CN117646680A - 一种管道燃气轮机喷雾冷却的用水量控制系统 - Google Patents

Abstract

本发明涉及一种管道燃气轮机喷雾冷却的用水量控制系统，包括喷雾模块、燃气轮机模块、燃气轮机控制器、站控监控服务器、喷雾冷却系统控制器和气象站。本申请通过第一降温温度或第一预计用水量，对喷雾模块进行双重监控，通过第一预计用水量保证用水量不超量，或者通过燃气轮机模块的进气温度降低第一降温温度后关闭喷水，避免过喷造成的影响。

Description

一种管道燃气轮机喷雾冷却的用水量控制系统

技术领域

本发明涉及燃气轮机喷雾蒸发冷却降温技术领域，尤其涉及一种管道燃气轮机喷雾冷却的用水量控制系统。

背景技术

目燃气轮机喷雾蒸发冷却技术利用水的自然蒸发来实现空气降温。向燃气轮机进气空气中不断喷粒径微小的雾滴，雾滴会迅速蒸发，当进气空气的相对湿度小于100％时，进气空气的湿球温度始终小于干球温度，随着喷水量的增加，进气空气相对湿度的提高，进气空气的干球温度会下降从而达到进气降温的目的。当相对湿度达到100％时，继续喷水不会继续降低温度，但是喷入过量的水能够提高燃气轮机的输出功率，过喷的影响使运行点向压气机特性图的喘振线靠近，如果过喷的喷水量超过进气空气流量一定范围时，会引发压气机喘振造成停机，严重时会造成压气机叶片断裂。因此，喷水量的计算即关系到喷雾冷却系统能否在达到降温的同时，是否节约用水，还关系到过喷时，喷水量的不准确会造成喘振。

发明内容

为了克服现有燃气轮机中喷水量过量，造成压气机喘振停机，甚至造成压气机叶片断裂的问题，本发明提供了一种管道燃气轮机喷雾冷却的用水量控制系统。

为了解决上述技术问题，本发明提供了一种管道燃气轮机喷雾冷却的用水量控制系统，包括：喷雾模块、燃气轮机模块、燃气轮机控制器、站控监控服务器、喷雾冷却系统控制器和气象站；

所述气象站，用于采集所述燃气轮机模块中燃气轮机进气道进气口的干球温度，并将所述干球温度发送至所述喷雾冷却系统控制器；

所述燃气轮机控制器，用于采集所述燃气轮机模块运行时的多个参数信号，并将多个所述参数信号发送至所述站控监控服务器；

所述站控监控服务器，用于根据多个所述参数信号确定所述燃气轮机模块中压气机流量的实时值，并将所述压气机流量的实时值发送至所述喷雾冷却系统控制器；

所述喷雾冷却系统控制器，用于根据所述干球温度确定对应的湿球温度，并根据所述干球温度和所述湿球温度之间的差值，确定所述燃气轮机模块的进气温度的第一预降温度；以及根据所述压气机流量的实时值和需要用水量的汽化潜热计算出达到所述湿球温度所需要消耗的第一预计用水量；

还用于控制所述喷雾模块喷出水雾以降低燃气轮机模块的进气温度，直到所述进气温度下降所述第一预降温度或喷水量达到所述第一预计用水量。

本发明的有益效果是：通过采集的干球温度，经过计算湿球温度后，得到燃气轮机模块的进气温度的第一预降温度，再通过采集压气机流量的实时值，计算得到第一预计用水量，即可通过第一降温温度或第一预计用水量，对喷雾模块进行双重监控，通过第一预计用水量保证用水量不超量，或者通过燃气轮机模块的进气温度降低第一降温温度后关闭喷水，避免过喷造成的影响。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面结合附图和实施例对本发明作进一步说明。

图1为本发明实施例的一种管道燃气轮机喷雾冷却的用水量控制系统的结构示意图；

图2为本发明另一实施例的一种管道燃气轮机喷雾冷却的用水量控制系统的结构示意图；

图3为喷雾冷却系统控制器用水量控制的流程示意图；

图4为设定值平滑模块进行平滑数据的流程示意图；

图5为站监控服务器的结构示意图；

图6为数据处理与容错模块中小波重构的流程示意图；

图7为数据处理与容错模块的处理过程流程图。

具体实施方式

下列实施例是对本发明的进一步解释和补充，对本发明不构成任何限制。

以下结合附图描述本发明实施例的一种管道燃气轮机喷雾冷却的用水量控制系统。

如图1所示，本发明实施例提供了一种管道燃气轮机喷雾冷却的用水量控制系统，包括：喷雾模块、燃气轮机模块、燃气轮机控制器、站控监控服务器、喷雾冷却系统控制器和气象站；

