大气温度对联合循环机组功率影响的调控系统及方法与流程

本发明涉及的是一种电力节能领域的技术，具体是一种大气温度对联合循环机组功率影响的调控系统及方法。

背景技术：

近年来，煤炭价格走高以及节能减排的要求，促使电厂进行改革以减少能耗，提高经济性，因此对于电厂性能分析后的评价标准提出了很高的要求。机组的可比性能需要在某一设计工况下给出的性能参数、即在给定的边界条件下机组所具有的性能。在现场进行性能试验时，由于种种原因，无法使所有的边界条件均能满足设计条件，因此，需要对性能试验时的边界条件进行修正，即修正到设计条件，才能对机组给出合理的评价。通常修正后得到的修正曲线由制造厂提供的，但是机组经过一段时间运行后，特别是机组部件经过节能改造，相对于原始设计已经有所改变，原来的修正曲线不再适用。

目前对于纯烧低热值高炉煤气燃气‐蒸汽联合循环机组，尚缺少大气温度变化对发电功率影响的修正曲线。若采用现有的技术方法完成发电功率的修正，需要进行很多的现场试验，而且要根据大气温度的时间节点调整其它各参数在相同水平进行试验，电网和电厂均不能实现，试验风险大，时间长，费用高。

技术实现要素：

本发明针对现有技术存在的上述不足，提出了一种大气温度对联合循环机组功率影响的调控系统及方法，无需进行多次试验调试即可进行纯烧低热值高炉煤气‐蒸汽联合循环发电机组性能的修正，并实现对机组的反馈调控，为机组优化、节能减排评估提供切实可靠的依据。

本发明是通过以下技术方案实现的：

本发明涉及一种基于上述大气温度对联合循环机组功率影响修正方法的调控系统，包括：传感测量模块、数据库模块以及仿真计算模块，其中：传感测量模块与仿真计算模块相连并输出原始采集数据，仿真计算模块与数据库模块相连并输出测点原始数据和发电功率数据，数据库模块与仿真计算模块相连并输出原始样本数据集，仿真计算模块根据发电功率修正模型及修正曲线反馈调节机组运行，以提高或降低发电功率。

本发明涉及上述系统的大气温度对联合循环机组功率影响的修正方法，首先通过传感测量模块进行原始数据采集，并通过仿真计算模块进行数据的无量纲化处理，得到不同大气温度下、某一标准发电功率时，高炉煤气‐蒸汽联合循环发电机组上的测点原始数据及发电功率数据，把同一大气温度对应的测点原始数据和发电功率数据作为一个样本组存储于数据库模块中；然后仿真计算模块从数据库模块中选取若干样本组构建原始样本数据集，并确定原始样本数据集中测点原始数据和发电功率数据的最大值和最小值；最后将测点原始数据归一化后作为输入层数据通过BP神经网络计算得到中间目标数据，将中间目标数据与发电功率数据归一化后得到的目标输出数据进行误差计算，得到发电功率修正模型；选取接近额定参数的一组测点原始数据作为基数，仅改变大气温度，仿真计算模块在发电功率修正模型的基础上计算得到大气温度变化对联合循环发电机组发电功率影响的修正曲线。

所述的标准发电功率为80MW、90MW、100MW、110MW或120MW。

所述的原始样本数据集为包括联合循环发电机组运行可提供的最小发电功率和最大发电功率在内的多个样本组。

所述的BP神经网络计算包括以下步骤：

S₁，原始样本数据集归一化：其中：i表示测点序号，i＝1，2，...，n；p表示原始样本数据集中样本组的序号，p＝1，2，...，N；N为原始样本数据集中的样本组数量；x′_ip表示原始样本数据集中第p样本组第i个测点的测点原始数据，x_ip为x′_ip归一化后的值，称为测点输入数据；x′_0p表示原始样本数据集中的发电功率数据，x_0p为x′_0p归一化后的值，称为目标输出数据；x′_imin、x′_imax分别表示原始样本数据集中第i个测点的最小值和最大值；x′_0min、x′_0max表示原始样本数据集中发电功率的最小值和最大值；

S₂，确定中间隐层节点的数目并初始化第p样本组的连接权矩阵，其中p＝1，即对第1样本组的输入层数据权矩阵V_ij和中间隐层数据权矩阵W_j进行初始化：为连接权矩阵内每个元素赋初始值为0～1之间的随机数得到原始连接权矩阵，其中：j表示中间隐层节点序号，j＝1，2，...，m；V_ij是n×m阶权矩阵，W_j是1×m阶权矩阵，m为中间隐层节点数，m根据输入层数据的多少确定，输入层数据个数越多，m值越大，当输入层为3～20个数据时，m值可以在10～30之间选取；

