高加危疏阀泄漏对汽轮机性能试验热耗率的影响

针对某电厂2号机组性能试验中3号高加危疏阀无法测量泄漏量导致计算热耗率比实际值虚高的情况,基于ASME PTC6标准,以凝结水流量为基准进行推导分析,认为高加危疏阀存在泄漏但又无法测量泄漏量,会对给水流量和热耗率的计算产生严重干扰。通过建模仿真计算了不同高加危疏阀泄漏量对汽轮机热耗率的真实影响、特性关系及泄漏未被考虑时对热耗率的影响,进而建议性能试验前特别关注高加危疏阀的隔离效果,确保高加危疏阀不存在泄漏,以保证试验结果的客观性。

火电厂汽轮机热耗率建模及运行初压优化研究

为了提高火电厂的发电效率,降低热量损耗,本文基于改进的共生生物搜索算法和极限学习机,构建了汽轮机的热耗率模型,包括12个输入参数和1个输出量。收集600MW机组的运行数据,利用算法进行模型训练。同时基于热耗率模型优化了汽轮机的运行初压。经检测,优化汽轮机的运行初压后,不同工况下的热耗率均有所下降,验证了模型的有效性。

乙烯装置丙烯制冷压缩机组内效率与热耗率的研究

根据机组历史运行参数分析计算了某乙烯装置1100 kt/a改扩建前生产周期中丙烯制冷压缩机组的内效率及热耗率,并与改造后进行比较。通过计算模拟建立机组在一定负荷下热耗率与抽汽比模型,针对节能降耗目的对当前运行状态进行优化。

基于鲸鱼优化算法的汽轮机热耗率模型预测

为了准确地建立汽轮机热耗率预测模型,提出了一种基于反向学习自适应的鲸鱼优化算法(AWOA)和快速学习网(FLN)综合建模的方法。首先将改进后的鲸鱼算法与经典改进的粒子群、差分进化算法和基本鲸鱼算法进行比较,结果证明其具有更高的收敛精度和更快的收敛速度;然后采用某热电厂600 MW超临界汽轮机组现场收集的运行数据建立汽轮机热耗率预测模型,并将改进后的鲸鱼算法优化的快速学习网模型的预测结果与基本快速学习网及经典改进的粒子群、差分进化算法和基本鲸鱼算法优化的快速学习网模型预测结果相比较。结果表明,AWOA-FLN预测模型具有更高的预测精度和更强的泛化能力,更能准确地预测汽轮机的热耗率。

基于支持向量回归算法的汽轮机热耗率模型

利用支持向量回归算法,建立了汽轮机热耗率计算模型。介绍了支持向量回归算法的原理,对算法中的参数选择进行了探讨。对某300MW机组汽轮机热耗率计算进行了建模,并与RBF神经网络回归模型进行了比较。结果表明:基于支持向量回归算法的模型具有较强的泛化能力,适于在线应用。通过对输入参数添加随机扰动量分析表明,该模型比传统计算模型具有更好的稳定性,能更准确地计算汽轮机热耗率。

基于双层聚类与GSA-LSSVM的汽轮机热耗率多模型预测

针对单模型难以精确描述具有复杂非线性特性的汽轮机热耗率的问题,提出一种新的热耗率多模型建模方法。首先应用GK算法分析出最优聚类个数以及初始聚类中心,避免了聚类数确定的盲目性;然后利用核模糊C均值算法对热耗率样本集做出聚类划分,在每个子空间中利用最小二乘支持向量机(LSSVM)辨识出相应子模型,同时,为了保证子模型精确度,采用引力搜索算法来解决LSSVM参数优化问题;最后,将子模型通过隶属度值加权融合得到精确的热耗率预测模型。以某600MW超临界汽轮机组为研究对象,基于现场数据建立汽轮机热耗率预报模型,仿真结果验证了提出的多模型建模方法具有较高的预报精确度和泛化能力。

ASOS-ELM建模方法及在汽轮机热耗率预测中的应用

针对极限学习机(ELM)不能准确地预测汽轮机热耗率的问题,结合群智能优化算法,提出一种改进的共生生物搜索算法和极限学习机(ASOS-ELM)综合建模的方法。该方法利用改进的共生生物搜索(ASOS)算法优化ELM隐层激活函数的参数,求得最优的ELM模型。再将ASOS-ELM模型应用到热耗率建模中,首先用ELM初始化热耗率预测模型,以输出热耗率的均方根误差(RMSE)作为算法的适应度值,然后通过ASOS算法找到合适的ELM参数,从而得到准确的热耗率预测模型。并将热耗率预测的结果与传统的ELM模型、ASOS算法优化支持向量回归(SVR)模型、改进的粒子群算法(PSO)和基本的共生生物搜索算法(SOS)优化的ELM作对比。结果表明,ASOSELM模型在处理复杂的数据模型中,具有精确的预测能力与快速的收敛速度,为汽轮机热耗率建模提供了新思路。