所述气象站，用于采集所述燃气轮机模块中燃气轮机进气道进气口的干球温度，并将所述干球温度发送至所述喷雾冷却系统控制器；

所述燃气轮机控制器，用于采集所述燃气轮机模块运行时的多个参数信号，并将多个所述参数信号发送至所述站控监控服务器；

所述站控监控服务器，用于根据多个所述参数信号确定所述燃气轮机模块中压气机流量的实时值，并将所述压气机流量的实时值发送至所述喷雾冷却系统控制器；

所述喷雾冷却系统控制器，用于根据所述干球温度确定对应的湿球温度，并根据所述干球温度和所述湿球温度之间的差值，确定所述燃气轮机模块的进气温度的第一预降温度；以及根据所述压气机流量的实时值和需要用水量的汽化潜热计算出达到所述湿球温度所需要消耗的第一预计用水量；

还用于控制所述喷雾模块喷出水雾以降低燃气轮机模块的进气温度，直到所述进气温度下降所述第一预降温度或喷水量达到所述第一预计用水量。

本发明实施例中，参数信号可以包括压气机进口压力、压气机出口压力、压气机进口温度、压气机出口温度、高压涡轮入口压力、高压涡轮出口压力和高压涡轮出口温度。

站控监控服务器根据各个参数信号确定压气机流量的实时值的过程如下：

根据压气机进口压力和压气机进口温度，确定压气机进口焓值，以及根据压气机出口压力和压气机出口温度，确定压气机出口焓值，公式如下：

H₁＝f(T₁，P₁) (1)

H₂＝f(T₂，P₂) (2)

其中，H₁表示压气机进口焓值，H₂表示压气机出口焓值，T₁表示压气机进口压力，T₂表示压气机出口压力，P₁表示压气机进口温度，P₂表示压气机出口温度，f表示关系函数；

根据压气机进口焓值、压气机出口焓值和待确定的压气机流量，确定压气机功率，公式如下：

W_c＝G_c·(H₂-H₁) (3)

其中，W_c表示压气机功率，G_c表示待确定的压气机流量；

根据燃气轮机燃料流量、燃料地位热值、燃烧室效率、压气机出口温度和燃气定压比热容，确定燃烧室出口温度，公式如下：

其中，T₃表示燃烧室出口温度，G_f表示燃气轮机燃料流量，LHV表示燃料低位热值，η_b表示燃烧室效率，c_pt表示燃气定压比热容；

根据高压涡轮入口压力和燃烧室出口温度，确定高压涡轮入口焓值，根据高压涡轮出口温度和高压涡轮出口压力，确定高压涡轮出口焓值；

根据高压涡轮入口流量、高压涡轮入口焓值和高压涡轮出口焓值，确定高压涡轮功率，公示如下：

W_HP＝G₀·(H₃-H₄) (5)

其中，W_HP表示高压涡轮功率，G₀表示高压涡轮入口流量，H₃表示高压涡轮进口焓值，H₄表示高压涡轮出口焓值；

根据高压涡轮入口流量、燃气轮机燃料流量、压气机功率和高压涡轮功率，求解待确定的压气机流量，确定压气机流量，公式如下：

G₀＝(G_c-G_f) (6)

W_c＝W_HP (7)。

在上述方法中，公式(3)和(4)中G_c表示待确定的压气机流量，属于未知值，最后将未知值带入公式(6)和公式(7)即可求解压气机流量的实时值。

本实施例中通过采集的干球温度，经过计算湿球温度后，得到燃气轮机模块的进气温度的第一预降温度，再通过采集压气机流量的实时值，计算得到第一预计用水量，即可通过第一降温温度或第一预计用水量，对喷雾模块进行双重监控，通过第一预计用水量保证用水量不超量，或者通过燃气轮机模块的进气温度降低第一降温温度后关闭喷水，避免过喷造成的影响。

可选地，如图2所示，喷雾模块包括喷雾冷却系统泵站和喷雾矩阵，燃气轮机模块包括燃气轮机进气道、燃气轮机压气机、连接轴、燃烧室和高压涡轮，因此，一种管道燃气轮机喷雾冷却的用水量控制系统的连接方式为：喷雾矩阵2设置在燃气轮机进气道1内，燃气轮机进气道1与燃气轮机压气机3连接，燃气轮机压气机3与高压涡轮6通过连接轴4连接，燃气轮机压气机3、燃烧室5和高压涡轮6分别通过燃气供气管线与燃气轮机控制器7连接，燃气轮机控制器7分别与站控监控服务器8和喷雾冷却系统控制器10网络通讯连接，站控监控服务器8、气象站11和喷雾冷却系统泵站9分别和喷雾冷却系统控制器10网络通讯连接，喷雾冷却系统泵站9和喷雾矩阵2连接。

