CN116357463A - 氢混燃气轮机回火控制方法、装置、电子设备及存储介质 - Google Patents
氢混燃气轮机回火控制方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116357463A CN116357463A CN202310519800.3A CN202310519800A CN116357463A CN 116357463 A CN116357463 A CN 116357463A CN 202310519800 A CN202310519800 A CN 202310519800A CN 116357463 A CN116357463 A CN 116357463A
- Authority
- CN
- China
- Prior art keywords
- tempering
- combustion chamber
- hydrogen
- gas turbine
- mixed gas
- 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
- 238000005496 tempering Methods 0.000 title claims abstract description 219
- 239000007789 gas Substances 0.000 title claims abstract description 111
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 title claims abstract description 85
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 85
- 239000001257 hydrogen Substances 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000002485 combustion reaction Methods 0.000 claims abstract description 164
- 239000000446 fuel Substances 0.000 claims abstract description 88
- 238000012512 characterization method Methods 0.000 claims abstract description 44
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 238000013499 data model Methods 0.000 claims abstract description 14
- 239000000376 reactant Substances 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 23
- 239000003795 chemical substances by application Substances 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 15
- 238000012706 support-vector machine Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000007635 classification algorithm Methods 0.000 claims description 3
- 238000012821 model calculation Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 206010016754 Flashback Diseases 0.000 description 62
- 238000010586 diagram Methods 0.000 description 11
- 238000012549 training Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000012795 verification Methods 0.000 description 6
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 238000002156 mixing Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02C—GAS-TURBINE PLANTS; AIR INTAKES FOR JET-PROPULSION PLANTS; CONTROLLING FUEL SUPPLY IN AIR-BREATHING JET-PROPULSION PLANTS
