基于改进鲸鱼优化算法的汽轮机初压优化研究

发布时间：2020-06-25 15:20

【摘要】：近年来,随着我国社会经济的高速发展,用电结构和政策的不断调整,越来越多的大容量汽轮机组参与到调峰运行中,由于调峰运行时机组长期工作在较低负荷区,机组的热经济性明显降低,所以对火电机组的优化运行研究十分必要。要确保机组在变负荷运行时仍旧保持很高的热经济性,就必须对汽轮机的滑压运行曲线进行优化,以降低机组的热耗率。由于汽轮机组具有非线性、强耦合的特点,传统方法很难建立起精确的初压优化模型。因此,本文将人工智能领域中人工神经网络和群体智能优化算法应用到汽轮机初压优化的研究中,来实现机组的经济运行。其主要内容描述如下:首先,针对鲸鱼优化算法(Whale Optimization Algorithm,WOA)收敛精度低、收敛速度慢的缺陷,提出了一种基于反向学习自适应的鲸鱼优化算法(Ameliorative Whale Optimization Algorithm,AWOA)。最后为了验证AWOA算法的有效性和高效性,采用10个测试函数,将其与粒子群算法(Particle Swarm Optimization,PSO)、差分进化算法(Differential Evolution,DE)以及基本WOA算法进行比较,结果表明,AWOA算法在收敛精度和收敛速度上都要优于其他三种算法。然后,采用快速学习网Fast Learning Network,FLN)对汽轮机热耗率进行建模时,由于FLN的输入权值和隐藏层阈值是随机初始化的,这样就大大降低了模型的稳定性和可靠性,故采用AWOA算法优化FLN的输入权值和隐层阈值,进而提出了AWOA-FLN对热耗率进行综合建模,实验仿真结果证明了AWOA-FLN热耗率预测模型预测精度更高以及泛化能力更强。最后,以AWOA-FLN热耗率预测模型为基础,采用AWOA算法以热耗率最低为目标在可行压力区间内对主蒸汽压力进行寻优,采用此种方法获得的最优初压,其热耗率都有不同程度的下降,提高机组的热经济性。根据优化得到的滑压运行曲线对电厂的经济运行具有很强的指导意义。
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP18;TK261
【图文】：

天然气消费,石油,物质保障,经济快速发展

第 1 章绪论第 1 章绪论背景与意义生存的重要物质保障，是经济快速发展和社不断突飞猛进，人们对能源的需求也在不断增导弹、轮船、汽车、电脑、电视、手机等各种品都紧紧依赖着能源。2015 年，我国已经探明663.1 亿吨，仅次于美国和俄罗斯，其占我国仅占 6%。由于这种储存特点决定了煤炭在我国。

网结构,矩阵,权值

图 2-1 快速学习网结构图假设有N 个训练样本 , , 1,2, , i ix y i N，此中 T1 2, , ,ni i i inx x x x R表本的n维输入向量， T1 2, ,li i i ily y y y R代表第i个样本的l维输出向层神经元数目为m个，那么网络的输入权值inW 是一个m n的矩阵，隐藏 1 2, , ,m b b b是一个维数为 m 1的矩阵，输出层和隐藏层相连接的权值l m的矩阵，另外，FLN 的输出层与输入层之间的连接权值oiW 是一个维的矩阵。则 FLN 的输出神经单元的数学模型可表述为：oi oh in1 1 11 1 1oi oh in2 2 21 1 1oi oh in1 1 11,2, ,n m nj r jr k k kt jtr k tn m nj r jr k k kt jtr k tn m njl lr jr lk k kt jtr k ty W x W g b W xy W x W g b W x j Ny W x W g b W x ，

【相似文献】