基于卷积神经网络的火电机组初压实时优化
发布时间：2021-08-24 13:56
以大数据分析为基础,针对实际运行数据,研究非均匀工况划分方法,取得不同工况的典型数据;改进传统滑压曲线只是负荷的单值函数的缺点,应用卷积神经网络,建立负荷、主蒸汽温度、再热蒸汽温度、环境温度和主蒸汽压力的非线性模型,进而得到主蒸汽压力的实时优化值。经过验证,模型在精度和规律性上都取得了满意的效果。最后将主蒸汽压力优化模型应用到实际300 MW火电机组上,并进行闭环控制。结果证明:应用实时主蒸汽压力优化能够有效降低机组能耗,并且在不同环境温度下,有更高的节能潜力。
【文章来源】：控制工程. 2020,27(07)北大核心CSCD
【文章页数】：8 页
【部分图文】：
神经网络训练误差
针对某电厂300 MW火电机组SIS系统数据库中存储的一年的海量数据，选择与能耗敏感性强的5个边界参数来确定工况：负荷、主蒸汽温度、循环水流量、循环水入口温度、再热蒸汽温度来进行工况划分。针对每个参数，在其可行域内从最大值到最小值分为10档，5个参数得到105种组合，即种105工况。每个参数的档级如果均匀划分，不能体现出实际工况的聚集程度，是一种“想当然”的分档方法。因此，本文利用模糊C-均值聚类算法对这5个参数进行划分。工况区间的选取不能过大亦不能过小。若划分的区间过大将会导致样本数据的离散化太强，降低区间之间的关联度而影响数据挖掘的连续性；若划分的区间过小将会导致区间里的样本数据不足或不具有代表性，影响样本数据挖掘结果的准确性。鉴于上述原因，本文选择将每个参数分为10组，负荷进行模糊C-均值聚类算法划分工况的结果如图1～图5所示。图2 主蒸汽温度分布
主蒸汽温度分布
【参考文献】：
期刊论文
[1]自动调整样本和特征权值的模糊聚类算法[J]. 李凯,高岩,曹喆. 哈尔滨工程大学学报. 2018(09)
[2]基于改进的磷虾群优化算法的汽轮机初压优化研究[J]. 牛培峰,杨潇,马云鹏,卢青,林鹏. 动力工程学报. 2015(09)
[3]电力工业:持续健康发展 电力消费增速将回升——《中国电力工业现状与展望》解读[J]. 徐晖. 电器工业. 2015(04)
[4]深度学习的昨天、今天和明天[J]. 余凯,贾磊,陈雨强,徐伟. 计算机研究与发展. 2013(09)
[5]基于主成分分析和FCM聚类的行驶工况研究[J]. 石琴,仇多洋,吴靖. 环境科学研究. 2012(01)
[6]Intuitionistic fuzzy C-means clustering algorithms[J]. Zeshui Xu1,2,* and Junjie Wu3 1.School of Economics and Management,Southeast University,Nanjing 210096,P.R.China;2.Institute of Sciences,PLA University of Sciences and Technology,Nanjing 210007,P.R.China;3.Department of Information Systems,School of Economics and Management,Beihang University,Beijing 100191,P.R.China. Journal of Systems Engineering and Electronics. 2010(04)
[7]基于数据挖掘及SIS的工况划分方法研究[J]. 刘宝玲,何钧. 南昌工程学院学报. 2009(06)
[8]汽轮机组滑压运行最优初压的确定[J]. 李永玲,张春发,王惠杰,张宝,谢飞,黄宇. 热力发电. 2006(04)
博士论文
[1]基于混合模型的机组状态重构及运行优化研究[D]. 王惠杰.华北电力大学（河北） 2009
硕士论文
[1]基于群体智能优化算法的聚类分析研究[D]. 李雪源.哈尔滨工程大学 2016
[2]汽轮机组运行初压在线寻优方法应用研究[D]. 陈林霄.华北电力大学 2014
本文编号：3360115
【文章来源】：控制工程. 2020,27(07)北大核心CSCD
【文章页数】：8 页
【部分图文】：
神经网络训练误差
针对某电厂300 MW火电机组SIS系统数据库中存储的一年的海量数据，选择与能耗敏感性强的5个边界参数来确定工况：负荷、主蒸汽温度、循环水流量、循环水入口温度、再热蒸汽温度来进行工况划分。针对每个参数，在其可行域内从最大值到最小值分为10档，5个参数得到105种组合，即种105工况。每个参数的档级如果均匀划分，不能体现出实际工况的聚集程度，是一种“想当然”的分档方法。因此，本文利用模糊C-均值聚类算法对这5个参数进行划分。工况区间的选取不能过大亦不能过小。若划分的区间过大将会导致样本数据的离散化太强，降低区间之间的关联度而影响数据挖掘的连续性；若划分的区间过小将会导致区间里的样本数据不足或不具有代表性，影响样本数据挖掘结果的准确性。鉴于上述原因，本文选择将每个参数分为10组，负荷进行模糊C-均值聚类算法划分工况的结果如图1～图5所示。图2 主蒸汽温度分布
主蒸汽温度分布
【参考文献】：
期刊论文
[1]自动调整样本和特征权值的模糊聚类算法[J]. 李凯,高岩,曹喆. 哈尔滨工程大学学报. 2018(09)
[2]基于改进的磷虾群优化算法的汽轮机初压优化研究[J]. 牛培峰,杨潇,马云鹏,卢青,林鹏. 动力工程学报. 2015(09)
[3]电力工业:持续健康发展 电力消费增速将回升——《中国电力工业现状与展望》解读[J]. 徐晖. 电器工业. 2015(04)
[4]深度学习的昨天、今天和明天[J]. 余凯,贾磊,陈雨强,徐伟. 计算机研究与发展. 2013(09)
[5]基于主成分分析和FCM聚类的行驶工况研究[J]. 石琴,仇多洋,吴靖. 环境科学研究. 2012(01)
[6]Intuitionistic fuzzy C-means clustering algorithms[J]. Zeshui Xu1,2,* and Junjie Wu3 1.School of Economics and Management,Southeast University,Nanjing 210096,P.R.China;2.Institute of Sciences,PLA University of Sciences and Technology,Nanjing 210007,P.R.China;3.Department of Information Systems,School of Economics and Management,Beihang University,Beijing 100191,P.R.China. Journal of Systems Engineering and Electronics. 2010(04)
[7]基于数据挖掘及SIS的工况划分方法研究[J]. 刘宝玲,何钧. 南昌工程学院学报. 2009(06)
[8]汽轮机组滑压运行最优初压的确定[J]. 李永玲,张春发,王惠杰,张宝,谢飞,黄宇. 热力发电. 2006(04)
博士论文
[1]基于混合模型的机组状态重构及运行优化研究[D]. 王惠杰.华北电力大学（河北） 2009
硕士论文
[1]基于群体智能优化算法的聚类分析研究[D]. 李雪源.哈尔滨工程大学 2016
[2]汽轮机组运行初压在线寻优方法应用研究[D]. 陈林霄.华北电力大学 2014
本文编号：3360115
本文链接：https://www.wllwen.com/kejilunwen/dianlilw/3360115.html
