基于PSO-Elman神经网络的汽轮机排汽焓在线预测计算

Elman神经网络作为一种动态递归网络被应用到汽轮机排汽焓在线预测计算中,以两汽轮机组末级抽汽及排汽焓值为例进行了在线计算,证明了该方法能够准确地在线预测汽轮机排汽焓值,具有训练速度快、结构简单、精度高的特点,是一种行之有效的预测方法.同时依据BP算法陷入局部极小值的缺点,提出了利用粒子群算法的全局寻优能力优化Elman网络连接权值系数的方法,仿真结果表明:利用PSO-Elman神经网络可以建立精度更高的预测模型.

基于SVR和GA的汽轮机排汽焓在线预测计算

针对汽轮机排汽焓的计算是火电机组热经济性在线分析的难点,提出了采用遗传算法(GA)对基于支持向量回归机(SVR)的预测模型参数进行优化,利用优化后的模型(GA-SVR)对汽轮机排汽焓进行预测研究。以某300 MW汽轮机组为例进行了排汽焓的在线计算,并与常规SVR模型和BP-ANN模型进行对比。结果表明,该方法能够较为准确地在线预测汽轮机排汽焓值,可为火电机组的在线性能监测提供有效的手段。

基于BP神经网络的汽轮机排汽焓在线计算方法

汽轮机排汽点处于湿蒸汽区,由于现场缺乏蒸汽湿度的测量手段,排汽焓值难以直接确定,其计算取值一直是火电机组热力系统热经济性在线分析诊断的难点之一。影响排汽焓的因素很多,它们与排汽焓之间属于典型的非线形关系。本文利用BP神经网络良好的非线形映射能力,以NK200-12.7/535/535型空冷机组为例,介绍了应用BP神经网络建立汽轮机排汽焓计算模型的方法,并成功应用于某电厂热经济性在线诊断系统中。

在线确定凝汽式汽轮机排汽焓的热力学方法

将汽轮机及其包括凝汽器在内的回热系统视为一闭口热力系,利用在线监测获得的参数,用Flügel及其改进型公式准确求出汽轮机主蒸汽、再热蒸汽和排汽流量后,根据闭口系的能量平衡计算出汽轮机的排汽焓。热力系统的回热抽汽和门杆、轴封漏汽所携带能量为该闭口热力系统内部能量循环,故不必对汽轮机的回热系统进行计算,而且也不会因忽略门杆及轴封漏汽带来计算误差。该方法所需测点少,测点积累误差小,计算方法简单,计算量小,对某N200-12.7/535/535型汽轮机不同工况的计算结果表明:该方法具有较高的精度。

汽轮机排汽焓动态在线计算模型的研究

针对现有的汽轮机低压缸排汽焓在线计算模型存在一定的局限性,提出了一种排汽焓在线计算新模型.该模型不必对低压缸湿蒸汽区进行计算,同时避开了流量测量,主要利用在线监测的温度和压力进行计算,所需测点相对较少,测点积累误差小.实例计算表明:新模型计算工作量小、精度高,完全能够满足工程计算的需要.

支持向量机在电站汽轮机排汽焓在线预测中的应用

为实现机组经济性能在线诊断,将支持向量机(SVM)方法引入电站汽轮机排汽焓在线预测领域。该预测方法很好地建立了电站汽轮机排汽焓特性与相关运行参数之间的复杂关系模型,并考虑到相关运行参数之间的耦合性,具有预测能力强、全局最优及泛化性能好等优点。将该SVM方法分别应用于某200MW机组和300MW机组中,对于200MW机组,经过训练后的SVM模型对检验样本排汽焓进行预报,均方根误差和平均相对误差分别为0．110%和0．101%,相当于反向传播(BP)网络模型的38．87%和38．11%,径向基函数(RBF)网络模型的52．38%和49．75%；同理,对于300MW机组,其均方根误差和平均相对误差分别为0．057%和0．069%,相当于BP网络模型的29．61%和25．45%,RBF网络模型的41．57%和34．97%。结果表明：SVM方法优于BP及RBF神经网络法,能很好地满足预测要求。

提高汽轮机排汽焓在线预测精度的GA-Elman神经网络算法

利用遗传算法(GA)的良好寻优能力对汽轮机排汽焓动态递归(Elman)神经网络进行了优化,建立了GA-Elman神经网络预测模型,并以某电厂350MW机组为例进行了汽轮机排汽焓的在线计算。结果表明:GA-Elman神经网络预测模型克服了传统Elman神经网络利用梯度下降法进行训练所具有的易陷入局部极小值、收敛速度慢、精度低等缺点,提高了预测精度和收敛速度,较适合现场应用。

利用层次径向基神经网络的汽轮机排汽焓计算

提出了利用层次径向基神经网络计算汽轮机末级抽汽和排汽焓的方法,该方法利用汽轮机结构数据和实际监测数据估算焓值。经检验,计算精确度较高,收敛速度快,适于工程应用。对具有典型末级的某热电厂200MW汽轮机组末级抽汽及排汽焓值进行了计算,得出了汽轮机的排汽焓变化规律,为在线性能监测及排汽焓的分析计算提供了一种行之有效的方法。

神经网络算法在汽轮机排汽焓估算中的应用

在线机组热力系统性能计算中,汽轮机的排汽通常处于湿蒸汽区,排汽干度目前无法实现直接测量。对此,将神经网络方法应用于汽轮机排汽焓的估算,通过分析汽轮机排汽焓的影响因素,并对数据进行无量纲化处理,对BP神经网络在不同训练函数下的计算精度与速度,以及BP神经网络与RBF神经网络计算排汽焓的准确度进行比较。结果表明:BP神经网络对训练函数的依赖程度较大,部分函数在计算中随机性较强、计算时间较长;traingdx、trainscg和trainoss 3个函数计算时间较短、计算精度较高,可作为训练函数;RBF神经网络的计算误差较BP神经网络大,但其自适应能力强,对训练函数的依赖程度较小,在训练样本足够多时,可以减小其计算误差。

