CN116384242A - 一种基于数字孪生的水冷发电机组冷端系统优化方法 - Google Patents
一种基于数字孪生的水冷发电机组冷端系统优化方法 Download PDFInfo
- Publication number
- CN116384242A CN116384242A CN202310337681.XA CN202310337681A CN116384242A CN 116384242 A CN116384242 A CN 116384242A CN 202310337681 A CN202310337681 A CN 202310337681A CN 116384242 A CN116384242 A CN 116384242A
- Authority
- CN
- China
- Prior art keywords
- steam
- condenser
- steam turbine
- pressure cylinder
- low
- 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
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000005457 optimization Methods 0.000 title claims abstract description 25
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 128
- 238000004364 calculation method Methods 0.000 claims abstract description 44
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 13
- 238000012546 transfer Methods 0.000 claims abstract description 13
- 238000000513 principal component analysis Methods 0.000 claims abstract description 10
- 230000008859 change Effects 0.000 claims abstract description 7
- 238000012937 correction Methods 0.000 claims description 24
- 239000000498 cooling water Substances 0.000 claims description 20
- 238000011084 recovery Methods 0.000 claims description 18
- 238000004140 cleaning Methods 0.000 claims description 13
- 238000001816 cooling Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000004134 energy conservation Methods 0.000 claims description 6
- JEGUKCSWCFPDGT-UHFFFAOYSA-N h2o hydrate Chemical compound O.O JEGUKCSWCFPDGT-UHFFFAOYSA-N 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 5
- 238000009833 condensation Methods 0.000 claims description 4
- 230000005494 condensation Effects 0.000 claims description 4
- 238000013213 extrapolation Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000002035 prolonged effect Effects 0.000 claims description 3
- 229920006395 saturated elastomer Polymers 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 6