可选地，当所述站控监控服务器与所述喷雾冷却系统控制器连接异常时，所述喷雾冷却系统控制器用于接收所述燃气轮机控制器发送的多个所述参数信号，并通过数据采集与平滑过程、控制变量计算过程和设定值平滑过程确定第二预降温度和第二预计用水量；还用于控制所述喷雾模块喷出水雾以降低燃气轮机模块的进气温度，直到所述进气温度下降所述第二预降温度或喷水量达到第二预计用水量。

本实施例中，站控监控服务器与喷雾冷却系统控制器经常因为工业网络通讯质量差，造成连接异常，此时，可通过喷雾冷却系统控制器自身的计算能力，对各个参数信号进行数据采集与平滑过程、控制变量计算过程和设定值平滑过程，得到第二预降温度和第二预计用水量，并在工业网络通讯质量较差时，通过第二预降温度或第二预计用水量对喷水进行控制，避免工业网络通讯质量造成喷雾冷却控制系统的不稳定，提高燃气轮机中喷水量的稳定控制。

另外，本发明在采用站控监控服务器做主要的参数计算，再将结果传送给喷雾冷却系统控制器进行喷水量控制，利用站控监控服务器数据处理能强、计算复杂度高速度快等特点，可以通过更复杂的计算过程使最终的结果更加准确。当网络中断或故障时，虽然可以通过喷雾冷却系统控制器计算预计喷水量和预计降温量，但是喷雾冷却系统控制器只具备较小的计算量，且计算得到的数据受到误差影响较大，使得计算结果离真实结果偏差较大，因此，需要对采集的各个参数信号作数据采集与平滑过程、控制变量计算过程和设定值平滑过程来提高采集数据的质量，进而提高计算结果的准确性。

可选地，所述喷雾冷却系统控制器，具体用于：

对每个所述参数信号，通过连续采集预设个参数信号进行滑动平均法对数据作平滑处理，确定所述参数信号对应的目标值；

根据各个所述目标值，计算在喷雾后空气进入燃气轮机压气机达到100％相对湿度时压气机入口截面处的温度作为预降温度设定值，以及所需要消耗的水量作为预计降水量设定值；

根据所述预降温度设定值与燃气轮机压气机的实际进口温度之间的偏差，对所述预降温度设定值补偿偏差，确定降温目标量，以及根据所述预计用水量设定值与用水量实际值之间的偏差，对预计用水量设定值补偿偏差，确定用水量目标量；

分别对多个连续时间步内的所述降温目标量和用水量目标量进行平滑处理，确定降温目标量对应的第二预降温度，以及用水目标量对应的第二预计用水量。

如图3所示，喷雾冷却系统控制器中包含了数据采集与平滑过程、控制变量计算过程、设定值平滑过程和用水量控制过程，其中：

数据采集与平滑过程主要包括采集数据和数据平滑，具体如下：

对于每个所述参数信号，连续采集预设个所述参数信号作为一个队列，当采集到新的所述参数信号时，将新采集到的所述参数信号放入队列末尾，并扔掉所述队列中第一个所述参数信号，得到新的队列，并计算新的队列中所有参数信号的算数平均值，得到所述参数信号对应的目标值；

举例说明，采集了8个参数信号，每个参数信号会实时采集，设置采样率为N，则每个信号参数实时采集了N个，就开始平滑操作，不断重复上述方法，得到实时的目标值，对参数信号做实时采集以及平滑操作，保证数据的质量。

由于采集的数据一直波动，为了提高数据质量，进行平滑处理，使得连续采集的数据更加平滑。

控制变量计算过程包括压气机流量计算模块和空气物性计算模块，具体如下：

压气机流量计算模块，具体用于：

参数信号包含但不限于压气机进口压力、压气机出口压力、压气机进口温度、压气机出口温度、压气机转速和可调静叶角度；

将各个目标值进行数据筛选和数据平滑，得到待计算数据，具体如下：

采集压气机进口压力、压气机出口压力、压气机进口温度、压气机出口温度、压气机转速和可调静叶角度，且每种参数信号最少七组数据，进行数据筛选和数据平滑。

数据筛选时，选择压气机转速范围为6800rpm-10100rpm对应的压气机进口压力、压气机出口压力、压气机进口温度、压气机出口温度、压气机转速和可调静叶角度。

数据平滑时，按照数据筛选根据压气机转速确定燃机的稳定工况后，对于选取的数据利用matlab程序进行平滑处理，平滑处理后的数据曲线更为光滑平稳，有利于模型的计算与结果的准确。

