CN107766656A - 基于历史数据回归分析的汽轮机阀门流量特性分析方法 - Google Patents
基于历史数据回归分析的汽轮机阀门流量特性分析方法 Download PDFInfo
- Publication number
- CN107766656A CN107766656A CN201710996664.1A CN201710996664A CN107766656A CN 107766656 A CN107766656 A CN 107766656A CN 201710996664 A CN201710996664 A CN 201710996664A CN 107766656 A CN107766656 A CN 107766656A
- Authority
- CN
- China
- Prior art keywords
- valve
- regression analysis
- data
- steam turbine
- expression formula
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Hardware Design (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种基于历史数据回归分析的汽轮机阀门流量特性分析方法,使用机组历史运行数据作为多元回归分析的输入值以计算多元回归表达式中的各个参数值,在得到的多元回归表达式中输入对应单阀试验工况下的主蒸汽压力、各调节阀后压力等参数值,计算在目标调节阀从全开到全关过程中的调节级室压力变化情况,再应用阀门流量特性计算方法就可以得到目标调节阀门的流量特性曲线;与现有技术相比,本发明采用基于历史数据回归分析的汽轮机阀门流量特性分析方法来研究汽轮机实际阀门流量特性,实现了历史数据驱动的汽轮机调节阀门流量特性计算方法,节省了人力物力。
Description
技术领域
本发明涉及一种基于历史数据回归分析的汽轮机阀门流量特性分析方法,可以利用历史运行数据代替单阀流量特性试验来计算高压调节阀门的流量特性,属于汽轮机控制领域,属于汽轮机控制领域。
背景技术
汽轮机阀门流量特性曲线就是汽轮机进汽阀门开度与通过阀门的蒸汽流量的对应关系。由于各阀门制作安装的差异、长期运行的磨损、检修改造过程中设备和组态的变动,或者是设计行程和实际行程不一致等原因,都可能导致阀门流量和原来流量的特性曲线不一样。如果汽轮机阀门流量特性曲线与阀门实际流量特性不符,重叠度设置不合理,在机组变负荷和一次调频时,可能出现负荷突变和调节缓慢的问题,在单阀/顺序阀切换时,可能因切换前后相同负荷指令下蒸汽流量不同而引起机组负荷的大幅波动。
测定汽轮机阀门流量特性曲线需要进行汽轮机阀门流量特性试验,但传统的试验方法较复杂、耗时较长,容易影响机组运行,而常用的优化计算方式效率较低、准确性欠佳。
包括两个或两个以上自变量的回归分析称为多元回归分析,多元回归分析方法可以确定几个特定变量之间是否存在相关关系并给出合适的数学表达式,也可以通过多元回归分析表达式来预测某一个变量的取值。在建立多元回归分析表达式之后可以应用实际数据计算表达式中的参数,得到具体的回归方程之后利用它来对因变量进行预测。在实际问题中,事先并不能断定因变量与自变量之间确有线性关系,在求解回归方程前,线性回归模型只是一种假设,所以在求出线性回归方程之后,还需对其进行统计检验以验证结果的正确性。
发明内容
本发明要解决的技术问题是:提供一种基于历史数据回归分析的汽轮机阀门流量特性分析方法,将历史数据应用于阀门流量特性的发现,将回归分析算法应用于汽轮机调节级室压力的预测,从而在无需进行试验的情况下得到汽轮机高压调节阀的单阀流量特性曲线,以克服现有技术的不足。
本发明的技术方案:一种基于历史数据回归分析的汽轮机阀门流量特性分析方法,包括以下步骤:
步骤一:收集汽轮机近期设定时间段内的历史运行数据,作为用于单阀流量特性分析的基础数据;
步骤二:针对待计算的某个目标调节阀,从上述基础数据中整理出覆盖该目标调节阀全开度范围,即目标调节阀从关闭到全开或从全开到关闭的运行数据,作为回归分析过程的输入数据;
步骤三:选择初始的多元回归分析表达式,将步骤二运行数据中的调节级室压力作为预测变量,影响调节级室压力的数据作为自变量,对多元回归分析表达式中的各项参数进行计算;
步骤四:使用步骤三中得到的确定的多元回归分析表达式对不同的各调节阀开度组合下的调节级压力进行预测,模拟单阀流量特性试验工况下的各调节阀开度情况,设置目标调节阀的开度从全开到全关,其它调节阀全开,使用多元回归分析表达式计算模拟单阀流量特性试验工况下的调节级室压力;
步骤五:使用步骤四中得到的模拟单阀试验计算结果,对目标调节阀的流量特性曲线进行计算,比较流量特性曲线计算结果与实际的阀门流量特性曲线,若误差满足设定精度要求,表明初始的多元回归分析表达式能有效的预测汽轮机组的调节级室压力并用于单阀流量特性的计算;若误差不满足精度要求则选定不同的多元回归分析表达式返回步骤三重新执行回归分析。