汽轮机组热耗率分析及实时计算

归纳分析了影响汽轮机组热耗率的因素 ,比较性能实时计算与热力性能试验的异同点 ,重点对影响热耗率实时计算准确性的主要因素及主要参数进行了分析 ,为发电厂实施发电成本实时核算体系 ,提供理论分析基础。

基于CPSO-LSSVM的汽轮机热耗率软测量模型

为了准确建立汽轮机热耗率预测模型,提出了一种基于变空间Logistic混沌粒子群算法(CPSO)优化最小二乘支持向量机(LSSVM)的汽轮机热耗率软测量模型。采用变空间Logistic混沌搜索策略和粒子镜像越界处理策略来改善粒子群算法(PSO)的全局优化性能,提出了CPSO优化最小二乘支持向量机的超参数以改善模型预测精度,并以某600 MW汽轮机组为研究对象,利用该机组的运行数据建立CPSO-LSSVM的热耗率预测模型。结果表明:CPSO-LSSVM模型具有更高的预测精度和更强的泛化能力,能够准确有效地预测热电厂的汽轮机热耗率。

基于磷虾群算法的汽轮机热耗率建模应用

为了准确建立汽轮机热耗率预测模型,以某热电厂600MW超临界汽轮机组为研究对象,采用基于反向学习自适应的磷虾群算法(OAKH)和快速学习网(FLN)进行综合建模,并将该模型的预测结果与基本快速学习网、粒子群算法、生物地理学优化算法和磷虾群算法优化的快速学习网模型的预测结果进行比较.结果表明:OAKH算法能够更好地优化FLN模型参数,使所建立的FLN汽轮机热耗率预测模型具有更高的预测精度和更强的泛化能力,能够准确、有效地预测热电厂的汽轮机热耗率.

基于偏最小二乘算法的热耗率回归分析

针对热耗率影响因素众多且呈现高度多重相关的特征,提出了偏最小二乘(Partial Least Square PLS)算法建立热耗率回归分析模型。在数据预处理方面对机组热耗率的主要因素和主要参数做了相关性分析,进而更合理地确定了偏最小二乘回归分析的数据表,有效建立了热耗率预测模型。预测模型的检验方式采用交叉有效性检验,选定对模型有显著改善的PLS主成分个数。通过实例验证了偏最小二乘方法能够有效解决自变量集合高度相关的问题。

汽轮机中间分隔轴封漏汽对热耗率影响的分析与计算

利用小偏差理论,分析了汽轮机定主蒸汽流量时,中间分隔轴封漏汽量变化对汽轮机各缸做功量、过再热吸热量以及热耗率的影响。结果表明,当中间分隔轴封漏汽量变化时,汽轮机高压缸做功量与再热吸热量变化较大,中低压缸做功量变化较小。同时,对某台超临界660 MW机组进行了变工况计算。结果显示,当中间分隔轴封漏汽量增加时,汽轮机各段做功量、再热吸热量及热耗率近似线性变化,各部分的变化情况与理论分析结果一致,漏汽主要是通过影响高压缸做功和再热吸热量来改变热耗率,但由于低压缸做功量占汽轮机总功量的比例较大,其变化对热耗率的影响也不可忽视。

基于υ-SVM的汽轮机热耗率回归模型研究

为了直接反映可控边界参数与热耗率的映射关系,基于υ-SVM建立了可控边界参数与热耗率的回归模型,选取与热耗率关联性强的可控边界参数作为输入参数,并应用灰色关联度模型进行验证,详细地描述了基于Libsvm软件建立υ-SVM回归模型的过程,并与BP神经网络模型进行对比.结果表明:在小样本情况下,υ-SVM模型回归精度更高,具有更好的泛化能力;在输入参数小幅波动的情况下,υ-SVM模型的输出结果基本稳定,具有很好的鲁棒性,满足实际应用的精度要求.

