灵活调峰下在线学习的直接空冷机组背压预测模型

在灵活调峰的背景下,为适应直接空冷机组负荷动态变化与环境因素干扰,提出一种在线学习的神经网络方法对直接空冷机组背压进行预测。首先,对历史数据进行清洗,通过Spearman相关性分析确定影响运行背压的低冗余重要特征。接着,采用Hammerstein模型对背压进行模型参数在线辨识。同时,采用长短记忆神经网络和注意力机制建立直接空冷机组背压预测模型,使用在线学习的方式对模型进行更新。实验表明:该模型在预测未来1 h内不同时间跨度的背压绝对百分比误差(MAPE)低于9%,并在预测30 s内的背压MAPE低于1%。最后,在实际电厂系统中验证模型能够在实际应用中稳定运行。本研究的成果为直接空冷机组背压实时预测提供了有效的方法,这对于灵活调峰直接空冷机组的运行和管理具有重要的意义。

间接空冷背压预测及变频循环泵控制优化

根据山西省河坡电厂2×350 MW循环流化床一号机组2019年7月15日到8月15日电厂与背压有关的实际运行数据,通过分析其影响因素(环境温度,机组负荷,凝汽器温度、压力等),使用相关系数法和主成分分析法对数据降维,在Python平台上使用Keras、TensorFlow等库编写预测算法,建立背压预测模型,使用RNN神经网络对背压建模预测,分析预测结果。结合现场实际运行实验数据,辨识变频循环泵的模型,并使用模糊PID对其控制进行优化。

基于稳态条件的排气系统背压预测计算研究

文章以发动机开发中对排气系统背压的边界需求为背景,在对排气系统背压机理以及工程应用实际情况进行分析的基础上,提出了基于已知稳态条件下对排气系统未知输入条件的快速背压预测计算方法。采用稳态热流试验台架对3款发动机排气系统进行背压测试,得到实际测试数据。随机选取输入条件,并使用背压预测计算公式进行了恒温变流量及变温变流量背压计算,计算结果与试验结果吻合良好,为工程开发提供了一种高效、高准确性的快速背压预测计算方法。