火电厂多机组负荷经济分配方法

针对SIS系统火电厂多机组负荷经济分配的要求，从单元机组锅炉和汽轮机设计计算书或性能考核试验数据出发，结合单元机组实时性能计算和耗差分析的原理，提出了一种可以同时解决机组负荷特性线的获取和机组负荷特性线的实时修正问题的火电厂多机组负荷经济分配的方法。该方法计算简捷、实时性强，在获得负荷优化分配结果的同时，给出了负荷优化分配的准确效果。     

基于对角递归神经网络整定的PID解耦单元机组负荷控制系统

针对火电厂单元机组具有多变量强耦合、非线性及参数时变的受控对象，提出了基于对角递归神经网络整定的PID解耦控制方法，其主要特点是能够提供一个对角递归神经网络来辩识系统模型，进而对PID控制器参数进行整定，实现多变量解耦控制。通过对火电机组负荷控制系统的设计和仿真研究，表明系统达到了动态近似解耦、静态完全解耦和无静差跟踪，并具有响应速度快，鲁棒性好等特点。图5参6     

单元机组协调系统的神经网络解耦控制仿真研究

神经网络控制是一种新颖的智能控制方法。应用神经网络技术,对难以精确建模的复杂非线性对象进行神经网络模型辨识作为控制器,提高了响应的快速性和准确性,可满足工业过程所提出的安全性、可靠性与易实现性的要求。大型火力发电单元机组协调控制系统是一个相对复杂的多变量控制系统,控制对象具有大时滞、时变、非线性、强耦合的特点,传统的PID控制算法很难实现对过程参数的良好跟踪和理想的控制效果。针对单元机组协调控制系统的特点将神经网络解耦控制应用于单元机组协调控制系统中,仿真实验表明,神经网络解耦控制具有较强的适应性和较高的控制精度,提高了负荷的响应速率,控制效果优于传统的PID控制算法。     

一种适用于超临界火电机组负荷适应及一次调频研究的数学模型

随着电网自动化水平的提高,对单元机组的负荷适应能力、参与电网调频能力提出了更高的要求。为了反映、评估、改善当前国内单元机组负荷适应及参与电网调频的能力,根据集总参数法建立了超临界火电机组不同负荷下的数学模型。利用Simulink软件进行了超临界火电机组在不同负荷下负荷适应能力、参与电网调频能力仿真实验。结果表明:模型的正确性及有效性,为提高超临界火电机组在不同负荷下负荷适应能力、参与电网调频能力提供了平台,为实现负荷频率最优控制打下基础。     

应用辐射能信号改善单元机组调峰性能的研究

单元机组要承担调峰任务，给机组的负荷控制提出了很高的要求，而锅炉的动态延迟和惯性是影响机组负荷响应的主要制约因素。采用辐射能作为反馈信号进行单元机组的负荷控制，改善了单元机组调峰性能；仿真研究取得了良好的效果。     

基于前馈补偿的模糊自适应解耦控制在单元机组协调控制系统研究

针对单元机组负荷控制对象延迟性、非线性和强耦合的特点,提出一种基于前馈补偿的模糊自适应解耦控制方案,以提高控制系统的调节能力。在300MW直流锅炉单元机组负荷控制对象动态数学模型基础上进行了动态特性研究和关联度分析。采用前馈补偿法设计了单元机组协调系统的解耦补偿器。仿真结果表明,前馈补偿解耦控制在单元机组协调控制系统中取得满意的效果;并且与常规PID控制相比,模糊自适应PID控制系统超调量降低,调节时间缩短,具有良好的控制性能。     

基于神经网络的超临界机组数学模型

以某600MW超临界机组为例,采用神经网络方法建立了机组负荷、汽压特性的数学模型,并运用大量的宽范围变工况数据完成了对模型的训练.仿真结果表明:模型可以很好地拟合机组负荷、主蒸汽压力与燃料量、给水量和汽轮机调门开度间复杂的非线性动态特性,且精度高、泛化能力强,可作为预测模型用于超临界机组智能控制器的设计.     

基于改进遗传算法优化的小波神经网络短期负荷预测模型

针对传统小波神经网络在电力系统短期负荷预测中存在预测结果的精确度依赖初始网络参数的问题,提出了一种基于改进遗传算法优化的小波神经网络短期负荷预测模型。为了保证神经网络在训练过程中,各个层的权值和阈值按最优方向变化,将遗传算法引入小波神经网络,利用遗传算法寻优能力指导权值和阈值进行优化。将概率分布策略用于遗传算法的种群交叉和变异过程,解决遗传算法在中后期搜索精度差,收敛速度慢等问题。应用结果表明,与基本的小波神经网络的预测模型相比,在只考虑短期负荷历史数据的情况下,通过均方根误差计算比较,基于改进遗传算法优化的小波神经网络短期负荷预测模型具有更高的预测精度。     

预测控制在单元机组负荷控制中的应用

针对现有预测控制方法在应用于单元机组负荷控制时存在的问题，并根据单元机组负荷控制的特点，提出了一种新的多变量模型预测控制算法。仿真研究结果表明：该算法具有优良的控制性能，并且算法简单，在线计算量小，有利于工程实现。     

基于小波包IRN网络的燃气轮机转子故障诊断

提出一种基于小波包和带有偏差单元的内部回归神经网络相结合的燃气轮机转子故障诊断方法。利用小波包分析去除噪声信号干扰,简化燃机转子故障特征提取。带有偏差单元的内部回归神经网络的记忆特性好,收敛速度快、稳定性强。小波包和带有偏差单元的内部回归神经网络的结合,大大提高了诊断速度及诊断准确性。     

Wavelet neural network load frequency controller

This paper presents the feasibility of applying a wavelet neural network (WNN) approach for the load frequency controller (LFC) to damp the frequency oscillations of two area power systems due to load disturbances. The present intelligent control system trained the wavelet neural network (WNN) controller on line with adaptive learning rates, which are derived in the sense of a discrete type Lyapunov stability theorem. The present WNN controller is designed individually for each area. The proposed technique is applied successfully for a wide range of operating conditions. The time simulation results indicate its superiority and effectiveness over the conventional approach. The effects of consideration of the governor dead zone on the system performance are studied using the proposed controller and the conventional one.     