所述历史运行数据包括来自SIS实时数据库和DCS系统中的机组运行数据,运行数据采集点包括机组负荷、主蒸汽压力/温度、各调节阀开度、各调节阀后压力和调节级室压力。对历史运行数据进行预处理,剔除由于测量精度原因产生的异常数据和部分冗余数据。
本发明的工作原理是:在机组运行数据中,调节级室压力表征总蒸汽流量,而由于调节阀门流量随开度非线性变化的特点,可采用各调节阀后压力代替各调节阀开度来表征通过各调节阀的蒸汽流量。因此,可以采用机组负荷、主蒸汽压力、各调节阀后压力等数据来作为预测调节级室压力的自变量参数。
由于机组各个运行参数之间没有确定的函数表达式,而采用多元回归分析方法可以确定几个特定变量之间是否存在相关关系并给出合适的数学表达式,也可以通过多元回归分析表达式来预测某一个变量的取值。因此,可以通过多元回归分析方法得到机组各运行参数与调节级室压力的相关关系,将分析得到的多元回归方程用于模拟单阀试验工况下的调节级室压力预测和单阀流量特性计算。
另外,传统单阀流量特性试验的方法是在主汽压力不变时全开所有高压调节阀门,将目标调节阀以设置的步长和速率从全开到全关,之后用同样的方法将阀门从全关到全开完成目标调节阀门的流量特性试验。而采用历史运行数据分析方法时,也需要选择目标调节阀从全开到关闭过程的运行数据以得到该调节阀全开度范围内的流量特性。
本发明的有益效果是:本发明使用多元回归分析实现了使用主蒸汽压力,各调节阀后压力等参数对调节级室压力的预测,也即实现了在已知主蒸汽压力和各调节阀开度情况下对于主蒸汽流量的预测。本方法使用机组历史运行数据作为多元回归分析的输入值以计算多元回归表达式中的各个参数值,在得到的多元回归表达式中输入对应单阀试验工况下的主蒸汽压力、各调节阀后压力等参数值,计算在目标调节阀从全开到全关过程中的调节级室压力变化情况,再应用阀门流量特性计算方法就可以得到目标调节阀门的流量特性曲线。与现有技术相比,本发明采用基于历史数据回归分析的汽轮机阀门流量特性分析方法来研究汽轮机实际阀门流量特性,实现了历史数据驱动的汽轮机调节阀门流量特性计算方法,节省了人力物力。
附图说明
图1是基于历史数据回归分析的汽轮机阀门流量特性分析模型;
图2是该时段内目标调节阀门的开度变化图;
图3是多元回归分析方法计算结果与实际阀门流量特性的对比图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述。
参考图1至图3,本实例中使用某超临界汽轮机组N660-24.2/566/566的历史运行数据通过多元回归分析来计算高压调节阀门的流量特性曲线。
1.收集汽轮机近期一段时间内的历史运行数据。由于需选取目标调节阀门全开度范围内的运行数据,采集了汽轮机组顺序阀配汽方式下一段时间内的运行数据,顺序阀的开启阀序为1/2-3-4,该段时间内机组的综合阀位指令从100%减小到72%,高压调节阀GV3的开度从100%到0%,采用这段时间内的数据对高压调节阀GV3的流量特性进行多元回归分析,历史运行数据列于表1。
表1机组GV3全开到关闭的历史运行数据
2.选择调节级室压力作为多元回归分析的预测变量,选择主汽压力、GV1阀后压力、GV2阀后压力、GV3阀后压力、GV4阀后压力作为多元回归分析的输入自变量。
3.选择初始的多元回归分析表达式,本例中选择形式最简单的只保留一次项自变量的多元线性回归表达式,表达式形式为y=a1x1+a2x2+a3x3+a4x4+a5x5+b,因变量y代表调节级室压力,自变量x1、x2、x3、x4、x5分别代表主汽压力、GV1阀后压力、GV2阀后压力、GV3阀后压力、GV4阀后压力。将表1中对应因变量和自变量的数值应用于多元回归分析以计算表达式中各个参数的实际值。
4.对多元线性回归分析的结果进行评价。在步骤3中经过多元线性回归分析后得到的最终表达式为y=-0.0645x1+0.199x2+0.097x3+0.331x4+0.243x5+0.719。多元线性回归的复合相关系数R的值为0.9997,这表明各个自变量与因变量高度线性相关;标准误差为0.0372,而因变量调节级室压力的平均值为11.889MPa,则相对标准误差为0.31%。由此可见使用这5个自变量能较好地预测因变量调节级室压力的值。
5.使用步骤4中得到的确定的多元回归分析表达式对不同的各调节阀开度组合下的调节级压力进行预测。模拟单阀试验工况下的各调节阀开度情况,设置目标调节阀GV3的开度从100%到0%,即GV3阀后压力从16.4MPa到9.3MPa。设置主汽压力值不变为16.8MPa,其它三个调节阀全开,即GV1阀后压力为16.3MPa,GV1阀后压力为16.4MPa,GV1阀后压力为16.1MPa。应用步骤4中得到的多元线性回归方程计算对应于GV3从全开到关闭过程中的调节级室压力,如此则完成了GV3调节阀开度下降的模拟单阀流量特性试验。