- F02C9/00—Controlling gas-turbine plants; Controlling fuel supply in air- breathing jet-propulsion plants
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Regulation And Control Of Combustion (AREA)
Abstract
本发明提供了一种氢混燃气轮机回火控制方法、装置、电子设备及存储介质，该氢混燃气轮机回火控制方法先根据燃烧室三维流网模型，计算获得氢混燃气轮机的燃烧室回火数据库；之后，利用所述燃烧室回火数据库，采用智能算法，建立燃烧室代理数据模型，构建燃烧室燃烧状态表征参数；利用所述燃烧室代理数据模型构建回火表征参数；最后，根据所述回火表征参数进行回火控制。本发明根据实际监测氢混燃气轮机运行过程中的回火状态、回火发生裕度、回火判断指数，通过调节燃料量、掺氢比例等控制参数，有效防止了氢混燃气轮机发生回火。
Description
技术领域
本发明涉及氢混燃气轮机技术领域，尤其涉及一种氢混燃气轮机回火控制方法、装置、电子设备及存储介质。
背景技术
氢燃料作为清洁燃料用于燃气轮机时，可以实现燃气轮机的零碳排放。然而在富氢燃料中，氢气的引入使得燃料的层流火焰速度以及湍流火焰速度大幅增加，同时在强旋流情况下轴向速度明显降低，此时燃气轮机燃烧室中心流回火的风险将显著增加。目前大多通过更改燃烧室结构降低燃气轮机回火，然而燃气轮机运行工况多变，燃烧室仍会发生回火。
CN104534474A公开了一种燃气轮机及应用该燃气轮机检测回火的方法，该燃气轮机包括：中心锥体、壳体及多个旋流叶片；所述中心锥体位于所述壳体内，所述中心锥体及壳体之间形成有预混通道，所述旋流叶片沿所述壳体的周向设置于所述壳体的内侧壁上，所述中心锥体上及预混通道内均设置有温度传感器。所述燃气轮机的分别在中心锥体的尖端附近和预混通道出口附近布置温度传感器可以分别检测燃料喷嘴的核心区回火和边界层回火，充分考虑了导致燃烧室喷嘴发生回火的主要机制，为燃料喷嘴的安全运行提供了保障。
CN203671654U公开了一种燃气轮机的燃烧室，该燃烧室的头部结构包括主燃级和预燃级，在头部结构中，从内向外同轴地设置有预燃级壁、主燃级内壁和主燃级外壁，在主燃级内壁和主燃级外壁之间形成主燃级混合区，其中，主燃级内壁与燃烧室的轴线呈一定角度地向外扩张，使得所述主燃级混合区流道沿出口方向渐缩，并且，预燃级壁的出口端处沿径向向外凸出形成预燃级挡板，在主燃级内壁的出口端和预燃级挡板之间形成有隔离槽。通过具有上述结构的燃烧室，以简单的结构有效地抑制回火现象的发生。
但上述方法及装置对氢混燃气轮机进行回火主动控制的效果较差。而且并未从燃气轮机控制系统方面对氢混燃气轮机进行回火监测和主动控制。
发明内容
鉴于现有技术中存在的问题，本发明提供一种氢混燃气轮机回火控制方法、装置、电子设备及存储介质，通过燃烧室三维流网模型计算数据和氢混燃气轮机实时运行数据，构建出氢混燃气轮机回火特征表征参数，实现对氢混燃气轮机回火的预测控制与主动控制，保障氢混燃气轮机安全稳定运行。
为达此目的，本发明采用以下技术方案：
第一方面，本发明提供一种氢混燃气轮机回火控制方法，包括：
S1：根据燃烧室三维流网模型，计算获得氢混燃气轮机的燃烧室回火数据库；
S2：利用所述燃烧室回火数据库，采用智能算法，建立燃烧室代理数据模型，构建燃烧室燃烧状态表征参数；
S3：利用所述燃烧室代理数据模型构建回火表征参数；
S4：根据所述回火表征参数进行回火控制。
本发明所述的氢混燃气轮机回火控制方法守信根据燃烧室三维流网模型，计算获得氢混燃气轮机的燃烧室回火数据库；利用所述燃烧室回火数据库，构建出了燃烧室燃烧状态表征参数，并构建了回火表征参数，基于该回火表征参数进行氢混燃气轮机回火的预测控制与主动控制，以降低氢混燃气轮机运行过程中可能发生的回火，保障了氢混燃气轮机安全稳定运行，具有大规模推广应用前景。
优选地，步骤S1中利用燃烧室三维流网模型，分别计算不同压气机出口温度、不同压气机出口压力、不同燃烧室进口空气流量、不同掺氢比例、不同燃料总量、不同燃料管路分配比例、不同燃料温度、不同燃料压力下的氢混燃气轮机的火焰速度、反应物来流速度、湍流强度和回火状态，构建燃烧室回火数据库。
优选地，步骤S1中根据燃烧室三维流网模型，计算获得氢混燃气轮机的燃烧室回火数据库包括：
S101，设定燃烧室三维流网模型计算边界条件；
所述燃烧室三维流网模型计算边界条件包括压气机出口温度、压气机出口压力、燃烧室进口空气流量、掺氢比例、燃料总量、燃料管路分配比例、燃料温度和燃料压力；
S102，运行燃烧室三维流网模型，获得模型计算结果，记录火焰速度、反应物来流速度、湍流强度、回火状态；
S103，通过数据库存储命令，将压气机出口温度、压气机出口压力、燃烧室进口空气流量、掺氢比例、燃料总量、燃料管路分配比例、燃料温度、燃料压力、火焰速度、反应物来流速度、湍流强度、回火状态存储到燃烧室回火数据库中；
