汽轮机排汽比焓在线计算方法的选择

汽轮机排汽比焓的在线计算是火电机组热力性能试验及性能在线监测中的重要环节,而现有的汽轮机排汽比焓在线计算方法均在不同程度上存在一定的局限性.采用常用的排汽比焓计算方法,即能量平衡法、曲线外推法、等效焓降法、弗留格尔公式法、相对内效率法分别对某台N220-12.7型汽轮机的排汽比焓进行了实例计算.通过对计算结果的分析比较,得出这几种计算方法各自的适用条件及其改进措施.     

汽轮机低压缸排汽焓在线计算新模型的研究及应用

针对现有汽轮机低压缸排汽焓在线计算模型的缺点,提出一种排汽焓在线计算新模型.通过对不同容量汽轮机组的额度工况点和特定机组的不同工况点进行实例计算,结果表明:该计算模型不必对汽轮机回热系统和低压缸湿蒸汽区进行计算,计算模型简单,计算量小;所需测点少,测点积累误差小,计算精度高.     

基于主成分分析与神经网络复合模型的汽轮机排汽焓计算

以某300 MW汽轮机为例,建立了基于主成分分析与神经网络复合模型的汽轮机排汽焓计算模型。首先分析了主成分分析和人工神经网络计算原理,然后采集了影响汽轮机排汽焓的各个主要参数的历史数据,并对采集到的数据进行了数据预处理,对剔除坏点后的历史数据做主成分分析,得到了累计贡献值大于99.95%的4个主要成分,并以这4个主要成分作为BP神经网络的输入变量,汽轮机排汽焓作为输出变量,建立基于主成分分析与神经网络复合模型的汽轮机排汽焓计算模型,通过对模型的训练和验证,得到了汽轮机排汽焓计算模型,便于在线监测中进行实时调用。研究结果表明：主成分分析能够确定合理的BP神经网络输入变量个数,提高训练精度和训练速度;主成分分析与神经网络复合模型对排汽焓的计算精度符合工程要求;排汽焓在各个负荷工况下波动不大。     

基于SVR和GA的汽轮机排汽焓在线预测计算

针对汽轮机排汽焓的计算是火电机组热经济性在线分析的难点,提出了采用遗传算法(GA)对基于支持向量回归机(SVR)的预测模型参数进行优化,利用优化后的模型(GA-SVR)对汽轮机排汽焓进行预测研究。以某300 MW汽轮机组为例进行了排汽焓的在线计算,并与常规SVR模型和BP-ANN模型进行对比。结果表明,该方法能够较为准确地在线预测汽轮机排汽焓值,可为火电机组的在线性能监测提供有效的手段。     

汽轮机排汽焓在线计算方法的研究及应用

汽轮机排汽焓的在线计算是火电机组热力性能试验及机组性能在线监测中的重要环节,而现有的汽轮机排汽焓在线计算方法在不同程度上存在一定的局限性。采用几种常用排汽焓计算方法(能量平衡法、曲线外推法、等效焓降法、弗留格尔公式法、相对内效率法),对某电厂220MW汽轮机组的排汽焓进行了计算。通过对计算结果的分析比较,得出上述几种计算方法各自的适用条件及其改进措施。     

神经网络算法在汽轮机排汽焓估算中的应用

在线机组热力系统性能计算中,汽轮机的排汽通常处于湿蒸汽区,排汽干度目前无法实现直接测量。对此,将神经网络方法应用于汽轮机排汽焓的估算,通过分析汽轮机排汽焓的影响因素,并对数据进行无量纲化处理,对BP神经网络在不同训练函数下的计算精度与速度,以及BP神经网络与RBF神经网络计算排汽焓的准确度进行比较。结果表明:BP神经网络对训练函数的依赖程度较大,部分函数在计算中随机性较强、计算时间较长;traingdx、trainscg和trainoss 3个函数计算时间较短、计算精度较高,可作为训练函数;RBF神经网络的计算误差较BP神经网络大,但其自适应能力强,对训练函数的依赖程度较小,在训练样本足够多时,可以减小其计算误差。     

数据协调在燃气-蒸汽联合循环机组汽轮机排汽焓计算中的应用

以某联合循环蒸汽轮机侧为研究对象,基于不同的测量仪表精度,通过数据协调对测量数据进行处理,提出了功率法和凝汽器循环冷却水质量流量法计算排汽焓。结果表明:数据协调能有效提高测量数据精度,凝结水质量流量的标准偏差从2.460 t/h降低到0.775 t/h;排汽焓的计算精度与测量仪表精度有关,功率法比循环冷却水质量流量法计算得到的排汽焓精度要高,且比较稳定。     

多层径向基网络模型在汽轮机末级排汽比焓计算中的应用

现有的汽轮机末级排汽比焓计算模型存在一定的局限性,对此提出了一种改进的径向基(RBF)网络模型来计算汽轮机的排汽比焓值.计算结果表明,该模型收敛速度快,运算简便,预测精度较高,具有良好的实时性和有效性.采用此模型对某电厂的一台300MW机组汽轮机末级排汽比焓进行计算,其预测值分别为2 366.8 kJ/kg和2 377.2kJ/kg,而试验值分别为2 370.5 kJ/kg和2 375.1 kJ/kg,绝对误差分别为3.7 kJ/kg和2.1 kJ/kg,完全满足应用要求.     