6.将应用多元回归方法计算得到的GV3调节阀流量特性曲线与实际的GV3调节阀流量特性曲线相对比,结果如图3所示,可见基于历史数据回归分析的方法来计算高压调节阀门的流量特性曲线能取得较好的结果。
本实施例中只选用了与调节级室压力相关性最高的5个机组运行参数作为回归分析的输入变量,多元回归方程选用形式最简单的只有一次自变量项的线性回归方程,如果考虑更多与因变量相关的自变量,同时优化多元回归方程的形式,能够得到更符合实际阀门流量特性的分析结果。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (3)
1.一种基于历史数据回归分析的汽轮机阀门流量特性分析方法,包括以下步骤:
步骤一:收集汽轮机近期设定时间段内的历史运行数据,作为用于单阀流量特性分析的基础数据;
步骤二:针对待计算的某个目标调节阀,从上述基础数据中整理出覆盖该目标调节阀全开度范围,即目标调节阀从关闭到全开或从全开到关闭的运行数据,作为回归分析过程的输入数据;
步骤三:选择初始的多元回归分析表达式,将步骤二运行数据中的调节级室压力作为预测变量,影响调节级室压力的数据作为自变量,对多元回归分析表达式中的各项参数进行计算;
步骤四:使用步骤三中得到的确定的多元回归分析表达式对不同的各调节阀开度组合下的调节级压力进行预测,模拟单阀流量特性试验工况下的各调节阀开度情况,设置目标调节阀的开度从全开到全关,其它调节阀全开,使用多元回归分析表达式计算模拟单阀流量特性试验工况下的调节级室压力;
步骤五:使用步骤四中得到的模拟单阀试验计算结果,对目标调节阀的流量特性曲线进行计算,比较流量特性曲线计算结果与实际的阀门流量特性曲线,若误差满足设定精度要求,表明初始的多元回归分析表达式能有效的预测汽轮机组的调节级室压力并用于单阀流量特性的计算;若误差不满足精度要求则选定不同的多元回归分析表达式返回步骤三重新执行回归分析。
2.根据权利要求1所述的基于历史数据回归分析的汽轮机阀门流量特性分析方法,其特征在于:所述历史运行数据包括来自SIS实时数据库和DCS系统中的机组运行数据,运行数据采集点包括机组负荷、主蒸汽压力/温度、各调节阀开度、各调节阀后压力和调节级室压力。
3.根据权利要求2所述的基于历史数据回归分析的汽轮机阀门流量特性分析方法,其特征在于:对历史运行数据进行预处理,剔除由于测量精度原因产生的异常数据和部分冗余数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710996664.1A CN107766656A (zh) | 2017-10-19 | 2017-10-19 | 基于历史数据回归分析的汽轮机阀门流量特性分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710996664.1A CN107766656A (zh) | 2017-10-19 | 2017-10-19 | 基于历史数据回归分析的汽轮机阀门流量特性分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107766656A true CN107766656A (zh) | 2018-03-06 |
Family
ID=61269163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710996664.1A Pending CN107766656A (zh) | 2017-10-19 | 2017-10-19 | 基于历史数据回归分析的汽轮机阀门流量特性分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107766656A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109238381A (zh) * | 2018-09-14 | 2019-01-18 | 北京市公用事业科学研究所 | 一种用户燃气设备流量的监测方法 |
CN109595043A (zh) * | 2019-02-25 | 2019-04-09 | 哈尔滨工业大学 | 八喷嘴组汽轮机高效安全运行的阀门配置方法 |
CN109827004A (zh) * | 2019-02-14 | 2019-05-31 | 华润电力技术研究院有限公司 | 对调节阀特性分析的方法及装置 |
CN111475951A (zh) * | 2020-04-09 | 2020-07-31 | 国网山东省电力公司电力科学研究院 | 一种热电机组工况分析方法 |
CN112149901A (zh) * | 2020-09-23 | 2020-12-29 | 华北电力科学研究院有限责任公司 | 一种汽轮机低压末级压力场预测方法及装置 |
CN113114739A (zh) * | 2021-03-29 | 2021-07-13 | 华南理工大学 | 一种基于云存储系统实现文件传输协议动态选择的方法 |
