基于磷虾群算法的汽轮机组最优初压研究

为找到汽轮机变工况运行时的最优初压,利用改进的磷虾群算法(A-KH)和快速学习网(FLN)建立热耗率预测模型,然后利用A-KH算法的全局搜索能力,在可行的压力区间内对所建模型热耗率最低时对应的主蒸汽压力进行寻优,并将优化后的最优初压曲线与厂家设计压力曲线进行对比.结果表明:优化后的最优初压曲线能有效降低汽轮机组的热耗率,对汽轮机的安全经济运行更具有指导意义.     

基于BP神经网络和SA_BBO算法的汽轮机组最优运行初压的确定

为确定超超临界机组主汽压力设定值及机组优化运行方式,在对1 000 MW机组进行主汽压力寻优试验研究的基础上,利用BP神经网络建立了汽轮机组滑压特性模型。提出了一种基于模拟退火的生物地理学优化法,将BBO(生物地理学优化算法)算法能较快找到全局最优解的能力和SA(模拟退火)算法较强的局部搜索能力相结合,有效地提高了算法的搜索精度和收敛速度。应用SA-BBO算法对所建机组滑压特性模型进行主蒸汽压力寻优,结果表明机组的滑压曲线与设计值存在较大差别,而且受到环境温度等因素的影响。在不同负荷和相关约束条件下,优化后机组热耗率可降低25～60 kJ/(kW.h),供电煤耗率可降低0.8～2 g/(kW.h)。     

600MW超临界机组滑压优化运行技术研究

通过试验确定机组的最佳运行初压和高压调门开度,得出了以机组热耗率最小为指标的最佳滑压优化曲线.并通过对优化前后的数据进行分析,表明机组优化后在经济性和安全性更具有优越性,同时对降低供电煤耗是非常有利的.     

汽轮机滑压运行曲线的优化

以求解汽轮机变工况运行时的最优运行初压为目标,首先利用在线最小二乘支持向量机算法建立热耗率的实时预测模型,然后利用改进引力搜索算法的全局搜索能力,在可行压力区间范围内搜索热耗率最低时对应的最优运行初压,最后给出了优化后的滑压运行曲线,该曲线基于设备当前运行环境,对汽轮机的安全经济运行更具指导意义.     

基于BP和RBF神经网络的机组能耗特性研究

火电机组在运行过程中不仅产生大量的历史数据,同时这些边界参数还与热耗率之间存在复杂的非线性关系。针对某电厂的实时数据,首先利用敏感性分析,从大量的机组运行参数中筛选出对机组能耗影响较大的重要参数:负荷、循环水入口温度、主蒸汽温度、再热蒸汽温度、主蒸汽压力、循环水流量。然后,对BP和RBF神经网络在热耗率与机组边界参数的应用进行了对比分析。训练和预测结果表明,BP和RBF神经网络都能对此进行分析研究,但RBF比BP神经网络的训练和预测的相对误差较小些,可以更准确地对机组热耗进行预测。为今后的可控参数优化提供了有效的模型,具有一定指导意义。     

基于改进的磷虾群优化算法的汽轮机初压优化研究

以求解汽轮机变工况运行时的最优主蒸汽压力为目标,首先根据汽轮机运行数据,利用回声状态网络(ESNs)建立热耗率预测模型,然后利用改进的磷虾群优化(I-KH)算法的全局搜索能力,在可行的主蒸汽压力范围内对所建预测模型进行主蒸汽压力寻优,并将优化后的汽轮机滑压运行曲线与厂家设计压力曲线进行对比.结果表明:优化后机组各个负荷下对应的热耗率均有所下降;按照优化后的汽轮机滑压运行曲线运行可有效降低机组热耗率.     

200MW机组调峰运行时最优初压的试验研究

为提高机组低负荷时运行效率,优化机组调峰运行方式,本文在理论分析的基础上,以某200 MW机组为例,对不同负荷下机组热耗率与初压的变化关系进行了试验研究,获得了不同负荷下机组的最优初压,据此绘制出机组滑压运行时最优初压变化曲线。试验结果表明:由于环境条件的变化和机组的老化,机组实际最优初压普遍高于设计初压。因此需要通过热力试验等方式来确定机组实际的最佳滑压运行方式和最优运行初压,指导机组调峰时经济运行。     

