基于Elman神经网络的汽轮机排汽焓在线预测计算

为实现机组经济性能在线诊断,将Elman神经网络方法引入汽轮机排汽焓在线预测计算。该预测方法很好地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,并以某电厂300MW汽轮机组末级抽汽及排汽焓值为例进行了在线计算,实例表明:该方法能够准确地在线预测汽轮机排汽焓值,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。     

电站汽轮机低压缸排汽焓近似计算模型研究

凝汽式汽轮机低压缸排汽段通常处于湿蒸汽区,排汽焓值难以直接测量。提出一种汽轮机排汽焓的计算方法,以级内损失理论为基础,将各类损失划分为与容积流量相关的排汽损失、与湿度相关的湿汽损失和与理想焓降相关的其他损失。排汽损失由排汽容积流量决定;湿汽级焓降占总焓降的比例系数通过低压缸热力过程线中的相似三角形关系求出;根据速比与理想焓降的关系,将其他损失的系数简化成只与理想焓降有关的二次多项式。通过理论计算和量纲分析证明排汽流量的误差对计算结果影响较小。应用提出的方法,根据设计数据计算了不同厂家生产的不同容量级别汽轮机机组的低压缸排汽焓,并与设计值进行了对比。结果表明,该方法在设计数据条件下计算精度较高,证明了该方法的可行性,为现场的实际应用奠定了基础。     

基于对向传播神经网络的汽轮机排汽焓预测计算

为实现机组经济性能在线诊断,将对向传播神经网络方法引入汽轮机排汽焓预测计算.该预测方法很好地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,并以某电厂300MW汽轮机组末级抽汽及排汽焓值为例进行了在线计算,实例结果表明:该方法能够准确地预测汽轮机排汽焓值,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.     

基于支持向量机的汽轮机排汽焓计算

为了在线计算汽轮发电机组的经济性,本文建立了基于支持向量机(SVM)的汽轮机排汽焓计算模型。本文先采集影响汽轮机排汽焓主要参数的历史数据以及排汽焓的历史数据,并进行数据预处理剔除明显的坏点,剔除坏点后的数据用于对支持向量机模型的训练和验证,得到基于支持向量机的汽轮机排汽焓计算模型。结果表明:基于支持向量机的汽轮机排汽焓计算模型能够有效的预测汽轮机的排汽焓,且误差在1%范围内,汽轮机排汽焓的预测值比实测值平均小10 kJ/kg左右。汽轮机排汽焓的预测值与汽轮机排汽焓的实测值保持着相同的变化规律。基于支持向量机的汽轮机排汽焓计算模型能够用于在线实时计算汽轮机低压缸的排汽焓。     

一种基于级内损失理论的排汽焓计算方法

凝汽式汽轮机低压缸排汽段通常处于湿蒸汽区,排汽焓值难以直接测量.以级内损失理论为基础,将各类损失划分为与容积流量相关的排汽损失、与湿度相关的湿汽损失和与理想焓降相关的其它损失;推导了其它损失的系数与低压缸理想焓降的二次关系式;在此基础上,根据湿汽损失与排汽焓的关系提出一种排汽焓计算方法.利用该方法计算某660MW超临界汽轮机组的低压缸排汽焓,并与实际运行数据进行了对比.结果表明,提出的方法计算精度较高,所需测点少,对排汽流量的测量或计算精度要求较低,可应用于机组日常运行时对排汽焓的测算.     

利用层次径向基神经网络的汽轮机排汽焓计算

提出了利用层次径向基神经网络计算汽轮机末级抽汽和排汽焓的方法,该方法利用汽轮机结构数据和实际监测数据估算焓值。经检验,计算精确度较高,收敛速度快,适于工程应用。对具有典型末级的某热电厂200MW汽轮机组末级抽汽及排汽焓值进行了计算,得出了汽轮机的排汽焓变化规律,为在线性能监测及排汽焓的分析计算提供了一种行之有效的方法。图1表1参9     

凝汽式汽轮机排汽焓的简便算法与误差分析

提出了在线确定凝汽式汽轮机排汽焓的一种简便算法,将汽轮机及其包括凝汽器在内的回热系统视为一闭口热力系,计算出汽轮机的排汽量,根据能量平衡求出汽轮机排汽在凝汽器内的放热量,进而得到汽轮机的排汽焓。该方法的特点是,回热抽汽和门杆、轴封漏汽所携带能量为系统内部能量,不需对汽轮机的回热系统进行计算,而且也不会因忽略门杆及轴封漏汽带来计算误差。所需测点少,测量累积误差小,方法简单,计算量小,对某N330MW汽轮机不同工况的计算结果表明,该方法具有较高的精度。     

