CN111723331A - 一种联合循环二拖一机组汽轮机负荷的权益分配计算方法 - Google Patents

一种联合循环二拖一机组汽轮机负荷的权益分配计算方法 Download PDF

Info

Publication number
CN111723331A
CN111723331A CN202010584085.8A CN202010584085A CN111723331A CN 111723331 A CN111723331 A CN 111723331A CN 202010584085 A CN202010584085 A CN 202010584085A CN 111723331 A CN111723331 A CN 111723331A
Authority
CN
China
Prior art keywords
waste heat
heat boiler
data
steam turbine
load
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
Application number
CN202010584085.8A
Other languages
English (en)
Other versions
CN111723331B (zh
Inventor
王毅
王智微
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.)
Xian Thermal Power Research Institute Co Ltd
Original Assignee
Xian Thermal Power Research Institute 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 Xian Thermal Power Research Institute Co Ltd filed Critical Xian Thermal Power Research Institute Co Ltd
Priority to CN202010584085.8A priority Critical patent/CN111723331B/zh
Publication of CN111723331A publication Critical patent/CN111723331A/zh
Application granted granted Critical
Publication of CN111723331B publication Critical patent/CN111723331B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01K—STEAM ENGINE PLANTS; STEAM ACCUMULATORS; ENGINE PLANTS NOT OTHERWISE PROVIDED FOR; ENGINES USING SPECIAL WORKING FLUIDS OR CYCLES
    • F01K23/00—Plants characterised by more than one engine delivering power external to the plant, the engines being driven by different fluids
    • F01K23/02—Plants characterised by more than one engine delivering power external to the plant, the engines being driven by different fluids the engine cycles being thermally coupled
    • F01K23/06—Plants characterised by more than one engine delivering power external to the plant, the engines being driven by different fluids the engine cycles being thermally coupled combustion heat from one cycle heating the fluid in another cycle
    • F01K23/10—Plants characterised by more than one engine delivering power external to the plant, the engines being driven by different fluids the engine cycles being thermally coupled combustion heat from one cycle heating the fluid in another cycle with exhaust fluid of one cycle heating the fluid in another cycle
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Engine Equipment That Uses Special Cycles (AREA)

Abstract

一种联合循环二拖一机组汽轮机负荷的权益分配计算方法，采集二拖一联合循环机组在各台燃机单独运行时的历史稳态数据，利用数据挖掘技术建立汽轮机负荷与余热锅炉给水流量、主蒸汽压力和温度的函数关系模型；在两台燃机同时运行的时候，将采集到的各台余热锅炉给水流量
Figure DDA0002553470400000011
主蒸汽压力
Figure DDA0002553470400000012
和温度
Figure DDA0002553470400000013
数据输入到模型中，得到当前控制边界条件下余热锅炉对汽轮机负荷的贡献

