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

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

【技术实现步骤摘要】
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
本专利技术属于汽轮机负荷
，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。
技术介绍
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。
技术实现思路
为了克服上述现有技术的缺陷，本专利技术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，本专利技术采用的技术方案是：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主蒸汽压力温度和汽轮机负荷Pet数据；(2)将提取出来余热锅炉给水流量主蒸汽压力温度汽轮机负荷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(Pet)，检验数据记为(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：(4)将检验数据(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：(5)记事若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主蒸汽压力和温度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(三)根据计算值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来实时计算各台余热锅炉对汽轮机负荷的权益贡献：本专利技术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。具体实施方式本专利技术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主蒸汽压力温度汽轮机负荷peT数据；(2)将提取出来余热锅炉给水流量主蒸汽压力温度汽轮机负荷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(Pet)，检验数据记为(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：(4)将检验数据(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时计算模本文档来自技高网...

【技术保护点】
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：/n(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/n(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

【技术特征摘要】
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主蒸汽压力温度和汽轮机负荷Pet数据；
(2)将提取出来的余热锅炉给水流量主蒸汽压力温度汽轮机负荷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；自学习数据记为检验数据记为
(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...

【专利技术属性】
技术研发人员：王毅，王智微，
申请(专利权)人：西安热工研究院有限公司，
类型：发明
国别省市：陕西;61