- 238000010248 power generation Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
-
- 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
- G06F2119/06—Power analysis or power optimisation
-
- 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
-
- 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
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Geometry (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
冷端系统消耗的电量占水冷发电机组总发电量的1%‑1.5%,通过冷端优化可以降低水冷发电机组厂用电率进而提高发电机组效率。为此,本发明公开了一种基于数字孪生的水冷发电机组冷端系统优化方法,该方法采用主成分分析法‑长短期记忆网络算法建立了凝汽器传热性能数字孪生模型,结合汽轮机、凝汽器变工况特性计算,获得计算汽轮机输出功率随循环水流量的变化规律,进而通过循环水流量优化实现水冷发电机组效率的最大化。本发明可以获得不同工况下最佳循环水泵运行方式,降低冷端损失,提高机组输出功率,提高水冷发电机组经济效益。
Description
技术领域
本发明属于热力发电冷端优化技术领域,具体为一种基于数字孪生的水冷发电机组冷端系统优化方法。本发明帮助优化冷端运行方式,给机组冷端策略提供指导。
背景技术
随着近些年大数据以及人工智能技术的快速发展,智能技术也逐渐应用于工业生产中,并且推动着下一代制造业技术的发展,数字孪生是一个多学科交叉、多物理量、多尺度的仿真过程,该技术的本质是构建一个能反映物理实体的虚拟模型来实现数据和机理模型的交互。冷端系统主要包括凝汽器和循环水泵两个设备,凝汽器是冷端系统中的核心设备,其作用是维持一定的背压。凝汽器的性能不仅仅对汽轮机整体热效率有一定的影响,还对汽轮机的安全运行有一定的影响。循环水泵是汽轮机系统中最重要的辅机之一,因此要确保循环水泵所处工况为最佳工作工况来提高机组功率效益,获得最大收益。
随着电网对电力机组经济效益要求的进一步提升,对于主要用电辅机的优化受到了更多关注。循环水泵是电厂中消耗电量较大的辅机之一,所占电厂总发电量的1%~1.5%。
发明内容
本发明专利针对冷端优化中凝结水泵运行方式调节条件单一、未获得最大紧急效益的问题,提出一种基于数字孪生的水冷发电机组冷端系统优化方法。本发明通过优化水冷机组循环水泵运行方式,可减少不必要的冷端用电,进一步提高机组功率效益。
为达成上述目的,本发明解决其技术问题采用的技术方案是:
一种基于数字孪生的水冷发电机组冷端系统优化方法,冷端系统包括汽轮机低压缸1、凝汽器2、凝结水泵3、回热系统4和循环水泵5,汽轮机低压缸1进汽来自中压缸,汽轮机低压缸1排汽口与凝汽器2蒸汽入口相连,汽轮机低压缸1抽汽口与回热系统4抽汽进口相连,凝汽器2凝结水出口与凝结水泵3凝结水入口相连,凝结水泵3凝结水出口与回热器4给水入口相连,回热器4给水出口流入下一级回热器,回热器4凝结水出口与凝汽器2疏水入口相连,循环水泵5出口与凝汽器2冷却水入口相连,循环水泵5入口与循环水入口相连,凝汽器2冷却水出口与循环水出口相连;
冷端系统优化方法以水冷发电机组净输出功率最大为目标函数进行冷端优化:
max(ΔN)=max(ΔNT-ΔNp) (1)
式中:ΔN为水冷发电机组冷端系统输出净功率,ΔNT为汽轮机低压缸1输出功率增量,ΔNp为循环水泵5耗功增量;
步骤一、获得凝汽器2的传热性能,凝汽器2换热系数K采用别尔曼公式计算:
K=4070ξφwφtφzφδ (2)
式中:K为凝汽器传热系数,kW·m-2·℃-1;ξ为凝汽器2的清洁系数;φw为冷却管内流速和管径的修正系数;φt为冷却水进口温度修正系数;φz为冷却水流程数的修正系数;φδ为考虑凝汽器变工况计算时的蒸汽负荷的修正系数;
凝汽器2的清洁系数ξ采用主成分分析法-长短期记忆网络算法PCA-LSTM,利用冷端系统测量数据构建在线计算模型,利用历史数据进行辨识获得;
步骤二、结合汽轮机低压缸1排汽量Dc、凝结水量Dw、凝汽器2换热系数K,通过以下过程获得凝汽器2压力pc;
凝汽器压力pc为湿蒸汽饱和压力,可由饱和温度tn查询水-水蒸汽参数表得到,即:
pc=f(tn) (3)
凝汽器2变工况模型中湿饱和蒸汽的饱和温度tn计算式如下:
tn=Δt+δt+tw1 (4)
式中:Δt为凝汽器2中循环水温升,℃;δt为凝汽器传热端差,℃;tw1为循环水进口水温,℃;
凝汽器2中循环水温升Δt为:
式中:hc为凝汽器2进口蒸汽焓,kJ/kg;hc'为凝汽器2出口水焓,kJ/kg;
凝汽器2中传热端差δt为:
式中:A为凝汽器2换热面积,m2;
步骤三、通过汽轮机制造商所提供的汽轮机背压变化与汽轮机功率的特性曲线计算不同背压条件下的汽轮机低压缸1初始工况输出功率NT:
NT=Dc(h1-hc)
=Dc(h1-f(pc,η)) (7)
式中:NT为汽轮机低压缸1初始工况输出功率,kW;Dc为汽轮机低压缸1排汽量,kg·s-1;h1为汽轮机低压缸1入口蒸汽焓,kJ/kg;hc为汽轮机低压缸1初始工况排气焓,kJ/kg;pc为凝汽器2初始工况压力,MPa;η为汽轮机低压缸效率;
对于汽轮机低压缸(1)输出功率增量ΔNT,由汽轮机低压缸1排汽量和凝汽器2压力变化,结合汽轮机低压缸1效率进行计算:
ΔNT=NT'-NT
=(Dc(h1-hc”)-Dc(h1-hc))
=Dc(hc-hc”)
=Dc(f(pc,η)-f(pc',η)) (8)
式中:NT、NT'分别为汽轮机低压缸1初始工况输出功率和变工况输出功率,kW;hc”为汽轮机低压缸1变工况排气焓,kJ/kg;pc'为凝汽器2变工况压力,MPa;
步骤四、通过循环水泵5特性计算改变循环水流量时的循环水泵5耗功增量ΔNp:
ΔNp=Np'-Np (9)
式中:Np、Np'分别为循环水泵5初始工况耗功和变工况耗功;
步骤五、改变循环水流量,重复步骤二至步骤四;找出水冷发电机组冷端系统输出净功率ΔN的最大值,此时水冷发电机组冷端系统的输出净功率最大,对应循环水泵5的最佳运行方式,凝汽器2真空为最佳真空,对应的循环水流量为最佳循环水流量。
当循环水泵5为定速泵时,循环水泵耗功增量ΔNp即为循环水泵运行模式切换时耗功差值:
ΔNP=NP 2-NP 1 (10)
式中:NP 1为1台循环水泵运行时的耗功,kW;NP 2为2台循环水泵运行时的耗功,kW。
当循环水泵5为变速泵时,循环水流量连续变化,根据循环水泵特性曲线拟合出水泵耗功与流量之间的函数,进而计算循环水泵耗功增量:
ΔNP=NP'-NP
=f(Dw')-f(Dw) (11)
式中,Dw、Dw'分别为循环水泵5初始工况和变工况下的凝结水流量。
在进行凝汽器2换热系数K计算时采用的别尔曼公式中,冷却管内流速和管径的修正系数φw取法如下:
当tw1>26.7℃时:
当tw1≤26.7℃时:
式中:vw为冷却管中流速,m/s;d为冷却管内径,mm。
在进行凝汽器2换热系数K计算时采用的别尔曼公式中,冷却水进口温度修正系数φt取法如下:
当tw1≤35℃时:
式中:gs为凝汽器变工况下比蒸汽负荷,g·m-2·s-1。
当35℃<tw1≤45℃时:
φt=1+0.002(tw1-35) (15)
在进行凝汽器2换热系数K计算时采用的别尔曼公式中,冷却水流程数的修正系数φz取法如下:
式中:Z为冷却水流程数。
在进行凝汽器2换热系数K计算时采用的别尔曼公式中,考虑凝汽器2变工况计算时的蒸汽负荷的修正φδ取法如下:
当凝汽器2在额定蒸汽负荷Dzq降至Dzq'=(0.9-0.012tw1)Dzq的变工况范围内运行时:
φδ=1 (17)
当凝汽器蒸汽负荷进一步降低,即Dzq'<(0.9-0.012tw1)Dzq时:
在计算凝汽器2的清洁系数ξ时,先采用主成分分析法-长短期记忆网络算法PCA-LSTM,构建汽轮机低压缸排汽焓在线计算模型:
选用主蒸汽压力、主蒸汽温度、高压调节汽室压力及温度、再热蒸汽压力及温度、机组负荷和汽轮机低压缸1排汽压力共计8个参数选作汽轮机低压缸排汽焓在线计算模型的输入变量,先对这8个输入变量做主成分分析,通过主成分分析之后,将具有8个特征的数据集压缩为3个特征的数据集,用于汽轮机低压缸排汽焓在线计算模型的输入,汽轮机低压缸1排汽焓作为输出变量;
结合凝汽器2能量守恒对凝汽器2换热系数K进行计算:
DwcpΔt=Dc(hc-hc')=KAΔTm (19)
式中:cp为循环水的平均比热容,/kJ·kg-1·℃-1;Δt为循环水在凝汽器中的温升,℃;ΔTm为对数平均温差,℃;
进而计算出清洁系数ξ,用于进行冷端系统优化计算。
汽轮机低压缸1效率计算中,先通过以下几种方法计算汽轮机低压缸1排汽焓:
1)能量平衡法