根据待计算数据，确定压气机流量的实时值，公式如下：

其中，G表示压气机流量的实时值，P₁表示压气机进口压力，P₂表示压气机出口压力，T₁表示压气机进口温度，T₂表示压气机出口温度，n表示压气机转速，VSV表示可调静叶角度，a、b、c、d、e、f、g表示预设拟合参数。

其中，a、b、c、d、e、f、g预设拟合参数拟合过程如下：

利用origin进行多元函数自定义拟合，首先在Fitting Function Organizer(拟合函数管理器)功能里定义自变量、因变量与函数类型；保存好自定义的多元函数之后，通过Nonlinear Curve Fit(非线性曲线拟合)功能进行函数拟合；选取好之前定义的函数类型之后，选择用于拟合的数据并设定拟合初始值，最终完成函数拟合，得到a、b、c、d、e、f、g参数值，将a、b、c、d、e、f、g参数存储在喷雾冷却系统控制器内。

由于喷雾冷却系统控制器自身计算能力较低，因此，上述采用了相较于站控监控服务器更简单的计算公式计算压气机流量的实时值，进而减小喷雾冷却系统控制器的计算量。

空气物性计算模块，具体用于：

确定进入燃气轮机模块的各组成气体的温度，并查寻各个组成气体的热力性质表得到各组成气体的相应焓值、定压比热，再用混合气体性质得到干空气混合气体的平均焓值和平均定压比热；

根据平均平均焓值和平均定压比热，确定进气空气的第一含湿量；

根据压气机流量的实时值，确定空气流量；

获取喷雾后空气进入压气机达到100％相对湿度时压气机入口截面处的预降温度作为预降温度设定值，以及压气机入口截面处的空气湿度作为第二含湿量；

根据空气流量、第一含湿度和第二含湿度，确定预计用水量设定值，公式如下：

Q_w＝Q_a(d₂-d₁)

其中，Q_w表示预计用水量设定值，Q_a表示表示空气流量，d₁表示第一含湿度，d₂表示第二含湿度。

设定值平滑过程是通过降温控制量/用水量控制量模块和设定值平滑模块实现的，其中，降温控制量/用水量控制量模块，具体用于：

获取预设时间段内每个预设时间点所述预降温度设定值与燃气轮机压气机的实际进口温度构成第一控制偏差，将各个第一控制偏差按照预设的第一比例、第一积分和第一微分系数通过线性组合构成降温控制量；

通过降温控制量对预降温度设定值进行补偿偏差，确定降温目标量；

获取预设时间段内每个预设时间点所述预计用水量设定值与用水量实际值构成第二控制偏差，将各个第二控制偏差按照预设的第二比例、第二积分和第二微分系数通过线性组合构成用水量控制量；

通过用水量控制量对预计降水量设定值进行补偿偏差，确定用水量目标量。

其中，通过控制偏差构成控制量的过程具体如下：

积分用于补偿系统的稳态误差，当喷雾冷却系统控制器输出的比例项无法完全消除偏差时，积分会根据控制偏差的历史累积值提供额外的控制修正量。积分的大小与控制偏差的持续时间成正比，因此可以有效地消除持续性的偏差。

以降温控制量进行举例说明，当需要获取1:30时的降温控制量时，先获取1:00-1:30内每隔10分钟获取所述预降温度设定值与燃气轮机压气机的实际进口温度构成的第一控制偏差，表示为e(t)＝r(t)-y(t)，其中，r(t)表示第t时刻的预降温度设定值，y(t)表示第t时刻的实际进口温度，e(t)表示第t时刻的第一控制偏差，将偏差的比例(P)、积分(I)和微分(D)通过线性组合构成降温控制量，对受控对象进行控制，其控制规律为 其中，u(t)表示降温控制量，k_p表示第一比例，k_i表示第一积分，k_d表示第一微分系数。

设定值平滑模块，具体用于：

在连续的多个时间步内的任意相邻时间步，由输入值减去当前时间步的上个时间步内经过平滑后的输出值，并取所述输出值的绝对值为输出结果；

将所述输出结果与预设的平滑因子比较大小；

若输出结果小于等于预设的平滑因子，则当前时间步内平滑后的输出值为下个时间步的输入值；

若输出结果大于预设的平滑因子，则判断输入值减去上个时间步内经过平滑后的输出值与零的大小，确定比较结果，并根据比较结果确定变化系数；以及当前时间步内平滑后的输出值为a＝b+c*d，其中，a表示当前时间步内平滑后的输出值，b表示上个时间步内经过平滑后的输出值，c表示变化系数，d表示平滑因子；

