汽輪機(jī)滑壓運(yùn)行初壓智能優(yōu)化方法的研究.pdf

1、近年來(lái)，社會(huì)電力用電結(jié)構(gòu)已發(fā)生了較大的變化，電網(wǎng)負(fù)荷晝夜峰谷差越來(lái)越大。大量超臨界汽輪機(jī)組被要求深度調(diào)峰，機(jī)組利用小時(shí)數(shù)逐年降低，低負(fù)荷運(yùn)行時(shí)間普遍增加，熱經(jīng)濟(jì)性大大降低。同時(shí)，隨著我國(guó)經(jīng)濟(jì)、能源和環(huán)保形勢(shì)的發(fā)展，火電機(jī)組節(jié)能降耗已成為企業(yè)生存運(yùn)行的客觀需要。因此，如何提高機(jī)組在低負(fù)荷階段的運(yùn)行經(jīng)濟(jì)性成為一個(gè)亟待解決的問(wèn)題。
　　要確保汽輪機(jī)變工況運(yùn)行時(shí)仍能保持最佳狀態(tài)，就必須對(duì)汽輪機(jī)的運(yùn)行初壓進(jìn)行優(yōu)化，以降低機(jī)組的熱耗率。群智能

2、優(yōu)化技術(shù)是人們受生物進(jìn)化或自然現(xiàn)象啟發(fā)而提出的新方法，能很好的處理復(fù)雜系統(tǒng)的建模和優(yōu)化問(wèn)題。針對(duì)傳統(tǒng)方法很難描述超臨界汽輪機(jī)的復(fù)雜非線性、多工況等熱力特性模型，不易實(shí)現(xiàn)機(jī)組初壓優(yōu)化的不足，本文對(duì)人工智能領(lǐng)域中混合蛙跳算法(shuffled frog leaping algorithm,SFLA)、最小二乘支持向量機(jī)(least squares support vector machine,LSSVM)及基于聚類的多模型建模技術(shù)進(jìn)行重點(diǎn)研

3、究，并將它們應(yīng)用于機(jī)組初壓優(yōu)化，以實(shí)現(xiàn)機(jī)組的經(jīng)濟(jì)運(yùn)行。主要研究?jī)?nèi)容如下：
　　首先，針對(duì)典型混合蛙跳算法尋優(yōu)能力不足的問(wèn)題，提出了一種改進(jìn) SFLA算法(mixed search SFLA,MS-SFLA)。通過(guò)引入了混沌反學(xué)習(xí)策略、非線性自適應(yīng)慣性權(quán)值以及一個(gè)新的局部擾動(dòng)策略以提高算法優(yōu)化能力。通過(guò)13個(gè)基準(zhǔn)測(cè)試函數(shù)的仿真測(cè)試，驗(yàn)證了改進(jìn)的混合蛙跳算法具有較好的優(yōu)化性能?；谠撍惴▽?duì)最小二乘支持向量機(jī)回歸算法超參數(shù)進(jìn)行優(yōu)化，數(shù)值

4、仿真實(shí)驗(yàn)驗(yàn)證了該算法建模時(shí)的有效性。
　　然后，研究了模糊C均值聚類算法在數(shù)據(jù)聚類劃分中的應(yīng)用。為了改善模糊C均值聚類對(duì)噪聲和孤立點(diǎn)的魯棒性，提出采用基于RBF核函數(shù)的模糊C均值算法。同時(shí)，為了解決諸如聚類精度受數(shù)據(jù)分布影響、對(duì)初始聚類中心敏感、易陷入局部最優(yōu)以及難以確定最優(yōu)聚類數(shù)的不足，提出一種新的基于G-K算法的雙層聚類算法，熱耗率多模型建模仿真試驗(yàn)驗(yàn)證了該算法的可行性。
　　另外，針對(duì)單模型難以精確描述具有復(fù)雜非線性特

5、性汽輪機(jī)熱耗率的問(wèn)題，提出了一種基于雙層聚類算法和 LSSVM融合的熱耗率多模型建模方法，并利用MS-SFLA算法進(jìn)行模型參數(shù)的選擇。隨后，將其應(yīng)用到某600MW超臨界汽輪機(jī)熱耗率的建模，仿真實(shí)驗(yàn)證明該多模型建模方法能高精度的預(yù)測(cè)機(jī)組的熱耗率，具有良好的泛化能力。
　　最后，在建立好的熱耗率多模型的基礎(chǔ)上，利用MS-SFLA算法在給定負(fù)荷的可行運(yùn)行初壓范圍內(nèi)，以熱耗率最低為優(yōu)化目標(biāo)來(lái)確定汽輪機(jī)變工況運(yùn)行時(shí)的最優(yōu)運(yùn)行初壓。將得到的最