基于磷蝦群算法和反饋快速學(xué)習(xí)網(wǎng)的汽輪機(jī)初壓優(yōu)化.pdf

1、近十年，伴隨國(guó)民經(jīng)濟(jì)的快速發(fā)展，我國(guó)對(duì)能源的需求日益增加。以煤為主的能源格局決定了我國(guó)電力工業(yè)的發(fā)展將主要依靠火力發(fā)電。目前，我國(guó)火力發(fā)電量占電力工業(yè)總發(fā)電量的70％以上，且隨著我國(guó)社會(huì)電力需求的不斷增長(zhǎng)，電網(wǎng)峰谷負(fù)荷差逐漸拉大，導(dǎo)致大型火電機(jī)組不得不參與電網(wǎng)的調(diào)峰運(yùn)行?；痣姍C(jī)組長(zhǎng)期運(yùn)行在部分負(fù)荷下，偏離設(shè)計(jì)工況，汽輪機(jī)的熱經(jīng)濟(jì)性將嚴(yán)重受影響。
　　為此，本文圍繞火電機(jī)組汽輪機(jī)變工況下最優(yōu)運(yùn)行初壓的課題展開研究，以期通過最新技術(shù)和

2、方法解決汽輪機(jī)運(yùn)行初壓優(yōu)化中的主要問題，作了如下研究：
　　首先，對(duì)火電廠汽輪機(jī)熱經(jīng)濟(jì)性分析方法作了深入研究，得出：分布式控制系統(tǒng)(Distributed Control Systems,DCS)數(shù)據(jù)中噪聲信號(hào)和水蒸氣焓值計(jì)算精度對(duì)熱經(jīng)濟(jì)性分析具有重要影響。因此，在數(shù)據(jù)前處理階段，引入改進(jìn)的中值濾波算法(Minimum-Maximum Exclusive Mean filer,MMEM)有效的濾除了原始數(shù)據(jù)中的高斯噪聲；其次，采用

3、國(guó)際水和水蒸氣性質(zhì)計(jì)算公式(IAPWS Industrial Formulation1997for the Thermodynamic Properties of Water and Steam,IAPWS-IF97)，保證了熱經(jīng)濟(jì)性分析中水蒸氣焓值的精度。
　　其次，建模方法快速學(xué)習(xí)網(wǎng)(Fast Learning Network,FLN)是前饋型神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)結(jié)構(gòu)緊湊、學(xué)習(xí)訓(xùn)練速度快，但是快速學(xué)習(xí)網(wǎng)忽略了系統(tǒng)的慣性延遲和時(shí)間連續(xù)

4、性。因此，本文提出反饋型快速學(xué)習(xí)網(wǎng)(Feedback Fast Learning Network,B-FLN)，在原始的快速學(xué)習(xí)網(wǎng)的基礎(chǔ)上增加從輸出神經(jīng)元到輸入神經(jīng)元的反饋通道。實(shí)驗(yàn)結(jié)果顯示，B-FLN在建立周期多峰和慣性遲滯系統(tǒng)模型建模精度遠(yuǎn)優(yōu)于FLN建模方法。
　　再次，通過對(duì)汽輪機(jī)熱力系統(tǒng)各級(jí)抽汽加熱器進(jìn)行常規(guī)熱平衡分析，建立基于質(zhì)量平衡與能量平衡的熱力系統(tǒng)分析模型，包括熱平衡矩陣方程、吸熱方程、功率方程。針對(duì)汽輪機(jī)變工況運(yùn)

5、行時(shí)熱平衡分析方法的計(jì)算精度下降問題，引入神經(jīng)網(wǎng)絡(luò)建模技術(shù)，利用B-FLN建立汽輪機(jī)熱耗率模型，提高了熱經(jīng)濟(jì)分析模型的動(dòng)態(tài)精度。
　　最后，以熱平衡分析與B-FLN建立的汽輪機(jī)熱耗率混合分析模型為基礎(chǔ)，采用全局智能優(yōu)化算法—磷蝦群優(yōu)化算法(Krill Herd Algorithm,KH)為尋優(yōu)工具，優(yōu)化600MW超臨界汽輪機(jī)在各個(gè)負(fù)荷下主蒸汽壓力值，得到了機(jī)組變工況下的最優(yōu)運(yùn)行初壓曲線，降低了汽輪機(jī)熱耗率，為火電廠節(jié)能降耗作出了指