S104，修改不同的燃烧室三维流网模型计算边界条件，并重复上述步骤。
优选地，步骤S2所述智能算法包括机器学习或深度学习。
优选地，所述燃烧室状态表征参数采用下述函数表示：
SL＝f1(T2,P2,G2,Hr,Gf,Dr,Tf,Pf)
ur＝f2(T2,P2,G2,Hr,Gf,Dr,Tf,Pf)
Tu＝f3(T2,P2,G2,Hr,Gf,Dr,Tf,Pf)
Hs＝f4(T2,P2,G2,Hr,Gf,Dr,Tf,Pf)
其中，T2为压气机出口温度、P2为压气机出口压力，G2为燃烧室进口空气流量，Hr为掺氢比例，Gf为总燃料量，Dr为各路喷嘴燃料流量配比，Tf为燃料温度，Pf为燃料量压力，SL为层流火焰速度，ur为反应物来流速度，Tu为湍流强度，Hs为回火状态。
优选地，以支持向量机回归算法获得函数f1、f2、f3，以支持向量机分类算法获得函数f4。
优选地，步骤S3所述回火表征参数包括回火发生裕度ξ和回火判断指数λ。
优选地，所述回火发生裕度ξ按照如下公式计算：
其中，ξ为回火发生裕度、SL为层流火焰速度，Tu为湍流强度，ur为反应物来流速度。
优选地，所述回火判断指数λ按照如下公式计算：
优选地，步骤S4中根据所述回火表征参数进行回火控制包括：
基于回火发生裕度ξ构建回火控制回路，通过限制燃料量避免回火发生裕度进一步缩小，以实现回火的控制；
基于回火发生裕度ξ构建掺氢比例限制回路，通过限制掺氢比例实现回火控制；
基于回火状态、回火发生裕度ξ、回火判断指数λ构建回火保护回路，进行回火报警与跳机保护。
优选地，所述基于回火状态、回火发生裕度ξ、回火判断指数λ构建回火保护回路，进行回火报警与跳机保护包括如下步骤：
当回火判断指数λ超过回火判断指数阈值时，发出回火跳机信号；
当回火发生裕度ξ超过回火发生裕度跳机值时，发出回火跳机信号；
当回火状态发生时，发出回火跳机信号。
第二方面，本发明还提供一种氢混燃气轮机回火控制装置，包括：
第一生成模块，用于根据燃烧室三维流网数据，生成燃烧室回火数据库；
第二生成模块，用于根据燃烧室回火数据库，生成燃烧室燃烧状态表征参数计算模型；
第三生成模块，用于根据燃烧室燃烧状态表征参数，生成燃烧室回火表征参数；
控制模块，用于根据燃烧室燃烧状态表征参数计算模块、燃烧室回火标准参数，对氢混燃气轮机进行回火控制。
本发明所述第一生成模块、第二生成模块、第三生成模块和控制模块依次连接，各生成模块的数据依次传输，最终由控制模块对氢混燃气轮机进行回火控制。
第三方面，本发明还提供一种电子设备，包括存储器和处理器，所述处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于实现第一方面所述的的氢混燃气轮机回火控制方法。
第四方面，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面所述的氢混燃气轮机回火控制方法。
第五方面，本发明还提供一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现第一个方面所述的氢混燃气轮机回火控制方法。
与现有技术相比，本发明至少具有以下有益效果：
本发明提供的氢混燃气轮机回火控制方法从燃气轮机控制系统方面对氢混燃气轮机进行回火监测和主动控制，通过燃烧室三维流网模型计算数据和氢混燃气轮机实时运行数据，构建出氢混燃气轮机回火特征表征参数，实现对氢混燃气轮机回火的预测控制及主动控制，保障了氢混燃气轮机安全稳定运行。
附图说明
图1是本发明提供的氢混燃气轮机回火控制系统的示意图。
图2是本发明一个实施例的氢混燃气轮机回火控制方法的流程图。
图3是本发明一个实施例步骤S1中根据燃烧室三维流网模型，计算获得氢混燃气轮机的燃烧室回火数据库的流程图。
图4是本发明一个实施例步骤S2利用所述燃烧室回火数据库，采用智能算法，建立燃烧室代理数据模型，构建燃烧室燃烧状态表征参数的流程图。
图5是本发明一个实施例利用回火发生裕度进行回火控制的流程图。
图6是本发明一个实施例的氢混燃气轮机回火控制回路结构图。
图7是本发明一个实施例中以GE 9F燃机控制回路为例，最小值选择控制图。
图8是本发明一个实施例利用回火发生裕度进行掺氢比例限制控制流程图。
图9是本发明一个实施例的氢混燃气轮机掺氢比例限制回路结构图。
图10是本发明一个实施例利用回火表征参数进行回火保护的流程图。
图11是本发明一个实施例的氢混燃气轮机回火保护逻辑示意图。
图12是本发明一个实施例的氢混燃气轮机回火控制装置的结构图。
图13是本发明一个实施例的氢混燃气轮机回火控制方法的电子设备的框图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
下面对本发明进一步详细说明。但下述的实例仅仅是本发明的简易例子，并不代表或限制本发明的权利保护范围，本发明的保护范围以权利要求书为准。
本发明提供一种氢混燃气轮机回火控制系统，其示意图如图1所示，该回火控制系统，包括：