CN114173390A (zh) * | 2021-12-06 | 2022-03-11 | 深圳Tcl新技术有限公司 | 网络控制方法、装置、电子设备及存储介质 |
CN114414247A (zh) * | 2021-12-13 | 2022-04-29 | 西安航天动力试验技术研究所 | 液体火箭发动机数据曲线分析方法 |
CN115749986A (zh) * | 2022-11-17 | 2023-03-07 | 国家能源集团内蒙古电力有限公司 | 高调阀运行状态监测方法、装置、机组及电子设备 |
CN116127716A (zh) * | 2022-12-19 | 2023-05-16 | 华北电力科学研究院有限责任公司 | 汽轮机阀门流量特性辨识方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101871840A (zh) * | 2010-07-12 | 2010-10-27 | 山东电力研究院 | 汽轮机高压调门流量特性在线测试方法 |
CN107016239A (zh) * | 2017-03-30 | 2017-08-04 | 贵州电网有限责任公司电力科学研究院 | 一种asca和rbf神经网络模型的汽轮机阀门流量特性分析方法 |
-
2017
- 2017-10-19 CN CN201710996664.1A patent/CN107766656A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101871840A (zh) * | 2010-07-12 | 2010-10-27 | 山东电力研究院 | 汽轮机高压调门流量特性在线测试方法 |
CN107016239A (zh) * | 2017-03-30 | 2017-08-04 | 贵州电网有限责任公司电力科学研究院 | 一种asca和rbf神经网络模型的汽轮机阀门流量特性分析方法 |
Non-Patent Citations (1)
Title |
---|
郭立杰 等: "回归分析模式在电厂汽轮机组优化运行中的探讨和应用", 《万方数据库》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109238381A (zh) * | 2018-09-14 | 2019-01-18 | 北京市公用事业科学研究所 | 一种用户燃气设备流量的监测方法 |
CN109827004A (zh) * | 2019-02-14 | 2019-05-31 | 华润电力技术研究院有限公司 | 对调节阀特性分析的方法及装置 |
CN109595043B (zh) * | 2019-02-25 | 2022-05-03 | 哈尔滨工业大学 | 八喷嘴组汽轮机高效安全运行的阀门配置方法 |
CN109595043A (zh) * | 2019-02-25 | 2019-04-09 | 哈尔滨工业大学 | 八喷嘴组汽轮机高效安全运行的阀门配置方法 |
CN111475951A (zh) * | 2020-04-09 | 2020-07-31 | 国网山东省电力公司电力科学研究院 | 一种热电机组工况分析方法 |
CN112149901A (zh) * | 2020-09-23 | 2020-12-29 | 华北电力科学研究院有限责任公司 | 一种汽轮机低压末级压力场预测方法及装置 |
CN112149901B (zh) * | 2020-09-23 | 2024-04-16 | 华北电力科学研究院有限责任公司 | 一种汽轮机低压末级压力场预测方法及装置 |
CN113114739A (zh) * | 2021-03-29 | 2021-07-13 | 华南理工大学 | 一种基于云存储系统实现文件传输协议动态选择的方法 |
CN113114739B (zh) * | 2021-03-29 | 2022-08-16 | 华南理工大学 | 一种基于云存储系统实现文件传输协议动态选择的方法 |
CN114173390A (zh) * | 2021-12-06 | 2022-03-11 | 深圳Tcl新技术有限公司 | 网络控制方法、装置、电子设备及存储介质 |
CN114173390B (zh) * | 2021-12-06 | 2024-01-19 | 深圳Tcl新技术有限公司 | 网络控制方法、装置、电子设备及存储介质 |
CN114414247A (zh) * | 2021-12-13 | 2022-04-29 | 西安航天动力试验技术研究所 | 液体火箭发动机数据曲线分析方法 |
CN114414247B (zh) * | 2021-12-13 | 2024-06-18 | 西安航天动力试验技术研究所 | 液体火箭发动机数据曲线分析方法 |