超超临界二次再热机组初压优化研究

现代大型火电机组通常采用复合滑压运行,在变工况下确定机组主蒸汽压力的最优值对提高热经济性具有重要意义。以某N1000-32.1/600/620/620机组为例,通过变工况算法对机组热耗率进行计算,建立以机组热耗率最小为目标函数的优化模型,主蒸汽压力、配汽方式和其它参数为约束条件。机组采取不同配汽方式时热经济性有较大差异;因此,需要通过计算来选取机组最小的热耗率,与其相对的压力值为最优初压。结果表明:该变工况算法可以满足工程实际的需要;最优初压值略高于同一工况的设计值,而且配汽方式为两阀全开,主要原因是机组调节阀个数较少,调节阀门的节流损失对热经济性影响较大,优化热耗率也比设计值略低;当负荷高于90%THA或低于30%THA工况时采用定压运行,对机组的实际运行具有一定的指导意义。     

调峰运行时汽轮机组蒸汽初压的优化确定

汽轮机调峰运行采用滑压运行方式是较经济的方式,而蒸汽初压的优化确定很有意义。利用汽轮机变工况计算结果,给水泵特性,循环水泵特性等曲线的拟合,以实际供电功率与计划调度负荷之差最小作为确定蒸汽初压的目标函数,建立调峰运行滑压运行最优初压数学模型。以某电厂300MW机组为例进行计算,得滑压运行最优初压曲线,有助于指导运行人员的经济运行,可作为电厂能耗分析的基准值。本文以简单理论为基础分析问题,综合多方已知条件进行电厂运行参数优化这种方法值得研究人员探索。     

供热机组最优初压运行的自动控制方法

在纯凝机组滑压运行优化研究的基础上,以常规性能试验方法为手段,以基准工况为试验计算起点,分别确定最优初压函数、功率随背压变化函数和功率随供热量变化函数,实现供热机组最优初压自动控制,试验结果证明本方法具有实效性和通用性,具有广泛的推广价值。     

深度调峰下汽轮机的定滑压曲线试验与优化

分析了汽轮机的配汽方式与定滑压曲线的优化条件,阐述了机组深度调峰下的定滑压曲线优化试验原则,针对机组热力系统在较低负荷下无法按试验规程隔离的问题,提出了热力系统与外界汽水交换对热耗率影响的计算方法,并以某660 MW机组为例进行验证。结果表明:以设计工况为例,修正未隔离的抽汽流量,计算两个设计工况热耗率的偏差在0.1%以内;试验得到的热耗率最优的定滑压曲线,使得机组深度调峰时运行在喷嘴配汽方式下比节流配汽方式下减少发电煤耗约4.2 g/(kW·h)。     

双背压凝汽器对汽轮机热经济性影响分析

论述了双背压凝汽器对汽轮机热耗率的综合影响.通过计算,得出凝汽器冷却水温度在分界温度值以上,采用双背压凝汽器可以提高机组的热经济性;同时由于低背压的影响,该侧的排汽损失增大,使双背压汽轮机高背压与低背压的平均值对应的热耗率要高于单背压汽轮机的热耗率,使机组的热经济性有所下降.由此得出结论,双背压凝汽器对汽轮机热经济性的影响程度,需要综合分析达到.     

反向建模方法在汽轮机热耗率建模中的应用

针对热耗率与其影响因素之间存在的复杂非线性关系,提出了基于自适应混沌反学习万有引力算法(ACOGSA)和最小二乘支持向量机(LSSVM)的汽轮机热耗率反向建模方法.利用某600 MW超临界汽轮机组运行数据,采用基于LSSVM的反向建模方法建立热耗率预测模型,采用ACOGSA算法解决LSSVM的模型参数优化问题,并与GSA-LSSVM模型和BP神经网络模型的预测结果进行比较.结果表明:所建立的模型比传统模型具有更好的泛化能力,更能准确地预测汽轮机的热耗率.     

630MW亚临界机组宽度滑压运行优化试验研究

介绍了某电厂630MW亚临界汽轮机组基于阀点滑压运行优化的试验情况,提出“宽度滑压优化”的概念,即在5个常规负荷点(535MW、473MW、410MW、347MW和300MW)基础上,增加目前省电网调度对600MW容量等级机组要求的深度调峰下限负荷点(240MW)。通过不同负荷不同运行方式下的滑压比对试验,发现高压缸效率、高排汽温等指标参数的变化规律,确定调峰范围内最优的机组运行方式,同时也获得优化后的滑压运行曲线,并给出了滑压曲线背压项修正公式。与原滑压曲线相比,优化后滑压曲线尤其在深度调峰下限负荷中的应用有效地降低了机组发电热耗率和供电煤耗率,提高了机组运行的经济性和调峰性能。     