通过设定一个排汽焓初值,对汽轮机低压缸1的末几级进行变工况计算,得到各抽汽口焓值,结合能量守恒方程及热平衡方程得到各抽汽、辅助抽汽、再热蒸汽、排汽的流量系数,然后由蒸汽在汽轮机低压缸1内膨胀做功的过程计算出排汽焓;
2)曲线外推法
结合熵增原理、温熵图、等效焓降,将通过汽轮机低压缸进口和抽汽口状态点的热力过程线按照原有趋势延长直至湿蒸汽区,从而得到汽轮机低压缸1排汽焓;
3)使用主成分分析法-长短期记忆网络算法PCA-LSTM构建汽轮机低压缸排汽焓在线计算模型;选用蒸汽压力、主蒸汽温度、高压调节汽室压力及温度、再热蒸汽压力及温度、机组负荷和汽轮机低压缸1排汽压力共计8个参数选作汽轮机低压缸排汽焓在线计算模型的输入变量,汽轮机低压缸1排汽焓作为输出变量。
进而拟合出汽轮机低压缸1的相对内效率函数,公式如下:
式中,h0为蒸汽在汽轮机低压缸入口处的实际焓值/kJ·kg-1;hZ为蒸汽在汽轮机低压缸出口处的实际焓值/kJ·kg-1;hZS为蒸汽在汽轮机低压缸出口处的理想焓值/kJ·kg-1。
本发明的优点
(1)本发明可以优化循环水泵工作模式,提高水冷发电机组净输出功率,增加机组经济效益。
(2)本发明在应用过程中,只需要计算出不同循环水流量下的微增功率后,比较选择最佳的运行策略即可。
附图说明
图1为本发明冷端系统示意图。
图2为最佳循环水流量示意图。
图3为汽轮机低压缸排汽焓在线计算模型。
图4为排汽焓偏差率。
图5为微增功率之差与循环水入口温度的关系曲线图。
具体实施方式
一种基于数字孪生的水冷发电机组冷端系统优化方法,如图1所示,冷端系统包括汽轮机低压缸1、凝汽器2、凝结水泵3、回热系统4和循环水泵5,汽轮机低压缸1进汽来自中压缸,汽轮机低压缸1排汽口与凝汽器2蒸汽入口相连,汽轮机低压缸1抽汽口与回热系统4抽汽进口相连,凝汽器2凝结水出口与凝结水泵3凝结水入口相连,凝结水泵3凝结水出口与回热器4给水入口相连,回热器4给水出口流入下一级回热器,回热器4凝结水出口与凝汽器2疏水入口相连,循环水泵5出口与凝汽器2冷却水入口相连,循环水泵5入口与循环水入口相连,凝汽器2冷却水出口与循环水出口相连。
冷端系统优化方法以水冷发电机组净输出功率最大为目标函数进行冷端优化:
max(ΔN)=max(ΔNT-ΔNp) (1)
式中:ΔN为水冷发电机组冷端系统输出净功率,ΔNT为汽轮机低压缸1输出功率增量,ΔNp为循环水泵5耗功增量。
步骤一、获得凝汽器2的传热性能,凝汽器2换热系数K采用别尔曼公式计算:
K=4070ξφwφtφzφδ (2)
式中:K为凝汽器传热系数,kW·m-2·℃-1;ξ为凝汽器2的清洁系数;φw为冷却管内流速和管径的修正系数;φt为冷却水进口温度修正系数;φz为冷却水流程数的修正系数;φδ为考虑凝汽器变工况计算时的蒸汽负荷的修正系数。
凝汽器2的清洁系数采用主成分分析法-长短期记忆网络算法(PCA-LSTM)利用冷端系统测量数据构建在线计算模型,利用历史数据进行辨识获得。
步骤二、结合汽轮机低压缸1排汽量Dc、凝结水量Dw、凝汽器2换热系数K,通过以下过程获得凝汽器2压力pc;
凝汽器压力pc为湿蒸汽饱和压力,可由饱和温度tn查询水-水蒸汽参数表得到,即:
pc=f(tn) (3)
凝汽器2变工况模型中湿饱和蒸汽的饱和温度tn计算式如下:
tn=Δt+δt+tw1 (4)
式中:Δt为凝汽器2中循环水温升,℃;δt为凝汽器传热端差,℃;tw1为循环水进口水温,℃;
凝汽器2中循环水温升Δt为:
式中:hc为凝汽器2进口蒸汽焓,kJ/kg;hc'为凝汽器2出口水焓,kJ/kg;
凝汽器2中传热端差δt为:
式中:A为凝汽器2换热面积,m2;
步骤三、通过汽轮机制造商所提供的汽轮机背压变化与汽轮机功率的特性曲线计算不同背压条件下的汽轮机低压缸1初始工况输出功率NT,
NT=Dc(h1-hc)
=Dc(h1-f(pc,η)) (7)
式中:NT为汽轮机低压缸1初始工况输出功率,kW;Dc为汽轮机低压缸1排汽量,kg·s-1;h1为汽轮机低压缸1入口蒸汽焓,kJ/kg;hc为汽轮机低压缸1初始工况排气焓,kJ/kg;pc为凝汽器2初始工况压力,MPa;η为汽轮机低压缸效率;
对于汽轮机低压缸(1)输出功率增量ΔNT,可由汽轮机低压缸1排汽量和凝汽器2压力变化,结合汽轮机低压缸1效率进行计算:
ΔNT=NT'-NT
=(Dc(h1-hc”)-Dc(h1-hc))
=Dc(hc-hc”)
=Dc(f(pc,η)-f(pc',η)) (8)
式中:NT、NT'分别为汽轮机低压缸1初始工况输出功率和变工况输出功率,kW;Dc为汽轮机低压缸1排汽量,kg·s-1;h1为汽轮机低压缸1入口蒸汽焓,kJ/kg;hc、hc”分别为汽轮机低压缸1初始工况排气焓和变工况排气焓,kJ/kg;pc、pc'分别为凝汽器2初始工况压力和变工况压力,MPa;η为汽轮机低压缸效率。