燃气轮机控制系统1、部件模型服务器2、燃烧室回火数据库服务器3、燃烧室回火代理模型训练服务器4、燃烧室回火代理模型边缘计算设备5、燃烧室回火控制器6。
其中：燃气轮机控制系统1是氢混燃气轮机的控制设备；部件模型服务器2存储氢混燃气轮机的部件设计参数和三维流网模型；燃烧室回火数据库服务器3存储部件模型服务器2所计算的燃烧室回火数据，包括压气机出口温度、压气机出口压力、燃烧室进口空气流量、掺氢比例、燃料总量、燃料管路分配比例、燃料温度、燃料压力、火焰速度、反应物来流速度、湍流强度、回火边界、回火状态等；燃烧室回火代理模型训练服务器4包括燃烧室回火代理模型和燃烧室回火代理模型训练计算程序；燃烧室回火代理模型边缘计算设备5包括存储器、处理器、实时操作系统及燃烧室回火特征表征参数计算程序；燃烧室回火控制器6包含回火控制策略、掺氢比例限制策略、回火保护策略。
部件模型服务器2通过计算燃烧室三维流网模型，获得燃烧室回火计算数据，并通过通讯方式，存储到燃烧室回火数据库服务器3中。
燃烧室回火数据库服务器3中的数据，通过通讯方式，向燃烧室回火代理模型训练服务器4传输训练数据。
燃烧室回火代理模型训练服务器4利用燃烧室回火数据库，采用机器学习、深度学习等智能算法，建立燃烧室代理数据模型，并将燃烧室代理数学模型通过通讯方式下装到燃烧室回火代理模型边缘计算设备5中。
燃烧室回火代理模型边缘计算设备5用于利用燃气轮机实际传感器数据和燃烧室代理数据模型，计算获得燃烧室回火特征表征参数，包括回火判断指数、回火发生裕度，然后通过燃气轮机控制系统1的实时网络，传输到燃烧室回火控制器6中。
燃烧室回火控制器6用于根据回火特征表征参数，利用回火控制回路、掺氢比例限制回路、回火保护回路，计算出控制指令，然后通过燃气轮机控制系统1的实时网络，传输到燃气轮机控制系统1的控制器A和控制器B中。
作为本发明的一个实施例，提供一种氢混燃气轮机回火控制方法，其流程图如图2所示，包括：
S1：利用燃烧室三维流网模型，分别计算不同压气机出口温度、不同压气机出口压力、不同燃烧室进口空气流量、不同掺氢比例、不同燃料总量、不同燃料管路分配比例、不同燃料温度、不同燃料压力下的氢混燃气轮机的火焰速度、反应物来流速度、湍流强度和回火状态，构建燃烧室回火数据库；
S2：利用所述燃烧室回火数据库，采用智能算法，建立燃烧室代理数据模型，构建燃烧室燃烧状态表征参数；
所述智能算法包括机器学习或深度学习；
优选地，所述燃烧室状态表征参数采用下述函数表示：
SL＝f1(T2,P2,G2,Hr,Gf,Dr,Tf,Pf)
ur＝f2(T2,P2,G2,Hr,Gf,Dr,Tf,Pf)
Tu＝f3(T2,P2,G2,Hr,Gf,Dr,Tf,Pf)
Hs＝f4(T2,P2,G2,Hr,Gf,Dr,Tf,Pf)
其中，T2为压气机出口温度、P2为压气机出口压力，G2为燃烧室进口空气流量，Hr为掺氢比例，Gf为总燃料量，Dr为各路喷嘴燃料流量配比，Tf为燃料温度，Pf为燃料量压力，SL为层流火焰速度，ur为反应物来流速度，Tu为湍流强度，Hs为回火状态；
S3：利用所述燃烧室代理数据模型构建回火表征参数；
氢混燃气轮机易发生回火，主要是由于氢燃料的燃烧延时短、火焰传播速度快，当火焰速度超过反应物速度时，就易发生回火；
在一些实例中，根据层流火焰速度、反应物来流速度、湍流强度构建回火发生裕度ξ和回火判断指数λ。
回火发生裕度ξ按照如下公式计算：
其中，ξ为回火发生裕度、SL为层流火焰速度，Tu为湍流强度，ur为反应物来流速度。
可选地，本申请实施例中，ξ用于衡量回火发生的裕度，正常情况下ξ应处于合理的范围，该范围可以取0.2～0.6，当ξ越小时，表明发生回火的安全裕度越小。但并非安全裕度越大越好，ξ越大，容易造成燃烧室熄火。
回火判断指数λ按照如下公式计算：
当λ大于1时，表明火焰传播速度大于反应物来流速度，氢混燃气轮机已发生回火；当λ小于等于1时，表明火焰传播速度不大于反应物来流速度，氢混燃气轮机尚未发生回火。
S4：根据所述回火表征参数进行回火控制；
基于回火发生裕度ξ构建回火控制回路，通过限制燃料量避免回火发生裕度进一步缩小，以实现回火的控制；
基于回火发生裕度ξ构建掺氢比例限制回路，通过限制掺氢比例实现回火控制；
基于回火状态、回火发生裕度ξ、回火判断指数λ构建回火保护回路，进行回火报警与跳机保护。
本发明可以实际监测氢混燃气轮机运行过程中的回火状态、回火发生裕度ξ、回火判断指数λ，通过调节燃料量、掺氢比例等控制参数，防止氢混燃气轮机发生回火。
作为本发明的一个实施例，步骤S1中根据燃烧室三维流网模型，计算获得氢混燃气轮机的燃烧室回火数据库的流程图如图3所示，包括：
S101，设定燃烧室三维流网模型计算边界条件；
所述燃烧室三维流网模型计算边界条件包括压气机出口温度、压气机出口压力、燃烧室进口空气流量、掺氢比例、燃料总量、燃料管路分配比例、燃料温度和燃料压力；
S102，运行燃烧室三维流网模型，获得模型计算结果，记录火焰速度、反应物来流速度、湍流强度、回火状态；
