CN105512388A - 一种基于labview的亚临界火电机组增强激励仿真建模方法 - Google Patents
一种基于labview的亚临界火电机组增强激励仿真建模方法 Download PDFInfo
- Publication number
- CN105512388A CN105512388A CN201510884053.9A CN201510884053A CN105512388A CN 105512388 A CN105512388 A CN 105512388A CN 201510884053 A CN201510884053 A CN 201510884053A CN 105512388 A CN105512388 A CN 105512388A
- Authority
- CN
- China
- Prior art keywords
- unit
- realistic model
- excitation
- data
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000005094 computer simulation Methods 0.000 title claims abstract description 11
- 230000000638 stimulation Effects 0.000 title abstract 7
- 238000004088 simulation Methods 0.000 claims abstract description 43
- 238000012360 testing method Methods 0.000 claims abstract description 24
- 238000004519 manufacturing process Methods 0.000 claims abstract description 19
- 230000001052 transient effect Effects 0.000 claims abstract description 12
- 238000010977 unit operation Methods 0.000 claims abstract description 6
- 230000005284 excitation Effects 0.000 claims description 57
- 238000012546 transfer Methods 0.000 claims description 24
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 17
- 238000013461 design Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 15
- 238000005457 optimization Methods 0.000 claims description 13
- 230000003068 static effect Effects 0.000 claims description 12
- 230000000740 bleeding effect Effects 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 9
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 6
- 239000003546 flue gas Substances 0.000 claims description 6
- 238000007418 data mining Methods 0.000 claims description 5
- 238000001816 cooling Methods 0.000 claims description 4
- 230000005855 radiation Effects 0.000 claims description 4
- 239000011347 resin Substances 0.000 claims description 4
- 229920005989 resin Polymers 0.000 claims description 4
- 238000003032 molecular docking Methods 0.000 claims description 3
- 238000009833 condensation Methods 0.000 claims description 2
- 230000005494 condensation Effects 0.000 claims description 2
- 238000010612 desalination reaction Methods 0.000 claims description 2
- 238000001704 evaporation Methods 0.000 claims description 2
- 230000008020 evaporation Effects 0.000 claims description 2
- 238000002360 preparation method Methods 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 230000007704 transition Effects 0.000 claims description 2
- 210000001503 joint Anatomy 0.000 abstract 2
- 230000002596 correlated effect Effects 0.000 abstract 1
- 238000004422 calculation algorithm Methods 0.000 description 45
- 238000011217 control strategy Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 7
- 239000003245 coal Substances 0.000 description 6
- 238000011161 development Methods 0.000 description 6
- 230000018109 developmental process Effects 0.000 description 6
