CN106845639A - 基于神经网络的汽轮机阀门提升机组负荷的潜力预测方法 - Google Patents

基于神经网络的汽轮机阀门提升机组负荷的潜力预测方法 Download PDF

Info

Publication number
CN106845639A
CN106845639A CN201611226778.XA CN201611226778A CN106845639A CN 106845639 A CN106845639 A CN 106845639A CN 201611226778 A CN201611226778 A CN 201611226778A CN 106845639 A CN106845639 A CN 106845639A
Authority
CN
China
Prior art keywords
valve
unit
steam turbine
prediction method
neural network
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.)
Pending
Application number
CN201611226778.XA
Other languages
English (en)
Inventor
尹峰
丁宁
陈波
丁俊宏
廖金龙
李恒宇
盛德仁
俞自涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201611226778.XA priority Critical patent/CN106845639A/zh
Publication of CN106845639A publication Critical patent/CN106845639A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Control Of Turbines (AREA)

Abstract

本发明公开了一种基于神经网络的汽轮机阀门提升机组负荷的潜力预测方法。由于大功率机组发电功率大、参数高，在特高压输电背景下很多机组长期低负荷运行，增加了机组一次调频压力，目前的方法较难精准地预测汽轮机机组的一次调频能力。本发明用神经网络模型预测任意工况下，阀门从当前开度阶跃到全开时的主蒸汽压力，间接预测阀门从当前开度阶跃到全开时的机组发电功率，从而得到汽轮机阀门提升机组负荷的潜力。本发明基于神经网络模型预测汽轮机阀门提升负荷的潜力，能在机组正常运行中实时掌握汽轮机阀门能提升的负荷量，从而能指导机组精确快速的参与一次调频。

