汽轮机阀门流量升程曲线的研究进展介绍

获得汽轮机准确的阀门流量曲线,是机组能够稳定、灵活运行的重要保障。梳理了目前针对阀门流量特性曲线优化研究的各种方法,对传统的试验方法及数值仿真方法进行了调研,阐述了国内外的发展现状,同时分析了一种基于长短期记忆(LSTM)神经网络的阀门升程-功率预测方法,利用调节阀门升程指令直接预测汽轮机机组的输出功率。研究成果可为汽轮机阀门流量升程曲线优化工作提供参考。

基于长短期记忆网络的阀门升程-功率预测

汽轮机调节阀门升程与通过阀门的蒸汽流量的对应关系,是调节机组输出功率的主要依据,但汽轮机阀门由于长期受主蒸汽冲刷,受机组通流结构的老化、变形、改造等影响,其实际流量特性曲线在使用过程中容易偏离设计值,从而严重影响机组运行的经济性以及安全性。针对这个问题,提出了一种基于长短期记忆(LSTM)神经网络的阀门升程-功率预测方法,利用调节阀门升程指令直接预测汽轮机机组的输出功率。该方法具有学习速度快、精度高以及自适应的特点,无需人为干预。电厂实际运行数据验证结果显示:对某电厂半年的运行数据进行学习,需要9h,预测430天误差平均值为0.49%。同时训练的神经网络模型较小,可以迁移到电厂现场的小型计算机上进行控制。该方法具有较高的工程实用价值。