- 238000005065 mining Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 239000007789 gas Substances 0.000 description 5
- 238000013178 mathematical model Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000003111 delayed effect Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 239000012530 fluid Substances 0.000 description 4
- 230000008676 import Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000002955 isolation Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000005619 thermoelectricity Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 210000004907 gland Anatomy 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 230000002209 hydrophobic effect Effects 0.000 description 2
- 230000003116 impacting effect Effects 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003134 recirculating effect Effects 0.000 description 2
- 238000003303 reheating Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000003362 replicative effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于LABVIEW的亚临界火电机组增强激励仿真建模方法，其属于仿真数据建模领域，其方法如下：1）划定增强激励仿真建模的边界条件；2）根据1）中划定的边界条件，对1）描述的边界条件内的全部相关在线机组数据分类；3）建立机组增强激励仿真模型；4）将在线机组数据和机组的增强激励仿真模型对接，将机组运行操作控制数据与亚临界火电机组仿真模型相关联的DCS系统对接；5）比较机组增强激励仿真模型的参数与实际机组特性参数间的偏差，对锅炉侧和汽机侧增强激励仿真模型内参数值修正优化得到仿真模型；6）稳态精度校验；7）暂态精度校验；8）在线仿真建模调试。本发明能得到既满足生产试验要求且逼近实际机组特性的仿真模型。
Description
技术领域
本发明属于仿真数据的建模领域，具体涉及一种基于LABVIEW的亚临界火电机组增强激励仿真建模方法。
背景技术
第一、原有的仿真模型特性和现场实际工业流程特性，没有考虑实际存滞后和传导带来的时间问题，据此所得到的仿真模型与实际生产特性必然有很大的偏差；第二、原有的亚临界火电仿真模型只是在50％，80％，100％等几个静态负荷点来激励仿真，从而获得静态工况下的模型数据以及参数。并不足以真正的反应现场工况的变化；
第三、火电机组现场机组类型众多，没有通用的数据接口和仿真模型接口可以兼容所有火电机组设备，开发接口不统一，而且难于调试和现场应用。
本发明的有益效果如下：
随着电力工业的发展和科学技术的进步，电网发电机组不断向着大容量、高参数方向迈进，自动化程度越来越高，对机组自动化控制提出了更高的要求。由于亚临界机组特性复杂多样性，RB试验和循环流化床的控制方案具有现场调试周期长、风险高、控制逻辑不易实现等特点，迫切需要应用新的控制理论和控制策略，希望在应用推广之前能够具备以下两方面条件：第一，进行仿真试验，目前仿真模型均是按照一定工况运行静态数据对机组进行仿真设计，只能保证在设计工况具备一定的精度，与实际运行情况有较大的误差，没有考虑实际存滞后和传导带来的时间问题，据此所得到的仿真模型与实际生产特性必然有很大的偏差；原有的亚临界火电仿真模型只是在50％，80％，100％等几个静态负荷点来激励仿真，
从而获得静态工况下的模型数据以及参数。并不足以真正的反应现场工况的变化；火电机组现场机组类型众多，没有通用的数据接口和仿真模型接口可以兼容所有火电机组设备，开发接口不统一，而且难于调试和现场应用。
因此需要能够有一个生产试验标准化平台，可实现生产试验性能效果的的预估评价，实现各先进控制算法的验证性能分析等功能需求。
本方法实现了电网主力发电机组的实际数据与仿真模型对接，有机紧密的将生产实际与科研联系起来，同时结合当电网运行的可靠性和解决遇到的各种问题初步分析，并开展了系列化的优化策略体系研究。利用增强激励式仿真预测模型和评价方法，规范先进控制策略走向运行现场的每一个环节，开展了控制策略制定、仿真迭代优化和控制策略寿命及风险评估，通过整合先进控制策略的迭代优化工作，减少调试时间和增加试验安全性，同时取得了较好的经济效益。
将原有的仿真模型改进为在线数据激励的试验仿真模型，针对RB生产试验和建立仿真模型，实现仿真模型响应特性与现场实际特性趋近度达90％，使仿真模型成为可以真正服务于生产试验的技术支撑平台；
基于在线数据仿真模型的模型，通在仿真模型上的迭代优化工作，提供大型机组RUNBACK工况时，机组能否安全运行的一种计算方法；减少调试时间和增加试验安全性，解决遇到的各种问题减少服务次数，降低现场风险，提升服务质量；
应用基于LABVIEW的亚临界火电机组增强激励仿真建模方法对RB试验划分边界进行仿真建模评估后，将解决实际问题的服务次数从平均10次降低到2次，缩减成本15％，提高工程进度13；单台机组年节省机组热态启动费用670万，节省冷态费用380万，确保RB一次成功率97％,对机组和电网冲击幅度降低了81％。
发明内容
本发明所要解决的技术问题是提供了一种准确有效、稳定性好的基于LABVIEW的亚临界火电机组增强激励仿真建模方法。
本发明所采用的技术方案步骤如下：
步骤1、针对现场生产试验特性，划定所述增强激励仿真建模的边界条件；
锅炉侧风烟系统边界条件：包含磨煤机、给煤机系统系统，一次风、送风、引风、空预器以及炉膛系统，以烟气压力为边界；
锅炉侧主蒸汽系统边界条件：锅炉给水由#3高加出口供给，以#3高加出口为边界。主蒸汽流出以汽轮机调门之前的主蒸汽管道为边界。
汽机侧高压缸及高旁系统边界条件：入口以末级过热器出口后蒸汽管道上压力节点为边界，出口以再热汽入口压力节点为边界。
