基于多尺度形态学滤波的火电机组一次调频控制方法

高比例新能源并网给电力系统的频率稳定带来了严峻的挑战。相比风光储等并网新能源,火电机组惯量更大,一次调频可挖掘潜力更大。根据机组惯性作用、一次调频、二次调频的不同响应时间尺度,基于多尺度形态学滤波方法对火电机组一次调频负反馈通道的频率信号进行快速分解,通过对各频段信号设置合理的调差系数,实现分频段调频控制,并有效提高机组对全频段功率波动的频率调节能力。在MATLAB/Simulink中搭建含风、水、火电的电力系统调频模型,多场景下仿真结果表明该方法可以明显提高系统一次调频能力,改善系统频率概率分布,从而促进风电消纳。     

680MW超超临界机组凝结水系统变频控制策略优化

针对超超临界直流火力发电机组凝结水系统变频控制方式的薄弱环节和技术难点进行了阐述和分析,指明了该控制方式下的技术关键点,并提出了适合变工况下的凝结水系统变频控制的全程跟踪和自动控制解决方案,通过现场试验,最终验证了该方案的可靠性和完备性.     

超(超)临界火电机组一次调频性能优化方法

本文基于超(超)临界运行机组实际一次调频控制数据分析及现场试验,并结合超(超)临界直流锅炉机组运行特性及一次调频控制特点,综合分析超(超)临界机组一次调频应用中常见的问题与不足。提出通过优化汽轮机调门流量特性曲线、取消调频补偿量延时、削弱压力拉回功能、选择合适的压力补偿函数、提高对汽轮机调门开度的修正能力等优化控制措施,能够提高参调机组的一次调频响应能力。     

基于熵判据自组织模糊神经网络的混沌时间序列预测

在自组织模糊神经网络(SOFNN)算法的基础上提出了一种基于熵判据的改进算法。依据动态自适应方式建立模糊神经网络,采用误差均方根判据和误差熵判据相结合的修剪策略,对网络进行剪裁,去掉对网络输出贡献小的节点。算法的主要优点在于:能够自动地决定神经模型的结构并得出模型的参数,而不需要对神经网络和模糊系统有深入的理论知识,算法具有非常高的预测精度,并且通过修剪策略提高网络的泛化能力。应用该算法对典型的混沌时间序列Mackey-Glass序列进行了研究,结果表明,应用新的修剪策略后,算法精度及泛化能力进一步提高,并且需要的先验知识少,更适合于实际应用。     

超超临界机组中间点温度控制系统建模

针对超超临界直流锅炉分布参数、非线性、多变量紧密耦合等特性,依据动态自适应方式建立模糊神经网络,提出一种基于自组织模糊神经网络的方法对中间点温度控制系统进行建模.结果表明,所建模型具有较好的预测能力,能够很好的反映燃料量、给水量等变化时中间点温度的动态特性,证实了该方法的可行性,对于超超临界锅炉燃水比控制具有很好的实际...     

1000MW超超临界火电机组RUNBACK功能试验及其分析

针对1 000MW超超临界机组特点及现场RUNBACK(辅机故障快速减负荷,简称"RB")试验经验,综合分析超超临界机组RB过程中存在的问题及不足,提出相应的优化控制措施。     

基于变Mole比方式的1000MW超超临界机组脱硝控制策略优化与应用

本文提出了基于变Mole比方式下的超超临界机组脱硝控制策略,并对该策略进行了分析,指明了该控制方式下的技术关键点,最终通过现场试验和应用,验证了该控制策略的可靠性和完备性。     

汽轮机阀切换中流量指令对高调门稳定性的影响

在汽轮机阀门切换过程中,流量指令的波动某些时候会引起高调门稳定失衡,不利于汽机系统安全稳定运行.通过数学建模分析了阀切换全程中各个调门对流量指令波动的敏感区域,提出了避免调门稳定失衡的方法,对火电厂安全生产有积极的指导意义.     

基于深度调峰的火电机组热工控制策略优化

为消纳电网中大量接入的可再生能源,电网对电源侧的各发电机组灵活性提出了更高的要求。火电机组的控制系统既要满足电网侧调频深度及快速性的要求,又要保证机组在负荷大幅度变化时各项参数维持在一定范围,现有的热工控制策略无法满足当前深度的要求。在燃煤机组进行深度调峰之前,机组AGC、一次调频主要在50%~100%额定功率范围内投入。随着机组负荷的下降,机组各子系统的调节性能由于测点、执行机构、控制策略的影响,造成负荷升降速率、负荷调节精度、一次调频性能,不能满足电网调度的需求。通过现场调研,查看机组运行历史数据,查阅机组各主要设备的说明书及参数,参照相关标准对机组开展深度调峰摸底试验,对燃煤机组现有的热工控制策略进行了深入研究,找出了热工控制系统制约机组深调的各项因素。通过对机组热工控制策略的调整和优化,实现机组30%~100%工况下投入协调控制系统及各子系统自动控制,深调能力显著提升,为机组安全性、稳定性及经济性打下基础。同时获取电网的深调电价补贴,提高机组的盈利能力。