Description

基于神经网络的汽轮机阀门提升机组负荷的潜力预测方法
技术领域
本发明涉及汽轮机一次调频技术领域，是一种汽轮机运行过程中快速提升机组负荷的预测方法，尤其是一种基于神经网络的汽轮机阀门提升机组负荷的潜力预测方法。
背景技术
在当前严峻的能源形势下，为提高能源可持续利用，加大节能减排的力度，电网源侧的生产格局正在发生变革。化石能源发电形式如燃煤发电正在向大容量、低排放机组转变。可再生能源如风能、太阳能等清洁能源发电的并网规模迅速扩大。需求侧的用电结构发生变化，高峰负荷的快速增长，而上网容量越来越大的新能源发电无法参与电网调峰，为保证电能的供需平衡，电网源侧以超(超)临界大功率发电机组为主的燃煤发电机组参与电网一次调频将成为新常态。而随着基于能源互联网概念的特高压输电技术在我国大力发展，特高压接入当地电网，将改变当地电力供需形势，大功率机组将面临更加严峻的一次调频压力。由于大功率机组发电功率大、参数高，为了让机组能精准的参与电网调峰，研究大功率机组一次调频对稳定电网频率具有重大意义。
一次调频是在电网频率改变时，能利用机组的蓄热，在短时间内快速改变机组出力，达到稳定电网频率的目的。但相对汽包锅炉，直流锅炉的蓄热能力很小，需采用以“汽机跟随”为基础的协调控制方式参与一次调频。一般而言，在调频运行方式下，为了能快速改变机组负荷，机组阀门都会节流运行，保持一定的节流度。对于参与一次调频的机组，通常需要保证至少6％的调频量，但在机组实际参与一次调频运行时，往往会达不到出力要求。原因是阀门开度太大导致阀门全开时进汽不够，或者蒸汽开度小而蒸汽参数不高。因此，为了保证当一次调频运行触发时机组有足够出力，实时监测机组阀门全开的负荷增量很有必要。
中国专利申请号为201610216989.9的“汽轮机一次调频能力的在线评估方法与装置”，其把汽轮机机组由对应调节阀开度阶跃到全开的负荷增量作为一次调频能力，并采用测取调节阀压损的方法间接在线评估额定压力下汽轮机机组的一次调频能力。但是，调节阀的压损不仅与调节阀门开度有关，也与调节阀前主蒸汽压力有关。当阀前主蒸汽压力偏离额定参数时，机组一次调频能力有所降低。此时，再用调节阀压损的方法去评估机组一次调频能力，会存在某些不确定性。
发明内容
为了解决以上问题，本发明提供一种基于神经网络的汽轮机阀门提升机组负荷的潜力预测方法，以预测汽轮机阀门从当前开度阶跃至全开时的机组负荷增量。
本发明采用的技术方案为：基于神经网络的汽轮机阀门提升机组负荷的潜力预测方法，其采用神经网络模型预测任意工况下，阀门从当前开度阶跃到全开时的主蒸汽压力，间接预测阀门从当前开度阶跃到全开时的机组发电功率，从而得到汽轮机阀门提升机组负荷的潜力。
此处汽轮机阀门提升机组负荷的潜力指汽轮机阀门从当前开度阶跃至全开时的机组负荷增量。
进一步地，确定汽轮机组在额定运行情况下，机组阀门全开时的发电功率Pv’以及此时的主蒸汽压力pf’，并定义系数k＝Pv’/pf’。
进一步地，通过阀门的阶跃试验，测取不同工况时的阀门相对开度v、主蒸汽压力p、发电功率P和阀门阶跃至全开时的主蒸汽压力pf以及此时阀门实际开度v1。
更进一步地，将测取的数据组成矩阵T＝[v，p，P，pf，v1]，并随机分成两部分，一部分作为BP神经网络的训练样本，另一部分作为测试样本。
更进一步地，以T1＝[v，p，P，v1]作为输入向量，与输入向量T1对应的T2＝[pf]作为输出向量，建立BP神经网络模型。
更进一步地，将训练样本的输入向量T1和对应的输出向量T2输入BP神经网络进行训练，训练结束后将测试样本的输入向量T1’输入训练完成的BP神经网络得到输出向量T3，并与T2’进行验证测试神经网络的准确性。
更进一步地，将训练样本的输入向量T1和对应的输出向量T2输入BP神经网络进行训练，训练结束后将测试样本的输入向量T1’＝[v，p，P，v1]输入训练完成的BP神经网络得到输出向量T3，并与测试样本的输出向量T2’＝[pf]进行验证测试神经网络的准确性。
再进一步地，将实时工况的阀门开度v2、主蒸汽压力p2、发电功率P2以及阀门开度100，构成输入向量T4＝[v2，p2，P2，100]，输入BP神经网络，得到输出量T5＝[pf’]，此时的发电功率为Pv＝kpf’，则汽轮机阀门提升机组负荷的潜力，即汽轮机阀门从任意开度阶跃至全开的负荷增量为ΔPv＝Pv-P2。
本发明先根据汽轮机变工况计算中的弗留格尔公式确定具体机组阀门全开时的发电功率和主蒸汽压力之比，再通过阀门阶跃试验将采集到的阀门开度、主蒸汽压力、发电功率和阀门阶跃至全开时的主蒸汽压力建立神经网络模型，并对神经网络进行训练测试；最后将神经网络模型用于预测任意阀门开度下提升机组负荷的潜力。
本发明基于神经网络模型预测汽轮机阀门提升负荷的潜力，能在机组正常运行中实时掌握汽轮机阀门能提升的负荷量，从而能指导机组精确快速的参与一次调频。
附图说明
图1是本发明的流程图。
图2是本发明BP神经网络的模型图。
图3是本发明BP神经网络的预测误差图。
具体实施方式
如图1所示，先建立神经网络模型，采用阀门阶跃试验的数据T＝[v，p，P，pf，v1]训练神经网络；其中T1＝[v，p，P，v1]是神经网络的输入，T2＝[pf]是神经网络的输出。将实时运行数据T4＝[v2，p2，P2，100]输入神经网络以预测阀门全开时的主蒸汽压力pf’，其中T4中的100为阀门满开时的开度。因此实时工况下阀门提升负荷的潜力为ΔPv＝kpf’-P2。在神经网络模型中，神经网络可以不断完善；当机组参与一次调频时，将实时一次调频数据导入试验数据组中，增加神经网络的学习量，从而使神经网络预测的更精确。
下面以1000MW超超临界汽轮发电机组为应用例，预测汽轮机阀门提升负荷的潜力。
收集阀门阶跃试验的数据：阀门开度，主蒸汽压力，当前的机组发电功率，阀门全开时的实际开度以及全开后的主蒸汽压力。实际上，此处阀门全开时的实际开度达不到100％开度，阀门阶跃试验表明，一般开度为97％-99.5％。图2为神经网络的模型图，将阀门开度、主蒸汽压力、当前的机组发电功率、阀门全开时的实际开度数据输入神经网络模型中的输入层，以阀门全开后的主蒸汽压力作为神经网络模型的输出层，对神经网络进行训练。
将训练好的神经网络用于预测汽轮机阀门提升负荷的潜力。随机抽取1000MW机组运行工况进行预测，以验证本方法的精确性。图3所示为测试样本与测量值的误差图。根据预测结果，可看出预测值与测量值很接近，误差小。
表1是汽轮机阀门提升负荷的潜力预测结果误差表。汽轮机阀门提升负荷的潜力预测与实际负荷的提升量相对误差在3％以内，满足实际运用的要求。
表1汽轮机阀门提升机组负荷的潜力预测结果误差表
样本点 1 2 3 4 5 6 7
相对误差 2.54％ 2.73％ 1.82％ 1.25％ 2.58％ 2.83％ 0.85％
结果表明，本发明的潜力预测方法可用于预测汽轮机阀门提升负荷的潜力，结果准确，精确度高，对机组参与一次调频运行具有重要的研究意义。

