关于热力计算矩阵法的两个问题的研究

对热力计算矩阵法的基准流量的选定和末几级抽汽湿蒸汽焓及排汽焓的确定两个问题进行研究。首次选用主凝结水流量作为矩阵法的基准流量 ,减少了因选用给水流量作为基准流量的计算误差 :对于末几级抽汽焓及排汽焓的确定 ,综合了ASMEPTC6A一 1 982的两种方法及矩阵理论 ,提出了白己的解决方法。这些方法己在在线分析软件中实现 ,并为实际计算所证明     

一种汽轮机组排汽干度的在线软测量方法

随着信息计算机技术的发展,对大型汽轮发电机组性能进行在线监测及分析成为可能。机组热耗率和干度是2个被监测的重要指标。通过对已往的汽轮机变工况计算的方法分析,该文提出以汽轮机末级抽汽或次末级抽汽(过热蒸汽状态)为计算起点的汽轮机的顺序变工况核算方法。根据初始假定的末级流量和现场实际的末级前热力状态和背压,用汽轮机变工况流型判别准则,判别级的流型,然后从末级前参数开始顺序进行一次级的变工况核算,得到新的排汽焓和排汽干度,最后算得机组热耗率和排汽焓(或排汽干度)。该方法不用测量流量,也不用测量排汽干度,就能比较准确地在线监测机组热耗率和排汽干度。     

基于双隐层径向基过程神经网络的汽轮机排汽焓在线预测

为实现机组经济性能在线诊断,将双隐层径向基神经网络方法引入汽轮机排汽焓在线预测计算,建立了汽轮机排汽焓特性与相关运行参数之间的复杂关系模型。并以某300MW机组汽轮机末级抽汽及排汽焓值为例进行了在线计算。结果表明:该方法在线预测汽轮机排汽焓值的平均相对误差小于1%,比BP神经网络的精度更高,同时具有训练速度快、结构简单、精度高等特点,是一种行之有效的预测方法。     

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。     

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.     

汽耗变换系数及抽汽等效焓降与主循环的汽耗率

汽耗变换系数和抽汽等效焓降是不同于热耗变换系数和抽汽效率的另2个抽汽特性参数，它们随抽汽压力而异，从另外一个角度反映了抽汽的品位特征。有再热的热力系统抽汽等效焓降有2个，一个是定流量等效焓降另一个是定热量等效焓降，两者都只与热力系统节点的参数有关。文中同时给出了计算汽耗变换系数ki、定热量等效焓降Hi和定流量等效焓降Hi^0的线性方程组，并以300MW机组热力系统为例进行了说明。借助于主循环的概念及主循环的汽耗率dM，使汽耗变换系数和定流量等效焓降相关联，并且通过严格的数学推导证明了ki/Hi^0=dM，该式不但说明了ki和Hi^0的关系，而且也说明主循环的汽耗率只与热力系统节点参数有关。最后以300MW机组设计工况为例进行了计算分析。     

2种空冷凝汽器性能试验标准的应用及结果分析

阐述了2种直接空冷凝汽器试验标准VGB-R131Me和DL/T 552—1995在试验边界条件和修正过程上的异同。用2种试验标准计算了亚临界600 MW机组空冷凝汽器试验结果,结果表明,评价空冷凝汽器性能的指标系数R(VGB-R131Me试验导则)和综合性能系数Kt(DL/T 552—1995)都大于1,并且2个性能评价指标R和Kt的高低变化都呈现相同的规律,凝汽器的性能指标达到设计值。探讨了2种方法在确定低压缸排汽焓和计算基准流量上的不足,针对具体工程事例,应以准确测量的进除氧器的凝结水流量作为凝汽器性能计算的基准流量,并利用汽轮机本体的能量平衡来计算低压缸排汽焓,作为计算进入空冷凝汽器热负荷的基础。     

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。     

火电机组热力系统的抽汽折合系数

采用偏微分理论定义抽汽折合系数,它表征在定流量条件下纯热量从某级加热器加入系统时受排挤的抽汽量折合为等效汽耗量的比率,也反映了各段抽汽的品质.把辅助汽水成分分为4类,推导了抽汽折合系数通用矩阵,以便于计算机程序化计算.抽汽折合系数结合对应级的变热量等效热降,可进行循环汽耗率的计算,为循环汽耗率的计算提供了新的方法.同时,抽汽折合系数也可用于完成非再热机组热经济性的局部定量分析.以N100-90/535机组为例,进行了计算分析,验证了该方法的有效性.     

等效热降法的改进计算方法

目前采用的汽轮机理想循环热效率受到相对内效率影响而不能准确反映汽轮机热力系统运行经济状态。同时，等效热降法计算中需要预先已知汽轮机排汽焓及回热抽汽状态点的焓值，而凝汽式汽轮机排汽焓及处于湿蒸汽区回热抽汽点焓值不能准确确定，从而导致等效热降法计算结果产生误差。针对上述问题，文中首先对理想循环热效率的定义方法进行了改进。然后，基于改进的理想循环热效率，提出了等效热降法的改进算法。该方法利用蒸汽等熵膨胀过程来确定等效热降，不仅避开了求解汽轮机排汽焓的难题，而且还可以分析引起热力系统经济性降低的原因和部位，从而为汽轮机热力系统经济性诊断提供了依据。通过与常规等效热降法计算结果的对比，证明了该改进方法的正确性。     

汽轮机排汽焓计算模型的研究与应用

汽轮机低压缸排汽焓的计算是火电机组性能监测的重要环节.针对现有汽轮机低压缸排汽焓计算模型存在的局限性,提出一种排汽焓的热力学近似计算模型.该模型将低压缸、凝汽器及相对应的回热加热器视为开口热力系,根据开口热力系的能量平衡方程计算出低压缸的排汽焓.该方法避开了对低压缸湿蒸汽区的计算,具有较高的计算精度.     

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。     

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.     

凝汽式汽轮机相对内效率在线测定新方法

在线监测凝汽式汽轮机相对内效率时 ,难以得到准确的排汽焓 ,使在线确定汽轮机相对内效率比较麻烦。提出了一种基于发电厂现有监测参数基础上的在线监测凝汽式汽轮机相对内效率的新方法 ,该方法避开了确定排汽焓的困难 ,还可计入各漏汽、厂用汽的影响 ,使计算精度满足工程应用需要 ,在佳木斯电厂、华能大连电厂等应用效果良好     

Double hidden layer RBF process neural network based online prediction of steam turbine exhaust enthalpy

In order to diagnose the unit economic performance online,the radial basis function(RBF)process neural network with two hidden layers was introduced to online prediction of steam turbine exhaust enthalpy.Thus,the model reflecting complicated relationship between the steam turbine exhaust enthalpy and the relative operation parameters was established.Moreover,the enthalpy of final stage extraction steam and exhaust from a 300 MW unit turbine was taken as the example to perform the online calculation.The results show that,the average relative error of this method is less than 1%,so the accuracy of this algorithm is higher than that of the BP neutral network.Furthermore,this method has advantages of high convergence rate,simple structure and high accuracy.     

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。