超超临界火电机组炉膛受热面金属壁温预测及监测系统
发布时间：2021-08-02 14:52
超超临界火力发电机组具有负荷容量大、排放污染物低、发电效率高、具有良好的调峰能力等特点,成为我国和世界较成熟的煤电清洁发电方式。为适应当前国家深度调峰的需求,响应国家上大压小政策,超超临界直流锅炉已经成为火力发电机组的主流。由于现代锅炉参数的不断提高,工质温度极接近材料的极限,在超超临界燃烧锅炉的非计划停运的锅炉侧事故中,金属受热面中的工质泄露占据了极大比例。因此,采取相应措施,有效的防止金属受热面爆管事故频繁发生就显得具有重要的实际意义。本文依据国内某1050MW火力发电超超临界机组的历史运行数据,通过机理和数据驱动建模的方法,对其锅炉金属壁温的软测量和预测展开研究,得到相应的水冷壁和过热器壁温预测模型,并建立了炉膛金属壁温监测系统。主要研究内容如下:首先,对火力发电厂的历史数据进行预处理,将1050MW机组的半年历史数据应用中值滤波、归一化和主成分分析的方法,使数据降噪和降维,得到清洁和易于数据驱动模型计算的输入数据。其次,根据机组锅炉炉膛结构参数、热力参数和水力参数等建立水冷壁温度的机理模型;根据机组锅炉历史运行数据参数,建立数据驱动模型（LSTM神经网络）;结合两种模型的优势建...
【文章来源】：东北电力大学吉林省
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
图３－３炉膛出口工质焓值实际值与计算值比较图??－－??
图３－４?ＬＳＴＭ的神经元??
?东北电力大学工学硕士学位论文???组半年水冷壁温度数据中的５８００组进行训练，２６００组作为预测数据。??表３－２运行参数??输入?变量个数?取值范围??给水温度ＣＣ）?１?１００－３４０??给水流量（ｔ／ｈ）?１?１２０－２９０２??主蒸汽温度（°Ｃ）?１?３５６－６００??主蒸汽压力（Ｍｐａ）?１?７－２５??给水流量（ｔ／ｈ）?１?１２０５－２８７８??锅炉负荷（ＭＷ）?１?０－１０００??二次风量（ｔ／ｈ）?１６?０－１３０??一次风量（ｔ／ｈ）?８?０－１００??给煤量（ｔ／ｈ）?６?０－８５??过热器温度（°Ｃ）?１?３５１－６００??输入层?隐藏层?输出层??锅炉负荷???给煤量?水冷壁温度??给縫—??图３－５神经网络结构??３．?３结合评估预测??实验数据显示，ＬＳＴＭ的在炉膛状态平稳时，预测误差在±２°Ｃ左右，而数据模型??预测在±５°Ｃ左右，所以在锅炉运行工况平稳时，ＬＳＴＭ的预测表出了巨大的优势。在??炉膛负荷在短时间内极具增加与极具减少时，ＬＳＴＭ预测表现出较差的鲁棒性预测误??差在±１０°Ｃ，相反，基于数学模型的预测误差在±６°Ｃ左右。本文吸取两种预测的特点，??将两种方法进行了结合，对误差的变换做出判断，提出评估预测方法，公式如下：??＾Ｗｌ（ｔ）?＝?ｋｘｅｌ｛ｔ）?＋?ｋ２ＹＪｅｌ（ｔ）?＋?ｋ＾｛ｅｌ｛ｔ）－ｅｌ｛ｔ－＼））?（３－３２）??（０?＝?＾ｅｍ?（／）?＋?ｋ＾ｅｍ?（？）?＋?ｋ，（ｅｍ?（ｔ）?－?ｅｍ?（ｔ?－１））?（３—３３）??－２０?－??
【参考文献】：
期刊论文
[1]人工智能研究的新前线:生成式对抗网络[J]. 林懿伦,戴星原,李力,王晓,王飞跃. 自动化学报. 2018(05)
[2]基于灰色系统的过热器管壁温度预测模型[J]. 徐鸿,邓博,蒋东方,郭鹏,倪永中. 中国机械工程. 2017(22)
[3]基于改进BP神经网络的锅炉过热器管壁温度预测研究[J]. 刘月正,朱洪伟,焦玉刚. 科技创新与应用. 2017(31)
[4]生成式对抗网络GAN的研究进展与展望[J]. 王坤峰,苟超,段艳杰,林懿伦,郑心湖,王飞跃. 自动化学报. 2017(03)
[5]基于系统动力学的锅炉过热蒸汽温度系统建模与仿真[J]. 魏乐,闫媛媛. 系统仿真学报. 2016(12)
[6]基于最小二乘支持向量机的锅炉炉膛温度在线预测[J]. 金秀章,魏琳,王真. 热力发电. 2016(07)
[7]超临界压力直流锅炉炉膛受热面工质温度分布计算[J]. 刘福国,崔福兴. 锅炉技术. 2015(06)
[8]大容量锅炉炉膛对流换热与水冷壁壁温计算[J]. 滕叶,张忠孝,刘旭聃,周托,朱明. 动力工程学报. 2014(08)
[9]电站锅炉过热器的集总参数动态建模与仿真[J]. 康英伟,薛阳,黄伟. 计算机仿真. 2012(09)
[10]700℃高效超超临界火力发电技术发展的概述[J]. 徐炯,周一工. 上海电气技术. 2012(02)
硕士论文
[1]基于机理建模与运行数据辨识的电站锅炉过热器壁温分析[D]. 邱钟扬.浙江大学 2016
[2]电站锅炉过热器和再热器超温爆管理论分析与计算方法的研究[D]. 陈朝松.上海发电设备成套设计研究所 2003
本文编号：3317763
【文章来源】：东北电力大学吉林省
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
图３－３炉膛出口工质焓值实际值与计算值比较图??－－??
