动（静）叶可调轴流风机图形化监视系统的实现

详细阐述了动（静）叶可调轴流风机运行工况图形化监视系统的实现过程。确立了静态特性曲线数学模化的具体表达式。给出了一种根据现场有关实测参数，借助模型求取工作点流量和风机全压，以实现动态工作点监视的简便方法。     

基于神经网络的超临界机组过热汽温设定值优化补偿

基于历史运行数据对过热器喷水减温系统特性进行神经网络建模,在不改变机组原过热汽温控制逻辑和PID参数的前提下,采用基于预测模型的前馈补偿和反馈补偿相结合的策略,在控制回路的顶层对过热汽温设定值进行实时优化补偿,以改善过热汽温控制效果,并借助600 MW超临界机组仿真机进行仿真试验研究.结果表明:采用设定值优化补偿方案可明显提升过热汽温的控制品质,验证了优化方案的有效性.     

三分仓回转式空预器通用模块化仿真模型

在培训用仿真模型的基础上,将工程上性能计算方法融入回转式空预器动态仿真模型中,从而提高了模型的精度。在STAR-90仿真支撑软件提供的建模环境下,将所建立的数学模型转化成一个具有标准化结构的通用算法模块。采用模块化建模方法,复用此算法模块,并通过各模块输出、输入变量名的连接的方式,建立了三分仓回转式空气预热器的多段仿真模型,从而校正了单段集中参数模型动态趋势中存在的某些错误响应。所建仿真模型,既可用于电站仿真机的开发,又可用于工程上对空预器的性能设计、分析。     

基于SDAE预测模型和改进SSA的NOx排放优化

为降低锅炉燃烧系统氮氧化物(nitrogen oxide,NO_x)的排放浓度,基于某1000MW火电机组采集的真实历史运行数据,采用堆叠降噪自编码器(stacked denoising auto-encoder,SDAE)建立了NO_x排放浓度的预测模型,进而提出一种基于改进麻雀搜索算法(sparrow search algorithm,SSA)的锅炉配风配粉优化策略。为提高SSA的寻优能力,提出一种引入萤火虫扰动的混沌优化麻雀搜索算法(chaotic optimized sparrow search algorithm with the introduction of firefly perturbation,FCOSSA),该算法采用Tent混沌映射使初始个体尽可能分布均匀,以增加初始种群的多样性,利用萤火虫扰动方式对所有麻雀位置进行更新。经典测试函数优化试验表明了FCOSSA的优越性。针对某给定负荷稳态运行工况,以降低NO_x排放为目标,利用方法对锅炉各磨煤机的给煤量及二次风门开度等进行寻优,结果表明优化后锅炉的NO<...     

PID补偿神经网络逆控制在超临界机组过热汽温控制中的应用

考虑超临界锅炉过热汽温系统的非线性、大惯性、大时延等特性,建立了过热汽温喷水减温系统的非线性动态神经网络逆模型,运用机组的历史运行数据对模型进行训练与校验。以训练好的模型为基础,构建了具有PID补偿环节的神经网络逆控制器,在MATLAB平台编制了实时控制程序。借助600 MW超临界机组全仿真系统,对过热汽温进行设定值扰动、大范围变工况扰动等仿真试验。结果表明:具有PID补偿的神经网络逆控制方案可有效降低动态变负荷过程中过热汽温的控制偏差,缩短汽温控制的稳定时间,与机组原控制方案相比具有更好的控制效果。     

基于粒子群和最近邻的热力系统变工况动态过程故障诊断方法

提出了一种基于粒子群和最近邻的热力系统变工况动态过程故障诊断方法,该方法利用改进的粒子群优化(IPSO)算法获取典型故障原型,运用进化Elman神经网络对特征参数应达值进行实时预测,计算故障征兆,依据最近邻分类规则计算实时故障征兆与各典型故障原型的相似性,对故障进行识别.以某600MW超临界机组高压加热器给水系统为例,借助电站全范围仿真系统进行了详细的故障诊断仿真实验.结果表明:该方法应用于热力系统动态过程故障诊断可取得较满意的效果.     

电站热力系统故障的工程模块化智能诊断系统

借助ＳＴＡＲ－９０电站仿真技术在支撑系统、模型技术等方面的优势,建立了电站热力系统故障的工程模块化智能诊断原型系统。该系统充分继承了ＳＴＡＲ－９０仿真技术建模灵活方便、便于修改扩充等优点,可大大减轻故障诊断系统开发的工作量。介绍该系统的总体结构和功能,以及故障智能诊断的主要算法。以某具体热力系统故障诊断为例,给出故障智能诊断模型的设计实例。     

300MW原理型仿真机锅炉建模

介绍300MW火电机组原理型仿真机控制循环汽包锅炉的数学模型。该模型模拟了从冷态启动到停炉的全部操作过程，正确反映此类机组的动态特性，并给出了部分仿真结果。     

动（静）叶可调轴流风机图形化监视系统的实现

详细阐述了动（静）叶可调轴流风机运行工况图形化监视系统的实现过程。确立了静态特性曲线数学模化的具体表达式，给出了一种根据现场有关实测参数，借助模型求取工作点流量和风机全压，以实现动态工作点监视的简便方法。     

考虑回热循环的超超临界机组负荷预测神经网络模型

以某超超临界1 000 MW机组为对象,详细分析了影响机组负荷的因素,通过合理选择模型输入参数,采用具有n阶输入时延和m阶输出反馈时延的静态误差反向传播(back propagation,BP)神经网络,建立了考虑回热循环特性的机组负荷预测模型。通过扰动仿真试验,对不同结构神经网络模型的负荷预测效果进行比较。结果表明:具有2阶输入时延、2阶输出反馈时延的模型,在各种扰动下均可精确地预测机组负荷,满足自动发电控制(AGC)条件下利用汽轮机回热循环侧可控参数提高机组负荷响应速度的要求。