Short term solar irradiance forecasting using a mixed wavelet neural network

In modern smart grids and deregulated electricity markets, accurate forecasting of solar irradiance is critical for determining the total energy generated by PV systems. We propose a mixed wavelet neural network (WNN) in this paper for short-term solar irradiance forecasting, with initial application in tropical Singapore. The key advantage of using wavelet transform (WT) based methods is the high signal compression ability of wavelets, making them suitable for modeling of nonstationary environmental parameters with high information content, such as short timescale solar irradiance. In this WNN, a combination of the commonly known Morlet and Mexican hat wavelets is used as the activation function for hidden-layer neurons of a feed forward artificial neural network (ANN). To demonstrate the effectiveness of the proposed approach, hourly predictions of solar irradiance, which is an aggregate sum of irradiance value observed using 25 sensors across Singapore, are considered. The forecasted results show that WNN delivers better prediction skill when compared with other forecasting techniques.     

基于反馈快速学习网的热力系统混合预测模型

针对汽轮机机组功率难以精确计算的问题,提出一种热力系统混合预测模型以改善机组功率的计算精度。混合预测模型以热平衡方程为基本模型,以反馈快速学习网(feedback FLN,B-FLN)为补偿模型,将B-FLN的功率预测值作为热平衡方程功率计算值的补偿值。以某300 MW机组为研究对象,采用提出的混合预测模型对机组的功率进行预测,将其结果与热平衡方程计算值进行比较。仿真结果表明:混合模型输出功率误差小于±2 MW,降低了热平衡方程计算误差,为机组功率的可靠计算提供了一种新的解决思路。     

子波神经网络在柴油机电控燃油喷射系统中的应用

本文论述了子波神经网络的应用背景，研究了子波神经网络的结构和算法及其在柴油机电控燃油喷射系统中的应用，并与BP神经网络进行了比较。结果表明：子波神经网络具有收敛速度快，逼近性好，学习精度高等优点。     

节能调度环境下风、火电联合运行优化模型及其应用

为解决传统的风、火电联合运行模型不能克服风电并网导致机组启停成本过高的问题,以节能发电调度为背景,以火电机组发电燃煤成本、启停成本最小化为目标,构建了风、火电联合运行优化模型。算例分析结果表明,该模型能有效地吸纳弃风,提高了风电并网量、降低了高耗能燃煤机组的调用,具有显著的环境和经济效益。     

考虑风电不确定性的电热系统经济调度

随着风电等新能源大规模并网,其出力的不确定性给电力系统日前调度带来很大挑战.传统的研究方法多是假设风电功率预测误差服从某种概率分布,但风电功率预测误差受到多种因素影响,概率分布模型无法准确描述其特性.为此,采用基于神经网络的组合预测方法对风电功率误差进行建模,再将预测的风电误差加入到包含热电机组、火电机组、风电、储热装...     

基于分支限界法的火电机组负荷分配研究

针对大规模新能源并网调峰问题,提出不同调峰阶段火电机组负荷分配方法：分析火电机组调峰能力、调峰成本及二者之间的关系;以总煤耗成本、机组启停成本之和最小为目标,建立不同调峰阶段火电机组负荷分配优化模型;根据火电机组爬坡率、滑坡率,提出参与负荷分配机组的组合策略,并使用分支限界法对负荷分配优化模型求解。算例表明,随着火电机组调峰深度的增加,机组煤耗成本和启停成本减少,深度调峰运行下附加煤耗成本和机组损耗成本增加。     

风电和抽水蓄能电站参与下的机组组合优化问题研究

为研究风电并网环境下考虑抽水蓄能电站在内的机组组合问题及系统最优调度策略,从系统角度出发,以运行成本最小化建立目标函数,结合各类电源的技术特性和系统的运行实际建立约束条件,并利用混合整数算法对模型进行优化计算。通过10机组系统的算例分析,得出常规火电机组、风电以及抽水蓄能电站的最优调度策略。运行结果表明,抽水蓄能电站参与系统运行有提高风电并网水平、减少火电机组的燃料成本和启停成本、可使电网负荷曲线趋于平稳三方面的效益。     

火电机组能耗-供电成本动态模型研究

分析了火电机组的主要能耗指标,在其基础上建立了机组能耗一供电成本模型,并对影响单位供电成本的主要因素进行了敏感性分析。通过能耗一供电成本模型,结合电厂实时运行数据,计算了机组在某段运行时间内的动态供电成本,为火电机组的经济性运行提供参考。     

火电机组热力系统成本分布通用矩阵方程

基于成本理论建立了热力系统局部成本分析通用模型及火电机组热力系统成本分布的通用矩阵方程,并对某600MW机组的热力系统进行实例计算与分析,得到了额定工况下独立流的单位成本.结果表明：该方程构造规范,适用于各种不同的热力系统,可以用于分析热力系统中存在的共性规律;对于具体的热力系统,通过将一些必要的矩阵元素代入方程中,可得到独立流的单位成本和单位成本的分布规律,为机组的节能降耗提供指导;如果对方程进行进一步的微分运算分析,还可求出一些因素变化对单位成本影响的敏感度.