S103，通过数据库存储命令，将压气机出口温度、压气机出口压力、燃烧室进口空气流量、掺氢比例、燃料总量、燃料管路分配比例、燃料温度、燃料压力、火焰速度、反应物来流速度、湍流强度、回火状态存储到燃烧室回火数据库中；
S104，修改不同的燃烧室三维流网模型计算边界条件，并重复上述步骤。
本实施例采用单一变量控制法，每次改变一个参数。在一些实施例中，改变掺氢比例参数时，固定其他参数不变，掺氢比例在0-100％范围内每隔1％进行变动；在另一些实施例中，改变燃料总量参数时，固定其他参数不变，燃料总量在点火燃料量-满负荷燃料量范围内每隔1％进行变动。以此类推，构建满足全工况任意组合参数下的燃烧室回火数据库。
本发明一个实施例步骤S2利用所述燃烧室回火数据库，采用智能算法，建立燃烧室代理数据模型，构建燃烧室燃烧状态表征参数的流程图如图4所示，包括以下步骤：
S201，选择机器学习、深度学习等智能算法构建火焰速度、反应物来流速度、湍流强度等燃烧室燃烧状态表征参数计算模型。
在一些实施例中，以支持向量机回归算法获得函数f1、f2、f3。由于燃烧室数据模型具有高非线性特点，需采用核函数的方式，先将各自变量映射到高维空间中，使得高维空间的映射变量具有一定的线性度，然后再利用支持向量机算法。
以火焰速度表征参数为例，说明构建过程。火焰速度表征参数以支持向量机算法构建函数f1。
SL＝f1(x)＝wT*φ(x)+b
其中，k(xi,xj)＝φ(xi)T*φ(xj)
选用高斯核函数，即
其中，σ为高斯核可调超参数。
该算法的目标函数为：
且满足下述约束条件：
|SL-(wT*φ(xi)+b)|≤ε
其中，ε为松弛变量。
在一些实施例中，以支持向量机分类算法获得函数f4，其中无发生回火标记为1，发生回火标记为0。
S202，利用燃烧室回火数据库，采用优化算法对燃烧室燃烧状态表征参数计算模型进行训练。
构建好火焰速度计算模型后，利用燃烧室回火数据库，随机选择70％的数据，对燃烧室代理数据模型进行训练，然后用剩余30％数据进行验证。训练过程中，在自变量满足一定的作用域的情况下，使得下述目标函数最小。
在一些实施例中，可采用随机梯度优化算法进行模型优化求解。
S203，评估燃烧室燃烧状态表征参数计算模型的验证精度，若精度满足要求，训练结束，若精度不足，修改模型超参数重复上述步骤。若修改模型超参数后仍然精度不足，修改模型建模方法，并重复上述过程。
在一些实施例中，针对火焰速度、反应物来流速度、湍流强度计算模型的验证精度，采用下式进行评估：
其中，
表示火焰速度模型计算精度与燃烧室三维流网模型计算数据的相对平均偏差，m表示燃烧室回火数据库中的样本数量，yi表明燃烧室三维流网模型计算的火焰速度，ε1表明验证通过的阈值，可取2％。
另一些实施例中，针对回火状态计算模型的验证精度，采用下式进行评估：
其中，∑所有正样本rank表示所有正样本的序号值排序之和，M和N分别为正负样本数，ε2表明验证通过的阈值，可取98％。
作为本发明的一个实施例利用回火发生裕度进行回火控制的流程图如图5所示，包括：
S301，利用实时运行数据，计算回火裕度；
从燃气轮机控制系统中获得回火发生裕度计算所需的实时输入数据，并根据回火发生裕度计算模型实时计算回火发生裕度。
S302，利用回火发生裕度，构建回火控制回路，计算回火控制回路燃料量指令；
利用回火发生裕度，构建回火控制回路，通过控制燃料量以实现回火控制。
在一些实施例中，通过回火发生裕度计算模块获得回火发生裕度，并与回火发生裕度限制值的偏差输入到PID控制器中，控制器的输出叠加到当前实际燃料量上，获得回火控制燃料量指令。该控制回路可以通过限制燃料量以实现回火的控制，如部分燃气轮机掺氢后只能运行在低负荷区域，当固定掺氢比例后继续升负荷，容易引起回火。在该控制算法作用下，若燃机升负荷过程中，回火发生裕度不断降低，当达到回火发生裕度限制值后，回火控制燃料量会被选择，此时燃机为避免回火会停止升负荷。回火控制回路结构图如图6所示。回火发生裕度限制值可以根据安全裕度选择阈值ξ0。
S303，利用回火控制回路燃料量指令进行燃料量控制。
回火控制回路的燃料量需参与到氢混燃气轮机总的燃料量控制中。
在一些实施例中，通常燃气轮机有多个控制回路，如启动控制回路、转速控制回路、加速控制回路、温度控制回路等，多个控制回路通过最小值选择模块进行选择后，再与最小燃料量通过最大值选择，计算获得总燃料量指令。为实现回火控制，在最小值选择模块中加入回火控制回路，通过燃料量限制回火发生。以GE 9F燃机控制回路为例，最小值选择控制如图7所示。
本发明一个实施例利用回火发生裕度进行掺氢比例限制控制流程图如图8所示，包括以下步骤：
S401，利用实时运行数据，计算当前运行条件下的掺氢比例限制值；
基于当前T2,P2,G2,Hr,Gf,Dr,Tf,Pf实际值，计算获得SL、ur、Tu、Hs，并计算ξ。采用二分法不断调整Hr的比例，直到找到满足ξ小于阈值时的最大Hr0，和Hs未发生回火时的最大Hr1，然后选择Hr0和Hr1的最小值作为掺氢比例限制值计算模块的输出值。
S402，利用掺氢比例限制值，构建掺氢比例限制控制回路，计算掺氢比例控制指令、氢燃料量控制指令和天然气燃料量控制指令；