汽机侧高加及抽汽系统边界条件：高加热器入口边界选取给水母管的压力节点，出口边界选取省煤器入口节点，抽汽参数由高压缸系统各级组输出。
步骤2、根据步骤1中划定的边界条件，对步骤1描述的边界条件内的全部相关在线机组数据进行分类，即分为输入类参数、输出类参数和中间参数；
步骤3、建立机组的增强激励仿真模型：
3-1、建立机组锅炉侧增强激励仿真模型：
在机组建模过程中将锅炉侧依据现场生产试验特性，划分为不同的子模型：风烟系统子模型和蒸汽系统子模型，所述风烟系统子模型和蒸汽系统子模型建好后通过模型合并，搭建出整个锅炉侧机组模型；
3-2、建立机组汽机侧增强激励仿真模型：
在机组建模过程中将汽机侧依据现场生产试验特性，划分为不同的子模型：高压缸及高旁系统子模型和高加及抽汽系统子模型，高压缸及高旁系统子模型和高加及抽汽系统子模型建好后通过模型合并，搭建出整个机组汽机侧模型；
步骤4、在线数据综合智能校验平台基础上，将在线机组数据和机组的增强激励仿真模型对接，将获得的所述在线机组数据经过归一化处理后，建立在线数据智能校验数据库按照亚临界火电机组仿真模型实际对应关系，一一和亚临界火电机组仿真模型相应的数据点进行对接，同时将机组运行操作控制相关数据与所述亚临界火电机组仿真模型相关联的DCS系统进行对接，为仿真建模做好建模前的数据准备工作；
步骤5、利用在线数据综合智能校验平台将已经在线数据智能校验数据库的数据导入锅炉侧增强激励仿真模型和汽机侧增强激励仿真模型中，比较机组的增强激励仿真模型的参数与实际机组特性参数之间的偏差，对锅炉侧增强激励仿真模型内的参数值和汽机侧增强激励仿真模型内的参数值进行反复修正优化，最终得到满足生产试验要求且逼近实际机组特性的仿真模型；
步骤6、进行稳态精度校验：
通过基于数值型模糊关联规则的数据挖掘技术对机组运行的海量数据进行分析，获取机组的增强激励仿真模型的运行参数，与对应实际机组参数进行比较，进而对机组的增强激励仿真模型稳态精度进行评价；
步骤7：进行暂态精度校验：
通过基于数值型模糊关联规则的数据挖掘技术获取当前机组在扰动过渡过程中锅炉侧增强激励仿真模型和汽机侧增强激励仿真模型内的运行参数，与对应实际机组运行参数进行比较，得出机组的增强激励仿真模型暂态精度；
步骤8、进行在线仿真建模调试。
进一步的，所述步骤4中将在线机组数据和机组的增强激励仿真模型对接的方法为：
将所述在线机组数据按照机组的增强激励仿真模型工况分为若干工况预置条件，首先按照工况运行静态数据对机组进行仿真设计校验，然后将机组在线数据对所述机组的增强激励仿真模型进行修正，最后针对所述机组的增强激励仿真模型的动态特性，利用所述在线机组数据和所述机组的增强激励仿真模型输出数据的偏差，迭代优化出最优的仿真模型参数数值。
进一步的，所述步骤5中锅炉侧仿真模型内的参数值包括但不限于：水冷壁辐射换热系数、前屏辐射换热系统、过热蒸汽侧换热系数、过热蒸汽烟气蒸汽侧换热系数、再热蒸汽蒸汽侧换热系数和再热蒸汽烟气蒸汽侧换热系数；
所述汽机侧仿真模型内的参数值包括但不限于：通流结垢系数、流量压力比、传导热传递系数、对流热传递系数、环境放热系数、水位系数、层流和紊流的过渡压差、动态蒸发常数、动态凝结常数、壳侧汽区向环境的散热系数、壳侧水区与管道之间的换热系数、管道中的水比热壳侧水区向环境的散热系数加热器水位折算系数、超压放汽导纳、除盐能力、树脂效率衰减的时间常数、正常的流导、与导电率有关的流导减少系数、最小导电率和树脂效率衰减的时间常数。
进一步的，所述步骤8中的调试方法具体如下：在锅炉侧和汽机侧调试前首先分别对锅炉侧增强激励仿真模型和汽机侧增强激励仿真模型包含的子模型进行调试，从已知的一个模型平衡状态即稳态点开始，在稳态下通过对比不同负荷下的稳态参数，对锅炉侧增强激励仿真模型和汽机侧增强激励仿真模型的正确性进行测试；完成各个锅炉侧增强激励仿真模型和汽机侧增强激励仿真模型的调试后，将子模型连接成一个完整的机组仿真系统，对整个系统模型进行调试。
本发明的有益效果如下：
随着电力工业的发展和科学技术的进步，电网发电机组不断向着大容量、高参数方向迈进，自动化程度越来越高，对机组自动化控制提出了更高的要求。由于亚临界机组特性复杂多样性，RB试验和循环流化床的控制方案具有现场调试周期长、风险高、控制逻辑不易实现等特点，迫切需要应用新的控制理论和控制策略，希望在应用推广之前能够具备以下两方面条件：第一，进行仿真试验，目前仿真机均是按照一定工况运行静态数据对机组进行仿真设计，只能保证在设计工况具备一定的精度，与实际运行情况有较大的误差，没有考虑实际存滞后和传导带来的时间问题，据此所得到的仿真模型与实际生产特性必然有很大的偏差；原有的亚临界火电仿真模型只是在50％，80％，100％等几个静态负荷点来激励仿真，从而获得静态工况下的模型数据以及参数，并不足以真正的反应现场工况的变化；火电机组现场机组类型众多，没有通用的数据接口和仿真模型接口可以兼容所有火电机组设备，开发接口不统一，而且难于调试和现场应用。
因此需要能够有一个生产试验标准化平台，可实现生产试验性能效果的的预估评价，实现各先进控制算法的验证性能分析等功能需求。
本发明实现了电网主力发电机组的实际数据与仿真模型对接，有机紧密的将生产实际与科研联系起来，同时结合当电网运行的可靠性和解决遇到的各种问题初步分析，并开展了系列化的优化策略体系研究。利用增强激励式仿真预测模型和评价方法，规范先进控制策略走向运行现场的每一个环节，参考成果内容编制了实用的电厂内部控制策略与实施管理制度，开展了控制策略制定、仿真迭代优化和控制策略寿命及风险评估，最终达到以生产带来的效益推动科技研发的目的。通过整合先进控制策略的迭代优化工作，减少调试时间和增加试验安全性，同时取得了较好的经济效益。
将原有的仿真平台改进为在线数据激励的试验仿真平台，针对RB生产试验和建立仿真模型，实现仿真模型响应特性与现场实际特性趋近度达90％，使仿真平台成为可以真正服务于生产试验的技术支撑平台；
基于在线数据仿真平台的模型，通在仿真平台上的迭代优化工作，提供大型机组RUNBACK工况时，机组能否安全运行的一种计算方法；减少调试时间和增加试验安全性，解决遇到的各种问题减少服务次数，降低现场风险，提升服务质量；
应用基于LABVIEW的亚临界火电机组增强激励仿真建模方法对RB试验划分边界进行仿真建模评估后，将解决实际问题的服务次数从平均10次降低到2次，缩减成本15％，提高工程进度13；单台机组年节省机组热态启动费用670万，节省冷态费用380万，确保RB一次成功率97％,对机组和电网冲击幅度降低了81％。
附图说明
图1为本发明中模块的结构图。
图2为本发明中模块变量的连接方式示意图。
图3为本发明中风烟系统仿真子模型结构示意图。
图4为本发明中主蒸汽系统仿真子模型结构示意图。
图5为本发明中高压缸及高旁系统仿真子模型结构示意图。
图6本发明中高加及抽汽系统仿真模型结构示意图。