凝汽式汽轮机排汽焓的简便算法与误差分析

提出了在线确定凝汽式汽轮机排汽焓的一种简便算法,将汽轮机及其包括凝汽器在内的回热系统视为一闭口热力系,计算出汽轮机的排汽量,根据能量平衡求出汽轮机排汽在凝汽器内的放热量,进而得到汽轮机的排汽焓。该方法的特点是,回热抽汽和门杆、轴封漏汽所携带能量为系统内部能量,不需对汽轮机的回热系统进行计算,而且也不会因忽略门杆及轴封漏汽带来计算误差。所需测点少,测量累积误差小,方法简单,计算量小,对某N330MW汽轮机不同工况的计算结果表明,该方法具有较高的精度。

汽轮机排汽比焓在线计算方法的选择

汽轮机排汽比焓的在线计算是火电机组热力性能试验及性能在线监测中的重要环节,而现有的汽轮机排汽比焓在线计算方法均在不同程度上存在一定的局限性。采用常用的排汽比焓计算方法,即能量平衡法、曲线外推法、等效焓降法、弗留格尔公式法、相对内效率法分别对某台N220-12.7型汽轮机的排汽比焓进行了实例计算。通过对计算结果的分析比较,得出这几种计算方法各自的适用条件及其改进措施。

汽轮机排汽焓计算模型的研究与应用

汽轮机低压缸排汽焓的计算是火电机组性能监测的重要环节。针对现有汽轮机低压缸排汽焓计算模型存在的局限性,提出一种排汽焓的热力学近似计算模型。该模型将低压缸、凝汽器及相对应的回热加热器视为开口热力系,根据开口热力系的能量平衡方程计算出低压缸的排汽焓。该方法避开了对低压缸湿蒸汽区的计算,具有较高的计算精度。

基于免疫原理的RBF神经网络模型在汽轮机排汽焓计算中的应用

根据汽轮机末级排汽焓与其影响因素之间的映射关系,提出了一种基于免疫原理的RBF神经网络模型来计算汽轮机的排汽焓。计算结果表明,该模型收敛速度快,运算简便,预测精度较高,具有一定的工程应用价值。

多层径向基网络模型在汽轮机末级排汽比焓计算中的应用

现有的汽轮机末级排汽比焓计算模型存在一定的局限性,对此提出了一种改进的径向基(RBF)网络模型来计算汽轮机的排汽比焓值。计算结果表明,该模型收敛速度快,运算简便,预测精度较高,具有良好的实时性和有效性。采用此模型对某电厂的一台300MW机组汽轮机末级排汽比焓进行计算,其预测值分别为2 366.8 kJ/kg和2 377.2kJ/kg,而试验值分别为2 370.5 kJ/kg和2 375.1 kJ/kg,绝对误差分别为3.7 kJ/kg和2.1 kJ/kg,完全满足应用要求。

基于双并联人工神经网络的汽轮机排汽焓计算

提出了基于双并联人工神经网络的汽轮机排汽焓值计算模型。该方法利用汽轮机结构数据和实际监测数据估算焓值。实例表明,该方法具有表达简单、精度高等特点,是一种行之有效的计算方法。

汽轮机性能验收试验中低压缸热力过程线的处理方法

根据ASME PTC6汽轮机性能验收试验规范确定低压缸排汽比焓的计算原则,介绍了目前国内外对计算低压缸排汽比焓及热力过程线的4种处理方法,并对各种方法的优缺点进行了具体的分析。针对某一具体机型,给出了4种处理方法的计算结果,并在实际试验计算中对各种处理方法的具体应用提出了建议。

小机排汽对凝汽器喉部流场影响的三维数值分析

采用SIMIPLE算法和模型,基于大型通用程序FLUENT操作平台,对一凝汽器喉部进行数值模拟。在考虑内置低压加热器和给水泵汽轮机排汽等因素的情况下,通过对凝汽器喉部流场进行数值模拟,分析了小汽轮机排汽对喉部流场均匀性及流动阻力的变化,提出了减小汽阻的方法,对凝汽器喉部设计具有一定的参考意义。

汽轮机低压缸效率的在线计算方法

将低压缸、凝汽器以及与低压缸抽汽相对应的回热加热器视为一开口热力系,根据该开口系的能量平衡提出了一种在线计算排汽焓和低压缸效率计算方法。该方法采用改进型弗留格尔公式计算排汽量,根据高中压缸抽汽参数计算低压缸进汽量,避开了对低压缸湿蒸汽区的计算,计算精度较高。

1000MW超超临界汽轮机整体效率与内效率实时计算模型

建立凝汽式汽轮机整体效率、理想循环热效率和高、中、低压缸内效率的计算模型,实时分析负荷和机组状态对汽轮机运行效率和热损失的影响规律。结果表明,汽轮机整体效率和理想循环热效率随负荷的增加而单调增加,汽轮机内效率随负荷的增加而单调降低,但变化幅度较小。高、中、低压缸做功比例几乎固定,随负荷变动较小,中压缸做功比例最大,低压缸做功比例最小。汽轮机最大的能量损失来源于排汽的冷端热损失,其次汽轮机内部做功的损失。

汽轮机组实际循环热效率的计算方法研究

针对传统方法计算繁杂的问题,本文提出了基于双并联人工神经网络的汽轮机实际循环热效率计算方法。实例表明,该方法具有表达简单、精度高等特点,是一种行之有效的计算方法。