基于神经网络的燃气–超临界CO_(2)联合循环变工况特性快速预测及优化EI北大核心CSCD

燃气–超临界CO_(2)联合循环清洁高效、结构紧凑,因系统部件中间容积较小,变负荷调节速率较高,具有良好的灵活性,通过其快速变负荷运行有利于大规模消纳可再生能源电量。该联合循环采用具有超–跨串级结构的超临界CO_(2)底循环实现燃机余热梯级利用。为解决其快速变负荷中循环特性快速预测及优化问题,该文提出基于面心立方设计和反向传播神经网络的变工况特性求解方法。采用粒子群优化算法确定该联合循环变负荷过程的最优滑压运行策略。结果表明:基于神经网络的循环变工况特性预测方法具有良好的精度,并有效缩短仿真计算时间。与流量比例调节法对比,最优滑压运行策略使循环变工况过程具有更优的循环效率及可行运行区间,可以快速准确地为燃气–超临界CO_(2)联合循环提供变工况运行参考。