线性子模型：其中，Yi(t)为第i个局部线性子模型的输出向量，△Ui(t‑1)为第i个局部线性子模型的输入向量在t‑1时刻的增量，ei(t)为第i个局部线性子模型的零均值高斯白色噪声，‑1 3×3和Bi(z )∈R 为第i个局部线性子模型的多项式矩阵；

S3：构建循环模糊神经网络(RFNN)，对不同局部线性子模型中的电功率、主蒸汽压力和蒸汽温度进行预测，耦合局部线性子模型的预测输出，得到超临界锅炉涡轮机组的预测输出结果；

所述步骤S3包括以下步骤：

步骤3.1：构建7层循环模糊神经网络(RFNN)，第一层以U(t)作为RFNN的输入，以 作为RFNN的输出；

步骤3.2：第二层设计改进的模糊隶属度函数 取L个聚类中心作为改进的模糊隶属度函数的中心，其中， 为输入变量uj(t)与模糊隶属度函数 的中心之间的距离， 由固定聚类质心 中的第j个元素确定，而固定聚类质心 由DBSCAN聚类算法确定，ηij为调整模糊隶属函数宽度的自适应重叠系数，且ηij的值越大模糊隶属度函数的宽度就越大；

步骤3.3：第三层构造空间强度层，每个节点表示一个模糊规则的空间强度，得到每条模糊规则Ri在t时刻的空间触发强度ωi(t)：步骤3.4：第四层构造时间强度层，每个节点递归更新信息，形成反馈环，设 为第i个递归规则节点在t时刻的输出，即 为时间触发强度，它不仅取决于t时刻的空间触发强度ωi(t)，还取决于t‑1时刻的时间触发强度 每个递归规则节点的输出是t时刻的空间触发强度ωi(t)和t‑1时刻的时间触发强度 的一个线性组合：其中，βi为属于(0，1)之间的动态反馈权值，用于衡量t时刻的空间触发强度ωi(t)与t‑

1时刻的时间触发强度 之间的权重，且

步骤3.5：第五层构造顺序层，这层中的节点被称为后件节点，用于调整第四层中的时间强度节点的权重，后件节点的输出fi(t)为：其中，aij和si为参数学习过程中需要调整的自由参数；

步骤3.6：第六层对输出节点进行归一化：

其中， 为后件节点的输出fi(t)的归一化结果；

步骤3.7：第七层对不同局部线性子模型中的电功率、主蒸汽压力和蒸汽温度进行预测，并将L个局部线性子模型的预测输出进行耦合；

步骤3.8：得到超临界锅炉涡轮机组的预测输出结果

2.根据权利要求1所述的基于密度聚类和循环模糊神经网络的涡轮机组预测方法，其特征在于：所述步骤S2包括以下步骤：步骤2.1：利用DBSCAN聚类算法，对输入数据U(t)进行聚类，自动确定聚类数为L；

步骤2.2：确定局部线性子模型数和模糊规则数同为L；

步骤2.2：设计L条IF‑THEN模糊规则Ri：如果u1(t)为 u2(t)为 u3(t)为 那么第i个局部线性子模型的线性输出为：

3×3 3×3

其中，Ri为第i条模糊规则， 为输入变量uj的第i个模糊集，Aiq∈R 和Bik∈R 为第i个局部线性子模型的多项式矩阵，i＝1,2，…，L；j＝1，2,3；q＝1，2，3；k＝1,2，3。