S₃，针对第p样本组训练原始连接权矩阵，建立发电功率修正模型：

S₃₁，确定中间隐层节点数据y_pj：其中：为中间隐层节点数据计算公式的指数，e为自然对数的底数；

S₃₂，计算中间目标数据d_p：其中：为中间目标数据计算公式的指数；

S₃₃，计算目标输出数据x_0p与其对应的中间目标数据d_p的误差E_p：

S₃₄，根据第p样本组的原始连接权矩阵，调整训练p+1样本组的连接权矩阵V_ij′和W_j′：V_ij′＝V_ij+ΔV_ijp，W_j′＝W_j+ΔW_jp，ΔV_ijp＝ηδ_yx_i(p-1)+αΔV_ij(p-1)，ΔW_jp＝ηδ₀y_(p-1)j+αΔW_j(p-1)，其中：ΔW_jp、ΔV_ijp为计算第p样本组到第p+1样本组时调整连接权矩阵的增量；ΔW_j(p-1)、ΔV_ij(p-1)为第p‐1样本组到第p样本组时调整连接权矩阵的增量，p＝1时ΔW_j0和ΔV_ij0即为第1样本组的原始连接权矩阵经过α休整计算后的值；y_(p-1)j、x_i(p-1)为第p‐1样本组的中间隐层节点数据和第i个测点输入数据；α、η是为了加快收敛速度而设置的两个系数，一般取0～1之间的任意数，开始运算时取0.5，之后根据收敛状态可以进行增加5％或降低5％的调整；中间变量δ₀和δ_yj为修正系数：

S₃₅，令p＝p+1，重复步骤S₃₄完成全部样本组的连接权矩阵训练后，计算总输出误差E_N：如果E_N不满足精度要求，重复步骤S₂重新赋值计算，直到E_N的精度达到要求；将满足精度要求的V_ij、W_j、m、x′_0min、x′_0max、x′_imin和x′_imax作为大气温度变化对煤气‐蒸汽联合循环发电机组发电功率影响的发电功率修正模型保存在仿真计算模块内；

S₄，发电功率修正：在2℃～35℃大气温度范围内每隔2℃选取一个温度，并保持其余测点原始数据处于接近额定参数的状态；将上述温度条件下的接近额定参数的测点原始数据x′_1p、x′_2p、…、x′_np，利用发电功率修正模型中的x′_imin和x′_imax重复S₁，归一化后得到x_1p、x_2p、…、x_np，结合发电功率修正模型中的V_ij、W_j和m计算λ_pj、λ_p和中间目标数据d_p，最后反归一化得到修正后的某一温度下发电功率数据X′₀＝d_p(x′_0max-x′_0min)+x′_0min，并得到2℃～35℃大气温度范围内的大气温度对发电功率影响的修正曲线。

技术效果

与现有技术相比，本发明采用BP神经网络的方法，基于现场实测数据和人工智能的有机结合，在保证精度的条件下降低对实际试验的依赖；只需改变大气温度便能得到发电功率的输出值，在此基础上反馈调控纯烧低热值煤气燃气-蒸汽联合循环机组的运行，以提高或降低发电功率，同时为机组优化、节能减排评估提供切实可靠的依据。由于采用了大量现场实际信息，故所得的修正结果一般在5％以内，符合工程应用的要求。

附图说明

图1为本发明修正大气温度变化对发电功率影响的原理图；

图2为本发明中系统结构图；

图3为本发明中BP神经网络建模示意图。

具体实施方式

下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

实施例1

如图1和图2所示，为本实施例的基于上述大气温度对联合循环机组功率影响修正方法的调控系统，包括：传感测量模块、数据库模块以及仿真计算模块，其中：传感测量模块与仿真计算模块相连并输出原始采集数据，仿真计算模块与数据库模块相连并输出测点原始数据和发电功率数据，数据库模块与仿真计算模块相连并输出原始样本数据集，仿真计算模块根据发电功率修正模型及修正曲线反馈调节机组运行，以提高或降低发电功率。

如图1所示，本实施例涉及上述系统的修正方法，包括以下步骤：

1)通过传感测量模块进行原始数据采集，并通过仿真计算模块进行数据的无量纲化处理，得到不同大气温度下、某一标准发电功率时，高炉煤气‐蒸汽联合循环发电机组上15个测点的测点原始数据及发电功率数据，把同一大气温度对应的测点原始数据和发电功率数据作为一个样本组存储于数据库模块中；

