油井电加热节能控制新方法

对于抽油机,人们一直研究如何降低抽油机能耗问题,但至今没有一种有效方法能解决该问题。油井的电加热装置占抽油机很大部分耗电量,降低电加热装置的能耗是减少抽油机能耗的重要途径。针对油井电加热装置的节能控制问题,在总结现有的控制方法基础上,提出了基于悬点载荷的游梁式抽油机油井电加热控制新方法。该方法是通过间接的实时测量抽油机悬点载荷,由悬点载荷对电加热装置进行实时闭环控制,调节电加热装置输出功率,降低电加热装置的耗电量。实验数据表明新方法完全可行,不但保证了产油量,而且提高了抽油机节能效果。     

柔性抽油机节能原理探讨

柔性抽油机结构上使用钢丝绳和滑轮组替代了常规抽油机的游梁和连杆。以X2-D4—641井为例验证其节能效果表明,与常规抽油机相比,其节电率高达44.87％。分析认为,影响抽油机系统效率的主要因素是悬点载荷。悬点载荷波动小,则抽油机运行平稳,有利于降低装机功率,提高电机效率。据此,对滑轮组中钢丝绳长度与曲柄旋转角之间的函数求导,得出悬点加速度的函数;函数曲线显示,柔性抽油机最大加速度为0．1m/s^2左右,远小于常规抽油机的0．5～1．0m/s^2,说明柔性抽油机悬点载荷远小于常规抽油机;示功图对比显示,柔性抽油机所受载荷的波动幅度减小．抽油机运行状况平稳;抽油机装机功率从37kw降到18．5kW,消耗功率从13．55kW降到7．81kW,提高了电机负载率,即提高了电机效率,从而达到节能的目的。但仍存在摩擦力增大,钢丝绳和滑轮组的使用寿命降低等缺陷。     

基于数据融合的凝汽器真空应达值软测量研究

为了提高凝汽器真空应达值预测的准确性和可靠性,提出了基于数据融合的凝汽器真空应达值软测量方法.首先对与凝汽器真空相关的测量数据进行数据融合,对融合后的数据进行相关的数据统计分析,在此基础上建立了凝汽器真空应达值的软测量模型.利用数据融合技术对多个软测量传感器的数据进行了处理,提高了软测量模型的准确性.仿真验证,建立的基于数据融合的凝汽器真空应达值软测量模型能够较好地预测实际凝汽器的真空应达值.     

游梁式抽油机平衡调整及其节能效果研究

平衡调整是有关游梁式抽油机优化设计和节能运行十分重要的问题,而游梁式抽油机调整平衡有两种常用方法,即:功率曲线法和扭矩曲线法.通过抽油机现场工况中采集的数据,编写程序利用迭代法求解抽油机的平衡位置,计算两种方法下抽油机的节电率并进行比对研究,分析游梁式抽油机平衡度对节能效果的影响,总结两种方法的优缺点,验证这两种曲柄平衡调整方法的准确性和实用性.     

双驴头游梁式抽油机悬点载荷及扭矩研究

双驴头游梁式抽油机是一种新型节能游梁式抽油机。在理论上,本文给出了双驴头游梁式抽油机悬点载荷计算公式及扭矩变化规律计算公式。通过双驴头游梁式抽油机与常规抽油机扭矩曲线及主参数的对比,结合大庆西部外围低渗透油田的双驴头游梁式抽油机特点,从应用上,分析了双驴头游梁式抽油机悬点载荷和扭矩的变化规律,说明了双驴头游梁式抽油机节能的优越性。     

神经网络模糊多模型软测量在磨煤机存煤量测量方面的应用

基于钢球磨煤机的机理模型,采用神经网络模糊多模型软测量的方法解决球磨机存煤量测量问题,首先建立钢球磨煤机的机理模型,然后将FCM聚类与RBF神经网络多模型理论相结合深入探讨了神经网络模糊多模型软测量方法的实现,最后进行了球磨机存煤量测量的仿真试验,并与RBF神经网络单模型的仿真结果进行了比较.结果表明：神经网络模糊多模型软测量的预测输出的误差较小,训练速度更快,具有更好的泛化能力;将神经网络模糊多模型应用于球磨机存煤量的测量是可行的.     