通过掺氢比例限制值计算模块获得当前输入边界下不发生回火的最大掺氢比例，然后跟掺氢比例设定值通过最小值选择模块后，获得掺氢比例控制指令。根据总燃料量指令与掺氢比例控制指令，可以获得氢燃料量控制指令与天然气燃料量控制指令。在该控制算法下，若燃机要提高掺氢比例，控制系统会将燃机限制到安全的掺氢比例范围内运行。掺氢比例限制回路结构图如图9所示。
本发明一个实施例利用回火表征参数进行回火保护的流程图如图10所示，包括以下步骤：
S501，根据回火表征参数进行回火报警保护；
实时计算回火发生裕度，并与回火发生裕度报警值进行比较，当回火发生裕度超过回火发生裕度报警值时，表明氢混燃气轮机有回火发生的可能，此时发出报警。操作员可根据当时燃气轮机运行情况，适时地减小燃气轮机功率或掺氢比例。
S502，根据回火表征参数进行回火跳机保护。
共使用三个参数进行回火跳机保护，分别是回火判断指数、回火发生裕度、回火状态。其中回火判断指数与回火发生裕度是通过层流火焰速度、反应物来流速度、湍流强度等参数间接计算的。回火状态是根据燃烧室三维流网模型产生的数据直接计算的。
采用下述回火保护逻辑，其示意图如图11所示：
当回火判断指数超过回火判断指数阈值时，发出回火跳机信号。
当回火发生裕度超过回火发生裕度跳机值时，发出回火跳机信号。
当回火状态发生时，发出回火跳机信号。
本发明一个实施例的氢混燃气轮机回火装置的结构图，如图12所示。
所述氢混燃气轮机回火控制装置包括：
第一生成模块，用于根据燃烧室三维流网数据，生成燃烧室回火数据库；
第二生成模块，用于根据燃烧室回火数据库，生成火焰速度、反应物来流速度、湍流强度等燃烧室燃烧状态表征参数计算模型；
第三生成模块，用于根据燃烧室燃烧状态表征参数，生成燃烧室回火表征参数；
控制模块，用于根据燃烧室燃烧状态表征参数计算模块、燃烧室回火标准参数，对氢混燃气轮机进行回火控制。
本发明的实施例还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
本发明一个实施例的氢混燃气轮机回火控制方法的电子设备的框图如图。13所示。
电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实施例。
如图13所示，包括存储器131、处理器132及存储在存储器131上并可在处理器132上运行的计算机程序，处理器132执行程序时，实现前述的氢混燃气轮机回火控制方法。
在本发明的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括这种后台部件、中间件部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种氢混燃气轮机回火控制方法，其特征在于，包括：
S1：根据燃烧室三维流网模型，计算获得氢混燃气轮机的燃烧室回火数据库；
S2：利用所述燃烧室回火数据库，采用智能算法，建立燃烧室代理数据模型，构建燃烧室燃烧状态表征参数；
S3：利用所述燃烧室代理数据模型构建回火表征参数；
S4：根据所述回火表征参数进行回火控制。
2.根据权利要求1所述的氢混燃气轮机回火控制方法，其特征在于，步骤S1中利用燃烧室三维流网模型，分别计算不同压气机出口温度、不同压气机出口压力、不同燃烧室进口空气流量、不同掺氢比例、不同燃料总量、不同燃料管路分配比例、不同燃料温度、不同燃料压力下的氢混燃气轮机的火焰速度、反应物来流速度、湍流强度和回火状态，构建燃烧室回火数据库。
3.根据权利要求2所述的氢混燃气轮机回火控制方法，其特征在于，步骤S1中根据燃烧室三维流网模型，计算获得氢混燃气轮机的燃烧室回火数据库包括：
S101，设定燃烧室三维流网模型计算边界条件；
所述燃烧室三维流网模型计算边界条件包括压气机出口温度、压气机出口压力、燃烧室进口空气流量、掺氢比例、燃料总量、燃料管路分配比例、燃料温度和燃料压力；
S102，运行燃烧室三维流网模型，获得模型计算结果，记录火焰速度、反应物来流速度、湍流强度、回火状态；
S103，通过数据库存储命令，将压气机出口温度、压气机出口压力、燃烧室进口空气流量、掺氢比例、燃料总量、燃料管路分配比例、燃料温度、燃料压力、火焰速度、反应物来流速度、湍流强度、回火状态存储到燃烧室回火数据库中；
S104，修改不同的燃烧室三维流网模型计算边界条件，并重复上述步骤。
4.根据权利要求1～3任一项所述的氢混燃气轮机回火控制方法，其特征在于，步骤S2所述智能算法包括机器学习或深度学习；
优选地，所述燃烧室状态表征参数采用下述函数表示：
SL＝f1(T2,P2,G2,Hr,Gf,Dr,Tf,Pf)
ur＝f2(T2,P2,G2,Hr,Gf,Dr,Tf,Pf)
Tu＝f3(T2,P2,G2,Hr,Gf,Dr,Tf,Pf)
Hs＝f4(T2,P2,G2,Hr,Gf,Dr,Tf,Pf)
其中，T2为压气机出口温度、P2为压气机出口压力，G2为燃烧室进口空气流量，Hr为掺氢比例，Gf为总燃料量，Dr为各路喷嘴燃料流量配比，Tf为燃料温度，Pf为燃料量压力，SL为层流火焰速度，ur为反应物来流速度，Tu为湍流强度，Hs为回火状态；