步骤四、通过循环水泵5特性计算改变循环水流量时的循环水泵5耗功增量ΔNp:
ΔNp=Np'-Np (9)
式中:Np、Np'分别为循环水泵5初始工况耗功和变工况耗功。
步骤五、改变循环水流量,重复步骤二至步骤四。找出水冷发电机组冷端系统输出净功率ΔN的最大值,此时水冷发电机组冷端系统的输出净功率最大,对应循环水泵5的最佳运行方式,凝汽器2真空为最佳真空,对应的循环水流量为最佳循环水流量,如图2所示。
计算过程中有以下几点:
一、所述循环水泵5为定速泵时,循环水泵耗功增量ΔNp即为循环水泵运行模式切换时耗功差值:
ΔNP=NP 2-NP 1 (10)
式中:NP 1为1台循环水泵运行时的耗功,kW;NP2为2台循环水泵运行时的耗功,kW。
循环水泵5为变速泵时,循环水流量连续变化,根据循环水泵特性曲线
可拟合出水泵耗功与流量之间的函数,进而计算循环水泵耗功增量:
ΔNP=NP'-NP
=f(Dw')-f(Dw) (11)
式中,Dw、Dw'分别为循环水泵5初始工况和变工况下的凝结水流量。
二、在所述凝汽器2换热系数K计算采用的别尔曼公式中,冷却管内流速和管径的修正系数φw取法如下:
当tw1>26.7℃时:
当tw1≤26.7℃时:
式中:vw为冷却管中流速,m/s;d为冷却管内径,mm。
冷却水进口温度修正系数φt取法如下:
当tw1≤35℃时:
式中:gs为凝汽器变工况下比蒸汽负荷,g·m-2·s-1。
当35℃<tw1≤45℃时:
φt=1+0.002(tw1-35) (15)
冷却水流程数的修正系数φz取法如下:
式中:Z为冷却水流程数。
考虑凝汽器2变工况计算时的蒸汽负荷的修正φδ取法如下:
当凝汽器2在额定蒸汽负荷Dzq降至Dzq'=(0.9-0.012tw1)Dzq的变工况范围内运行时:
φδ=1 (17)
当凝汽器蒸汽负荷进一步降低,即Dzq'<(0.9-0.012tw1)Dzq时:
三、在计算清洁系数时,先采用主成分分析法-长短期记忆网络算法(PCA-LSTM)算法,构建汽轮机低压缸1排汽焓在线计算模型。选用蒸汽压力、主蒸汽温度、高压调节汽室压力及温度、再热蒸汽压力及温度、机组负荷和汽轮机低压缸1排汽压力共计8个参数选作汽轮机低压缸排汽焓在线计算模型的输入变量,先对这8个输入变量做主成分分析,通过主成分分析之后,将具有8个特征的数据集压缩为3个特征的数据集,用于汽轮机低压缸排汽焓在线计算模型的输入,汽轮机低压缸1排汽焓作为输出变量,汽轮机低压缸排汽焓在线计算模型如图3所示。
结合凝汽器(2)能量守恒对K进行计算:
DwcpΔt=Dc(hc-hc')=KAΔTm (19)
式中:cp为循环水的平均比热容,/kJ·kg-1·℃-1;Δt为循环水在凝汽器中的温升,℃;ΔTm为对数平均温差,℃。
进而计算出清洁系数ξ,用于进行冷端系统优化计算。
四、汽轮机低压缸1级效率计算中,先通过以下几种方法计算汽轮机低压缸(1)排汽焓:
1)能量平衡法
通过设定一个排汽焓初值,对汽轮机低压缸1的末几级进行变工况计算,得到各抽汽口焓值,结合能量守恒方程及热平衡方程得到各抽汽、辅助抽汽、再热蒸汽、排汽的流量系数,然后由蒸汽在汽轮机低压缸1内膨胀做功的过程计算出排汽焓。
2)曲线外推法
结合熵增原理、温熵图、等效焓降,将通过汽轮机低压缸进口和抽汽口状态点的热力过程线按照原有趋势延长直至湿蒸汽区,从而得到汽轮机低压缸1排汽焓。
3)使用主成分分析法-长短期记忆网络算法(PCA-LSTM)构建汽轮机低压缸排汽焓在线计算模型。选用蒸汽压力、主蒸汽温度、高压调节汽室压力及温度、再热蒸汽压力及温度、机组负荷和汽轮机低压缸1排汽压力共计8个参数选作汽轮机低压缸排汽焓在线计算模型的输入变量,汽轮机低压缸1排汽焓作为输出变量。
进而拟合出汽轮机低压缸1的相对内效率函数,公式如下:
式中,h0为蒸汽在汽轮机低压缸入口处的实际焓值/kJ·kg-1;hZ为蒸汽在汽轮机低压缸出口处的实际焓值/kJ·kg-1;hZS为蒸汽在汽轮机低压缸出口处的理想焓值/kJ·kg-1。
实施例
下面结合某1000MW水冷机组为实例对本发明进行进一步说明。
以某1000MW机组为研究对象进行建模计算,选取该机组在一天内的运行历史数据中采样,采样频率为30s,共计2000个样本点,将所有样本点按照7:3的比例分为训练集和测试集,其中排汽焓的计算值是按照热力学方法进行计算得出的。其中LSTM模型的部分超参数设定如下:
表1 LSTM神经网络超参数
