【摘要】：在熱電廠配置電極式鍋爐,有助于熱電機組的熱電解耦,能夠提高機組調(diào)峰能力和系統(tǒng)運行靈活性,從而可以減少風(fēng)電棄風(fēng)。電極式鍋爐各參數(shù)變量間存在強耦合、非線性的關(guān)系,神經(jīng)網(wǎng)絡(luò)具有良好的復(fù)雜動態(tài)系統(tǒng)建模能力,應(yīng)用日益廣泛。因此,電極式鍋爐的神經(jīng)網(wǎng)絡(luò)建模研究具有重要的意義。為此,本文針對15MW電極式鍋爐,詳細(xì)分析了電鍋爐系統(tǒng)的結(jié)構(gòu)原理及控制流程。在深入了解人工神經(jīng)網(wǎng)絡(luò)不同結(jié)構(gòu)原理、學(xué)習(xí)算法與辨識結(jié)構(gòu)的基礎(chǔ)上,通過比較時延BP神經(jīng)網(wǎng)絡(luò)與時延Elman神經(jīng)網(wǎng)絡(luò)的兩種結(jié)構(gòu),以及梯度下降法、Levenberg-Marquardt算法與貝葉斯正則化三種神經(jīng)網(wǎng)絡(luò)的訓(xùn)練算法,建立了電極式鍋爐的電功率與主蒸汽壓力的一階遲延神經(jīng)網(wǎng)絡(luò)預(yù)測模型。然后,針對粒子群優(yōu)化算法在神經(jīng)網(wǎng)絡(luò)階次優(yōu)化中的不足,引入重啟動策略,提出了一種改進的粒子群優(yōu)化算法,用其優(yōu)化神經(jīng)網(wǎng)絡(luò)參數(shù)遲延階次得出了最優(yōu)電鍋爐神經(jīng)網(wǎng)絡(luò)預(yù)測模型。通過比較各種擾動下的動態(tài)數(shù)據(jù),驗證了神經(jīng)網(wǎng)絡(luò)模型具有較高預(yù)測精度。最后,運用MATLAB軟件使電極式鍋爐與350MW單元仿真機組實時雙向通訊,建立了組合模型。通過仿真實驗,驗證了組合模型之間存在功率守恒關(guān)系,得出了電極式鍋爐的電功率可有效快速地影響單元機組的上網(wǎng)功率的結(jié)論。本文工作為電極式鍋爐在火電廠網(wǎng)源側(cè)深度調(diào)峰的協(xié)調(diào)控制提供理論基礎(chǔ),有利于電極式鍋爐在火電廠中的工程應(yīng)用。
【學(xué)位授予單位】：華北電力大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TM621.2;TP183
【圖文】：

第 2 章 電鍋爐系統(tǒng)爐系統(tǒng)與結(jié)構(gòu)原理爐系統(tǒng)電鍋爐即電極式鍋爐，電極式鍋爐系統(tǒng)的基本原理見圖 2-，充分的利用了內(nèi)筒的熱量，增加了熱效率。電極式鍋爐的、除鹽水箱和加藥系統(tǒng)三部分組成。鍋爐本體材料采用不銹層隔熱棉進行保溫，減少熱量散失造成的浪費。高壓三線電接入內(nèi)筒，絕緣方式主要有：內(nèi)外筒的液位測量通過采用絕筒采用懸掛的絕緣子吊在外筒頂端；循環(huán)水由外筒進入內(nèi)筒下泄閥門與外筒金屬桿利用六角絕緣連接。

絡(luò)有著多種復(fù)雜的功能。3.1 生物神經(jīng)元與人工神經(jīng)元3.1.1 生物神經(jīng)元生物神經(jīng)元主要由細(xì)胞體、樹突、軸突和突觸幾個部分組成。其結(jié)構(gòu)簡圖如圖3-1 所示。圖 3-1 生物神經(jīng)元結(jié)構(gòu)簡圖樹突是生物神經(jīng)元的輸入部分，與其它神經(jīng)元的突觸相連，將信息傳入；細(xì)胞體是整個生物神經(jīng)元的中樞，是神經(jīng)細(xì)胞的核心部分，它負(fù)責(zé)接納來自其它生物神經(jīng)元傳來的信息；軸突是神經(jīng)元的輸出部分，它可以將細(xì)胞體處理后的信息向外部導(dǎo)出，每個神經(jīng)元僅有一個軸突，它的尾部伸出許多神經(jīng)末梢，末梢頂端長有突觸；突觸是生物神經(jīng)元的連接接口，起到信息傳遞的作用[40]。生物神經(jīng)元的種類雖然各有差異，但是其處理信息的流程具有相似性。信息從神經(jīng)元的樹突進入細(xì)胞體，在經(jīng)細(xì)胞體處理后流向軸突，最后到達(dá)突觸傳遞給其它神經(jīng)元的樹突。3.1.2 人工神經(jīng)元受生物神經(jīng)元的啟發(fā)，人們構(gòu)造出人工神經(jīng)元，結(jié)構(gòu)如圖 3-2 所示，其主要由連接權(quán)、求和單元和激活函數(shù)組成，我們可以用如下公式描述一個人工神經(jīng)元：