具体实施方式
下面结合实施例和附图1～6对本发明做进一步详细说明。
本实施例的具体方法如下：
步骤1、在通用型机组在线数据综合智能校验平台基础上，将在线机组数据和仿真模型对接。将数据按照工况分为若干工况预置条件，首先按照一定工况运行静态数据对机组进行仿真设计校验，保证仿真模型在设计工况满足实际生产试验的精度要求，比如原有仿真模型只要求在50％和100％负荷工况满足仿真操作要求精度即可，那么为了满足仿真试验的要求，就进一步将仿真模型工况细分，以10％为档位，分别设置10％、30％、50％、70％、100％等负荷工况条件，需要将机组在线数据对仿真模型进行修正，提高模型的精确性和可用性；其次，针对仿真模型的动态特性，利用在线数据和仿真模型输出数据的偏差，迭代优化最优的仿真模型参数数值。最终，达到仿真模型和实际机组特性相似度逼近的目的。
在LabView平台上，将获得的数据经过归一化处理后数据按照亚临界火电机组仿真模型实际对应关系，一一和亚临界火电机组仿真模型相应的数据点进行对接，同时将必须的数据与仿真模型相关联的DCS系统进行对接，建立相关的增强激励仿真模型。
所述基于LABVIEW的仿真算法的原理如下：
在电厂中有许多类似的设备，如一次风机、磨煤机密封风机等属于离心式风机；过热器一级减温水出/入口隔离阀、过热器二级减温水出/入口隔离阀、过热器一、二级减温水调节阀等、锅炉主给水阀都属于阀门一类设备；送风机、引风机同属于轴流式风机；各种电动设备的马达等等。以风机为例，一次风机、磨煤机密封风机同属于离心式风机，它们的结构原理相似，只是具体参数(容量、扬程、功率等)不同。又如阀门，过热器一级减温水出口隔离阀与锅炉主给水阀原理结构类似，不同的是阀门的导纳、阀门行程时间等参数。因此，在电厂仿真模型开发中，这些同类型设备的数学模型用同一个子程序来进行计算，这个子程序就是算法，每个算法对应一个算法名和算法号。以加法器为例(假定加法器的算法号为ALG100，算法名为SUM)，算法结构和程序如下：
ALG100(in[],out[],coef[],dt)
{
//注释：该算法的作用是将输入数值乘以系数后再求和,一共五个输入
//变量定义
realin[],out[],coef[],dt
out[1]＝in[1]*coef[1]+in[2]*coef[2]…+in[5]*coef[5]；
}
不同的设备度对用于不同的算法。如阀门算法、离心式风机算法、轴流式风机算法、磨煤机算法、单向介质换热器算法，以及各种通用算法，如通用加法器算法、除法器算法、逻辑与算法、逻辑或算法等等。锅炉、汽轮机、电气、热控各专业都有相应的算法库。在LABVIEW中，有簇的概念。类代表某种特性，实例是类的具体应用。算法、模块的概念同簇的概念非常类似。算法相当于LABVIEW语言中的VI，模块相当于LABVIEW语言中类的簇。
所述基于LABVIEW的仿真模块原理如下：
算法是设备数学模型对应的VI子程序，模块则相当于各个不同的VI设备。模块包括三个部分：输入、输出和系数。输入部分表示其他模块送到该模块的信号(变量)、输出部分表示给模块的输出，系数部分表示该设备的特性参数或者过程的特性。在模型运行状态下，仿真支撑系统根据输入、系数和前一时刻的输出，通过调用算法计算当前时刻的输出(有一些程序没有用到前一时刻的输出，如SUM算法)。多个模块构成模型。
模块通过簇进行数据传递,在LABVIEW图形建模环境中通过连线连接。
模块的输入输出性质分为两种：数字量和模拟量。输入个数、输出个数、系数的个数以及每个输入输出的性质(数字量还是模拟量)都在一个称为COFPARA的VI程序中进行算法定义。对于在COFPARA中已经定义好的算法，可以直接建立模块；对于新建立的算法，必须定义好输入个数、输出个数、系数的个数以及每个输入输出的性质之后才能建立模块。某一个算法的算法定义不能轻易改动，因为模块的输入输出个数、系数个数以及输入输出性质与COFPARA中的定义是一一对应的。如果要改变现有模块的COFPARA定义，必须首先删除当前模块，修改COFPARA定义后重新启动仿真支撑系统，再重新建立模块。
步骤2、针对试验特性，划定仿真建模的边界条件。例如针对RB试验，由于RB试验主要包括一次风RB、送引风RB、磨煤机RB以及给水泵RB。主要设计锅炉风烟系统以及锅炉侧汽水循环系统部分，所以划定RB增强激励仿真模型范围为磨煤机至锅炉的燃烧风烟系统模型，以及从省煤器至过热器的汽水循环模型；
步骤3、其次根据划定范围，以上范围内的全部相关在线数据进行分类：输入、输出和中间参数，具体参数见下表1：
表1
原有仿真模型模型均是按照一定工况运行静态数据对机组进行仿真设计，只能保证在仿真的设计工况具备一定的精度，而与实际运行情况相比，往往误差较大且响应速度过快。所以为了更好的逼近实际特性，提出以下原则：
步骤4、机组锅炉侧仿真建立
在机组建模过程中将其划分为不同的功能组，子模型建好后通过模型合并，搭建出整个机组模型。以超临界机组建模举例如下。
风烟系统：在建模过程中始终认为环境压力为0.1MPa，环境温度为20℃，不考虑探头冷却风机风量影响，进入炉膛的二次风全部经过燃烧器，假定左右过热器和再热器、尾部烟道两侧烟气流量相同。图3中标注出了主要模块和所使用的算法。结构图和算法编号确定好后，进行建模，根据流体网络及设备间的相互关系进行输入输出连接和结构参数填写。
主蒸汽系统：锅炉给水由#3高加出口供给，以#3高加出口为边界。主蒸汽流出以汽轮机调门之前的主蒸汽管道为边界。过热器建模时根据实际情况进行了合并整理，最后建立了：省煤器、水冷壁、顶棚过热器、低过水平过热器、低过垂直过热器、分割屏过热器、后屏过热器和末级过热器。图4中标注出了主要模块和所使用的算法。结构图和算法编号确定好后，进行建模，根据流体网络及设备间的相互关系进行输入输出连接和结构参数填写。
步骤5、机组汽机侧仿真模型建立
在机组建模过程中将其划分为不同的功能组，子模型建好后通过模型合并，搭建出整个机组模型。以亚临界机组建模举例如下。
高压缸系统、中压缸系统、低压缸系统、汽机本体监视系统、除氧给水系统、高加及抽汽系统、低加及抽汽系统、给水泵本体、凝结水系统、轴封系统、真空系统、疏水系统、循环水系统、油系统、开闭冷水系统、辅助蒸汽系统等。
高压缸及高旁系统：入口以末级过热器出口后蒸汽管道上压力节点为边界，出口以再热汽入口压力节点为边界。高压缸除调节级外以抽汽划分为2级，可简化计算，缩短仿真计算周期，而不影响仿真精度。假设主汽门左右侧开度一致时两侧进汽量相同，建模中考虑了轴封漏汽和疏水影响。图5中标注出了主要模块和所使用的算法。结构图和算法编号确定好后，进行建模，根据流体网络及设备间的相互关系进行输入输出连接和结构参数填写。