一种基于LSSVM的飞灰含碳量软测量方法及装置

飞灰含碳量是反映火电厂锅炉燃烧效率的重要指标之一。实时准确地检测飞灰含碳量对指导锅炉运行,提升锅炉效率具有重要意义。现行检测装置大都采用灼烧、反射等物理化学方法测量飞灰含碳量,测量滞后大、准确度不高,且设备复杂昂贵,维护成本高,现场应用效果较差;本文采用软测量技术对飞灰含碳量进行间接测量,提出了一种基于LSSVM的飞灰含碳量软测量方法,选取方便测量的相关运行参数为辅助变量,通过软测量模型对飞灰含碳量进行实时预测,并将LSSVM软测量系统嵌入到PLC中,研制了一种飞灰含碳量在线软测量装置,无需采取灰样,预测速度快,准确度较高。     

异相游梁平衡式抽油机节能技术改造

本文分析了游梁式抽油机的节能机理，及拖动抽油机的电动机的负载特性，提出了一种对游梁式抽油机进行节能改造技术和方法，并测试了其实际节能效果。     

基于神经遗传的电站锅炉炉渣含碳量软测量技术

针对锅炉炉渣含碳量难以在线实时测量及测量精度低等问题,采用了基于神经网络结合遗传算法的新型软测量模型,通过遗传算法训练BP神经网络权值的方法,实现了对某热电厂220 t/h四角切圆煤粉锅炉炉渣含碳量的软测量。以锅炉实际运行数据为输入值得到的模型输出结果表明,该方法具有较好的软测量效果。     

煤层气抽水机节能研究

通过分析传统有杆式抽油系统低效率、高能耗的原因,对比传统游梁式抽油机平衡方法利弊,通过MATLAB编程实现游梁式抽油机均方根扭矩法调平衡,保证抽油机最佳运行状态的同时,达到节能降耗的目的。     

基于Elman神经网络的超超临界机组汽水分离器应力在线软测量模型

根据超超临界锅炉汽水分离器的结构特点建立了三维有限元模型,以某1000MW机组为例模拟了其启动过程的总应力场．将有限元法和神经网络法相结合,以有限元计算结果作为训练样本,以介质压力和筒体壁温序列为辅助变量,建立了基于Elman神经网络的分离器应力动态软测量模型,通过模型的训练,确定了准确的应力预测模型结构．应用电厂实际运行监测数据对所建立的Elman网络软测量模型进行验证,结果表明：模型计算结果可很好地逼近有限元结果,预测精度高,实时性好,可为锅炉寿命的在线监测提供数据支持．     

基于改进遗传算法优化的小波神经网络短期负荷预测模型

针对传统小波神经网络在电力系统短期负荷预测中存在预测结果的精确度依赖初始网络参数的问题,提出了一种基于改进遗传算法优化的小波神经网络短期负荷预测模型。为了保证神经网络在训练过程中,各个层的权值和阈值按最优方向变化,将遗传算法引入小波神经网络,利用遗传算法寻优能力指导权值和阈值进行优化。将概率分布策略用于遗传算法的种群交叉和变异过程,解决遗传算法在中后期搜索精度差,收敛速度慢等问题。应用结果表明,与基本的小波神经网络的预测模型相比,在只考虑短期负荷历史数据的情况下,通过均方根误差计算比较,基于改进遗传算法优化的小波神经网络短期负荷预测模型具有更高的预测精度。     