b）數(shù)據(jù)預(yù)處理后訓(xùn)練樣本的輸入?yún)?shù)圖 4-2 數(shù)據(jù)預(yù)處理前后訓(xùn)練樣本的輸入?yún)?shù)3 兩種神經(jīng)網(wǎng)絡(luò)預(yù)測模型的訓(xùn)練和驗證比較經(jīng)過分析，我們選擇表 4-1 中的輸入輸出參數(shù)，選用圖 4-1 中的兩個神經(jīng)，將各輸入的遲延確定為一階，利用 MATLAB 神經(jīng)網(wǎng)絡(luò)工具箱創(chuàng)建時延絡(luò)和時延 Elman 神經(jīng)網(wǎng)絡(luò)，設(shè)置均方誤差（MSE）為 10-5，最小梯度為迭代次數(shù)為1900次。其中，輸入層到隱含層的傳遞函數(shù)為S型正切函數(shù)ta層到輸出層的傳遞函數(shù)為 purelin，用貝葉斯正則化（trainbr）來訓(xùn)練網(wǎng)絡(luò)夠限制模型連接權(quán)值的大小來防止“過擬合”現(xiàn)象，進而提高泛化能力[49]。越多包含訓(xùn)練信息越多，過多會產(chǎn)生“過擬合”現(xiàn)象，隱含層神經(jīng)元個數(shù)由[50]，并運用試湊法進行試驗。n i j k（：i 為輸入層的神經(jīng)元數(shù)，j 為輸出層神經(jīng)元數(shù)，k 為[1,10]范圍內(nèi)的常數(shù)不同隱層個數(shù)的訓(xùn)練結(jié)果如表 4-3 所示，隨著隱層個數(shù)的增加，均方誤差

【參考文獻】

相關(guān)期刊論文 前10條

1 吳炳晨;吳航宇;;核電電極浸入式鍋爐汽水參數(shù)反向控制電功率方法[J];中國電力;2017年02期

2 李佳佳;胡林獻;;基于二級熱網(wǎng)電鍋爐調(diào)峰的消納棄風(fēng)方案研究[J];電網(wǎng)技術(shù);2015年11期

3 方海泉;薛惠鋒;李寧;費晰;;基于貝葉斯神經(jīng)網(wǎng)絡(luò)遺傳算法的鍋爐燃燒優(yōu)化[J];系統(tǒng)仿真學(xué)報;2015年08期

4 谷麗景;李永華;李路;;電站鍋爐燃燒優(yōu)化混合模型預(yù)測[J];中國電機工程學(xué)報;2015年09期

5 王鵬;鄭博聞;秦付軍;寧東平;;電鍋爐智能控制系統(tǒng)及其FPGA實現(xiàn)[J];中國農(nóng)機化學(xué)報;2014年05期

6 呂泉;陳天佑;王海霞;李玲;呂陽;李衛(wèi)東;;含儲熱的電力系統(tǒng)電熱綜合調(diào)度模型[J];電力自動化設(shè)備;2014年05期

7 呂泉;姜浩;陳天佑;王海霞;呂陽;李衛(wèi)東;;基于電鍋爐的熱電廠消納風(fēng)電方案及其國民經(jīng)濟評價[J];電力系統(tǒng)自動化;2014年01期

8 馬良玉;高志元;;基于神經(jīng)網(wǎng)絡(luò)的超臨界機組數(shù)學(xué)模型[J];動力工程學(xué)報;2013年07期

9 郭鋒;夏青揚;劉楊;;浸沒式電極鍋爐原理及應(yīng)用[J];能源研究與管理;2012年02期

10 趙翠蓮;修恒旭;;淺談核電站輔助鍋爐選型[J];應(yīng)用能源技術(shù);2010年11期

本文編號：2781846