高加及抽汽系统：高加热器入口边界选取给水母管的压力节点，出口边界选取省煤器入口节点，抽汽参数由高压缸系统各级组输出。加热器运行时，主要监视其加热蒸汽的压力和温度，加热器前后给水温度，以及汽侧的疏水水位等。由于加热器的动态过程非常复杂，描述该过程的参数不仅是时间的函数，也是空间的函数，因此加热器的数学模型做如下简化：加热器的数学模型按三段式加热器考虑，各区段壳侧和水侧流体的参数按集总参数计算，加热器各区段的传热温差按对数平均温差计算，加热器中的蒸汽和不凝结气体按理想气体考虑。图6中标注出了主要模块和所使用的算法。结构图和算法编号确定好后，进行建模，根据流体网络及设备间的相互关系进行输入输出连接和结构参数填写。
步骤6、利用在线增强激励平台将实时数据输入仿真模型，导入锅炉侧模型和汽机侧模型中(或者手工设置存初始条件)，比较各模型输出和中间参数与实际机组特性之间的误差，针对仿真模型和实际机组特性的存滞后和传导带来的时间问题，对模型内的换热系数值、阻尼系数、导纳计算修正参数值进行反复修正优化，最终得到满足逼近实际机组特性的试验要求的仿真模型。
步骤7、稳态精度校验
在传统仿真模型通常采用机组设计负荷值与仿真模型进行比较，进行稳态精度验证，但是电厂机组的实际运行值往往偏离机组的参数设计值，(其原因包括：设计与安装问题、机组维修技改等造成的设备改变、随运行时间增长机组设备状态的改变等)，造成仿真模型稳态精度逐渐不能满足要求。通过基于数值型模糊关联规则的数据挖掘技术对机组运行的海量数据进行分析，获取机组最新的运行参数，与仿真模型进行比较，进而对仿真模型稳态精度进行评价。
步骤8、暂态精度校验
仿真模型暂态精度验证指仿真模型机组在各种工况下的动态特性与实际现场机组的相似度比较，检验其是否符合电厂实际的暂态性能和物理规律，常用的方法为工程验证法，其同样存在上述问题，随机组运行时间的增长会有较大偏离，通过基于模糊关联规则挖掘的算法，运用数据挖掘技术获取当前机组在扰动过渡过程中关键点的参数值，与仿真模型进行比较，得出其暂态精度。
关联规则根据数据库中属性的类型可以分为：布尔型关联规则和数值型关联规则，发电企业在发电机组运行过程中记录的生产数据绝大部分是数值类型的数据，因此采用数值型关联规则对运行优化目标值进行挖掘。由于布尔型关联规则挖掘算法已经日渐成熟，在很多情况下都将数值型属性映射成布尔型属性即可。当属性值取值范围较宽时，通常需要采用分区技术，将数值属性划分为多个不同的区间，从而完成数值类型关联规则挖掘问题到布尔类型关联规则挖掘问题的转化.为了克服直接进行区间划分过硬的缺点，将模糊集理论引入数值型变量的区间划分中.设I是模糊项目集合，模糊关联规则形如的蕴涵式，其中且即A和B分别是两个模糊项目集合，并且这两个模糊项目集中没有共同的项目.
模糊项目集中同时包含A和B的概率为规则的支持度S
模糊项目集中包含A的项目集中同时也包含B的概率为规则的置信度关联规则挖掘的目的在于找出所有支持度和置信度大于事先给定的最小支持度S和最小置信度C的规则。
基于数值型模糊关联规则挖掘算法产生关联规则的步骤如下：(1)首先用给定的隶属函数将数据库中每个项目表示为模糊集合；(2)计算数据库中各属性对应模糊集的权值；(3)根据最小支持度S找出所有频繁项集；(4)挖掘结果为置信度大于最小置信度C的规则.
步骤9、在线仿真建模调试
仿真模型的调试是建立在系统的数学模型和仿真算法的基础上的，对模块模型、系统模型进行全面系统的连调，调试通常是用具体的仿真计算过程来考核仿真模型的真实性和可靠性。在整体模型调试前首先对各个子模型进行了调试，从已知的一个模型平衡状态即稳态点开始，并在稳态下通过对比不同负荷下的稳态参数对模型的正确性进行测试。完成各个模块的调试后，将模块连接成一个完整的系统，对整个系统模型进行调试。本项目先以600MW亚临界机组稳态工况，进行系统稳态连调，对各个稳态参数进行对比分析，调整模型参数。当稳态工况满足要求后，进行了扰动试验和冷态启动调试。
当然，本技术领域内的一般技术人员应当认识到，上述实施例仅是用来说明本发明，而并非用作对本发明的限定，只要在本发明的实质精神范围内，对上述实施例的变化、变型等都将落在本发明权利要求的范围内。
在线仿真模型与实际机组参数对比如下：
600MW亚临界模型参数对比如下表2：
表2
| 名称 | 单位 | BRL(模型值) | BRL(设计值) |
| 过热蒸汽流量 | t/h | 1784 | 1779 |
| 过热器出口蒸汽压力 | MPa(g) | 17.271 | 17.28 |
| 过热器出口蒸汽温度 | ℃ | 540 | 540 |
| 再热蒸汽流量 | t/h | 1475 | 1462.2 |
| 再热器进口蒸汽压力 | MPa | 3.31 | 3.39 |
| 再热器出口蒸汽压力 | MPa | 3.22 | 3.218 --> |
| 再热器进口蒸汽温度 | ℃ | 311 | 312 |
| 再热器出口蒸汽温度 | ℃ | 540 | 540 |
| 省煤器进口给水温度 | ℃ | 277 | 273 |
| 省煤器进口压力 | MPa | 18.69 | 18.72 |
| 空气预热器进口一次风 | t/h | 205.6 | 207 |
| 空气预热器进口二次风 | t/h | 770 | 770 |
| 燃料消耗量 | t/h | 210 | 209.0 |
| 省煤器进口流量 | t/h | 1718 | 1721.9 |
| 机前压力 | MPa | 16.67 | 16.67 |
| 凝汽器真空 | KPa | 5.6 | 5.6 |
| 轴加出口温度 | ℃ | 34.6 | 35.2 |
| 8低加出口温度 | ℃ | 56.2 | 57.7 |
| 7低加出口温度 | ℃ | 85.2 | 85.5 |
| 6低加出口温度 | ℃ | 101 | 102.4 |
| 5低加出口温度 | ℃ | 127 | 128.9 |
| 3高加出口温度 | ℃ | 200.1 | 198.6 |
| 2高加出口温度 | ℃ | 243.3 | 241.6 |
| 1高加出口温度 | ℃ | 275 | 273 |
| 除氧器出口温度 | ℃ | 163 | 164.5 |
由上表可以看出，基于在线数据机组模型精度基本满足生产试验精度要求，能够比较真实的复现实际机组工况，已经为生产试验平台建立了基础。
当然，本技术领域内的一般技术人员应当认识到，上述实施例仅是用来说明本发明，而并非用作对本发明的限定，只要在本发明的实质精神范围内，对上述实施例的变化、变型等都将落在本发明权利要求的范围内。
Claims (4)
1.一种基于LABVIEW的亚临界火电机组增强激励仿真建模方法，其特征在于步骤如下：
步骤1、针对现场生产试验特性，划定所述增强激励仿真建模的边界条件；
步骤2、根据步骤1中划定的边界条件，对步骤1描述的边界条件内的全部相关在线机组数据进行分类，即分为输入类参数、输出类参数和中间参数；
