基于炉膛火焰图像的燃煤机组负荷预测

为了准确地进行燃煤机组负荷预测,引入支持向量机（SVM）方法建立了锅炉炉膛多层火焰图像与机组负荷之间的复杂关系模型.将该方法应用于某660 MW燃煤锅炉机组中,用训练后的SVM模型进行负荷预测,并与BP神经网络模型预测结果进行比较.结果表明：采用SVM方法预测机组负荷,模型能够辨识出火焰辐射图像与机组负荷之间的复杂关系,实现对负荷的准确预测;SVM模型预测精度比BP网络模型高,SVM模型具有预测精度高、泛化能力强等优点,且模型训练时间较短.     

基于改进单纯形法和凝结水节流的超超临界机组协调优化

风能、太阳等新能源的规模化并网对电网的安全稳定性造成较大影响。为提高新能源的消纳能力,电网对燃煤机组的运行灵活性、负荷快速响应能力、深度调峰能力等提出了很高的要求。采用先进的控制策略提升协调控制的品质,具有重要的现实意义。基于近年来发展起来的"凝结水节流"快速变负荷方法,采用人工神经网络建立了考虑凝结水节流特性的负荷预测模型及主汽压力预测模型。在此基础上,利用经典优化理论中的改进单纯形法,设计了协调系统智能优化控制策略,编制了实时优化程序。借助1000 MW超超临界机组仿真机开展了详细的优化控制仿真实验,结果表明文中方法可有效提高机组变工况负荷响应的快速性,减少主汽压力波动,提升协调控制品质。     

基于SDG深层知识模型的电站热力系统故障诊断方法

鉴于符号有向图(SignedDirectedGraph,SDG)深层知识模型的推理方法是一种完备的揭示系统故障的有效方法,提出将基于SDG的方法应用于电站热力系统的故障诊断中。应用该方法首先建立了除氧器系统的SDG模型,然后根据各个故障根源得出系统的子SDG模型,最后根据这些子图导出除氧器的故障诊断规则库。诊断时,通过将系统变量的定量值转换为定性值,将实际故障工况与所建立的故障规则进行比较,得到故障源的定性诊断结果。案例研究表明,该方法具有较好的解释性和诊断的快速性,且能有效解决仿真培训过程中误操作自诊断问题。     

直接空冷凝汽器仿真模型的研究

充分考虑凝汽器结构参数和工质物性参数对传热过程的影响,运用工程模块化建模方法,建立了直接空冷凝汽器各单元凝结换热及整体压力计算的动态仿真模型.基于STAR-90仿真支撑平台,开发了相应的模型算法.建立了某200 MW直接空冷机组凝汽器系统的整体仿真模型,对在不同负荷下的静态仿真精度以及各种扰动下的动态特性进行验证,表明该模型能满足工程应用要求.     

故障诊断专家系统知识库标准样本的选取

采用征兆缩放技术选取专家系统知识库的标准样本。     

50MW直接空冷机组防冻设计

在典型的富煤少水的矿区,建设坑口电站时采用节水特性良好的直接空冷机组已被人们广泛接受。然而北方严寒的冬季,对凝汽器的防冻要求也就更加严格。简要介绍了同煤集团大唐热电有限公司50MW直接空冷凝汽器的组成,探讨了冬季运行期间凝汽器防冻原则和措施。     

基于神经网络逆模型的过热汽温补偿控制研究

为改善大型电站锅炉的过热汽温控制效果,提出一种基于人工神经网络扩展逆系统模型的过热汽温补偿控制方案.首先结合锅炉的结构和运行特性,分析影响过热汽温的主要因素,确定神经网络逆系统扩展模型的输入和输出参数.借助MATLAB神经网络工具箱建立过热汽温系统的动态逆过程模型(IDPM),运用历史运行数据完成神经网络模型的训练.以...     

不同负荷下高加给水系统程度迥异故障诊断的新方法

在深入研究高加系统故障特征规律的基础上,提出一种结合最大故障分离度为目标的征兆寻优技术和神经网络,适用于不同负荷下高加给水系统程度迥异故障诊断的新方法。仿真诊断结果表明:在系统拓扑结构基本不变的前提下,该方法对不同负荷下程度迥异的高加故障均可得到具有高故障分离度的正确诊断结果,并可通过最优缩放倍率大致判断故障程度。该方法应用于高加故障诊断可大大减少神经网络训练样本的数量,增强故障诊断系统对不同负荷下程度迥异故障的诊断能力,改善系统现场应用效果。     

基于符号有向图节点定量化模型的故障诊断方法

基于系统衍生节点的状态不可能比要对它施加影响节点状态差这一假定,该文研究了一种将SDG定性定量模型、主元统计法(PCA)和遗传算法相结合的电站热力系统智能故障诊断方法。通过用SDG构造系统模型,并结合节点的定量信息对节点之间的因果联系进行描述,形成SDG节点定量化模型;用PCA监控不同的变量,并考虑变量间的相关关系,有效地解决了确定节点故障发生的可能性大小的问题;用遗传算法对故障传播路径进行搜索,可以有效处理SDG定性模型中不可测节点干扰、计算量大和规则组合爆炸等问题。案例研究表明,该方法具有较强的故障诊断能力。     

生产过程轻微和早期故障智能诊断的一种新方法

为实现生产过程轻微故障和早期故障的正确识别与及时诊断，提出了一种结合征兆缩放技术和模糊知识表达的故障综合智能诊断的新方法。在模糊模式识别、神经网络等故障智能诊断方法的基础上，利用征兆缩毛主席技术可有效降低故障知识库的复杂程度，实现生产过程微弱故障的正确检测、诊断。为提高智能诊断模型对早期故障的识别能力并保证诊断结果的可靠性和稳定性。综合运用了趋势型和语义型两种故障征兆，探讨了两种征兆的模糊表达及合成计算方法。以火电机组高加系统轻微和早期故障诊断为例，验证了本文方法的有效性。