优选地，以支持向量机回归算法获得函数f1、f2、f3，以支持向量机分类算法获得函数f4。
5.根据权利要求1～4任一项所述的氢混燃气轮机回火控制方法，其特征在于，步骤S3所述回火表征参数包括回火发生裕度ξ和回火判断指数λ；
优选地，所述回火发生裕度ξ按照如下公式计算：
其中，ξ为回火发生裕度、SL为层流火焰速度，Tu为湍流强度，ur为反应物来流速度；
优选地，所述回火判断指数λ按照如下公式计算：
6.根据权利要求1～5任一项所述的氢混燃气轮机回火控制方法，其特征在于，步骤S4中根据所述回火表征参数进行回火控制包括：
基于回火发生裕度ξ构建回火控制回路，通过限制燃料量避免回火发生裕度进一步缩小，以实现回火的控制；
基于回火发生裕度ξ构建掺氢比例限制回路，通过限制掺氢比例实现回火控制；
基于回火状态、回火发生裕度ξ、回火判断指数λ构建回火保护回路，进行回火报警与跳机保护。
7.根据权利要求6所述的氢混燃气轮机回火控制方法，其特征在于，所述基于回火状态、回火发生裕度ξ、回火判断指数λ构建回火保护回路，进行回火报警与跳机保护包括如下步骤：
当回火判断指数λ超过回火判断指数阈值时，发出回火跳机信号；
当回火发生裕度ξ超过回火发生裕度跳机值时，发出回火跳机信号；
当回火状态发生时，发出回火跳机信号。
8.一种氢混燃气轮机回火控制装置，其特征在于，包括：
第一生成模块，用于根据燃烧室三维流网数据，生成燃烧室回火数据库；
第二生成模块，用于根据燃烧室回火数据库，生成燃烧室燃烧状态表征参数计算模型；
第三生成模块，用于根据燃烧室燃烧状态表征参数，生成燃烧室回火表征参数；
控制模块，用于根据燃烧室燃烧状态表征参数计算模块、燃烧室回火标准参数，对氢混燃气轮机进行回火控制。
9.一种电子设备，包括存储器和处理器，其特征在于，所述处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于实现如权利要求1～7任一项所述的的氢混燃气轮机回火控制方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1～7任一项所述的氢混燃气轮机回火控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310519800.3A CN116357463A (zh) | 2023-05-09 | 2023-05-09 | 氢混燃气轮机回火控制方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310519800.3A CN116357463A (zh) | 2023-05-09 | 2023-05-09 | 氢混燃气轮机回火控制方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116357463A true CN116357463A (zh) | 2023-06-30 |
Family
ID=86938091
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310519800.3A Pending CN116357463A (zh) | 2023-05-09 | 2023-05-09 | 氢混燃气轮机回火控制方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116357463A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118090618A (zh) * | 2024-04-25 | 2024-05-28 | 湖北特种设备检验检测研究院 | 一种基于光纤传感的氢气掺烧回火检测系统及方法 |
-
2023
- 2023-05-09 CN CN202310519800.3A patent/CN116357463A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118090618A (zh) * | 2024-04-25 | 2024-05-28 | 湖北特种设备检验检测研究院 | 一种基于光纤传感的氢气掺烧回火检测系统及方法 |
| CN118090618B (zh) * | 2024-04-25 | 2024-07-19 | 湖北特种设备检验检测研究院 | 一种基于光纤传感的氢气掺烧回火检测系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10337414B2 (en) | Devices and methods for early prediction of impending instabilities of a system | |
| CN116357463A (zh) | 氢混燃气轮机回火控制方法、装置、电子设备及存储介质 | |