步骤3、建立机组的增强激励仿真模型：
3-1、建立机组锅炉侧增强激励仿真模型：
在机组建模过程中将锅炉侧依据现场生产试验特性，划分为不同的子模型：风烟系统子模型和蒸汽系统子模型，所述风烟系统子模型和蒸汽系统子模型建好后通过模型合并，搭建出整个锅炉侧机组模型；
3-2、建立机组汽机侧增强激励仿真模型：
在机组建模过程中将汽机侧依据现场生产试验特性，划分为不同的子模型：高压缸及高旁系统子模型和高加及抽汽系统子模型，高压缸及高旁系统子模型和高加及抽汽系统子模型建好后通过模型合并，搭建出整个机组汽机侧模型；
步骤4、在线数据综合智能校验平台基础上，将在线机组数据和机组的增强激励仿真模型对接，将获得的所述在线机组数据经过归一化处理后，建立在线数据智能校验数据库按照亚临界火电机组仿真模型实际对应关系，一一和亚临界火电机组仿真模型相应的数据点进行对接，同时将机组运行操作控制相关数据与所述亚临界火电机组仿真模型相关联的DCS系统进行对接，为仿真建模做好建模前的数据准备工作；
步骤5、利用在线数据综合智能校验平台将已经在线数据智能校验数据库的数据导入锅炉侧增强激励仿真模型和汽机侧增强激励仿真模型中，比较机组的增强激励仿真模型的参数与实际机组特性参数之间的偏差，对锅炉侧增强激励仿真模型内的参数值和汽机侧增强激励仿真模型内的参数值进行反复修正优化，最终得到满足生产试验要求且逼近实际机组特性的仿真模型；
步骤6、进行稳态精度校验：
通过基于数值型模糊关联规则的数据挖掘技术对机组运行的海量数据进行分析，获取机组的增强激励仿真模型的运行参数，与对应实际机组参数进行比较，进而对机组的增强激励仿真模型稳态精度进行评价；
步骤7：进行暂态精度校验：
通过基于数值型模糊关联规则的数据挖掘技术获取当前机组在扰动过渡过程中锅炉侧增强激励仿真模型和汽机侧增强激励仿真模型内的运行参数，与对应实际机组运行参数进行比较，得出机组的增强激励仿真模型暂态精度；
步骤8、进行在线仿真建模调试。
2.根据权利要求1所述的一种基于LABVIEW的亚临界火电机组增强激励仿真建模方法，其特征在于：所述步骤4中将在线机组数据和机组的增强激励仿真模型对接的方法为：
将所述在线机组数据按照机组的增强激励仿真模型工况分为若干工况预置条件，首先按照工况运行静态数据对机组进行仿真设计校验，然后将机组在线数据对所述机组的增强激励仿真模型进行修正，最后针对所述机组的增强激励仿真模型的动态特性，利用所述在线机组数据和所述机组的增强激励仿真模型输出数据的偏差，迭代优化出最优的仿真模型参数数值。
3.根据权利要求1所述的一种基于LABVIEW的亚临界火电机组增强激励仿真建模方法，其特征在于：所述步骤5中锅炉侧仿真模型内的参数值包括但不限于：水冷壁辐射换热系数、前屏辐射换热系统、过热蒸汽侧换热系数、过热蒸汽烟气蒸汽侧换热系数、再热蒸汽蒸汽侧换热系数和再热蒸汽烟气蒸汽侧换热系数；
所述汽机侧仿真模型内的参数值包括但不限于：通流结垢系数、流量压力比、传导热传递系数、对流热传递系数、环境放热系数、水位系数、层流和紊流的过渡压差、动态蒸发常数、动态凝结常数、壳侧汽区向环境的散热系数、壳侧水区与管道之间的换热系数、管道中的水比热壳侧水区向环境的散热系数加热器水位折算系数、超压放汽导纳、除盐能力、树脂效率衰减的时间常数、正常的流导、与导电率有关的流导减少系数、最小导电率和树脂效率衰减的时间常数。
4.根据权利要求1所述的一种基于LABVIEW的亚临界火电机组增强激励仿真建模方法，其特征在于：所述步骤8中的调试方法具体如下：在锅炉侧和汽机侧调试前首先分别对锅炉侧增强激励仿真模型和汽机侧增强激励仿真模型包含的子模型进行调试，从已知的一个模型平衡状态即稳态点开始，在稳态下通过对比不同负荷下的稳态参数，对锅炉侧增强激励仿真模型和汽机侧增强激励仿真模型的正确性进行测试；完成各个锅炉侧增强激励仿真模型和汽机侧增强激励仿真模型的调试后，将子模型连接成一个完整的机组仿真系统，对整个系统模型进行调试。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510884053.9A CN105512388B (zh) | 2015-12-04 | 2015-12-04 | 一种基于labview的亚临界火电机组增强激励仿真建模方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510884053.9A CN105512388B (zh) | 2015-12-04 | 2015-12-04 | 一种基于labview的亚临界火电机组增强激励仿真建模方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105512388A true CN105512388A (zh) | 2016-04-20 |
| CN105512388B CN105512388B (zh) | 2019-03-22 |
Family
ID=55720368
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510884053.9A Active CN105512388B (zh) | 2015-12-04 | 2015-12-04 | 一种基于labview的亚临界火电机组增强激励仿真建模方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105512388B (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105974818A (zh) * | 2016-05-03 | 2016-09-28 | 河北省电力建设调整试验所 | 一种云可视化机网协调控制响应特性数据挖掘方法 |
| CN106444419A (zh) * | 2016-07-29 | 2017-02-22 | 河北省电力建设调整试验所 | 一种基于性能数据的自抗扰控制硬件在线闭环仿真控制方法 |
| CN109783959A (zh) * | 2019-01-23 | 2019-05-21 | 保定市博宏高科控制技术有限公司 | 基于阀门的联合多模型仿真平台及方法 |
| CN110146310A (zh) * | 2018-02-13 | 2019-08-20 | 上海明华电力技术工程有限公司 | 送引风机rb功能冷态模拟试验方法 |
| CN111237803A (zh) * | 2020-02-27 | 2020-06-05 | 西安理工大学 | 一种基于LabVIEW的锅炉燃烧控制系统及其方法 |
| CN111460603A (zh) * | 2019-12-27 | 2020-07-28 | 浙江工业大学 | 模具水加热的快速计算方法及模温机参数计算的方法 |