Description

一种联合循环二拖一机组汽轮机负荷的权益分配计算方法
技术领域
本发明属于汽轮机负荷技术领域，具体涉及一种联合循环二拖一机组汽轮机负荷的权益分配计算方法。
背景技术
近些年，考虑到火力发电机组节能环保的要求，我国建设了一大批燃气-蒸汽联合循环机组。燃气-蒸汽联合循环机组有多种轴系布置方式，包括单轴布置和多轴布置，多轴布置又以“二拖一”机组为主。燃气-蒸汽联合循环二拖一发电机组由2台燃气轮机发电机组、2台余热锅炉、1台蒸汽轮机发电机组组成，两台余热锅炉的给水被燃气轮机排气加热后，产生的高压过热蒸汽在母管汇合进入蒸汽轮机做功。燃气-蒸汽联合循环二拖一机组发电过程示意图如图1所示。经母管进入蒸汽轮机高压缸做功。燃气-蒸汽联合循环二拖一机组发电过程示意图如图1所示。
为了更精确地评价燃气轮机及其对应的余热锅炉性能，非常有必要考虑两台余热锅炉各自对汽轮机负荷的权益贡献。燃气-蒸汽联合循环机组在二拖一运行模式下，各余热锅炉对汽轮机负荷的权益贡献，一般由该余热锅炉对应的燃机实际负荷占两台燃机的总负荷比例来确定。这种处理的方法过于简单且没有科学依据，更没有考虑到余热锅炉的实际运行状况，不能反映各余热锅炉之间的性能差异。如何科学计算两台余热锅炉各自对汽轮机负荷的权益贡献，是目前联合循环二拖一机组性能评价和优化运行中的技术难点。
发明内容
为了克服上述现有技术的缺陷，本发明的目的在于提供一种联合循环二拖一机组汽轮机负荷的权益分配计算方法，根据当前控制边界条件实时计算燃气-蒸汽联合循环二拖一机组余热锅炉对汽轮机负荷的贡献，能够更精确地评价燃气轮机及其对应的余热锅炉性能。
为达到上述目的，本发明采用的技术方案是：
一种联合循环二拖一机组汽轮机负荷的权益分配计算方法，包括以下步骤：
(一)建立二拖一联合循环机组在各台燃机单独运行时汽轮机负荷和余热锅炉给水流量、主蒸汽压力、温度函数关系计算模型
(1)在电厂的厂级监控信息系统里收集第j台(1≤j≤2)燃机单独运行的工况，筛选出历史稳态工况运行数据，提取历史数据中的余热锅炉给水流量
Figure BDA0002553470380000021
主蒸汽压力
Figure BDA0002553470380000022
温度
Figure BDA0002553470380000023
和汽轮机负荷Pet数据；
(2)将提取出来余热锅炉给水流量
Figure BDA0002553470380000024
主蒸汽压力
Figure BDA0002553470380000025
温度
Figure BDA0002553470380000026
汽轮机负荷Pet数据随机分开，70％数据用作计算模型的自学习，30％数据作为检验；自学习数据记为(
Figure BDA0002553470380000027
Pet)，检验数据记为(
Figure BDA0002553470380000028
Pe′t)；
(3)建立结构BP神经网络模型，输入层有3个节点，隐含层有7个节点，输出层有1个节点；节点传递函数采用S型传递函数logsig，训练函数采用Levenberg_Marquardt的BP算法训练函数trainlm，网络学习函数采用带动量项的BP学习规则learngdm，将所有自学习数据使用最大最小法进行数据归一化，最大最小法函数形式如下：
x’k＝(xk-xmin)/(xmax-xmin) (1)
将归一化后的自学习数据输入BP神经网络模型进行训练，设置训练终止条件为拟合结果误差小于等于0.0001，验证检查结果大于等于10；训练结束，得到汽轮机负荷和余热锅炉给水流量、主蒸汽压力、温度函数计算模型：
Figure BDA0002553470380000031
(4)将检验数据(
Figure BDA0002553470380000032
Pe′t)使用自学习数据的归一化参数公式(1)进行归一化处理，输入汽轮机负荷和余热锅炉给水流量、主蒸汽压力、温度函数计算模型，得到汽轮机在负荷为Pe′t时计算模型的计算值：
Figure BDA0002553470380000033
(5)记事
Figure BDA0002553470380000034
若K≤1％且P(K)≥95％，则称计算模型收敛正确；如果P(K)<95％，则称计算模型收敛错误，调整BP神经网络的隐含层节点数，或者增加隐含层层数，以提高BP神将网络的非线性函数拟合能力，按照以上步骤重新学习、检验，直至公式(2)计算模型正确收敛。
(二)两台燃机同时运行时根据模型实时计算各余热锅炉输出的汽轮机负荷
两台燃机同时运行的时候，将实时采集到的各台余热锅炉给水流量
Figure BDA0002553470380000041
主蒸汽压力
Figure BDA0002553470380000042
和温度
Figure BDA0002553470380000043
数据输入到正确收敛后的公式(2)计算模型中，得到当前控制边界条件下各余热锅炉输出的汽轮机负荷计算值
Figure BDA0002553470380000044
(三)根据计算值
Figure BDA0002553470380000045
实时分配各台余热锅炉对汽轮机负荷的权益贡献
根据各余热锅炉输出的汽轮机负荷模型计算值
Figure BDA0002553470380000046
来实时计算各台余热锅炉对汽轮机负荷的权益贡献：
Figure BDA0002553470380000047