若输入值为降温控制量，则连续的时间步中最后一个时间步内经过平滑后的输出值作为第二预降温度；

若输入值为用水量控制量，则连续的时间步中最后一个时间步内经过平滑后的输出值作为第二预计用水量。

如图4所示，以一个具体实施例进行说明，在连续的时间步内的任意相邻时间步，由输入值减去当前时间步的上个时间步内经过平滑后的输出值，并取输出值的绝对值为输出结果，将输出结果与预设的平滑因子比较大小，若输出结果小于等于预设的平滑因子，则当前时间步内平滑后的输出值为输入值，若输出结果大于预设的平滑因子，则判断输入值减去上个时间步内经过平滑后的输出值与零的大小，若输入值减去上个时间步内经过平滑后的输出值大于零，则变化系数为1，若输入值减去上个时间步内经过平滑后的输出值小于零，则变化系数为-1，若输入值减去上个时间步内经过平滑后的输出值等于零，则变化系数为0，当前时间步内平滑后的输出值为a＝b+c*d，其中，a表示当前时间步内平滑后的输出值，b表示上个时间步内经过平滑后的输出值，c表示变化系数，d表示平滑因子；

若输入值为降温控制量，则连续的时间步中最后一个时间步内经过平滑后的输出值作为第二预降温度；

若输入值为用水量控制量，则连续的时间步中最后一个时间步内经过平滑后的输出值作为第二预计用水量。

用水量控制过程，具体如下：

判断是否过喷，并对温度或用水量进行控制，其控制原理为：进气温度下降超过第一预降温度，或喷水量超过第一预计用水量，都为过喷。

可选地，在一些实施例中，站监控服务器上设置有开发的接口程序，且通过MODBUS/TCP协议分别与燃气轮机控制器和喷雾冷却系统控制器连接，站监控服务器上还设置有压气机流量计算模块、数据处理与容错模块以及数据库。

如图5所示，站监控服务器通过接口程序接收燃气轮机控制器采集的各个参数信号；

数据处理与容错模块，用于用于对采集的各个参数信号进行数据预处理，确定目标参数信号；

压气机流量计算模块，用于根据各个目标参数信号，确定压气机流量的实时值；

站监控服务器还通过接口程序将实时值(计算结果)传输给喷雾冷却系统控制器PLC；

数据库中建立了传感器故障规则库，传感器故障规则库实时存储从燃气轮机控制器采集的各个参数信号(信号数据)的历史数据，以及压气机流量计算模块计算结果的历史数据。

可选地，如图6所示，数据处理与容错模块，用于对采集的各个参数信号进行降低噪声处理，得到每个参数信号对应的降噪信号，具体用于：

根据采集的各个参数信号，获取预设的一个小波并确定一个小波分解的预设层次；

选择一个阈值对预设层次中的每一层的高频系数进行阈值量化处理，确定每一层对应的目标高频系数；

对于预设层次的每一层，根据该层的小波分解的低频系数和每个目标高频系数，对每个参数信号进行小波进行重构；

将预设层次中最后一层重构后的每个参数信号作为降噪信号。

本实施例中对含噪的参数信号进行小波重构，实现消噪的目的。

可选地，数据处理与容错模块，用于对每个所述降噪信号中错误数据进行剔除，确定清洗数据，具体用于：

首先建立传感器设计异常规则库，包括：

基于各个历史数据建立传感器数据异常规则，并根据传感器数据异常规则对各个历史数据进行检验、筛选和识别，将各个历史数据中出现过有跳变、无读数和有偏移的数据在数据库中建立传感器数据异常规则库。

再建立错误数据清洗模块对降噪信号进行检测，包括：

通过聚类分析，对当下时间测点的各个降噪信号与相邻时间测点的各个降噪数据的距离来进行检测，确定异常待检测数据，并判断异常待检测数据是否为传感器数据异常规则库中的数据，若异常待检测数据为传感器数据异常规则库中的数据，则删除对应的异常待检测数据，并将其位置标记出来并报警。

其中，通过建立传感器设计异常规则库，并调用错误数据清洗模块可以降低整个计算系统的工作量，提高计算效率及准确性，而错误数据清洗模块。

错误数据清洗模块的构建过程如下：利用数据异常规则进行测试、验证并修改，建立好初步的数据清洗模块后，需要利用现存的数据库进行训练与验证，以保证模块识别错误数据的准确度和清洗的效率，如果初步建立的模块无法达到预设的要求，则需要根据更广范围的数据试验等方法进行修改，依次往复，直至该模块符合要求。最后将删除的异常待检测数据排除后，剩余的降噪信号作为清洗数据。

