基于火电厂发电量预测的多目标配煤方法

分析上海某火电厂实际生产数据,建立基于Elman神经网络的火电厂发电量滚动预测模型,根据发电量历史数据本身的动态特性预测未来发电量数据,预测精度较其他算法有明显提高.将火电厂年发电量预测数据与年耗煤量数据相结合,计算出混煤平均发热量,将其作为配煤影响指标,与通过设计煤种参数构建的控煤约束指标共同构成控煤目标函数,与经济...     

基于LMD-XGBoost和KPCA的燃气轮机转子故障预警研究

针对燃气轮机转子运行环境恶劣且故障多发的特点,为了及时有效地识别转子的异常运行状态,提出基于极端梯度提升(Extreme Gradient Boosting, XGBoost)和局部均值分解(Local Mean Decomposition, LMD)与核主元分析(Kernel Principal Component Analysis, KPCA)相结合的燃气轮机转子故障预警方法。首先采用自适应小波阈值法对来自SIS系统的振动数据进行降噪处理,通过对比普通小波阈值法的降噪效果,验证了该方法对于转子振动数据降噪的有效性和优越性;然后构建基于LMD-XGBoost的转子振动信号混合预测模型,提取实时振动信号分解得到的特征分量并进行预测与重构;再通过LMD-KPCA模型计算故障监测指标T 2和SPE,利用正常工况下的振动数据求取故障监测指标的阈值,输入混合预测信号计算出故障监测指标的统计量,通过设置故障监测指标超过阈值线的比例作为最终预警判据。通过上海某燃气电厂转子故障案例表明,该混合预警方法可实现转子故障早期预警,具有实际工程应用价值。     

无线热网计算机计量管理系统的设计与实现

为了提高热网的管理水平 ,加强对管网压力、用户用气量等参数的测量及实时监控 ,提出采用无线通信方法对热网进行计算机管理 ,并通过对系统的设计与调试 ,取得了良好的效果。     

基于无源滑模和滑模PI的UPQC-PV控制策略

针对传统控制方法使集成光伏式统一电能质量调节器(UPQC-PV)存在补偿效率和精确性较低、直流侧电压易受外界干扰等问题,提出了针对UPQC-PV的无源滑模控制和滑模PI直流侧控制策略。首先,基于统一电能质量调节器的数学模型,设计了基于欧拉-拉格朗日模型的正负序无源滑模控制器,解决无源控制抗干扰能力弱的问题,提高了系统的响应速度、补偿精度、抗干扰能力;然后,采用滑模PI控制降低光伏波动对系统的影响,稳定系统直流侧电压,从而进一步改善系统的整体性能;最后,在电网不平衡、负载突变、负载不平衡、光照强度改变等状态下,通过仿真和实验验证了所提无源滑模控制和滑模PI直流侧控制策略的优越性、有效性。     

基于改进教与学算法的含电能路由器的电力系统无功优化

针对传统智能算法在求解计及电能路由器的电力系统无功优化模型时存在的收敛性和多样性问题,提出一种基于轮盘赌选择和自适应柯西变异策略的改进教与学算法,并应用于含电能路由器的电力系统无功优化。该算法在学习阶段引入轮盘赌选择法,提高群体的学习效率,在教学完成后引入自适应柯西变异策略,增强班级种群的多样性,避免迭代过程陷入局部最优解。然后,建立以有功网损和电压偏离度最小为目标函数的电力系统无功优化模型,并以修改后的IEEE RTS-79标准测试系统为算例进行仿真分析,结果表明改进后的算法兼顾了收敛性和多样性,相比于传统算法具有更好的优化效果。     

基于数据融合的风电变桨系统故障预警研究

随着风电机组装机容量的不断攀升,同时带来并网发电率低、机组故障率高等缺点,导致风电机组整体利用率较低。为此提出一种基于数据融合的风电变桨系统故障预警方法。首先结合SCADA系统中的运行统计信息和历史数据,采用Relief特征参数选择方法筛选出与风电变桨系统故障相关的特征参数;然后采用数据融合的方法,建立基于MSET技术的风电变桨系统故障预测模型,并采用滑动窗口法进行故障预警阈值的确定;最后以上海某风场1.5 MW双馈异步风电机组进行实例分析,结果表明该方法可提前发现风电变桨系统故障征兆,实现对风电变桨系统的早期故障预警。     

基于煤质预测的多目标优化配煤方法研究

针对火电厂中混煤煤质计算不准确、配煤方案单一且考虑片面等问题,基于粒子群（PSO）优化前馈神经网络算法建立了混煤煤质预测模型;采用非支配排序多目标遗传算法（NSGA III）建立了由最小绝对偏差型和标准差型优化指标组成的多目标优化配煤模型。对某电厂实际燃煤情况中非线性关系的煤质进行分析,并对预测煤质的不同特点和电厂机组运行特点进行分析。结果表明：基于煤质预测的多目标优化配煤方法,对煤质挥发分、灰分和灰熔点的预测精度比线性加权方法提高了4.55%,3.24%和5.60%,筛选出的6组配煤方案,兼顾了经济性、安全性和环保性,更符合配煤特点。     

基于CNN-LSTM的燃气轮机NOx排放预测研究

为了建立精准的NO_x预测模型,解决燃气轮机电站存在NO_x超标排放的问题,提出一种基于卷积神经网络(Convolutional Neural Network, CNN)和长短期记忆神经网络(Long Short-term Memory, LSTM)组合模型的NO_x排放预测方法。将NO_x排放历史数据和燃气轮机燃烧的状态参数通过滑动窗口法构建成特征图格式输入到CNN中,利用其卷积层和池化层提取表征NO_x动态变化的特征向量,并转化为时间序列格式输入到LSTM中进一步挖掘内部规律,从而实现NO_x的排放预测。以某三菱燃气轮机的历史运行数据进行试验。结果表明:CNN-LSTM的相对均方误差e_(RMSE)为1.811 mg/m~3,并通过与PCA-BP,PCA-RNN和PCA-LSTM模型进行比较,验证了方法的可行性。     

基于MSET的压气机故障预警研究

为了解决压气机故障预警问题,通过对压气机典型运行特性进行分析,提出了一种基于多元状态估计技术(MSET)和偏离度的故障预警方法,并利用MSET建立了压气机正常运行状态下的非参数模型。对观测向量进行最优估计并得到估计向量,观测向量与估计向量之间的差异可以定性反映压气机是否异常。引入偏离度定量衡量观测向量与估计向量之间的偏离程度,然后利用滑动窗口法确定故障预警阈值,当平均偏离度超过预警阈值时,发出预警信息。实验结果表明,该方法有较高的预测精度,可以及时发现压气机的异常,从而实现对压气机运行状态的预警监测,减少经济损失。