本发明利用数据挖掘技术处理燃气-蒸汽联合循环发电机组在二拖一运行模式下两台余热锅炉各自对汽轮机负荷的权益贡献。采集二拖一联合循环机组在各台燃机单独运行时的历史稳态数据，建立汽轮机负荷与余热锅炉给水流量、主蒸汽压力和温度的函数关系模型。在两台燃机同时运行的时候，将采集到的各台余热锅炉给水流量、主蒸汽压力和温度数据输入到模型中，模型输出当前控制边界条件下余热锅炉对汽轮机负荷的贡献。同时以定期更新模型的方式考虑各台余热锅炉和汽轮机随运行时间变化其特性变化的影响。
附图说明
图1是燃气-蒸汽联合循环二拖一机组发电过程示意图。
具体实施方式
本发明一种联合循环二拖一机组汽轮机负荷的权益分配计算方法，采集二拖一联合循环机组在各台燃机单独运行时的历史稳态数据，利用数据挖掘技术建立汽轮机负荷与余热锅炉给水流量、主蒸汽压力和温度的函数关系模型。在两台燃机同时运行的时候，将采集到的各台余热锅炉给水流量Fbj、主蒸汽压力Pbj和温度Tbj数据输入到模型中，得到当前控制边界条件下余热锅炉对汽轮机负荷的贡献Pet,cj。同时以定期更新模型的方式考虑各台余热锅炉和汽轮机随运行时间变化其特性变化的影响。
具体包括以下步骤：
(一)建立二拖一联合循环机组在各台燃机单独运行时汽轮机负荷和余热锅炉给水流量、主蒸汽压力和温度函数关系计算模型
(1)在电厂的厂级监控信息系统里收集第j台(1≤j≤2)燃机单独运行的工况，筛选出历史稳态工况(即摒除启停机等负荷变化率较大工况)运行数据，提取历史数据中的余热锅炉给水流量
Figure BDA0002553470380000051
主蒸汽压力
Figure BDA0002553470380000052
温度
Figure BDA0002553470380000053
汽轮机负荷peT数据；
(2)将提取出来余热锅炉给水流量
Figure BDA0002553470380000054
主蒸汽压力
Figure BDA0002553470380000055
温度
Figure BDA0002553470380000056
汽轮机负荷pet数据随机分开，70％数据用作计算模型的自学习，30％数据作为检验；自学习数据记为(
Figure BDA0002553470380000061
Pet)，检验数据记为(
Figure BDA0002553470380000062
Pe′t)；
(3)建立结构BP神经网络模型，输入层有3个节点，隐含层有7个节点，输出层有1个节点；节点传递函数采用S型传递函数logsig，训练函数采用Levenberg_Marquardt的BP算法训练函数trainlm，网络学习函数采用带动量项的BP学习规则learngdm，将所有自学习数据使用最大最小法进行数据归一化，最大最小法函数形式如下：
x’k＝(xk-xmin)/(xmax-xmin) (1)
将归一化后的自学习数据输入BP神经网络模型进行训练，设置训练终止条件为拟合结果误差小于等于0.0001，验证检查结果大于等于10；训练结束，得到汽轮机负荷和余热锅炉给水流量、主蒸汽压力、温度函数计算模型：
Figure BDA0002553470380000063
(4)将检验数据(
Figure BDA0002553470380000064
Pe′t)使用自学习数据的归一化参数公式(1)(即自学习数据中的最大、最小值)进行归一化处理，输入汽轮机负荷和余热锅炉给水流量、主蒸汽压力、温度函数计算模型，得到汽轮机在负荷为Pe′t时计算模型的计算值：
Figure BDA0002553470380000065
(5)记事
Figure BDA0002553470380000071
若K≤1％且P(K)≥95％，则称计算模型收敛正确；如果P(K)<95％，则称计算模型收敛错误，调整BP神经网络的隐含层节点数，或者增加隐含层层数，以提高BP神将网络的非线性函数拟合能力，按照以上步骤重新学习、检验，直至公式(2)计算模型正确收敛。
(二)两台燃机同时运行时根据模型实时计算各余热锅炉输出的汽轮机负荷
两台燃机同时运行的时候，将实时采集到的各台余热锅炉给水流量
Figure BDA0002553470380000072
主蒸汽压力
Figure BDA0002553470380000073
和温度
Figure BDA0002553470380000074
数据输入到正确收敛后的公式(2)计算模型中，得到当前控制边界条件下各余热锅炉输出的汽轮机负荷计算值
Figure BDA0002553470380000075
(三)根据计算值
Figure BDA0002553470380000076
实时分配各台余热锅炉对汽轮机负荷的权益贡献
根据各余热锅炉输出的汽轮机负荷模型计算值
Figure BDA0002553470380000077
来实时计算各台余热锅炉对汽轮机负荷的权益贡献：
Figure BDA0002553470380000078
为了保证计算的准确可靠，需要定期更新计算模型。定期或某些事件发生后(如大修)，要利用新数据对上述函数关系计算模型进行更新，以考虑余热锅炉和汽轮机效率的变化，保证计算的准确可靠。
为了保证计算结果的准确性和稳定性，要对历史稳态运行数据中的各台余热锅炉给水流量、蒸汽压力和蒸汽温度、汽轮机负荷数据进行规约，这样可以使计算过程很快稳定收敛；同时，定期或某些事件发生后(如大修)，要利用新数据对上述函数关系计算模型进行更新，以考虑余热锅炉和汽轮机效率的变化，保证计算模型结果的准确可靠。