CN115749986A (zh) * | 2022-11-17 | 2023-03-07 | 国家能源集团内蒙古电力有限公司 | 高调阀运行状态监测方法、装置、机组及电子设备 |
CN116127716A (zh) * | 2022-12-19 | 2023-05-16 | 华北电力科学研究院有限责任公司 | 汽轮机阀门流量特性辨识方法及装置 |
CN116127716B (zh) * | 2022-12-19 | 2024-03-26 | 华北电力科学研究院有限责任公司 | 汽轮机阀门流量特性辨识方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107766656A (zh) | 基于历史数据回归分析的汽轮机阀门流量特性分析方法 | |
CN103743560B (zh) | 汽轮机deh系统高压调节阀门流量特性测试及整定方法 | |
CN103927412B (zh) | 基于高斯混合模型的即时学习脱丁烷塔软测量建模方法 | |
CN103745273B (zh) | 一种半导体制造过程的多性能预测方法 | |
CN101288089A (zh) | 基于负荷预测的神经网络的在线和离线训练 | |
CN106703904B (zh) | 一种基于数据挖掘技术的汽轮机配汽曲线优化方法 | |
CN106779157A (zh) | 区域能源消费需求的预测方法 | |
CN107644297A (zh) | 一种电机系统节能量计算和验证方法 | |
Mehrpanahi et al. | A novel dynamic modeling of an industrial gas turbine using condition monitoring data | |
CN104500150B (zh) | 一种汽轮机调速器执行机构分段线性模型及参数获取方法 | |
CN107885967A (zh) | 一种回归模型超参数优化方法 | |
CN115344019A (zh) | 一种基于复合智能算法的天然气计量流量调节工艺 | |
CN109492335A (zh) | 一种退火炉炉温预测方法及系统 | |
CN107016239B (zh) | 一种汽轮机阀门流量特性分析方法 | |
US7155367B1 (en) | Method for evaluating relative efficiency of equipment | |
Li et al. | Multi-parameter decoupling and slope tracking control strategy of a large-scale high altitude environment simulation test cabin | |
Citroen et al. | Long term electricity demand forecasting using autoregressive integrated moving average model: Case study of Morocco | |
CN113887833A (zh) | 一种分布式能源用户侧逐时负荷预测方法及系统 | |
CN112966399A (zh) | 一种基于机器学习的脉管制冷机工况预测方法及系统 | |
Li et al. | Dynamic Response Analysis Among Environmental Regulation, Technological Progress and Water Resource Consumption in China's Textile Industry. | |
Shtifzon et al. | Development of adaptive fuzzy-logic device for control under conditions of parametric non-stationarity | |
CN107944642A (zh) | 一种电网投资需求的预测方法及预测系统 | |
Friden et al. | Energy and LCC optimised design of compressed air systems: A mixed integer optimisation approach with general applicability | |
CN115859581B (zh) | 一种基于全行程在线测试的汽轮机流量特性曲线优化方法 | |
Embrechts et al. | Neural network modeling of turbofan parameters |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180306 |
|
RJ01 | Rejection of invention patent application after publication |