可选地，数据处理与容错模块，用于对清洗数据进行修正，确定目标参数信号，具体用于：

利用传感器数据异常规则进行测试、验证并修改建立长短时记忆网络神经网络模型，利用各个历史数据建立数据集训练长短时记忆网络神经网络模型，同时根据模型输出结果和真实结果的误差、训练效率调节长短时记忆网络神经网络模型的结构，得到异常预测模型；

将各个清洗数据通过移动的时间窗口输入异常预测模型，确定每个清洗数据对应的目标预测异常数据；将每个所述目标预测异常数据与对应的同时间的实际测量值进行比较，筛选出异常数据，并对异常数据进行修正；将修正后的清洗数据和未出现异常数据的清洗数据作为目标参数信号。

本实施例中，异常预测模型的构建过程如下：

先构建模型，选择合适结构的反馈神经网络模型，并从已有测量参数中选择无异常数据组成训练集与验证集，并做归一化处理；

再训练模型，根据已有的测量的参数信号组成的训练集作为输入，训练已经选择好的反馈神经网络模型；

再验证模型，用已有的测量数据组成验证集去验证模型的准确度；

最后实际验证模型，用验证完毕的模型进行异常数据的判别与修正，如果满足要求，则模型建立成功，如不满足要求，返回第一步，需要筛选更广范围的数据试验等方法进行修改，依次往复，直至该模块符合要求。

可选地，所述数据处理与容错模块，具体用于：

将各个所述清洗数据通过移动的时间窗口输入异常预测模型，根据前N时间点的清洗数据推算出N+1时间的清洗数据，确定每个清洗数据对应的预测异常数据；

对于每个所述清洗数据，通过重复预测预设次的预测异常数据，并取预设次预测异常数据的平均值作为所述清洗数据对应的目标预测异常数据；

将每个所述目标预测异常数据与对应的N+1时间的实际测量值计算均方根误差；

若清洗数据对应的均方根误差不超过预设值，判断为所述清洗数据没有异常数据，将所述清洗数据作为目标参数信号；

若清洗数据对应的均方根误差超过预设值，则所述清洗数据为异常数据，将所述异常数据替换为目标预测异常数据，并将所述目标预测异常数据作为目标参数信号。

举例说明，参数信号包括压气机进口压力和压气机出口压力，清洗数据输入异常预测模型，得到10次预测异常数据并取平均值，得到N+1时间的压气机进口压力的目标预测异常数据，以及N+1时间的压气机出口压力的目标预测异常数据，现计算N+1时间的压气机进口压力的目标预测异常数据和N+1时间的压气机进口压力的实际测量值的均方根误差，压气机出口压力同理，得到压气机进口压力的均方根误差超过1％，压气机出口压力的均方根误差未超过1％，则将压气机进口压力对应的目标预测异常数据作为目标参数信号，将压气机出口压力对应的清洗数据作为目标参数信号。

可选地，如图7所示，通过另一实施例对数据处理与容错模块的处理过程进行说明，具体如下：

对采集到的参数信号进行小波重构，得到降噪后数据信号；

获取预设的传感器数据异常规则库；

通过传感器数据异常规则库，结合聚类分析方法对降噪后的数据信号进行清洗处理，判断是否为错误数据，若有错误数据，则进行清洗并报警，并将清洗后的数据输入异常预测模型中；

异常预测模型判断是否存在异常数据，若存在异常数据，则对异常数据进行修正后重新输入异常预测模型中进行修正，若没有异常数据，则传输至压气机流量计算模块中。

另外，如图7所示，异常预测模型的构建过程，包括：

根据已有的参数信号的历史数据，分为训练数据和验证数据；

构造神经网络(反馈神经网络模型)；

训练神经网络(反馈神经网络模型)；

验证神经网络(反馈神经网络模型)；

若验证成功，则得到异常预测模型；

若验证失败，则返回构造神经网络的步骤，需要筛选更广范围的数据试验等方法进行修改，依次往复，直至该模块符合要求。

本发明实施例的一种电子设备，包括存储器、处理器及存储在存储器上并在处理器上运行的程序，处理器执行程序时实现上述一种管道燃气轮机喷雾冷却的用水量控制系统的部分或全部步骤。

其中，电子设备可以选用电脑，相对应地，其程序为电脑软件，且上述关于本发明的一种电子设备中的各参数和步骤，可参考上文中一种管道燃气轮机喷雾冷却的用水量控制系统的实施例中的各参数和步骤，在此不做赘述。