Claims (1)

1.一种联合循环二拖一机组汽轮机负荷的权益分配计算方法，其特征在于，包括以下步骤：
(一)建立二拖一联合循环机组在各台燃机单独运行时汽轮机负荷和余热锅炉给水流量、主蒸汽压力、温度函数关系计算模型
(1)在电厂的厂级监控信息系统里收集第j台(1≤j≤2)燃机单独运行的工况，筛选出历史稳态工况运行数据，提取历史数据中的余热锅炉给水流量
Figure FDA0002553470370000011
主蒸汽压力
Figure FDA0002553470370000012
温度
Figure FDA0002553470370000013
和汽轮机负荷Pet数据；
(2)将提取出来的余热锅炉给水流量
Figure FDA0002553470370000014
主蒸汽压力
Figure FDA0002553470370000015
温度
Figure FDA0002553470370000016
汽轮机负荷Pet数据随机分开，70％数据用作计算模型的自学习，30％数据作为检验；自学习数据记为
Figure FDA0002553470370000017
检验数据记为
Figure FDA0002553470370000018
Figure FDA0002553470370000019
(3)建立结构BP神经网络模型，输入层有3个节点，隐含层有7个节点，输出层有1个节点；节点传递函数采用S型传递函数logsig，训练函数采用Levenberg_Marquardt的BP算法训练函数trainlm，网络学习函数采用带动量项的BP学习规则learngdm，将所有自学习数据使用最大最小法进行数据归一化，最大最小法函数形式如下：
x’k＝(xk-xmin)/(xmax-xmin) (1)
将归一化后的自学习数据输入BP神经网络模型进行训练，设置训练终止条件为拟合结果误差小于等于0.0001，验证检查结果大于等于10；训练结束，得到汽轮机负荷和余热锅炉给水流量、主蒸汽压力、温度函数计算模型：
Figure FDA0002553470370000021
(4)将检验数据
Figure FDA0002553470370000022
使用自学习数据的归一化参数公式(1)进行归一化处理，输入汽轮机负荷和余热锅炉给水流量、主蒸汽压力、温度函数计算模型，得到汽轮机在负荷为Pe′t时计算模型的计算值：
Figure FDA0002553470370000023
(5)记事
Figure FDA0002553470370000024
若K≤1％且P(K)≥95％，则称计算模型收敛正确；如果P(K)<95％，则称计算模型收敛错误，调整BP神经网络的隐含层节点数，或者增加隐含层层数，以提高BP神将网络的非线性函数拟合能力，按照以上步骤重新学习、检验，直至公式(2)计算模型正确收敛；
(二)两台燃机同时运行时，根据模型实时计算各余热锅炉输出的汽轮机负荷
两台燃机同时运行的时候，将实时采集到的各台余热锅炉给水流量
Figure FDA0002553470370000025
主蒸汽压力
Figure FDA0002553470370000026
和温度
Figure FDA0002553470370000027
数据输入到正确收敛后的公式(2)计算模型中，得到当前控制边界条件下各余热锅炉输出的汽轮机负荷计算值
Figure FDA0002553470370000028
(三)根据计算值
Figure FDA0002553470370000031
实时分配各台余热锅炉对汽轮机负荷的权益贡献
根据各余热锅炉输出的汽轮机负荷模型计算值
Figure FDA0002553470370000032
来实时计算各台余热锅炉对汽轮机负荷的权益贡献：
Figure FDA0002553470370000033
CN202010584085.8A 2020-06-23 2020-06-23 一种联合循环二拖一机组汽轮机负荷的权益分配计算方法 Active CN111723331B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010584085.8A CN111723331B (zh) 2020-06-23 2020-06-23 一种联合循环二拖一机组汽轮机负荷的权益分配计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010584085.8A CN111723331B (zh) 2020-06-23 2020-06-23 一种联合循环二拖一机组汽轮机负荷的权益分配计算方法