图３－４?ＬＳＴＭ的神经元??
?东北电力大学工学硕士学位论文???组半年水冷壁温度数据中的５８００组进行训练，２６００组作为预测数据。??表３－２运行参数??输入?变量个数?取值范围??给水温度ＣＣ）?１?１００－３４０??给水流量（ｔ／ｈ）?１?１２０－２９０２??主蒸汽温度（°Ｃ）?１?３５６－６００??主蒸汽压力（Ｍｐａ）?１?７－２５??给水流量（ｔ／ｈ）?１?１２０５－２８７８??锅炉负荷（ＭＷ）?１?０－１０００??二次风量（ｔ／ｈ）?１６?０－１３０??一次风量（ｔ／ｈ）?８?０－１００??给煤量（ｔ／ｈ）?６?０－８５??过热器温度（°Ｃ）?１?３５１－６００??输入层?隐藏层?输出层??锅炉负荷???给煤量?水冷壁温度??给縫—??图３－５神经网络结构??３．?３结合评估预测??实验数据显示，ＬＳＴＭ的在炉膛状态平稳时，预测误差在±２°Ｃ左右，而数据模型??预测在±５°Ｃ左右，所以在锅炉运行工况平稳时，ＬＳＴＭ的预测表出了巨大的优势。在??炉膛负荷在短时间内极具增加与极具减少时，ＬＳＴＭ预测表现出较差的鲁棒性预测误??差在±１０°Ｃ，相反，基于数学模型的预测误差在±６°Ｃ左右。本文吸取两种预测的特点，??将两种方法进行了结合，对误差的变换做出判断，提出评估预测方法，公式如下：??＾Ｗｌ（ｔ）?＝?ｋｘｅｌ｛ｔ）?＋?ｋ２ＹＪｅｌ（ｔ）?＋?ｋ＾｛ｅｌ｛ｔ）－ｅｌ｛ｔ－＼））?（３－３２）??（０?＝?＾ｅｍ?（／）?＋?ｋ＾ｅｍ?（？）?＋?ｋ，（ｅｍ?（ｔ）?－?ｅｍ?（ｔ?－１））?（３—３３）??－２０?－??
【参考文献】：
期刊论文
[1]人工智能研究的新前线:生成式对抗网络[J]. 林懿伦,戴星原,李力,王晓,王飞跃. 自动化学报. 2018(05)
[2]基于灰色系统的过热器管壁温度预测模型[J]. 徐鸿,邓博,蒋东方,郭鹏,倪永中. 中国机械工程. 2017(22)
[3]基于改进BP神经网络的锅炉过热器管壁温度预测研究[J]. 刘月正,朱洪伟,焦玉刚. 科技创新与应用. 2017(31)
[4]生成式对抗网络GAN的研究进展与展望[J]. 王坤峰,苟超,段艳杰,林懿伦,郑心湖,王飞跃. 自动化学报. 2017(03)
[5]基于系统动力学的锅炉过热蒸汽温度系统建模与仿真[J]. 魏乐,闫媛媛. 系统仿真学报. 2016(12)
[6]基于最小二乘支持向量机的锅炉炉膛温度在线预测[J]. 金秀章,魏琳,王真. 热力发电. 2016(07)
[7]超临界压力直流锅炉炉膛受热面工质温度分布计算[J]. 刘福国,崔福兴. 锅炉技术. 2015(06)
[8]大容量锅炉炉膛对流换热与水冷壁壁温计算[J]. 滕叶,张忠孝,刘旭聃,周托,朱明. 动力工程学报. 2014(08)
[9]电站锅炉过热器的集总参数动态建模与仿真[J]. 康英伟,薛阳,黄伟. 计算机仿真. 2012(09)
[10]700℃高效超超临界火力发电技术发展的概述[J]. 徐炯,周一工. 上海电气技术. 2012(02)
硕士论文
[1]基于机理建模与运行数据辨识的电站锅炉过热器壁温分析[D]. 邱钟扬.浙江大学 2016
[2]电站锅炉过热器和再热器超温爆管理论分析与计算方法的研究[D]. 陈朝松.上海发电设备成套设计研究所 2003
本文编号：3317763
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3317763.html