Claims (7)

1.基于神经网络的汽轮机阀门提升机组负荷的潜力预测方法，其特征在于，采用神经网络模型预测任意工况下，阀门从当前开度阶跃到全开时的主蒸汽压力，间接预测阀门从当前开度阶跃到全开时的机组发电功率，从而得到汽轮机阀门提升机组负荷的潜力。
2.根据权利要求1所述的潜力预测方法，其特征在于，确定汽轮机组在额定运行情况下，机组阀门全开时的发电功率Pv’以及此时的主蒸汽压力pf’，并定义系数k＝Pv’/pf’。
3.根据权利要求2所述的潜力预测方法，其特征在于，通过阀门的阶跃试验，测取不同工况时的阀门相对开度v、主蒸汽压力p、发电功率P和阀门阶跃至全开时的主蒸汽压力pf以及此时阀门实际开度v1。
4.根据权利要求3所述的潜力预测方法，其特征在于，将测取的数据组成矩阵T＝[v，p，P，pf，v1]，并随机分成两部分，一部分作为BP神经网络的训练样本，另一部分作为测试样本。
5.根据权利要求4所述的潜力预测方法，其特征在于，以T1＝[v，p，P，v1]作为训练样本的输入向量，与输入向量T1对应的T2＝[pf]作为训练样本的输出向量，建立BP神经网络模型。
6.根据权利要求5所述的潜力预测方法，其特征在于，将训练样本的输入向量T1和对应的输出向量T2输入BP神经网络进行训练，训练结束后将测试样本的输入向量T1’＝[v，p，P，v1]输入训练完成的BP神经网络得到输出向量T3，并与测试样本的输出向量T2’＝[pf]进行验证测试神经网络的准确性。
7.根据权利要求6所述的潜力预测方法，其特征在于，将实时工况的阀门开度v2、主蒸汽压力p2、发电功率P2以及阀门开度100，构成输入向量T4＝[v2，p2，P2，100]，输入BP神经网络，得到输出量T5＝[pf’]，此时的发电功率为Pv＝kpf’，则汽轮机阀门提升机组负荷的潜力，即汽轮机阀门从任意开度阶跃至全开的负荷增量为ΔPv＝Pv-P2。
CN201611226778.XA 2016-12-27 2016-12-27 基于神经网络的汽轮机阀门提升机组负荷的潜力预测方法 Pending CN106845639A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611226778.XA CN106845639A (zh) 2016-12-27 2016-12-27 基于神经网络的汽轮机阀门提升机组负荷的潜力预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611226778.XA CN106845639A (zh) 2016-12-27 2016-12-27 基于神经网络的汽轮机阀门提升机组负荷的潜力预测方法

Publications (1)

Publication Number Publication Date
CN106845639A true CN106845639A (zh) 2017-06-13

Family

ID=59136662

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611226778.XA Pending CN106845639A (zh) 2016-12-27 2016-12-27 基于神经网络的汽轮机阀门提升机组负荷的潜力预测方法

Country Status (1)