| CN112859645A (zh) * | 2021-02-02 | 2021-05-28 | 东方电气集团科学技术研究院有限公司 | 一种综合能源系统性能测试平台 |
| CN112925210A (zh) * | 2021-05-11 | 2021-06-08 | 北京三快在线科技有限公司 | 一种模型训练和控制无人设备的方法及装置 |
| CN114384822A (zh) * | 2022-01-21 | 2022-04-22 | 首域科技(杭州)有限公司 | 一种针对烟草制丝设备的半实物仿真控制系统 |
| CN114609926A (zh) * | 2022-02-22 | 2022-06-10 | 国能浙能宁东发电有限公司 | 一种基于火电仿真平台的火电厂动态在线仿真方法 |
| CN114818264A (zh) * | 2022-03-18 | 2022-07-29 | 北京遥感设备研究所 | 有源角度欺骗建模与校验方法、装置、设备和存储介质 |
| CN114818778A (zh) * | 2022-03-18 | 2022-07-29 | 北京遥感设备研究所 | 有源角度欺骗场景数据获取方法、装置、设备和存储介质 |
| CN115629552A (zh) * | 2022-03-18 | 2023-01-20 | 北京遥感设备研究所 | 射频探测系统主要目标识别全链路模型校验方法及装置 |
| CN116029134A (zh) * | 2023-01-09 | 2023-04-28 | 华能苏州热电有限责任公司 | 一种凝汽器不同运行工况下传热模型的建立方法 |
| CN116861613A (zh) * | 2023-03-06 | 2023-10-10 | 杭州优稳自动化系统有限公司 | 基于Modelica的火电厂风烟系统轴流风机仿真模型的构建方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101187804A (zh) * | 2006-11-15 | 2008-05-28 | 北京华电天仁电力控制技术有限公司 | 基于数据挖掘的火电机组运行优化规则提取方法 |
| CN102621945A (zh) * | 2012-03-05 | 2012-08-01 | 内蒙古自治区电力科学研究院 | 基于火力发电机组最优工况的效率动态寻优运行闭环优化控制方法 |
| CN102830616A (zh) * | 2011-06-14 | 2012-12-19 | 北京三博中自科技有限公司 | 一种蒸汽系统的运行优化系统和方法 |
-
2015
- 2015-12-04 CN CN201510884053.9A patent/CN105512388B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101187804A (zh) * | 2006-11-15 | 2008-05-28 | 北京华电天仁电力控制技术有限公司 | 基于数据挖掘的火电机组运行优化规则提取方法 |
| CN102830616A (zh) * | 2011-06-14 | 2012-12-19 | 北京三博中自科技有限公司 | 一种蒸汽系统的运行优化系统和方法 |
| CN102621945A (zh) * | 2012-03-05 | 2012-08-01 | 内蒙古自治区电力科学研究院 | 基于火力发电机组最优工况的效率动态寻优运行闭环优化控制方法 |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105974818A (zh) * | 2016-05-03 | 2016-09-28 | 河北省电力建设调整试验所 | 一种云可视化机网协调控制响应特性数据挖掘方法 |
| CN105974818B (zh) * | 2016-05-03 | 2019-01-25 | 国网河北能源技术服务有限公司 | 一种云可视化机网协调控制响应特性数据挖掘方法 |
| CN106444419A (zh) * | 2016-07-29 | 2017-02-22 | 河北省电力建设调整试验所 | 一种基于性能数据的自抗扰控制硬件在线闭环仿真控制方法 |
| CN106444419B (zh) * | 2016-07-29 | 2019-09-27 | 河北省电力建设调整试验所 | 一种基于性能数据的自抗扰控制硬件在线闭环仿真控制方法 |
| CN110146310A (zh) * | 2018-02-13 | 2019-08-20 | 上海明华电力技术工程有限公司 | 送引风机rb功能冷态模拟试验方法 |
| CN109783959A (zh) * | 2019-01-23 | 2019-05-21 | 保定市博宏高科控制技术有限公司 | 基于阀门的联合多模型仿真平台及方法 |
| CN109783959B (zh) * | 2019-01-23 | 2023-10-10 | 保定市博宏高科控制技术有限公司 | 基于阀门的联合多模型仿真平台及方法 |
| CN111460603A (zh) * | 2019-12-27 | 2020-07-28 | 浙江工业大学 | 模具水加热的快速计算方法及模温机参数计算的方法 |
| CN111237803A (zh) * | 2020-02-27 | 2020-06-05 | 西安理工大学 | 一种基于LabVIEW的锅炉燃烧控制系统及其方法 |
| CN112859645A (zh) * | 2021-02-02 | 2021-05-28 | 东方电气集团科学技术研究院有限公司 | 一种综合能源系统性能测试平台 |
| CN112925210B (zh) * | 2021-05-11 | 2021-09-07 | 北京三快在线科技有限公司 | 一种模型训练和控制无人设备的方法及装置 |
| CN112925210A (zh) * | 2021-05-11 | 2021-06-08 | 北京三快在线科技有限公司 | 一种模型训练和控制无人设备的方法及装置 |
| CN114384822A (zh) * | 2022-01-21 | 2022-04-22 | 首域科技(杭州)有限公司 | 一种针对烟草制丝设备的半实物仿真控制系统 |
| CN114609926A (zh) * | 2022-02-22 | 2022-06-10 | 国能浙能宁东发电有限公司 | 一种基于火电仿真平台的火电厂动态在线仿真方法 |
| CN114818264A (zh) * | 2022-03-18 | 2022-07-29 | 北京遥感设备研究所 | 有源角度欺骗建模与校验方法、装置、设备和存储介质 |