首先对经过PCA降维之后的三种主成分进行归一化、标准化处理,将处理之后的数据作为LSTM模型的输入,经过500次迭代计算得到如图4的预测结果:
通过对预测结果进行分析,可得:无论水冷发电机组在低负荷、高负荷下运行,PCA-LSTM排汽焓模型都能展现出较好的计算精度,偏差均处于0.4%内,对于工程要求也是可以满足的;并且通过PCA算法对高维度的输入变量进行降维,提取出主要成分,合理地优化了LSTM网络模型的输入变量,提高了其计算精度及计算速度;最后通过利用智能算法实现对低压缸排汽焓的计算,避免了对复杂热力系统的理论分析。
对于该机组,通过历史数据对清洁系数进行辨识,得到ξ=0.77。
在循环水入口温度不同及负荷为100%、80%、60%、40%、20%的条件下,分别开启一台循环水泵和两台循环水泵时,循环水泵耗功分别为2505kW和4901kW。结合凝汽器变工况模型pc=f(Dc,Dw,tw1)对凝汽器进行变工况计算,得到两种循环水泵运行方式下不同热负荷和循环水入口温度对应的凝汽器压力。
在开启单台循环水泵时,具体计算结果如下表所示。
表2开启单台泵时凝汽器变工况计算结果
在开启两台循环水泵时,具体计算结果如下表所示。
表3开启两台泵时凝汽器变工况计算结果
对于汽轮机低压缸输出功率增量ΔNT,可由汽轮机背压变化与汽轮机功率的特性曲线计算:
ΔNT=NP 2-NP 1 (21)=f(pc 2)-f(pc 1)
根据表2、表3和汽轮机背压变化与汽轮机功率的特性曲线得到微增功率差值表,表4:
表4微增功率之差计算结果
由表4可以绘制图5,其中虚线代表了在切换不同循环水泵的运行方式时循环水泵耗功增量,微增功率曲线与该虚线的交点为各工况下单泵和双泵切换的临界点,当实际工况处于在分界线的左下区域时,适合选用单泵运行;当实际工况处于分界线的右上区域时,适合选用双泵运行;当落在曲线上时,单泵运行和双泵运行都可以选择,通常在经济性的角度出发,应该选用单泵运行。
Claims (9)
1.一种基于数字孪生的水冷发电机组冷端系统优化方法,其特征在于:冷端系统包括汽轮机低压缸(1)、凝汽器(2)、凝结水泵(3)、回热系统(4)和循环水泵(5),汽轮机低压缸(1)进汽来自中压缸,汽轮机低压缸(1)排汽口与凝汽器(2)蒸汽入口相连,汽轮机低压缸(1)抽汽口与回热系统(4)抽汽进口相连,凝汽器(2)凝结水出口与凝结水泵(3)凝结水入口相连,凝结水泵(3)凝结水出口与回热器(4)给水入口相连,回热器(4)给水出口流入下一级回热器,回热器(4)凝结水出口与凝汽器(2)疏水入口相连,循环水泵(5)出口与凝汽器(2)冷却水入口相连,循环水泵(5)入口与循环水入口相连,凝汽器(2)冷却水出口与循环水出口相连;
冷端系统优化方法以水冷发电机组净输出功率最大为目标函数进行冷端优化:
max(ΔN)=max(ΔNT-ΔNp) (1)
式中:ΔN为水冷发电机组冷端系统输出净功率,ΔNT为汽轮机低压缸(1)输出功率增量,ΔNp为循环水泵(5)耗功增量;
步骤一、获得凝汽器(2)的传热性能,凝汽器(2)换热系数K采用别尔曼公式计算:
K=4070ξφwφtφzφδ (2)
式中:K为凝汽器传热系数,kW·m-2·℃-1;ξ为凝汽器(2)的清洁系数;φw为冷却管内流速和管径的修正系数;φt为冷却水进口温度修正系数;φz为冷却水流程数的修正系数;φδ为考虑凝汽器变工况计算时的蒸汽负荷的修正系数;
凝汽器(2)的清洁系数ξ采用主成分分析法-长短期记忆网络算法PCA-LSTM,利用冷端系统测量数据构建在线计算模型,利用历史数据进行辨识获得;
步骤二、结合汽轮机低压缸(1)排汽量Dc、凝结水量Dw、凝汽器(2)换热系数K,通过以下过程获得凝汽器(2)压力pc;
凝汽器压力pc为湿蒸汽饱和压力,由饱和温度tn查询水-水蒸汽参数表得到,即:
pc=f(tn) (3)
凝汽器(2)变工况模型中湿饱和蒸汽的饱和温度tn计算式如下:
tn=Δt+δt+tw1 (4)
式中:Δt为凝汽器(2)中循环水温升,℃;δt为凝汽器(2)传热端差,℃;tw1为循环水进口水温,℃;
凝汽器(2)中循环水温升Δt为:
式中:hc为凝汽器(2)进口蒸汽焓,kJ/kg;hc'为凝汽器(2)出口水焓,kJ/kg;
凝汽器(2)中传热端差δt为:
式中:A为凝汽器(2)换热面积,m2;
步骤三、通过汽轮机制造商所提供的汽轮机背压变化与汽轮机功率的特性曲线计算不同背压条件下的汽轮机低压缸(1)初始工况输出功率NT:
NT=Dc(h1-hc)
=Dc(h1-f(pc,η)) (7)
