【摘要】：近年來(lái),隨著我國(guó)社會(huì)經(jīng)濟(jì)的高速發(fā)展,用電結(jié)構(gòu)和政策的不斷調(diào)整,越來(lái)越多的大容量汽輪機(jī)組參與到調(diào)峰運(yùn)行中,由于調(diào)峰運(yùn)行時(shí)機(jī)組長(zhǎng)期工作在較低負(fù)荷區(qū),機(jī)組的熱經(jīng)濟(jì)性明顯降低,所以對(duì)火電機(jī)組的優(yōu)化運(yùn)行研究十分必要。要確保機(jī)組在變負(fù)荷運(yùn)行時(shí)仍舊保持很高的熱經(jīng)濟(jì)性,就必須對(duì)汽輪機(jī)的滑壓運(yùn)行曲線進(jìn)行優(yōu)化,以降低機(jī)組的熱耗率。由于汽輪機(jī)組具有非線性、強(qiáng)耦合的特點(diǎn),傳統(tǒng)方法很難建立起精確的初壓優(yōu)化模型。因此,本文將人工智能領(lǐng)域中人工神經(jīng)網(wǎng)絡(luò)和群體智能優(yōu)化算法應(yīng)用到汽輪機(jī)初壓優(yōu)化的研究中,來(lái)實(shí)現(xiàn)機(jī)組的經(jīng)濟(jì)運(yùn)行。其主要內(nèi)容描述如下:首先,針對(duì)鯨魚優(yōu)化算法(Whale Optimization Algorithm,WOA)收斂精度低、收斂速度慢的缺陷,提出了一種基于反向?qū)W習(xí)自適應(yīng)的鯨魚優(yōu)化算法(Ameliorative Whale Optimization Algorithm,AWOA)。最后為了驗(yàn)證AWOA算法的有效性和高效性,采用10個(gè)測(cè)試函數(shù),將其與粒子群算法(Particle Swarm Optimization,PSO)、差分進(jìn)化算法(Differential Evolution,DE)以及基本W(wǎng)OA算法進(jìn)行比較,結(jié)果表明,AWOA算法在收斂精度和收斂速度上都要優(yōu)于其他三種算法。然后,采用快速學(xué)習(xí)網(wǎng)Fast Learning Network,FLN)對(duì)汽輪機(jī)熱耗率進(jìn)行建模時(shí),由于FLN的輸入權(quán)值和隱藏層閾值是隨機(jī)初始化的,這樣就大大降低了模型的穩(wěn)定性和可靠性,故采用AWOA算法優(yōu)化FLN的輸入權(quán)值和隱層閾值,進(jìn)而提出了AWOA-FLN對(duì)熱耗率進(jìn)行綜合建模,實(shí)驗(yàn)仿真結(jié)果證明了AWOA-FLN熱耗率預(yù)測(cè)模型預(yù)測(cè)精度更高以及泛化能力更強(qiáng)。最后,以AWOA-FLN熱耗率預(yù)測(cè)模型為基礎(chǔ),采用AWOA算法以熱耗率最低為目標(biāo)在可行壓力區(qū)間內(nèi)對(duì)主蒸汽壓力進(jìn)行尋優(yōu),采用此種方法獲得的最優(yōu)初壓,其熱耗率都有不同程度的下降,提高機(jī)組的熱經(jīng)濟(jì)性。根據(jù)優(yōu)化得到的滑壓運(yùn)行曲線對(duì)電廠的經(jīng)濟(jì)運(yùn)行具有很強(qiáng)的指導(dǎo)意義。
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP18;TK261
【圖文】：

第 1 章 緒 論第 1 章 緒 論背景與意義生存的重要物質(zhì)保障，是經(jīng)濟(jì)快速發(fā)展和社不斷突飛猛進(jìn)，人們對(duì)能源的需求也在不斷增導(dǎo)彈、輪船、汽車、電腦、電視、手機(jī)等各種品都緊緊依賴著能源。2015 年，我國(guó)已經(jīng)探明663.1 億噸，僅次于美國(guó)和俄羅斯，其占我國(guó)僅占 6%。由于這種儲(chǔ)存特點(diǎn)決定了煤炭在我國(guó)。

圖 2-1 快速學(xué)習(xí)網(wǎng)結(jié)構(gòu)圖假設(shè)有N 個(gè)訓(xùn)練樣本 , , 1,2, , i ix y i N，此中 T1 2, , ,ni i i inx x x x R表本的n維輸入向量， T1 2, ,li i i ily y y y R代表第i個(gè)樣本的l維輸出向?qū)由窠?jīng)元數(shù)目為m個(gè)，那么網(wǎng)絡(luò)的輸入權(quán)值inW 是一個(gè)m n的矩陣，隱藏 1 2, , ,m b b b是一個(gè)維數(shù)為 m 1的矩陣，輸出層和隱藏層相連接的權(quán)值l m的矩陣，另外，F(xiàn)LN 的輸出層與輸入層之間的連接權(quán)值oiW 是一個(gè)維的矩陣。則 FLN 的輸出神經(jīng)單元的數(shù)學(xué)模型可表述為：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 ，

【相似文獻(xiàn)】

相關(guān)期刊論文 前4條

1 李慧君;劉聰;王曉峰;趙翔;;超超臨界二次再熱機(jī)組初壓優(yōu)化研究[J];汽輪機(jī)技術(shù);2018年02期

2 王世勛;龔源榮;周金順;儲(chǔ)鏘勇;;600MW超臨界機(jī)組滑壓優(yōu)化運(yùn)行技術(shù)研究[J];汽輪機(jī)技術(shù);2011年02期

3 程通銳;常澍平;黃海東;張春發(fā);;火電廠變負(fù)荷運(yùn)行方式研究[J];華東電力;2008年10期

4 王艷軍;吳彥坤;張春發(fā);黃海東;;主蒸汽參數(shù)變化對(duì)機(jī)組功率影響的定量研究[J];熱力透平;2007年03期

相關(guān)博士學(xué)位論文 前1條

1 劉超;汽輪機(jī)滑壓運(yùn)行初壓智能優(yōu)化方法的研究[D];燕山大學(xué);2016年

相關(guān)碩士學(xué)位論文 前2條

1 吳志良;基于改進(jìn)鯨魚優(yōu)化算法的汽輪機(jī)初壓優(yōu)化研究[D];燕山大學(xué);2018年

2 張瑩瑩;基于數(shù)據(jù)分析的火電廠初壓優(yōu)化方法研究[D];華北電力大學(xué);2018年

本文編號(hào)：2729336