提高汽轮机排汽焓在线预测精度的GA-Elman神经网络算法

利用遗传算法(GA)的良好寻优能力对汽轮机排汽焓动态递归(Elman)神经网络进行了优化,建立了GA-Elman神经网络预测模型,并以某电厂350MW机组为例进行了汽轮机排汽焓的在线计算。结果表明:GA-Elman神经网络预测模型克服了传统Elman神经网络利用梯度下降法进行训练所具有的易陷入局部极小值、收敛速度慢、精度低等缺点,提高了预测精度和收敛速度,较适合现场应用。     

汽轮机排汽系数通用计算方法的研究

以质量单元为基础，在科学分析其汽水分布特性的基础上，应用能量平衡思想及现代矩阵理论，导出了汽轮机排汽系数计算的通用方程式，从而使排汽系数的分析计算更为严谨与科学，并有效地简化了热力系统的计算，该方法具有分析与计算方便、简洁、准确性高、通用性强等特点。     

支持向量机在电站汽轮机排汽焓在线预测中的应用

为实现机组经济性能在线诊断,将支持向量机（SVM）方法引入电站汽轮机排汽焓在线预测领域。该预测方法很好地建立了电站汽轮机排汽焓特性与相关运行参数之间的复杂关系模型,并考虑到相关运行参数之间的耦合性,具有预测能力强、全局最优及泛化性能好等优点。将该SVM方法分别应用于某200 MW机组和300 MW机组中,对于200 MW机组,经过训练后的SVM模型对检验样本排汽焓进行预报,均方根误差和平均相对误差分别为0.110%和0.101%,相当于反向传播（BP）网络模型的38.87%和38.11%,径向基函数（RBF）网络模型的52.38%和49.75%;同理,对于300 MW机组,其均方根误差和平均相对误差分别为0.057%和0.069%,相当于BP网络模型的29.61%和25.45%,RBF网络模型的41.57%和34.97%。结果表明:SVM方法优于BP及RBF神经网络法,能很好地满足预测要求。     

300MW机组汽轮机排汽通道安装导流装置设计研究

针对300 MW机组入口蒸汽流场对凝汽器性能和汽轮机排汽压力的影响,对整个汽轮机排汽通道进行数值模拟实验研究,揭示其出口流场的不合理分布,通过安装凝汽器导流板对低压缸排汽通道进行了优化改造.改造后,凝汽器的端差降低了1.41℃,凝汽器真空提高了0.4～0.7 kPa.     

汽轮机低压缸排汽通道优化

针对贵溪发电有限责任公司2×300 MW机组汽轮机,分析了造成汽轮机排汽流场分布不合理的缺陷,对整个汽轮机低压缸排汽通道流场进行模拟试验研究,通过安装凝汽器导流板对低压缸排汽通道进行了优化改造,实现了节能降耗.     

330MW汽轮机K156型高缸排汽温度高原因分析

针对某厂1台K156型330MW汽机高缸排汽温度高的情况进行了分析.其原因是4根高压缸进汽短管上的12根密封环密封性能全部失效,造成大量主蒸汽直排高压缸排汽口,引起该机高压缸计算效率严重偏低.通过大修,证实了这一问题的存在,最终取得了满意的效果.     

火电机组排汽焓在线计算方法的研究

根据火电机组热经济性在线监测的特点 ,利用熵增原理 ,结合温熵图、热力单元矩阵分析法和等效热降理论对汽轮机排汽焓的计算方法进行探讨 ,实现了火电机组在线监测系统中汽轮机排汽焓的在线计算 ,为机组实时热经济性分析提供了依据。图 3表 2参 9。     

大型汽轮机在线性能监测诊断系统关键技术及应用

分析大型汽轮机在线性能监测诊断系统研发中数据预处理、汽轮机排汽焓计算、能耗诊断模块化设计等关键技术的难点,提出相应的解决措施,介绍应用这些技术研发的大型汽轮机在线性能监测诊断系统在某机组上进行性能计算和能耗诊断的情况,结果与机组运行实际状况相符.     

基于灰色关联分析法及GSA-LSSVM的汽轮机排汽焓预测模型

排汽焓是汽轮发电机组热经济性诊断必不可少的一个参数。通过汽轮机功率方程与灰色关联分析(grey correlation analysis,GCA)理论确定了模型的输入变量,利用万有引力搜索算法(gravitational search algorithm,GSA)优化了最小二乘支持向量机(least squares support vector machine,LSSVM)的惩罚因子μ以及核径向范围σ2个参数。通过比较分析,选用RBF_kernel为LSSVM的核函数。以GCA-GSA-LSSVM为基础,建立了预测汽轮机排汽焓的数学模型,并将其与BP神经网络、RBF神经网络进行对比,同时分析了该数学模型的鲁棒性。结果表明基于GCA-GSA-LSSVM的汽轮机排汽焓预测模型具有精度高、泛化能力强、鲁棒性强等优点,该方法为精确预测机组节能潜力提供了一种有力的工具。