式中:NT为汽轮机低压缸(1)初始工况输出功率,kW;Dc为汽轮机低压缸(1)排汽量,kg·s-1;h1为汽轮机低压缸(1)入口蒸汽焓,kJ/kg;hc为汽轮机低压缸(1)初始工况排气焓,kJ/kg;pc为凝汽器(2)初始工况压力,MPa;η为汽轮机低压缸效率;
对于汽轮机低压缸(1)输出功率增量ΔNT,由汽轮机低压缸(1)排汽量和凝汽器(2)压力变化,结合汽轮机低压缸(1)效率进行计算:
ΔNT=NT'-NT
=(Dc(h1-hc”)-Dc(h1-hc))
=Dc(hc-hc”)
=Dc(f(pc,η)-f(pc',η)) (8)
式中:NT、NT'分别为汽轮机低压缸(1)初始工况输出功率和变工况输出功率,kW;hc”为汽轮机低压缸(1)变工况排气焓,kJ/kg;pc'为凝汽器(2)变工况压力,MPa;
步骤四、通过循环水泵(5)特性计算改变循环水流量时的循环水泵(5)耗功增量ΔNp:
ΔNp=Np'-Np (9)
式中:Np、Np'分别为循环水泵(5)初始工况耗功和变工况耗功;
步骤五、改变循环水流量,重复步骤二至步骤四;找出水冷发电机组冷端系统输出净功率ΔN的最大值,此时水冷发电机组冷端系统的输出净功率最大,对应循环水泵(5)的最佳运行方式,凝汽器(2)真空为最佳真空,对应的循环水流量为最佳循环水流量。
2.根据权利要求1所述的一种基于数字孪生的水冷发电机组冷端系统优化方法,其特征在于:当循环水泵(5)为定速泵时,循环水泵耗功增量ΔNp即为循环水泵运行模式切换时耗功差值:
ΔNP=NP 2-NP 1 (10)
式中:NP 1为1台循环水泵运行时的耗功,kW;NP 2为2台循环水泵运行时的耗功,kW。
3.根据权利要求1所述的一种基于数字孪生的水冷发电机组冷端系统优化方法,其特征在于:当循环水泵(5)为变速泵时,循环水流量连续变化,根据循环水泵特性曲线拟合出水泵耗功与流量之间的函数,进而计算循环水泵耗功增量:
ΔNP=NP'-NP
=(Dw')-f(Dw) (11)
式中,Dw、Dw'分别为循环水泵(5)初始工况和变工况下的凝结水流量。
8.根据权利要求1所述的一种基于数字孪生的水冷发电机组冷端系统优化方法,其特征在于:在计算凝汽器(2)的清洁系数ξ时,先采用主成分分析法-长短期记忆网络算法PCA-LSTM,构建汽轮机低压缸排汽焓在线计算模型:
选用主蒸汽压力、主蒸汽温度、高压调节汽室压力及温度、再热蒸汽压力及温度、机组负荷和汽轮机低压缸(1)排汽压力共计8个参数选作汽轮机低压缸排汽焓在线计算模型的输入变量,先对这8个输入变量做主成分分析,通过主成分分析之后,将具有8个特征的数据集压缩为3个特征的数据集,用于汽轮机低压缸排汽焓在线计算模型的输入,汽轮机低压缸(1)排汽焓作为输出变量;
结合凝汽器(2)能量守恒对凝汽器(2)换热系数K进行计算:
DwcpΔt=Dc(hc-hc')=KAΔTm (19)
式中:cp为循环水的平均比热容,/kJ·kg-1·℃-1;Δt为循环水在凝汽器中的温升,℃;ΔTm为对数平均温差,℃;
进而计算出清洁系数ξ,用于进行冷端系统优化计算。
9.根据权利要求1所述的一种基于数字孪生的水冷发电机组冷端系统优化方法,其特征在于:汽轮机低压缸(1)效率计算中,先通过以下几种方法计算汽轮机低压缸(1)排汽焓:
1)能量平衡法
通过设定一个排汽焓初值,对汽轮机低压缸(1)的末几级进行变工况计算,得到各抽汽口焓值,结合能量守恒方程及热平衡方程得到各抽汽、辅助抽汽、再热蒸汽、排汽的流量系数,然后由蒸汽在汽轮机低压缸(1)内膨胀做功的过程计算出排汽焓;
2)曲线外推法
结合熵增原理、温熵图、等效焓降,将通过汽轮机低压缸进口和抽汽口状态点的热力过程线按照原有趋势延长直至湿蒸汽区,从而得到汽轮机低压缸(1)排汽焓;
3)使用主成分分析法-长短期记忆网络算法PCA-LSTM构建汽轮机低压缸排汽焓在线计算模型;选用蒸汽压力、主蒸汽温度、高压调节汽室压力及温度、再热蒸汽压力及温度、机组负荷和汽轮机低压缸(1)排汽压力共计8个参数选作汽轮机低压缸排汽焓在线计算模型的输入变量,汽轮机低压缸(1)排汽焓作为输出变量。
进而拟合出汽轮机低压缸(1)的相对内效率函数,公式如下:
式中,h0为蒸汽在汽轮机低压缸入口处的实际焓值/kJ·kg-1;hZ为蒸汽在汽轮机低压缸出口处的实际焓值/kJ·kg-1;hZS为蒸汽在汽轮机低压缸出口处的理想焓值/kJ·kg-1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310337681.XA CN116384242A (zh) | 2023-03-31 | 2023-03-31 | 一种基于数字孪生的水冷发电机组冷端系统优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310337681.XA CN116384242A (zh) | 2023-03-31 | 2023-03-31 | 一种基于数字孪生的水冷发电机组冷端系统优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116384242A true CN116384242A (zh) | 2023-07-04 |
Family
ID=86968842
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310337681.XA Pending CN116384242A (zh) | 2023-03-31 | 2023-03-31 | 一种基于数字孪生的水冷发电机组冷端系统优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116384242A (zh) |
-
2023
- 2023-03-31 CN CN202310337681.XA patent/CN116384242A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108035777B (zh) | 一种火电机组中低压缸联合零出力供热系统及方法 | |
JP5134090B2 (ja) | 発電プラント及び発電プラントの運転方法 | |
CN108049923B (zh) | 三排汽200mw机组中低压缸联合零出力供热系统及方法 | |
CN104763484B (zh) | 空冷汽轮机高背压供热发电联产方法 | |
CN105787211A (zh) | 针对燃气透平劣化的联合循环余热锅炉压力调整方法 | |
CN112412559B (zh) | 一种超临界二氧化碳闭式循环温度和压力耦合控制系统 | |
Laković et al. | Impact of the cold end operating conditions on energy efficiency of the steam power plants | |
CN113898428A (zh) | 分析双抽热电联产机组热、电、汽负荷调整空间的方法 | |
CN111256204A (zh) | 火电厂耦合吸收式热泵的供热优化方法 | |
CN113107623A (zh) | 一种双低压缸汽轮机低负荷运行时提升供热抽汽参数的装置及方法 | |
CN116384242A (zh) | 一种基于数字孪生的水冷发电机组冷端系统优化方法 | |
CN114234264B (zh) | 一种耦合蒸汽喷射器的热电协同系统及运行方法 | |
CN111706898B (zh) | 一种高背压供热改造后机组提升供热能力的方法 | |
CN113294217A (zh) | 带有小汽机的背压式汽轮机回热系统及热力平衡设计方法 | |
CN112836419A (zh) | 一种热源分流式余热发电系统及其粒子群优化控制方法 | |
CN112855287A (zh) | 切缸工况下抽汽临级互补耦合低省的低加运行系统及方法 | |
Liu et al. | Multi-parameter joint optimization based on steam turbine thermal system characteristic reconstruction model | |
CN114922706B (zh) | 一种抽凝供热机组低压缸零出力运行方式下最小技术出力特性的确定方法 | |
CN111622814A (zh) | 一种基于实时在线运行数据的汽轮机低压缸节能运行控制方法及系统 | |
CN216617604U (zh) | 一种超高温超高压抽凝背发电供热系统 | |
CN113864013B (zh) | 一种湿冷火电机组全工况冷端优化方法 | |
CN111396155B (zh) | 中压阀参调的引射自平衡式高压供汽全负荷热电解耦方法 | |
CN113074402B (zh) | 热电机组高背压供热优化方法 | |
CN218117869U (zh) | 一种减压调节耦合梯级利用的高参数工业供汽系统 | |
CN214221275U (zh) | 一种适于大抽汽量一次调频的抽汽式热电联产机组 |
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 |