Publications (2)

Publication Number Publication Date
CN111723331A true CN111723331A (zh) 2020-09-29
CN111723331B CN111723331B (zh) 2024-01-23

Family

ID=72568589

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010584085.8A Active CN111723331B (zh) 2020-06-23 2020-06-23 一种联合循环二拖一机组汽轮机负荷的权益分配计算方法

Country Status (1)

Country Link
CN (1) CN111723331B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113982712A (zh) * 2021-11-19 2022-01-28 国能国华(北京)燃气热电有限公司 二拖一燃气-蒸汽联合循环机组及解汽方法
CN113356951B (zh) * 2021-07-07 2022-06-28 中国电建集团山东电力建设有限公司 Igcc发电机组合成气显热回收蒸汽负荷分配方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03115707A (ja) * 1989-09-28 1991-05-16 Hitachi Ltd 複合発電プラント
JPH07208113A (ja) * 1994-01-18 1995-08-08 Mitsubishi Heavy Ind Ltd 複合プラントの負荷分配制御方法
JP2004027890A (ja) * 2002-06-24 2004-01-29 Toshiba Corp 多軸型コンバインドサイクル発電プラントの負荷制御装置
CN104847427A (zh) * 2015-04-10 2015-08-19 国家电网公司 二拖一重型燃气-蒸汽联合循环机组agc控制方法
CN105046064A (zh) * 2015-07-01 2015-11-11 国网天津市电力公司 一种供热期热电联产机组电负荷可调范围的计算方法
CN105201565A (zh) * 2015-09-30 2015-12-30 西安西热电站信息技术有限公司 一种基于母管制的多机组汽轮机蒸汽流量实时分配方法
CN107016168A (zh) * 2017-03-10 2017-08-04 天津市电力科技发展有限公司 燃气‑蒸汽联合循环机组供热性能计算方法
CN107831652A (zh) * 2017-10-13 2018-03-23 国网河北能源技术服务有限公司 一种基于冷端系统储能的机组负荷智能优化控制方法
CN110070460A (zh) * 2019-04-16 2019-07-30 东南大学 多套燃气-蒸汽联合循环机组热电负荷优化调度系统
CN110298534A (zh) * 2019-05-09 2019-10-01 华电电力科学研究院有限公司 F级燃气-蒸汽联合循环发电机组能耗指标在线监测与耗差分析方法
CN110544051A (zh) * 2019-09-12 2019-12-06 西安热工研究院有限公司 一种火电厂大型凝汽式汽轮机的经济性实时评估方法
CN110735677A (zh) * 2019-09-02 2020-01-31 哈尔滨工程大学 一种天然气压气站燃气轮机-蒸汽轮机联合循环控制系统
CN110847986A (zh) * 2019-10-08 2020-02-28 华北电力科学研究院有限责任公司 二拖一燃机联合循环机组启停升降负荷控制方法及装置