2)仿真计算模块从数据库模块中选取250个样本组构建原始样本数据集，并确定原始样本数据集中测点原始数据和发电功率数据的最大值和最小值；

3)将测点原始数据归一化后作为输入层数据通过BP神经网络计算得到中间目标数据，将中间目标数据与发电功率数据归一化后得到的目标输出数据进行误差计算，得到发电功率修正模型；

4)选取接近额定参数的一组测点原始数据作为基数，仅改变大气温度，仿真计算模块在发电功率修正模型的基础上计算得到大气温度变化对联合循环发电机组发电功率影响的修正曲线。

如下表1所示为本实施例中15个测点：

表1测点列表

如下表2所示为原始样本数据集

表2原始样本数据集

如图3所示，所述的BP神经网络计算包括以下步骤：

S₁，原始样本数据集归一化：首先确定各测点原始输入数据x′_ip的最大值和最小值，如下表3所示，然后进行归一化处理，得到表4；

表3250个样本组中各测点原始数据x′_ip及发电功率数据x′_0p的最大值和最小值

其中对应的发电功率数据最大值x′_0max和最小值x′_0min分别为116.6和72.7；

表4 250个样本组测点输入数据x_ip和目标输出数据x_0p

S₂，确定中间隐层节点的数目m＝12，并初始化第p样本组的连接权矩阵，其中p＝1，即对第1样本组的输入层数据权矩阵V_ij和中间隐层数据权矩阵W_j进行初始化：为连接权矩阵内每个元素赋初始值为0～1之间的随机数得到原始连接权矩阵，其中：j表示中间隐层节点序号，j＝1，2，...，m；V_ij是15×12阶权矩阵，W_j是1×12阶权矩阵；

S₃，针对第p样本组训练原始连接权矩阵，建立发电功率修正模型：

S₃₁，确定中间隐层节点数据y_pj：其中：为中间隐层节点数据计算公式的指数，e为自然对数的底数；

S₃₂，计算中间目标数据d_p：其中：为中间目标数据计算公式的指数；

S₃₃，计算目标输出数据x_0p与其对应的中间目标数据d_p的误差E_p：

S₃₄，根据第p样本组的原始连接权矩阵，调整训练p+1样本组的连接权矩阵V_ij′和W_j′：V_ij′＝V_ij+ΔV_ijp，W_j′＝W_j+ΔW_jp，ΔV_ijp＝ηδ_yx_i(p-1)+αΔV_ij(p-1)，ΔW_jp＝ηδ₀y_(p-1)j+αΔW_j(p-1)，其中：ΔW_jp、ΔV_ijp为计算第p样本组到第p+1样本组时调整连接权矩阵的增量；ΔW_j(p-1)、ΔV_ij(p-1)为第p‐1样本组到第p样本组时调整连接权矩阵的增量，p＝1时ΔW_j0和ΔV_ij0即为第1样本组的原始连接权矩阵经过α休整计算后的值；y_(p-1)j、x_i(p-1)为第p‐1样本组的中间隐层节点数据和第i个测点输入数据；α、η是为了加快收敛速度而设置的两个系数；一般取0～1之间的任意数，开始运算时取0.5，之后根据收敛状态可以进行增加5％或降低5％的调整；中间变量δ₀和δ_yj为修正系数：

S₃₅，令p＝p+1，重复步骤S₃₄完成全部样本组的连接权矩阵训练后，计算总输出误差E_N：如果E_N不满足精度要求，重复步骤S₂重新赋值计算，直到E_N的精度达到要求；将满足精度要求的V_ij、W_j、m、x′_0min、x′_0max、x′_imin和x′_imax作为大气温度变化对煤气‐蒸汽联合循环发电机组发电功率影响的发电功率修正模型保存在仿真计算模块内；

S₄，发电功率修正：在2℃～35℃大气温度范围内每隔2℃选取一个温度，并保持其余测点原始数据处于接近额定参数的状态；采集上述温度条件下的接近额定参数的测点原始数据x′_1p、x′_2p、…、x′_np，利用发电功率修正模型中的x′_{i min}和x′_imax重复S₁，归一化后得到x_1p、x_2p、…、x_np，结合发电功率修正模型中的V_ij、W_j和m计算λ_pj、λ_p和中间目标数据d_p，最后反归一化得到修正后的某一温度下发电功率数据X′₀＝d_p(x₀′_max-x′_0min)+x′_0min，并得到2℃～35℃大气温度范围内的大气温度对发电功率影响的修正曲线。