基于ADAM-BPNN优化模型的磨煤机智能启动技术研究

为改善制粉系统的启动效率,提高机组对电网负荷的响应速度,对影响设备正常启动的因素进行了分析,认为原煤仓落煤不畅及磨煤机预暖迟缓制约了中速磨制粉系统的可靠投用。基于给煤量指令与皮带转速的偏差,利用ADAM-BPNN优化模型,对原煤仓下煤不畅建立了智能预警模型,显著提高了给煤可靠性监测的时效性;采用模糊自适应算法对磨煤机预暖程序进行了针对性优化,程控暖磨时间相较手动操作大大缩短。经优化调整后,制粉系统在机组调峰过程中投用快速、运行稳定,相关经验可供后续同类型机组参考。     

汽轮机变工况下调节级压力预测模型及应用

为监视汽轮机通流部分的健康状况和进行故障早期诊断,以汽轮机变工况计算为理论基础,基于弗留格尔公式和Weierstrass逼近定理,建立了调节级压力的多元回归模型。根据某660MW间接空冷机组大修后的运行数据对模型进行回归分析和验证,结果表明：模型具有很高的拟合度,自变量对因变量影响显著;稳态工况时,预测结果与实测值趋势一致,相对误差约为1.2%,实现了变工况下调节级压力软测量。将模型应用于电厂分布式控制系统中,建立了汽轮机通流部分故障的预警系统。     

基于粒子群优化算法优化BP神经网络模型的间接空冷散热器性能监测

为监测间接空冷散热器的换热性能,提出了监测间接空冷塔出水温度的方法。根据间接空冷系统散热器传热量计算和热平衡方程,分析了间接空冷塔出水温度的影响因素,建立了以环境温度、环境风速、大气压力、间接空冷塔循环水进水温度、循环水进水压力、出水压力和百叶窗开度7个主要参数为输入,出水温度为输出的BP神经网络模型。为避免该模型陷入局部最优,采用非线性动态惯性权重的粒子群优化(PSO)算法对BP神经网络模型的初始权值和阈值进行了优化,构建了PSO-BP神经网络预测模型,并根据某660MW间接空冷机组的运行数据对该模型进行了训练和验证。结果表明:采用PSO算法优化的BP神经网络模型具有较强泛化能力,预测精度高于单纯的BP神经网络模型,预测平均绝对百分比误差为0.55%。