基于粒子群优化算法的Elman神经网络凝汽器真空模型

将一种动态递归网络——Elman神经网络应用到凝汽器真空预测。通过实例计算,表明该方法能够较准确地预测凝汽器真空,并具有训练速度快、结构简单、精度高的特点,是一种行之有效的预测方法。同时,对反向传播(BP)神经网络算法会出现局部极小值,提出了利用粒子群优化算法的全局寻优能力优化Elman神经网络连接权值系数的方法。仿真结果表明,利用粒子群优化算法的Elman神经网络可以建立精度更高的凝汽器真空预测模型。

应用PSO算法改进Elman神经网络的双压凝汽器真空预测

为实现对凝汽器真空的优化控制,引入一种采用粒子群优化(PSO)算法改进的Elman神经网络,建立双压凝汽器真空预测模型,提出对双压凝汽器高、低压侧真空分别进行预测计算,将该模型应用于某600 MW机组的双压凝汽器真空预测,并与普通算法改进的Elman神经网络的预测结果进行比较。结果表明:采用PSO算法改进的Elman神经网络对双压凝汽器高、低压侧真空预测的收敛速度更快、精确度更高,是一种行之有效的双压凝汽器真空预测模型。

权重提取与Dempster多重融合的凝汽器真空预测

为了解决单一网络预测结果不准确的问题,提出一种由BP、Elman及RBF三网络组合的预测模型,并引入模糊软集理论进行"判断证据"的权重提取以及D-S的多证据融合.以某电厂连续4天实测的现场参数构成样本空间,经主成分分析降维及权重提取后,采用Dempster组合规则下置信函数三重融合结果对随后一天的真空值进行预测.结果表明,与单一网络预测模型相比,组合预测模型的平均绝对误差和均方根误差均显著减小,融合精度更高.

基于神经网络和混合遗传算法的凝汽器真空优化控制

利用人工神经网络进行凝汽器真空建模,然后采用混合遗传算法对运行工况寻优,以获得各种工况下凝汽器的最佳运行方式。通过对某电厂的300MW机组现场热态试验与计算,表明该方法可以指导运行人员进行凝汽器真空的优化调整。

火电机组凝汽器真空故障诊断的研究

通过仿真机进行凝汽器故障诊断,选择合适的故障判断基准,判断凝汽器系统真空是否发生故障。首先在确定真空应达值时建立了Pc-M模型,在其后的真空故障判断中使用该Pc-M模型表示机组的真空应达值,当阈值取0.5%时可以诊断出真空故障,最后分别采用了线性相关度法和BP神经网络法对单故障工况和多故障并发工况进行诊断。结果表明BP神经网络法相比线性相关度法无论是速度还是精度都有明显的优势,而且在多故障并发的情况下同样结果精确。

基于神经网络的凝汽器真空应达值计算

汽轮机凝汽器实际运行属于变工况运行状态,且运行过程中有些参数不易测量,从而很难实现常规公式法计算凝汽器的真空值。提出的汽轮机凝汽器真空应达值的计算方法,利用曲线拟合确定变工况下机组负荷与汽轮机末级排汽量之间的关系,并用以计算凝汽器理论真空值,同时利用神经网络逼近凝汽器理论真空值与实际运行时真空影响因素之间的非线性关系,从而建立凝汽器真空应达值模型,为凝汽器真空在线监测奠定一定基础。

基于粒子群优化算法的凝汽器真空预测模型

分析了凝汽器的传热特性,利用660MW机组DCS采集到的数据,通过多元回归分析了凝汽器真空与其影响因素之间的关联关系,得到了偏相关系数,为真空预测模型提供了理论依据.应用主元分析与粒子群BP神经网络相结合的方法,给出了凝汽器真空预测模型,实现了对真空值的提前预测.通过凝汽器预测真空值与监测值的对比,判断此时的真空运行状态是否合理,实现凝汽器运行状况的软测量,为凝汽器的故障诊断提供理论依据,从而提高了机组的运行效率,保证机组的安全可靠运行.

基于组合证据冲突修正的凝汽器真空度多网络融合预测

以某电厂DCS连续4天实测的现场参数构成样本空间,借助KPCA法构造BP、RBF和Elman的软测量模型,并利用模糊软集理论完成"判断证据"的权重提取,实现基于Dempster组合证据的凝汽器真空度多网络融合预测。针对组合证据冲突程度k的解算值过高的问题,引入熵和"折扣率"算子,继续开展组合证据冲突下的权重提取修正算法。在相同条件下进行仿真,对比常规D-S融合和新权重解算下的融合结果,后者的冲突程度大幅减小,由此预测的真空度MAE和RMSE值更低,验证了这种离线训练、在线测量方法的有效性。

凝汽器泄漏故障诊断方法研究

针对凝汽器运行过程中水侧换热面污染导致的真空恶化问题,建立凝汽器水侧管壁清洁系数的监测模型,为凝汽器胶球清洗提供依据。采用模糊神经网络进行凝汽器的故障诊断,及时判断出故障的位置和原因。

凝汽器真空的监测模型

凝汽器真空系统故障诊断是火电厂安全运行的一个重要环节。本文通过从凝汽器传热机理和DCS采集的数据分析影响真空的主要因素,运用多元线性回归的方法来判断影响凝汽器真空的相关性大的因素,建立DCS采集的实时数据的参数值与凝汽器真空之间的关系模型。运用BP神经网络建立真空模型,通过凝汽器真空应达值与检测值对比,判断此时的真空运行状态是否合理。通过对凝汽器真空的软测量,为凝汽器的故障诊断提出理论依据。

盾形冷凝模块用于蒸发冷却设备消雾的消光值预测

针对蒸发冷却设备冬季存在的羽雾问题,搭建了盾形冷凝模块+混风腔消雾实验装置。采用Logistic分布函数对消光值与混风比关系的实验结果进行了拟合,平均拟合度为0.9854。通过建立BP神经网络模型对出口羽雾的消光值进行了预测研究,并提出以消光值作为消雾效果的评价指标。预测结果表明,BP神经网络对消光值的预测精度较高,在95%的置信度下,30组消光预测值的相关系数、平均相对误差和均方根误差分别为0.99899±0.00008、(0.7633±0.0204)%和(6.441±0.222)×10^(-3)。

基于模糊神经网络的凝汽器真空故障诊断方法

凝汽器作为火电厂重要的辅助设备,其运行性能对机组运行安全和汽轮机组循环热效率有很大的影响。本文采用基于模糊神经网络的故障诊断方法,针对其中的隶属函数选取进行针对性研究。将DCS系统中获取的征兆实际值,通过模糊隶属度函数进行模糊化处理,代入到训练好的网络中,得出诊断结果。经实际运行结果表明,该方法能够获得有效的诊断效果。