汽轮机在线性能计算中排汽焓的确定

根据机组在线性能计算的要求，针对汽轮机低压缸运行的特点，运用最小二乘法和矩阵原理对汽轮机排汽焓的确定进行了探讨，实现了电厂监测系统中汽轮机排汽焓的在线计算，为汽轮机内效率的计算提供了依据。     

基于流型判别准则的排汽焓的准确在线监测方法

随着信息计算机技术发展,对大型汽轮发电机组进行性能在线监测及分析成为可能.机组能耗率和干度是两个被监测的重要指标.通过对已往的汽轮机变工况计算方法分析,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,最后算得机组的能耗率和排汽焓(或排汽干度).这样既不用流量测量,也不用排汽干度测量,就能准确地在线监测机组能耗率和排汽干度.     

基于BP神经网络的汽轮机排汽焓在线计算方法

汽轮机排汽点处于湿蒸汽区,由于现场缺乏蒸汽湿度的测量手段,排汽焓值难以直接确定,其计算取值一直是火电机组热力系统热经济性在线分析诊断的难点之一。影响排汽焓的因素很多,它们与排汽焓之间属于典型的非线形关系。本文利用BP神经网络良好的非线形映射能力,以NK200-12．7／535／535型空冷机组为例,介绍了应用BP神经网络建立汽轮机排汽焓计算模型的方法,并成功应用于某电厂热经济性在线诊断系统中。     

基于双并联人工神经网络的汽轮机排汽焓计算

提出了基于双并联人工神经网络的汽轮机排汽焓值计算模型。该方法利用汽轮机结构数据和实际监测数据估算焓值。实例表明,该方法具有表达简单、精度高等特点,是一种行之有效的计算方法。     

来流条件对排汽缸内非轴对称流动的影响

研究了大功率汽轮机低压缸排汽在不同气流角及不同总压分布下的流场,以模型为对象进行了三维流场的数值模拟.结果表明:排汽缸入口较大的旋流角会恶化排汽缸性能,而总压沿径向变化梯度为负时则有利于改善排汽缸气动性能.基于这一结果提出了通过改变总压分布抑制由于来流方向对排汽缸性能产生的负面影响的方法.     

On-line monitoring the performance of coal-fired power unit: A method based on support vector machine

This paper introduces a novel on-line monitoring performance method of coal-fired power unit. Support vector machine (SVM) is used to predict the unburned carbon content of fly ash in the boiler and the exhaust steam enthalpy in turbine, which are two difficulties in the real time economic performance calculation model in coal-fired power plant. Comparison between the output of SVM modeling and the experimental data shows a good agreement, and compared with conventional artificial neural network techniques, SVM can achieve better accuracy and generalization. This presented monitoring method is proven by the results of application cases in a practical coal-fired power plant.     

火电机组热力系统给水焓升最佳分配方法

基于矩阵法对火电机组热力系统的给水焓升分配问题进行了分析。运用矩阵热平衡方程式推导出了抽汽率的矩阵表达式,并代入汽轮机做功方程和热耗量计算式中,得到了完全与电厂热力系统中各节点参数有关的汽轮机效率的矩阵表达式。以该效率表达式为目标函数,根据相应的约束条件对某300MW火电机组热力系统的给水焓升分配进行了优化。该优化方法能够直观解释给水焓升分配的原理,同时算例分析表明该方法有效可行,可针对不同机组的特点对其热力系统给水焓升进行最佳分配。     

汽轮机排汽焓误差对等效热降法计算结果影响的研究

等效热降法计算中需要预先已知汽轮机的排汽焓,而对于凝汽式汽轮机,其排汽状态点常处于湿蒸汽区,排汽焓不能准确测定,从而导致等效热降法计算结果产生误差。首先建立了回热系统某因素发生变化时,由于排汽焓测量存在误差,导致利用等效热降法计算结果产生相应的误差的计算模型,然后针对某200MW机组高压阀杆漏汽增加和加热器端差增大对汽轮机热经济性影响的问题,计算排汽焓误差对其计算结果的影响。     

谐振腔内沉积水膜对蒸汽湿度微波谐振腔法测量精度的影响

微波谐振腔法测量蒸汽湿度时，由于液滴的沉积在谐振腔内壁会形成一层水膜。分析了沉积水膜在腔内的分布及水膜对测量结果的影响。结果表明：在水膜较薄时，其对测量结果的影响非常小，随着水膜厚度的增大其影响明显增加。用于汽轮机排汽湿度测量时，谐振腔内壁水膜厚度不到10μm，忽略水膜影响引起的测量误差只有0.1％。图4表1参8