基于MFOA GRNN的汽轮机热耗率预测模型

为提高机组热耗率在线计算的精度与鲁棒性,提出多种群果蝇优化算法(Multi-population fruit fly optimization algorithm,MFOA)和广义回归神经网络(Generalized regression neural network,GRNN)相结合的汽轮机热耗率预测模型。以影响机组热耗率的主要运行参数为输入参数,建立基于GRNN的机组热耗率计算模型,并进一步采用改进的多种群果蝇优化算法优化GRNN模型中的光滑因子。将所建MFOA-GRNN热耗率预测模型应用到某1 000 MW机组中,结果表明该模型具有很好的计算精度,在测量数据发生方差增大、定值偏移等异常情况时该模型也能给出可靠的计算结果,具有较强的泛化能力和鲁棒性,满足实际工程需要。     

基于IDGRA的汽轮机热耗率影响因子的确定

热耗率是评价汽轮机能耗的一个通用指标。采用改进型距离灰色关联分析法(Improved DIstance Grey Relation Analysis),以某机组实际运行数据为例计算了机组负荷、主蒸汽流量等35个变量与汽轮机热耗率的关联系数。结果表明,机组负荷、主蒸汽温度、主蒸汽压力等15个变量与汽轮机热耗率的关联系数均大于0.9,与汽轮机热耗率显著相关。因此,这15个变量是这台汽轮机热耗率的影响因子。该结果对数据挖掘、机组优化运行等后续研究起到一定的基础作用。     

基于变工况分析的供热机组初压优化

对于供热机组,在电负荷和热负荷一定且保证抽汽参数在热用户要求的范围内,采用不同的配汽方式所对应的主蒸汽压力对机组的热经济性有着较大的影响。以C300-16.7/0.43/537/537机组为例,只考虑工业抽汽的情况下建立了机组初压优化模型,并对其正确性进行了验证计算,结果表明该模型满足工程实际需要。当热负荷一定时,机组在最小和最大进汽量限制条件下,通过热力计算得到最小和最大电负荷,从中选取不同电负荷工况进行了优化计算,得到了各工况的最佳初压,为机组的安全、经济运行提供了依据。     

基于υ-SVM的汽轮机热耗率回归模型研究

为了直接反映可控边界参数与热耗率的映射关系,基于υ-SVM建立了可控边界参数与热耗率的回归模型,选取与热耗率关联性强的可控边界参数作为输入参数,并应用灰色关联度模型进行验证,详细地描述了基于Libsvm软件建立υ-SVM回归模型的过程,并与BP神经网络模型进行对比.结果表明:在小样本情况下,υ-SVM模型回归精度更高,具有更好的泛化能力;在输入参数小幅波动的情况下,υ-SVM模型的输出结果基本稳定,具有很好的鲁棒性,满足实际应用的精度要求.     

适应火电机组灵活运行的滑压曲线优化方法

为了保证机组在调峰过程中快速响应负荷指令以及减小主蒸汽压力的波动,分析了汽轮机初压变化对机组安全性、稳定性、经济性和快速性的影响以及不同负荷段对上述特性的需求,结合最小二乘支持向量机(LSSVM)和混沌粒子群优化(CPSO)算法建立了热耗率预测模型并确定660 MW机组各典型负荷下的最优初压。提出了将性能试验优化曲线与文章优化曲线相结合的新的滑压策略,即机组在动态调节时采用文章优化曲线运行,而在稳定工况下采用性能试验优化曲线运行,并将该滑压策略添加到协调控制系统的主蒸汽压力设定值生成回路中进行仿真验证。结果表明:新的滑压策略不仅能提高机组在动态调节时的变负荷速率,还能维持机组在稳态工况时的经济性。     

基于思维进化算法优化BP神经网络的渗透参数反演研究

针对传统BP神经网络反演渗透参数的准确性很大程度依赖于初始权值和阈值的选择的问题,引入全局寻优能力极强、待调参数较少、收敛速度快的思维进化算法优化BP神经网络,以弥补传统BP神经网络在解决该问题时拟合能力有限、容易陷入局部最优、收敛速度慢的缺陷,进而提出了思维进化算法优化BP神经网络反演渗透参数的新方法。对某混凝土面板堆石坝进行渗透参数反演结果表明,与传统BP神经网络相比,思维进化算法优化BP神经网络具有更好的泛化能力,反演得到的渗压测点水头与实际值吻合更好,渗透参数符合实际。