所属技术领域的技术人员知道，本发明可以实现为系统、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等)，还可以是硬件和软件结合的形式，本文一般称为“电路”、“模块”或“系统”。此外，在一些实施例中，本发明还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式，该计算机可读介质中包含计算机可读的程序代码。计算机可读存储介质例如可以是但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。

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。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种管道燃气轮机喷雾冷却的用水量控制系统，其特征在于，包括：气象站、燃气轮机模块、燃气轮机控制器、站控监控服务器、喷雾冷却系统控制器和喷雾模块；

所述气象站，用于采集所述燃气轮机模块中燃气轮机进气道进气口的干球温度，并将所述干球温度发送至所述喷雾冷却系统控制器；

所述燃气轮机控制器，用于采集所述燃气轮机模块运行时的多个参数信号，并将多个所述参数信号发送至所述站控监控服务器；

所述站控监控服务器，用于根据多个所述参数信号确定所述燃气轮机模块中压气机流量的实时值，并将所述压气机流量的实时值发送至所述喷雾冷却系统控制器；

所述喷雾冷却系统控制器，用于根据所述干球温度确定对应的湿球温度，并根据所述干球温度和所述湿球温度之间的差值，确定所述燃气轮机模块的进气温度的第一预降温度；以及根据所述压气机流量的实时值和需要用水量的汽化潜热计算出达到所述湿球温度所需要消耗的第一预计用水量；

还用于控制所述喷雾模块喷出水雾以降低燃气轮机模块的进气温度，直到所述进气温度下降所述第一预降温度或喷水量达到所述第一预计用水量。

2.根据权利要求1所述的一种管道燃气轮机喷雾冷却的用水量控制系统，其特征在于，当所述站控监控服务器与所述喷雾冷却系统控制器连接异常时，

所述喷雾冷却系统控制器用于接收所述燃气轮机控制器发送的多个所述参数信号，并通过数据采集与平滑过程、控制变量计算过程和设定值平滑过程确定第二预降温度和第二预计用水量；

还用于控制所述喷雾模块喷出水雾以降低燃气轮机模块的进气温度，直到所述进气温度下降所述第二预降温度或喷水量达到第二预计用水量。

3.根据权利要求2所述的一种管道燃气轮机喷雾冷却的用水量控制系统，其特征在于，所述喷雾冷却系统控制器，具体用于：

对每个所述参数信号，通过连续采集预设个参数信号进行滑动平均法对数据作平滑处理，确定所述参数信号对应的目标值；

根据各个所述目标值，计算在喷雾后空气进入燃气轮机压气机达到100％相对湿度时压气机入口截面处的温度作为预降温度设定值，以及所需要消耗的水量作为预计降水量设定值；

根据所述预降温度设定值与燃气轮机压气机的实际进口温度之间的偏差，对所述预降温度设定值补偿偏差，确定降温目标量，以及根据所述预计用水量设定值与用水量实际值之间的偏差，对预计用水量设定值补偿偏差，确定用水量目标量；

分别对多个连续时间步内的所述降温目标量和用水量目标量进行平滑处理，确定降温目标量对应的第二预降温度，以及用水目标量对应的第二预计用水量。

4.根据权利要求3所述的一种管道燃气轮机喷雾冷却的用水量控制系统，其特征在于，所述喷雾冷却系统控制器，具体用于：

获取预设时间段内每个预设时间点所述预降温度设定值与燃气轮机压气机的实际进口温度构成第一控制偏差，将各个第一控制偏差按照预设的第一比例、第一积分和第一微分系数通过线性组合构成降温控制量；

通过降温控制量对预降温度设定值进行补偿偏差，确定降温目标量；

获取预设时间段内每个预设时间点所述预计用水量设定值与用水量实际值构成第二控制偏差，将各个第二控制偏差按照预设的第二比例、第二积分和第二微分系数通过线性组合构成用水量控制量；

通过用水量控制量对预计降水量设定值进行补偿偏差，确定用水量目标量。

5.根据权利要求3所述的一种管道燃气轮机喷雾冷却的用水量控制系统，其特征在于，所述喷雾冷却系统控制器，具体用于：

在连续的多个时间步内的任意相邻时间步，由输入值减去当前时间步的上个时间步内经过平滑后的输出值，并取所述输出值的绝对值为输出结果；

将所述输出结果与预设的平滑因子比较大小；

若输出结果小于或等于预设的平滑因子，则当前时间步内平滑后的输出值为下个时间步的所述输入值；

若输出结果大于预设的平滑因子，则判断输入值减去上个时间步内经过平滑后的输出值与零的大小，确定比较结果，并根据比较结果确定变化系数；以及当前时间步内平滑后的输出值为a＝b+c*d，其中，a表示当前时间步内平滑后的输出值，b表示上个时间步内经过平滑后的输出值，c表示变化系数，d表示平滑因子；