抽油机电机的节能改造

本文分析了抽油机负载的特点,提出了一种经济实用的抽油机电机节能改造的方法,计算结果和油田现场试验结果都说明了这种方法是正确和切实可行的。     

基于免疫算法优化的GA-BP网络在围岩参数反分析中的应用

针对传统BP神经网络、遗传算法在反分析应用过程中存在的问题,将基于免疫算法优化的遗传算法与BP神经网络结合起来,构建了具有更快的收敛速度和更强的全局搜索性能的GA-BP网络,根据某抽水蓄能电站地下洞室的开挖和埋深特点,选取弹性模量和侧压力系数为待反演参数并设定取值范围,以设定的反演参数值和有限元计算得出的洞室理论位移为训练样本,利用GA-BP网络训练此样本,得到洞室位移值与洞室物理力学参数之间的关系,将实测位移值输入训练好的GA-BP网络中获得参数的反演值,通过反演值计算出不同监测断面的位移值,从而验证了GA-BP网络在参数反分析中应用的准确性。     

基于BP神经网络的供热机组低压缸质量流量在线监测方法

汽轮机低压缸质量流量的实时监测对极寒地区大型供热机组具有重要意义,但却存在难以在现场直接测量的问题。提出了一种基于BP神经网络的供热机组低压缸质量流量在线监测方法。以机组负荷、主蒸汽流量、主蒸汽压力和中压缸排汽压力作为输入,以低压缸质量流量为输出,建立BP神经网络计算模型,利用插值方法获取样本数据。最后,基于PI数据平台开发了汽轮机低压缸质量流量的实时监测系统,并在2台600MW供热机组上进行了实际应用测试。结果表明,该系统给出的常运行工况监测值与经验值是相吻合的,对极寒温度下机组低负荷、大流量供热运行时的空冷岛防冻预警具有一定的指导意义。     

基于粒子群优化算法的凝汽器真空预测模型

分析了凝汽器的传热特性,利用660MW机组DCS采集到的数据,通过多元回归分析了凝汽器真空与其影响因素之间的关联关系,得到了偏相关系数,为真空预测模型提供了理论依据．应用主元分析与粒子群BP神经网络相结合的方法,给出了凝汽器真空预测模型,实现了对真空值的提前预测．通过凝汽器预测真空值与监测值的对比,判断此时的真空运行状态是否合理,实现凝汽器运行状况的软测量,为凝汽器的故障诊断提供理论依据,从而提高了机组的运行效率,保证机组的安全可靠运行．     

基于模型预测的多模式供热电厂机组间负荷优化分配调度研究

为解决热电厂机组间负荷分配不合理的问题,提出一种基于模型预测的多模式供热电厂多机组间负荷实时优化分配方法。基于模块化建模原理构建热电厂全厂范围的机理仿真模型,并运用运行数据对模型辨识校准,根据机组特性和电网调峰补贴政策,建立全厂的运行经济性收益评估模型,进而设计基于粒子群算法的负荷实时优化方法,借助性能预测模型预测评估各方案的经济性。以某包含高背压、切缸、抽汽、光轴4种供热模式机组的电厂为例,对不同电、热负荷组合工况下的厂内负荷进行优化分配研究。应用结果表明：该方法可根据热、电负荷的实时指令在线获得经济性优化的厂内机组间负荷分配方案。     

基于神经网络的电站锅炉飞灰含碳量软测量系统

借助于正交试验设计，对某台200MW机组燃煤锅炉飞灰含碳量特性进行了多工况热态测试，获得了数据样本，采用基于Levenberg-Marquardt(LM)算法的BP神经网络，建立了飞灰含碳量软测量模型，通过仿真计算，证明了飞灰含碳量软测量模型的正确性和有效性。     

基于改进混沌搜索的AMPSO-BP短期负荷预测

为了精准预测微电网短期负荷,采用模糊聚类方法选择相似日粗集,用灰色关联分析法选取相似日,并针对神经网络易陷入局部极小值的缺点,提出基于混沌搜索的自适应变异粒子群优化算法(AMPSO)获得神经网络最佳参数,建立AMPSO-BP神经网络短期负荷预测模型。对收集的电网数据进行试验仿真结果显示,所提方法有很高的预测精度和稳定性,在实际中有一定的应用价值。