| CN114818778A (zh) * | 2022-03-18 | 2022-07-29 | 北京遥感设备研究所 | 有源角度欺骗场景数据获取方法、装置、设备和存储介质 |
| CN115629552A (zh) * | 2022-03-18 | 2023-01-20 | 北京遥感设备研究所 | 射频探测系统主要目标识别全链路模型校验方法及装置 |
| CN115629552B (zh) * | 2022-03-18 | 2023-07-07 | 北京遥感设备研究所 | 射频探测系统主要目标识别全链路模型校验方法及装置 |
| CN114818778B (zh) * | 2022-03-18 | 2023-07-11 | 北京遥感设备研究所 | 有源角度欺骗场景数据获取方法、装置、设备和存储介质 |
| CN116029134A (zh) * | 2023-01-09 | 2023-04-28 | 华能苏州热电有限责任公司 | 一种凝汽器不同运行工况下传热模型的建立方法 |
| CN116029134B (zh) * | 2023-01-09 | 2023-11-28 | 华能苏州热电有限责任公司 | 一种凝汽器不同运行工况下传热模型的建立方法 |
| CN116861613A (zh) * | 2023-03-06 | 2023-10-10 | 杭州优稳自动化系统有限公司 | 基于Modelica的火电厂风烟系统轴流风机仿真模型的构建方法 |
| CN116861613B (zh) * | 2023-03-06 | 2023-12-22 | 杭州优稳自动化系统有限公司 | 火电厂风烟系统轴流风机仿真模型的构建方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105512388B (zh) | 2019-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105512388A (zh) | 一种基于labview的亚临界火电机组增强激励仿真建模方法 | |
| CN106773666B (zh) | 一种针对压水堆一回路系统的模型参数获取方法 | |
| Lu | Dynamic modelling and simulation of power plant systems | |
| CN106249728A (zh) | 一种基于部件特性的火力发电机组在线性能监测方法 | |
| CN105201565B (zh) | 一种基于母管制的多机组汽轮机蒸汽流量实时分配方法 | |
| CN103412784A (zh) | 大型火电机组热力计算模型的虚拟控制集成方法 | |
| CN104122291B (zh) | 超超临界火电机组水冷壁向工质传热速率的实时辨识方法 | |
| CN106782708A (zh) | 一种修正核电站中液位变送器的多变量交叉比较方法 | |
| CN107831652A (zh) | 一种基于冷端系统储能的机组负荷智能优化控制方法 | |
| CN111931436A (zh) | 一种基于数值模拟与神经网络的燃烧器喷口风量预测方法 | |
| CN109709911B (zh) | 一种火电机组循环工质外漏在线测量方法及测量系统 | |
| Tawfeic | Boiler drum-level modeling | |
| CN105447256B (zh) | 一种增强激励仿真遗传优化方法 | |
| CN109119177A (zh) | 一种压水堆稳压器压力和水位的耦合强度的确定方法、装置 | |
| CN106444419B (zh) | 一种基于性能数据的自抗扰控制硬件在线闭环仿真控制方法 | |
| CN116362155B (zh) | 一种液态金属直流蒸汽发生器腔室换热系数计算方法 | |
| Silva et al. | Thermodynamic information system for diagnosis and prognosis of power plant operation condition | |
| Budnik et al. | Exergetic cost of steam power plant operation | |
| Naghizadeh et al. | Estimating the parameters of dynamic model of drum type boilers using heat balance data as an educational procedure | |
| CN112036091A (zh) | 一种利用回归算法预测四角切圆燃烧器喷口风量的方法 | |
| CN113609619A (zh) | 一种汽轮机低压通流区长叶片鼓风的多维度耦合模拟方法 | |
| Lips et al. | Dynamic Modelling and Simulation of the Steam Cycle Utility System of a Waste Incineration Cogeneration Plant | |
| Gil | Thermoeconomic diagnosis of energy systems | |
| Polton et al. | Quantitative feedback theory design of valve position control for co-ordinated superheater control of main steam temperatures of power plant boilers | |
| JP3162161B2 (ja) | ボイラ装置の演算装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: 050091 Hebei high tech District of Shijiazhuang City Xinshi North Road, No. 368 Applicant after: National network Hebei Energy Technology Service Co., Ltd. Address before: 050091 Hebei high tech District of Shijiazhuang City Xinshi North Road, No. 368 Applicant before: Hebei Electric Power Construction & Adjustment Research Institute |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |