热力参数的KPCA-RBF网络建模及传感器故障诊断方法

针对复杂恶劣环境下机组热力参数的数据监测及传感器故障诊断问题,建立了融合机理分析、核主元分析(kernel principle component analysis,简称KPCA)与径向基神经网络(radial basis function,简称RBF)的发电机组热力参数预测及传感器故障检测模型。首先,根据机理分析得到完备的辅助变量集,并利用核主元分析提取辅助变量的特征信息以有效处理发电机组中高维、强耦合的非线性数据;其次,将主元变量集输入径向基神经网络进行学习,实现热力参数的重构;最后,基于预测模型与窗口移动法实现传感器的故障诊断,并对故障数据进行及时修复和准确替换。以燃气轮机排气温度为例进行验证的结果表明,该预测模型具有更高的精度和泛化能力,能在传感器故障发生初期及时发现并识别故障类型,检测效果优良。     

内联网模式下的火电机组在线监测及能损分析系统

论述如何利用 Active X控件技术 ,在火电厂中实现内联网 ( Intranet)模式下 ,通过 WEB浏览器方式运行的机组在线监测和能损分析优化 ,使运行人员和管理人员实时了解机组的运行状况 ,为电厂的节能降耗提供科学手段。图 5参 4     

汽轮机调峰运行时蒸汽初压的优化确定

分析汽轮机组在调峰运行时,如果采用滑压调节方式,其发电量主要是蒸汽初压和循环水进口温度的函数,提出以机组实施供电功率与计划调度负荷之差最小,作为优化确定蒸汽初压的目标函数,并对国产200MW汽轮机组进行了具体优化计划,得到的计算结果有助于指导运行人员的经济运行,并可作为电厂能耗分析的基准值。表5参3。     

机组负荷优化的遗传-禁忌混合算法

针对遗传算法“爬山”能力差的缺点，提出在遗传算法中引入禁忌搜索操作来提高局部寻优能力，并应用遗传-禁忌混合算法进行了火电机组负荷优化研究.在遗传算法每计算一定代数后，将每个个体作为禁忌搜索的初始解进行搜索，可以改善群体质量，加快搜索速度.混合算法有效地综合了遗传算法的全局搜索能力和禁忌搜索算法的局部搜索能力，从而避免出现“早熟”现象，改善了算法的收敛性.应用某实例进行负荷优化计算，结果表明混合算法大大改善了局部搜索能力和搜索速度，可以有效解决机组在线负荷优化难题.     

基于布拉格光纤光栅测量湿蒸汽湿度的基础理论与前期试验研究

提出一种基于布拉格光纤光栅(fiber Bragg grating, FBG)传感技术测量湿蒸汽湿度的新方法。在理论推导FBG测量湿度模型的研究基础上,利用FBG涂敷湿膨胀材料的技术,把测量湿度的问题转换为FBG测量微应变的技术问题。建立悬臂梁振动频率测量装置,采用FBG精确地测出了前4阶振动频率,与加速度传感器(AT)和振动及动态信号采集分析系统(CRAS)等不同方法进行了对比试验,测量结果吻合。对FBG的粘贴位置、激励位置等也进行了试验研究。试验结果证明FBG对悬臂梁微应变(振动)测量有很高的精度和动态特性,且试验的可重复性很好,为下一步测量湿度的试验研究奠定基础。     

某电厂联合循环汽轮机启动过程优化

燃气/蒸汽联合循环机组中汽轮机启动时间较长,导致联合循环机组不能及时响应电网调峰需求。为此,通过数值实验和现场启动试验相结合的方法研究了汽轮机的启动过程。建立汽轮机转子二维轴对称有限元模型,确定非线性边界条件,通过数值模拟研究启动过程各暖机操作对转子应力的影响。基于数值实验分析结果,结合试验机组结构、运行特点,制定优化后的启动过程。温态启动时汽轮机转子最大应力降低11 MPa,启动时间缩短36 min,低周疲劳寿命损耗减少0.0008%;冷态启动时转子最大应力降低261MPa,启动时间缩短32min,低周疲劳寿命损耗减少0.0197%。     

汽轮机T型叶根有限元模态分析边界条件的研究

对汽轮机叶片有限元模态分析的边界条件处理方法进行了探讨，分析了各种边界条件对叶片自振频率的影响。通过大量的数值模拟，得出了各种边界条件与叶片固有频率变化关系，进而提出了弹性模拟叶片边界约束的计算模型，为叶片模态有限元数值计算及故障分析提供了理论基础。图6表3参5     

国产300MW汽轮机叶片模态分析与故障识别

应用模态分析的基本原理和CRAS系统，提出了叶片模态参数的测试方法，并对某厂国产300MW汽轮机叶片进行实测，分析讨论叶片断裂事故的原因。     

基于多目标优化和误差修正的短期风速预测

提出一种多目标优化、误差修正的短期风速混合预测模型。首先对原始风速数据进行分解,降低序列的非线性,利用一种有效的多目标优化算法优化ELM神经网络,保证预测精度和稳定性。最后采用深度学习网络LSTM对初始预测结果进行误差校正,为克服超参数选取困难,利用乌鸦算法对层神经元数量进行优化。以中国华中某风电场实际数据为例进行分析,结果表明该方法具有较高的预测精度。     

基于实时状态监测的燃气轮机CBM决策系统

提出一种基于实时状态监测的燃气轮机视情维修(CBM)决策系统.该系统以实时数据库中燃气轮机的实际运行状态信息数据为依据,采用燃气轮机相关部件寿命预测计算方法,推算当前状态下的使用寿命(运行时数和启动次数),并折算成基准运行条件下的等效使用寿命,然后与最大维修寿命进行比较,预测得到剩余寿命.基于运行时数和启动次数的维修系数和服务系数的乘积,提出等效服务系数的概念;根据已运行时段和待预测时段的等效服务系数之间的关系,建立了4类CBM决策模型,进而对燃气轮机相关部件的具体维修时机进行决策.最后,应用ASP.NET技术,开发了基于B/S架构模式的燃气轮机CBM决策系统,并应用于工程实际,验证了该系统的有效性和实用性.