| Tsoutsanis et al. | Dynamic performance simulation of an aeroderivative gas turbine using the matlab simulink environment | |
| CN110765698B (zh) | 一种燃气轮机燃烧室变工况排放性能预测方法 | |
| JP2016510151A (ja) | 非線形プロセス用非線形コントローラの設計方法 | |
| CN203822433U (zh) | 用于高效燃气涡轮机排气管道流路径的系统 | |
| Montazeri-Gh et al. | Tuning of fuzzy fuel controller for aero-engine thrust regulation and safety considerations using genetic algorithm | |
| CN109634107B (zh) | 一种发动机动态控制规律优化方法 | |
| Kim et al. | Transient system simulation for an aircraft engine using a data-driven model | |
| CN118335211B (zh) | 一种人工智能优化的动态增厚火焰模型构建方法 | |
| JP2022098465A (ja) | 燃焼タービンのターンダウン能力を改善するためのシステムおよび方法 | |
| Gotoda et al. | Dynamical properties of combustion instability in a laboratory-scale gas-turbine model combustor | |
| CN114970364A (zh) | 燃气轮机的部件特性确定方法、装置及电子设备 | |
| Mohammadi et al. | Metaheuristic design and optimization of fuzzy-based gas turbine engine fuel controller using hybrid invasive weed optimization/particle swarm optimization algorithm | |
| CN107402515A (zh) | 一种优化同步发电机励磁系统pid参数的方法 | |
| Wang et al. | Performance dispersion control of a multistage compressor based on precise identification of critical features | |
| Alrebei et al. | Lightweight methane-air gas turbine controller and simulator | |
| Cheng et al. | Robust optimization and uncertainty quantification of a micro axial compressor for unmanned aerial vehicles | |
| CN114285037B (zh) | 一种区域电-气综合能源系统控制参数稳定域确定方法 | |
| Cameretti et al. | Cycle optimization and combustion analysis in a low-NO x micro-gas turbine | |
| Patwardhan et al. | Prediction of CO emission index for aviation gas turbine combustor using flamelet generated manifold combustion model | |
| CN110069856A (zh) | 基于自适应反应机理的cfd系统及实现方法 | |
| Tajalli et al. | Thermodynamic simulation of two-shaft gas turbine to study invasive weeds optimization and Min-Max controller strategies considering air-cooled blades | |
| Hu et al. | Optimization of PID control parameters for marine dual-fuel engine using improved particle swarm algorithm | |
| CN104516999A (zh) | 基于双混合分数的jp5000超音速火焰喷涂的仿真方法 |
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 |