机器学习在电站设备状态分析中的应用

本文对电站设备状态分析中学习向量量化（LVQ）神经网络和深度学习算法循环递归长短期记忆（LSTM）神经网络进行了详细分析,利用LSTM神经网络对磨煤机设备进行状态分析,将LSTM神经网络中最后一个隐含层的激励函数设为Softmax函数,其输出值表示设备状态的健康程度及设备可能发生事故的概率,并将LSTM神经网络和LVQ神经网络进行设备状态分析对比。结果表明,利用LSTM神经网络得到的训练模型可以得到设备状态分类更高的准确率,减少在设备状态评判中的漏报率和误报率。     

热电联产机组在深度调峰模式下的负荷智能分配

本文提出一种新的不同供热负荷、发电负荷下的供热煤耗率和发电煤耗率的计算方法,并据此拟合出不同供热负荷下,随发电负荷变化的供热煤耗率曲线、供电煤耗率曲线以及最大发电功率和最小发电功率,利用拉格朗日插值法得到机组在可行域内随发电负荷和供热负荷变化的供热、发电煤耗率曲面。然后结合当地的深度调峰政策、燃料成本和热电售价等,准确计算出热电联产机组的实时成本和利润。最后基于自适应遗传算法找出在给定供热负荷的条件下使得2台机组总利润最大的发电负荷分配方式。本文方法既能给出热电联产企业实时成本和利润,又能给出机组当前调峰时期较优的负荷分配方式,从而指导运行决策人员做出更合理的运行策略。     

火电厂锅炉管内壁氧化皮脱落风险预警系统研发与应用

为预防火电厂锅炉高温受热面管蒸汽侧氧化皮脱落堵塞,在对氧化皮脱落原因深入分析的基础上,对ARMITT预测模型进行优化,确定模型关键参数,设计出可应用于实际工程的锅炉管氧化皮脱落预测模型。在此基础上,开发了基于B/S结构的火电厂锅炉管氧化皮脱落风险预警系统。应用结果表明,该系统预测结果与现场割管检测的结果基本吻合。该系统可用于锅炉管内壁氧化皮脱落倾向较大的机组,对脱落高风险区域进行预警,保证机组安全运行。     

火电厂锅炉管内壁氧化皮脱落风险预警系统研发与应用

为预防火电厂锅炉高温受热面管蒸汽侧氧化皮脱落堵塞,在对氧化皮脱落原因深入分析的基础上,对ARMITT预测模型进行优化,确定模型关键参数,设计出可应用于实际工程的锅炉管氧化皮脱落预测模型.在此基础上,开发了基于B/S结构的火电厂锅炉管氧化皮脱落风险预警系统.应用结果表明,该系统预测结果与现场割管检测的结果基本吻合.该系统可用于锅炉管内壁氧化皮脱落倾向较大的机组,对脱落高风险区域进行预警,保证机组安全运行.     

风险维修分析技术在某火电厂高温过热器检修中的应用

风险维修分析技术是一项新兴的设备维修管理技术,可应用于电厂所有设备的检修.在对某电厂高温过热器进行状态检修的基础上,采用风险维修分析技术对该设备进行分析,明确了设备的风险等级,评价了危险点.据此,对维修策略进行了优化,使锅炉设备的检修和运行的安全经济性得以提高.     

P91钢高温联箱失效的定量风险评估

采用随机性方法,对某超临界600MW机组锅炉的P91钢高温过热器出口联箱建立失效概率模型,计算出联箱失效概率,并对影响失效概率的因素进行了分析,结合失效后果,给出了定量风险评估的结果,并据此提出了该600 MW机组锅炉高温联箱的维修策略。