Country Link
CN (1) CN106845639A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109784711A (zh) * 2019-01-08 2019-05-21 国网新疆电力有限公司电力科学研究院 火电机组一次调频能力评估系统、方法、装置及存储介质
CN112398144A (zh) * 2020-11-17 2021-02-23 江西大唐国际抚州发电有限责任公司 一种汽轮机调节系统的一次调频动态协同控制方法
CN113031565A (zh) * 2021-03-08 2021-06-25 国网湖南省电力有限公司 一种火电机组一次调频功率响应性能预测方法及系统
CN113205224A (zh) * 2021-05-17 2021-08-03 杭州英集动力科技有限公司 一种基于热网储热的热电联产机组一次调频方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101788789A (zh) * 2010-01-12 2010-07-28 北京交通大学 基于混沌混合优化算法的单元机组非线性预测控制方法
CN104090491A (zh) * 2014-07-04 2014-10-08 东南大学 燃气蒸汽联合循环机组多变量受限预测函数负荷控制方法
CN104122797A (zh) * 2014-07-22 2014-10-29 东南大学 一种新型火电机组负荷多变量预测控制方法
CN104932274A (zh) * 2015-07-06 2015-09-23 东南大学 一种协调控制被控对象传递函数模型辨识方法
CN105678105A (zh) * 2016-04-08 2016-06-15 国网浙江省电力公司电力科学研究院 汽轮机一次调频能力的在线评估方法与装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101788789A (zh) * 2010-01-12 2010-07-28 北京交通大学 基于混沌混合优化算法的单元机组非线性预测控制方法
CN104090491A (zh) * 2014-07-04 2014-10-08 东南大学 燃气蒸汽联合循环机组多变量受限预测函数负荷控制方法
CN104122797A (zh) * 2014-07-22 2014-10-29 东南大学 一种新型火电机组负荷多变量预测控制方法
CN104932274A (zh) * 2015-07-06 2015-09-23 东南大学 一种协调控制被控对象传递函数模型辨识方法
CN105678105A (zh) * 2016-04-08 2016-06-15 国网浙江省电力公司电力科学研究院 汽轮机一次调频能力的在线评估方法与装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
吴海姬等: "基于BP神经网络的主蒸汽流量计算模型", 《汽轮机技术》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109784711A (zh) * 2019-01-08 2019-05-21 国网新疆电力有限公司电力科学研究院 火电机组一次调频能力评估系统、方法、装置及存储介质
CN112398144A (zh) * 2020-11-17 2021-02-23 江西大唐国际抚州发电有限责任公司 一种汽轮机调节系统的一次调频动态协同控制方法
CN113031565A (zh) * 2021-03-08 2021-06-25 国网湖南省电力有限公司 一种火电机组一次调频功率响应性能预测方法及系统
CN113205224A (zh) * 2021-05-17 2021-08-03 杭州英集动力科技有限公司 一种基于热网储热的热电联产机组一次调频方法
CN113205224B (zh) * 2021-05-17 2022-06-14 浙江英集动力科技有限公司 一种基于热网储热的热电联产机组一次调频方法

Similar Documents

Publication Publication Date Title
CN104632311B (zh) 蒸汽涡轮成套设备启动控制装置
CN106845639A (zh) 基于神经网络的汽轮机阀门提升机组负荷的潜力预测方法
US7190149B2 (en) Method and apparatus for determining actual reactive capability curves
CN104239981B (zh) 一种基于多目标优化算法的能源动态平衡与优化调度方法
CN105700494B (zh) 基于模型的组合循环发电厂负载控制
Neshumayev et al. Power plant fuel consumption rate during load cycling
CN104343475A (zh) 火电机组汽轮机高压调门流量特性修正方法
CN109449937B (zh) 一种通过系统频率稳定约束确定电网新能源承载力的方法
Buslavets et al. Evaluation and increase of load capacity of on-load tap changing transformers for improvement of their regulating possibilities
Yu et al. An improved combined heat and power economic dispatch model for natural gas combined cycle power plants
CN112016754A (zh) 基于神经网络的电站锅炉排烟温度超前预测系统及方法
CN106765520B (zh) 一种实现供热机组最优初压运行的自动控制方法
Arastou et al. Modeling and parameter estimation of a steam power plant including condenser back-pressure uncertainty using operational data
US11262713B2 (en) Method for calculating control parameters of heating supply power of heating network
Zou et al. A multi-objective optimization approach to active power control of wind farm
CN108931928B (zh) 一种超临界机组参与风功率消纳的两区域系统调频的仿真方法
CN108488831A (zh) 锅炉燃烧控制系统和方法
CN107402515A (zh) 一种优化同步发电机励磁系统pid参数的方法
Oshnoei et al. Intelligent coordination of traditional power plants and inverters air conditioners controlled with feedback-corrected MPC in LFC
CN107633350B (zh) 一种能源互联系统短期运行充裕性评估方法
Glazunova Development of a Day-Ahead Demand Side Management Strategy to Improve the Microgrid Efficiency
CN115549118A (zh) 配电网无功补偿设备出力平滑指数预测方法
CN109787296B (zh) 一种考虑源荷协整关系的经济调控方法
CN110388655B (zh) 锅炉双列风机单侧运行控制方法和装置
Ochoa et al. Fuzzy Adaptive Control Applied to a Hybrid Electric-Power Generation System (HEPGS)

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170613