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03115707A (ja) * 1989-09-28 1991-05-16 Hitachi Ltd 複合発電プラント
JPH07208113A (ja) * 1994-01-18 1995-08-08 Mitsubishi Heavy Ind Ltd 複合プラントの負荷分配制御方法
JP2004027890A (ja) * 2002-06-24 2004-01-29 Toshiba Corp 多軸型コンバインドサイクル発電プラントの負荷制御装置
CN104847427A (zh) * 2015-04-10 2015-08-19 国家电网公司 二拖一重型燃气-蒸汽联合循环机组agc控制方法
CN105046064A (zh) * 2015-07-01 2015-11-11 国网天津市电力公司 一种供热期热电联产机组电负荷可调范围的计算方法
CN105201565A (zh) * 2015-09-30 2015-12-30 西安西热电站信息技术有限公司 一种基于母管制的多机组汽轮机蒸汽流量实时分配方法
CN107016168A (zh) * 2017-03-10 2017-08-04 天津市电力科技发展有限公司 燃气‑蒸汽联合循环机组供热性能计算方法
CN107831652A (zh) * 2017-10-13 2018-03-23 国网河北能源技术服务有限公司 一种基于冷端系统储能的机组负荷智能优化控制方法
CN110070460A (zh) * 2019-04-16 2019-07-30 东南大学 多套燃气-蒸汽联合循环机组热电负荷优化调度系统
CN110298534A (zh) * 2019-05-09 2019-10-01 华电电力科学研究院有限公司 F级燃气-蒸汽联合循环发电机组能耗指标在线监测与耗差分析方法
CN110735677A (zh) * 2019-09-02 2020-01-31 哈尔滨工程大学 一种天然气压气站燃气轮机-蒸汽轮机联合循环控制系统
CN110544051A (zh) * 2019-09-12 2019-12-06 西安热工研究院有限公司 一种火电厂大型凝汽式汽轮机的经济性实时评估方法
CN110847986A (zh) * 2019-10-08 2020-02-28 华北电力科学研究院有限责任公司 二拖一燃机联合循环机组启停升降负荷控制方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
王亚平;: "M701F4二拖一机组解汽过程运行炉主汽温波动分析", 神华科技, no. 12 *
邓铁;: "燃气―蒸汽联合循环机组装机方案的研究", 能源与节能, no. 12 *
黄柱;康支霞;: ""二拖一"燃气-蒸汽联合循环机组主汽系统研究与应用", 华北电力技术, no. 12 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113356951B (zh) * 2021-07-07 2022-06-28 中国电建集团山东电力建设有限公司 Igcc发电机组合成气显热回收蒸汽负荷分配方法
CN113982712A (zh) * 2021-11-19 2022-01-28 国能国华(北京)燃气热电有限公司 二拖一燃气-蒸汽联合循环机组及解汽方法

Also Published As

Publication number Publication date
CN111723331B (zh) 2024-01-23

Similar Documents

Publication Publication Date Title
CN108446529B (zh) 基于广义互熵—dpca算法的有机朗肯循环系统故障检测方法
CN104090560B (zh) 一种监测供电综合环境评价指标的设备
CN113095591B (zh) 一种用于火电机组运行参数自寻优的耗差分析方法
CN111639802A (zh) 一种燃机机组运行优化指导方法
CN111723331B (zh) 一种联合循环二拖一机组汽轮机负荷的权益分配计算方法
CN112377985B (zh) 基于反馈神经网络的供热机组调峰下限评估方法及系统
Rossi et al. A methodology for energy savings verification in industry with application for a CHP (combined heat and power) plant
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
CN110298534A (zh) F级燃气-蒸汽联合循环发电机组能耗指标在线监测与耗差分析方法
CN110298502B (zh) 基于能效最优的锅炉最佳氧量计算方法
CN113468732B (zh) 一种抽汽供热机组供热用生产成本的确定系统及方法
CN100363926C (zh) 一种火电厂管道热效率的在线分析监测系统
Chen et al. Application of deep learning modelling of the optimal operation conditions of auxiliary equipment of combined cycle gas turbine power station
CN112348696B (zh) 基于bp神经网络的供热机组调峰上限评估方法及系统
CN105804819A (zh) 一种提高烧结余热回收量及发电系统运行稳定性的调控方法
CN113868836B (zh) 基于大数据的智慧热力系统在线专家分析平台
CN100366876C (zh) 燃气-蒸汽联合循环发电站运行效率在线解析方法和系统
CN114963298A (zh) 一种蒸汽管网储能在线定量计算方法和系统
CN113191083A (zh) 考虑全工况外部参数变化的烟气余热回收系统优化设计方法
CN112627921A (zh) 一种燃气-蒸汽联合循环机组运行优化决策方法
CN103968879A (zh) 一种供电系统区域环保监测方法
Cerri et al. Inverse methodologies for actual status recognition of gas turbine components
CN116382223B (zh) 一种基于dcs的火电机组监测系统
Guo et al. Steam-Water Modelling and the Coal-Saving Scheduling Strategy of Combined Heat and Power Systems. Energies, 2022, 15: 141
Tang et al. Computer Prediction Model of Heat Consumption in Thermal System of Coal-Fired Power Station Based on Big Data Analysis and Information Sorting

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
GR01 Patent grant
GR01 Patent grant