基于最小二乘支持向量机的汽轮机低压缸排汽焓计算

为了在线计算汽轮发电机组的经济性,基于LSSVM(最小二乘支持向量机)建立了一种汽轮机低压缸排汽焓在线计算模型。首先分析汽轮机低压缸排汽焓影响因素,确定LSSVM模型的输入变量与输出变量,采集历史数据,数据预处理后剔除明显坏点,再对各参数进行归一化,将其转化为无量纲量,最后将归一化处理后的数据用于LSSVM模型的训练,再用性能试验的数据对模型进行验证,得到基于LSSVM的汽轮机低压缸排汽焓计算模型。结果表明:基于LSSVM的汽轮机低压缸排汽焓计算模型能够有效预测低压缸排汽焓,误差范围在1%以内,低压缸排汽焓的预测值比试验值平均小约5 kJ/kg。低压缸排汽焓的预测值与试验值保持着相同的变化规律。     

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。     

数据–机理融合的汽轮机末级排汽焓在线测量EI北大核心CSCD

汽轮机末级排汽焓值的在线准确测量是机组智能监测与冷端系统节能优化的前提与关键。以机组历史运行数据为驱动,采用数据与机理融合的建模方法,结合深度学习算法,构建汽轮机末级排汽焓的在线测量模型。基于闭口能量平衡方程构建汽轮机排汽焓的机理模型;采用灰色关联分析选取影响排汽焓的关键特征变量,构建基于极端梯度提升算法的汽轮机排汽焓软测量模型;搜索可比历史条件下的排汽焓值,引入偏差系数修正软测量模型结果,通过实时数据与模型的数据交互,实现模型的动态演化。以某在役600MW亚临界直接空冷机组为研究对象进行分析,结果表明,构建的汽轮机末级排汽焓在线测量模型的相对误差在(-0.15%,0.15%)之间,可满足工程分析需要,且在机组深度调峰时,相比机理模型,提出的在线测量模型具有很好的泛化能力。     

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。     

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.     

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。     

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.     

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.     

关于煤耗在线计算的一些难点分析

分析了目前机组煤耗在线计算的诸多难题,如计算模型的确定、煤质分析数据的取得、飞灰可燃物和炉渣可燃物化验数据的取得、燃料量和工质流量的计量、机组负荷与机组热耗的关联、环境因素与机组热耗的关联、汽轮机末级排汽焓值的确定、厂用电率的分摊、实时数据的可靠性验证等,介绍了现阶段煤耗在线计算模型的两类模式：化验数据填报模式和拟合公式模式。     

凝汽式汽轮机相对内效率在线监测的一种近似计算方法

针对汽轮机热力试验条件与正常运行条件间的差别 ,指出正常运行中汽轮机并不具备热力试验所要求的完全隔离的条件 ,同一电厂中各机组间总有一定的汽 (水 )联系。因此 ,对于正常运行的汽轮机 ,无法采用常规热力试验所采用基金项目 :国家电力公司重点科技资助项目 (SPKJ0 13 0 7)。的求解汽轮机质量和能量平衡方程的方法在线求解排汽焓 ,从而使在线准确确定汽轮机相对内效率存在一定的困难。文中提出一种在线计算汽轮机相对内效率的热力学近似方法 ,该方法基于汽轮机热力循环的基本原理 ,采用一些容易测量的参数来推算汽轮机的相对内效率 ,避开了常规的求解排汽焓的难题。通过与汽轮机热力试验结果的比较 ,证明该方法足以满足工程上对计算精度的要求。最后给出该方法在某 10 0MW汽轮机相对内效率在线监测中的应用情况。     

凝汽器管束入口蒸汽流场对汽轮机排汽压力的影响

在模型试验和现场应用的基础上，分析了凝汽器管束入口蒸汽流场对传热系数、汽阻以及真空泵性能的影响，指出300MW机组凝汽器喉部出口蒸汽流场趋于均匀后，凝汽器传热系数增加，汽阻减小，真空泵入口压力降低等因素的共同作用使汽轮机排汽压力降低。实践证明，在汽轮机排汽通道加装均流装置是提高机组经济性的一项有效新措施。     

汽轮机性能验收试验中低压缸热力过程线的处理方法

根据ASME PTC6汽轮机性能验收试验规范确定低压缸排汽比焓的计算原则,介绍了目前国内外对计算低压缸排汽比焓及热力过程线的4种处理方法,并对各种方法的优缺点进行了具体的分析。针对某一具体机型,给出了4种处理方法的计算结果,并在实际试验计算中对各种处理方法的具体应用提出了建议。     

超临界及超超临界机组汽轮机和锅炉蒸汽参数的匹配关系

超临界及超超临界机组汽轮机蒸汽参数和锅炉蒸汽参数间的匹配关系，与蒸汽能量损失及投资费用有关，应进行技术经济比较才能确定最佳的选择。蒸汽管道的压降造成的等焓温降和管道的散热损失，存在一个最佳分配值。对国内已运行的超临界机组和国外超临界、超超临界机组的锅炉和汽轮机的蒸汽参数匹配进行了统计和分析，并通过对不同锅炉过热器出口和汽轮机进口主蒸汽参数的压降数值和机炉的主蒸汽温降值的计算分析，推荐了我国超超临界机组不同蒸汽参数下，选择汽轮机与锅炉主蒸汽系统蒸汽参数匹配及再热系统蒸汽参数匹配的方案。     

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.     

200 MW汽轮机组五段抽汽温度异常变化的分析处理

介绍鹤壁煤电公司200MW汽轮机组五段抽汽温度异常变化的分析和处理。通过各项检查试验,找出了五段抽汽温度异常变化的原因为轴封一段漏汽排挤五段抽汽所致,对此进行了相应的消缺处理后恢复正常。     

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。