其中，若输入值为降温控制量，则连续预设个时间步中最后一个时间步内经过平滑后的输出值作为第二预降温度；若输入值为用水量控制量，则连续预设个时间步中最后一个时间步内经过平滑后的输出值作为第二预计用水量。

6.根据权利要求1-5任一项所述的一种管道燃气轮机喷雾冷却的用水量控制系统，其特征在于，所述站监控服务器上设置有接口程序、压气机流量计算模块、数据处理与容错模块以及数据库；

所述站监控服务器通过接口程序接收所述燃气轮机控制器采集的多个参数信号；

数据处理与容错模块，用于对采集的各个参数信号进行数据预处理，确定目标参数信号；

压气机流量计算模块，用于根据多个所述目标参数信号，确定压气机流量的实时值；

所述站监控服务器还通过接口程序将所述压气机流量的实时值传输给喷雾冷却系统控制器；

所述数据库中建立了传感器故障规则库，所述传感器故障规则库实时存储从燃气轮机控制器采集的多个参数信号的历史数据，以及压气机流量计算模块计算结果的历史数据。

7.根据权利要求6所述的一种管道燃气轮机喷雾冷却的用水量控制系统，其特征在于，所述数据处理与容错模块，用于对采集的各个参数信号进行降低噪声处理，得到每个参数信号对应的降噪信号，具体用于：

根据采集的多个所述参数信号，获取预设的一个小波并确定所述一个小波分解的预设层次；

选择一个阈值对预设层次中的每一层的高频系数进行阈值量化处理，确定每一层对应的目标高频系数；

对于预设层次的每一层，根据该层的小波分解的低频系数和每个所述目标高频系数，对每个所述参数信号进行小波重构；

将预设层次中最后一层重构后的每个所述参数信号作为降噪信号。

8.根据权利要求7所述的一种管道燃气轮机喷雾冷却的用水量控制系统，其特征在于，所述数据处理与容错模块，用于对每个所述降噪信号中错误数据进行剔除，确定清洗数据，具体用于：

基于各个所述历史数据建立传感器数据异常规则；

根据所述传感器数据异常规则对各个所述历史数据进行检验、筛选和识别，根据各个所述历史数据中异常数据在数据库中建立传感器数据异常规则库；

通过聚类分析，对当下时间测点的各个降噪信号与相邻时间测点的各个降噪数据的距离来进行检测，确定异常待检测数据；

判断所述异常待检测数据是否为传感器数据异常规则库中的数据，若所述异常待检测数据为所述传感器数据异常规则库中的数据，则删除对应的所述异常待检测数据，将其位置标记出来并报警；

将删除的异常待检测数据排除后，剩余的降噪信号作为清洗数据。

9.根据权利要求8所述的一种管道燃气轮机喷雾冷却的用水量控制系统，其特征在于，所述数据处理与容错模块，用于对清洗数据进行修正，确定目标参数信号，具体用于：

利用传感器数据异常规则进行测试、验证并修改建立长短时记忆网络神经网络模型；

利用各个历史数据建立数据集训练所述长短时记忆网络神经网络模型，同时根据模型输出结果和真实结果的误差和训练效率调节长短时记忆网络神经网络模型的结构，得到异常预测模型；

将各个所述清洗数据通过移动的时间窗口输入所述异常预测模型，确定每个清洗数据对应的目标预测异常数据；

将每个所述目标预测异常数据与对应的同时间的实际测量值进行比较，筛选出异常数据，并对异常数据进行修正；

将修正后的清洗数据和未出现异常数据的清洗数据作为目标参数信号。

10.根据权利要求9所述的一种管道燃气轮机喷雾冷却的用水量控制系统，其特征在于，所述数据处理与容错模块，具体用于：

将各个所述清洗数据通过移动的时间窗口输入异常预测模型，根据前N时间点的清洗数据推算出N+1时间的清洗数据，确定每个清洗数据对应的预测异常数据；

对于每个所述清洗数据，通过重复预测预设次的预测异常数据，并取预设次预测异常数据的平均值作为所述清洗数据对应的目标预测异常数据；

将每个所述目标预测异常数据与对应的N+1时间的实际测量值计算均方根误差；

若清洗数据对应的均方根误差不超过预设值，判断为所述清洗数据没有异常数据，将所述清洗数据作为目标参数信号；

若清洗数据对应的均方根误差超过预设值，则所述清洗数据为异常数据，将所述异常数据替换为目标预测异常数据，并将所述目标预测异常数据作为目标参数信号。