基于CNN-RNN组合模型的凝汽式汽轮机能耗预测研究

常规的凝汽式汽轮机能耗预测方法主要采用瞬态/稳态并行分析法生成汽轮机能耗预测模型,该方法易受临界负荷的影响,导致热耗预测偏差较大过高。因此,本文提出基于卷积循环神经网络(CNN-RNN)组合模型的凝汽式汽轮机能耗预测研究,利用R检验法筛选并生成凝汽式汽轮机能耗特征参数工况库,结合CNN-RNN组合模型消除凝汽式汽轮机能耗预测偏差,从而完成凝汽式汽轮机能耗预测。结果表明,设计的基于凝汽式汽轮机能耗CNN-RNN组合模型的凝汽式汽轮机能耗预测方法的热耗预测偏差较小,证明该方法的预测效果较好,具备较高的准确性和一定的应用价值,为优化汽轮机的运行方案提供了一定贡献。

基于反馈快速学习网的汽轮机节能运行自适应控制方法

汽轮机长期运行会偏离设计工况,变工况时传统控制方法下热平衡分析精度较差,导致汽轮机热经济性明显下降。为此,本文提出基于反馈快速学习网的汽轮机节能运行自适应控制方法,在获取汽轮机热力系统结构的基础上,利用反馈快速学习网建立热力系统的热效率模型,并以热效率优化为控制目标,设计自适应控制器,实现汽轮机节能运行自适应控制。实验结果表明,与控制前相比,本文方法控制下的汽轮机热效率提升了7.6%,证明了该方法可有效控制汽轮机的节能运行。