基于神经网络的汽轮机运行初压优化研究

针对传统滑压曲线在实际应用中不符合现场背压变化的实际情况的问题,以某630 MW超临界汽轮机为研究对象,提出了全负荷工况、多边界条件下的滑压曲线优化方案。以汽轮机初压寻优试验数据为基础,通过对试验数据进行背压修正,获得了全背压工况下全负荷段的优化初压与热耗率关系的曲线簇。基于试验修正数据,以负荷、背压、主再热蒸汽参数等作为边界条件进行现场运行数据筛选,使用筛选后的运行数据进行初压优化模型训练,并通过对比初压和热耗率的预测值与真实值验证了模型的准确性。分析表明:该模型可以根据机组实际运行的边界条件求得当前工况下优化后的初压与优化后的热耗率;在相同边界条件工况下,初压优化后热耗率相比于实际运行热耗率处于较低水平,这表明该模型具有一定的优化效果。基于所建模型开发了一套汽轮机初压优化系统,为现场运行人员提供运行指导。

某超临界350 MW机组中压高温段转子轮槽强度分析

国家要求火电机组达到更高的清洁高效水平,汽轮机正朝着高参数、大容量方向发展,因此汽轮机转子承受的离心力载荷、汽流力载荷和热应力负荷逐步攀升,转子因高温而引起的蠕变失效成为了一个瓶颈问题。以某超临界350 MW汽轮机中压转子为研究对象,计算分析了高温段转子轮槽的蠕变应变,对不同设计方案下转子轮槽的应力强度进行分析,结果显示超临界汽轮机的转子蠕变的同时会发生应力重新分布,高蠕变应变区域主要集中在各级轮槽处,该区域的蠕变强度需要满足多轴蠕变应变的考核标准。研究成果可以确保高温段转子轮槽强度满足考核要求,为研发新型高参数、高性能的超临界汽轮机机组奠定坚实的基础。

火电机组锅炉烟气含氧量预测

火电厂测量烟气含氧量主要是用氧化锆传感器和磁式氧气传感器,由于测量环境灰尘大,具有腐蚀性介质如硫化物等,容易发生测量环室堵塞和热敏元件腐蚀,所以其稳定性差,测量误差大,容易发生故障。针对这一情况提出了一种基于遗传算法和神经网络的测量模型。根据电厂已有的测点和机理分析初步选取模型辅助变量,在建模前对数据进行预处理,分别采用拉依达法则去除粗大误差、五点三次平滑滤波去除噪音。采用偏最小二乘进行主元分析,最后运用遗传算法对神经网络的权值阈值进行寻优,构建了基于遗传算法对初始权值和阈值优化的反馈神经网络模型。研究结果表明,基于遗传算法优化权值和阈值的神经网络预测烟气含氧量精度较高,且收敛速度快。