线性菲涅尔式光热电站控制策略及变负荷速率研究

太阳能光热发电可以与其他新能源发电互补运行,也可以承担电网调峰调频任务,因此受到越来越多的关注。以线性菲涅尔式光热电站为研究对象,利用Apros软件搭建储热系统和发电系统的动态仿真模型并进行了模型验证,设计了考虑蓄热影响的光热电站协调控制系统,研究该电站在不同负荷区间的最大变负荷速率。研究结果表明:所提出的光热电站协调控制策略控制效果良好,与未采用蓄热控制相比,采用蓄热控制后主蒸汽压力偏差由0.17 MPa减小到0.07 MPa;在设定的限制条件下,100%THA~75%THA负荷区间最大升负荷速率为11.57%/min,最大降负荷速率为8.94%/min。研究结果可为光热电站调峰调频运行提供参考。

结合参数优化机器学习算法的煤矸石发热量预测

为更快捷、方便地获取煤矸石和煤炭等燃料的发热量,文中提出一种将机器学习技术与参数优化算法相结合的煤矸石发热量预测模型。首先,对新疆主要矿区煤矸石开展工业分析和发热量的实验测量,构建新疆煤矸石工业分析指标和发热量数据库;然后,建立以煤矸石工业分析指标为输入,基于支持向量回归(SVR)、随机森林(RF)和多层感知(MLP)神经网络的煤矸石发热量非线性预测模型;同时,为提高模型预测精度,引入麻雀搜索算法(SSA)和黏菌算法(SMA)对模型关键参数进行优化;最后,对所构建的几种煤矸石发热量预测模型进行对比分析。结果表明:与SSA相比,采用SMA优化参数能够更好地提高三种预测模型的精度;SVR和MLP模型的预测性能优于RF模型,其中SMA-SVR模型的收敛速度最快且预测精度较高,适用于煤矸石等燃料发热量的预测研究。