汽轮机热耗率多模型建模方法研究

针对汽轮机热耗率难以准确计算的问题，提出了核模糊C均值与混合蛙跳算法优化最小二乘支持向量机（LS—SVM）的汽轮机热耗率多模型建模方法，用来计算不同工况下的热耗率。该方法利用核模糊C均值算法对热耗率数据聚类，采用5折交叉验证平均误差作为LS—SVM参数选择的适应度值，利用混合蛙跳算法优化参数并建立局部模型，采用开关切换得到模型输出，以此实现热耗率的多模型建模。与单一的LS—SVM模型和BP网络热耗率预测模型比较，结果表明该多模型方法有更高的预测精确和更好的泛化能力，能更准确地计算汽轮机热耗率。

反向建模方法在汽轮机热耗率建模中的应用

针对热耗率与其影响因素之间存在的复杂非线性关系,提出了基于自适应混沌反学习万有引力算法(ACOGSA)和最小二乘支持向量机(LSSVM)的汽轮机热耗率反向建模方法.利用某600 MW超临界汽轮机组运行数据,采用基于LSSVM的反向建模方法建立热耗率预测模型,采用ACOGSA算法解决LSSVM的模型参数优化问题,并与GSA-LSSVM模型和BP神经网络模型的预测结果进行比较.结果表明:所建立的模型比传统模型具有更好的泛化能力,更能准确地预测汽轮机的热耗率.

基于CNGWO-LSSVM的汽轮机热耗率预测模型

为了准确计算汽轮机热耗率,提出一种改进灰狼优化算法优化最小二乘支持向量机(LSSVM)的热耗率软测量方法。首先针对灰狼算法收敛精度低的缺点提出一种混沌非线性灰狼优化算法(CNGWO),通过Kent混沌搜索策略和非线性动态递减权值策略来改善灰狼优化算法的性能。然后利用CNGWO算法预先选择LSSVM模型参数,并建立CNGWO-LSSVM的软测量模型。以某600 MW超临界汽轮机组实时运行数据仿真实验,对具有复杂非线性的热耗率变量进行预测,预测结果表明,经过CNGWO算法优化的LSSVM模型取得了较好的预测效果,为汽轮机热耗率的精确计算提供了一种有效方法。

基于滑动样本熵的汽轮机热耗率不确定度分析

提出了一种基于滑动样本熵的特征提取方法,并将其应用于汽轮机热耗率不确定度的分析.以某电厂超超临界1 000 MW机组为例,利用PCA算法从现场高维复杂数据中提取出与汽轮机热耗率相关的主要特征信息,再运用所提出的方法对各主元特征的不确定程度进行评估,并结合各主元的参数构成,最终确定了影响热耗不确定度的主要因素.研究表明,采用该方法可以得出与传统方法一致的结论,能够准确地诊断出汽轮机热耗不确定度的影响因素,对电厂实际运行具有一定的指导意义.

反馈精英鲸鱼优化算法优化LSSVM的热耗率软测量建模

提出一种基于反馈精英鲸鱼优化算法(FEWOA)和最小二乘支持向量机(LSSVM)的综合建模方法。首先,针对鲸鱼优化算法(WOA)寻优精度低的问题,提出了反馈精英WOA算法,通过精英策略对当前最优解进行变异操作以避免算法陷入局部最优解;同时,在鲸鱼位置更新后期增加反馈阶段,提高算法的全局搜索能力。数值仿真实验验证了FEWOA算法的优越性。在此基础上,提出了基于FEWOA优化LSSVM的热耗率软测量模型。最后采用某汽轮机组现场收集的运行数据建立汽轮机热耗率预测模型,将FEWOA-LSSVM模型预测结果与其它模型预测结果相比较,结果表明,FEWOA-LSSVM预测模型更能准确地预测汽轮机的热耗率。

中间再热式汽轮机热耗率在线监测中的动态误差分析

本文针对性能在线监测与常规热力试验的不同之处,分析了中间再热式机组在变负荷过程中应用传统热耗率计算方法所引起的动态误差。国产125MW机组的仿真计算表明,当机组负荷变化24％左右时,这项误差可达15％以上。文中还探讨了汽轮机动态过程中在线计算热耗率的合理方法,可供研制电厂性能在线监测系统参考。

汽轮机循环参数及内部工作过程对热耗率的影响

本文通过对汽轮机循环中几种典型小范围变工况的分析,探讨了汽轮机内部工作过程线及抽汽参数的变化对机组热耗率的影响。计算表明,当汽轮机循环中某些因素变化较大时,应在其热耗率的计算过程中,考虑对内部工作过程线进行修正,否则,将会使热耗率计算结果产生较大的误差。