以大數(shù)據(jù)分析為基礎(chǔ),針對實際運行數(shù)據(jù),研究非均勻工況劃分方法,取得不同工況的典型數(shù)據(jù);改進傳統(tǒng)滑壓曲線只是負荷的單值函數(shù)的缺點,應(yīng)用卷積神經(jīng)網(wǎng)絡(luò),建立負荷、主蒸汽溫度、再熱蒸汽溫度、環(huán)境溫度和主蒸汽壓力的非線性模型,進而得到主蒸汽壓力的實時優(yōu)化值。經(jīng)過驗證,模型在精度和規(guī)律性上都取得了滿意的效果。最后將主蒸汽壓力優(yōu)化模型應(yīng)用到實際300 MW火電機組上,并進行閉環(huán)控制。結(jié)果證明:應(yīng)用實時主蒸汽壓力優(yōu)化能夠有效降低機組能耗,并且在不同環(huán)境溫度下,有更高的節(jié)能潛力。 

【文章來源】：控制工程. 2020,27(07)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差

針對某電廠300 MW火電機組SIS系統(tǒng)數(shù)據(jù)庫中存儲的一年的海量數(shù)據(jù)，選擇與能耗敏感性強的5個邊界參數(shù)來確定工況：負荷、主蒸汽溫度、循環(huán)水流量、循環(huán)水入口溫度、再熱蒸汽溫度來進行工況劃分。針對每個參數(shù)，在其可行域內(nèi)從最大值到最小值分為10檔，5個參數(shù)得到105種組合，即種105工況。每個參數(shù)的檔級如果均勻劃分，不能體現(xiàn)出實際工況的聚集程度，是一種“想當(dāng)然”的分檔方法。因此，本文利用模糊C-均值聚類算法對這5個參數(shù)進行劃分。工況區(qū)間的選取不能過大亦不能過小。若劃分的區(qū)間過大將會導(dǎo)致樣本數(shù)據(jù)的離散化太強，降低區(qū)間之間的關(guān)聯(lián)度而影響數(shù)據(jù)挖掘的連續(xù)性；若劃分的區(qū)間過小將會導(dǎo)致區(qū)間里的樣本數(shù)據(jù)不足或不具有代表性，影響樣本數(shù)據(jù)挖掘結(jié)果的準確性。鑒于上述原因，本文選擇將每個參數(shù)分為10組，負荷進行模糊C-均值聚類算法劃分工況的結(jié)果如圖1～圖5所示。圖2 主蒸汽溫度分布

主蒸汽溫度分布

【參考文獻】：
期刊論文
[1]自動調(diào)整樣本和特征權(quán)值的模糊聚類算法[J]. 李凱,高巖,曹喆.  哈爾濱工程大學(xué)學(xué)報. 2018(09)
[2]基于改進的磷蝦群優(yōu)化算法的汽輪機初壓優(yōu)化研究[J]. 牛培峰,楊瀟,馬云鵬,盧青,林鵬.  動力工程學(xué)報. 2015(09)
[3]電力工業(yè):持續(xù)健康發(fā)展 電力消費增速將回升——《中國電力工業(yè)現(xiàn)狀與展望》解讀[J]. 徐暉.  電器工業(yè). 2015(04)
[4]深度學(xué)習(xí)的昨天、今天和明天[J]. 余凱,賈磊,陳雨強,徐偉.  計算機研究與發(fā)展. 2013(09)
[5]基于主成分分析和FCM聚類的行駛工況研究[J]. 石琴,仇多洋,吳靖.  環(huán)境科學(xué)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]基于數(shù)據(jù)挖掘及SIS的工況劃分方法研究[J]. 劉寶玲,何鈞.  南昌工程學(xué)院學(xué)報. 2009(06)
[8]汽輪機組滑壓運行最優(yōu)初壓的確定[J]. 李永玲,張春發(fā),王惠杰,張寶,謝飛,黃宇.  熱力發(fā)電. 2006(04)

博士論文
[1]基于混合模型的機組狀態(tài)重構(gòu)及運行優(yōu)化研究[D]. 王惠杰.華北電力大學(xué)（河北） 2009

碩士論文
[1]基于群體智能優(yōu)化算法的聚類分析研究[D]. 李雪源.哈爾濱工程大學(xué) 2016
[2]汽輪機組運行初壓在線尋優(yōu)方法應(yīng)用研究[D]. 陳林霄.華北電力大學(xué) 2014



本文編號：3360115