CN110033024A - 用于空冷供热机组变工况的汽轮机最优滑压曲线获取方法 - Google Patents
用于空冷供热机组变工况的汽轮机最优滑压曲线获取方法 Download PDFInfo
- Publication number
- CN110033024A CN110033024A CN201910195890.9A CN201910195890A CN110033024A CN 110033024 A CN110033024 A CN 110033024A CN 201910195890 A CN201910195890 A CN 201910195890A CN 110033024 A CN110033024 A CN 110033024A
- Authority
- CN
- China
- Prior art keywords
- pressure
- indicate
- data
- steam
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01D—NON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
- F01D21/00—Shutting-down of machines or engines, e.g. in emergency; Regulating, controlling, or safety means not otherwise provided for
- F01D21/003—Arrangements for testing or measuring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mechanical Engineering (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Control Of Turbines (AREA)
Abstract
本发明涉及一种用于空冷供热机组变工况的汽轮机最优滑压曲线获取方法,属于火力发电机组技术领域。计算热耗率,做出主汽压力‑机组负荷关系图,通过“直方图均衡化”方法,分析主汽压力‑机组负荷关系数据密度,经计算后统计密度指数大于0.005的区域个数;进一步对步骤2中的数据进行模糊C均值聚类方法处理,并在每个聚类区间内,将隶属度大于0.99的数据进行保留;进行主汽压力‑机组热耗率关系分析,通过判断使热耗率最低的主汽压力,得到最优压力点;分析并绘制滑压曲线。优点是:大大提高了热耗率计算的计算精度,达到了高精度滑压调度曲线的制定要求,快速、准确、实用,从根本上提高汽轮机热效率,产生良好的经济、环境和社会效益。
Description
技术领域
本发明涉及火力发电机组技术领域,具体涉及一种改进型聚类的汽轮机滑压优化方法。
背景技术
随着我国经济的发展,尤其是电力行业的每年增长,电力供需关系已有所缓和,由于火电机组利用小时数逐年降低,低负荷运行时间增加,导致汽轮机需要长期处于偏离设计工况下运行,故继续沿用原滑压曲线,势必会造成机组效率降低,热耗率增加,严重影响热经济性。
而对于滑压的优化方式,目前现有方法是基于滑压试验,然后经计算对比制定一条滑压曲线,现已被大多数电厂所使用,但需要大量人工参与,无法实现在线优化。也有相关技术人员根据机组运行大数据,研究从数据处理的角度实现滑压优化,但始终没有从实时在线的角度找到一个有效的解决方案,用于实时在线自动滑压优化。
聚类算法分为传统聚类和模糊聚类两大类,传统的聚类分析是一种硬划分,把待识别的对象严格划分为某一类,具有非此即彼的性质,但是在实际情况下,很多对象并不具有严格的属性,它们在形态和类属方面存在着中介性,需要进行软划分。尽管如此,进行聚类分析时,由于需要人工确定聚类区间的个数,故无法实现完全自动化。
发明内容
本发明提供一种用于空冷供热机组变工况的汽轮机最优滑压曲线获取方法,以解决进行聚类分析时,由于需要人工确定聚类区间的个数,故无法实现完全自动化的问题。
本发明采取的技术方案是,包括下列步骤:
步骤1:获取机组相关设计参数,获取机组运行数据、并计算热耗率;
步骤2:根据步骤1获取到的历史运行数据进行背压筛选,相同背压的数据点归为一类,在这个类中筛选出主蒸汽压力Pms和机组负荷P数据,做出主汽压力-机组负荷关系图,即横轴为机组负荷,纵轴为主蒸汽压力;
步骤3:利用步骤2中的主汽压力-机组负荷关系图,通过“直方图均衡化”方法,分析主汽压力-机组负荷关系数据密度,经计算后统计密度指数大于0.005的区域个数;
步骤4:利用步骤3分析的区域个数,进一步对步骤2中的数据进行模糊C均值聚类方法处理,并在每个聚类区间内,将隶属度大于0.99的数据进行保留;
步骤5:利用步骤4得到的各个聚类区间内,进行主汽压力-机组热耗率关系分析,通过判断使热耗率最低的主汽压力,得到最优压力点;
步骤6:根据步骤5得到的各个区域中最优压力点,分析并绘制滑压曲线。
本发明所述步骤1中,获取机组相关设计参数内容为:机组最低稳燃压力、机组额定压力;
其中历史运行数据内容包括主蒸汽压力Pms(Mpa)、主蒸汽温度Tms(℃)、主汽流量Fms(t/h)、再热蒸汽压力Fhrh(Mpa)、再热蒸汽温度Thrh(℃)、主给水流量Ffw(t/h)、主给水温度Tfw(℃)、机组背压Pb(kpa)、机组供热抽汽流量Fg(t/h)、第一个高压加热器的抽汽压力P1(Mpa);一段抽汽温度T1(℃)、第一个高压加热器入口水温Tfi1(℃)、第一个高压加热器正常疏水温度Td1(℃)、第一个高压加热器出口水温Tfo1(℃)、第二个高压加热器的抽汽压力P2(Mpa)、二段抽汽温度T2(℃)、第二个高压加热器入口水温Tfi2(℃)、第二个高压加热器正常疏水温度Td2(℃)、第二个高压加热器出口水温Tfo2、过热减温水温度Tshsp(℃)、过热减温水流量Fshsp(t/h)、再热减温水温度Trhsp(℃)和再热减温水流量Frhsp(t/h)、机组负荷P(MW);
本发明所述步骤1中,根据历史运行数据,计算机组热耗率,具体方法如下公式1实现:
再热蒸汽流量Fhrh通过如下公式2实现的具体方式为:
Fhrh=Fms-F1-F2 (2)
其中,
HR表示机组热耗率;P表示机组负荷;
Fms表示主蒸汽流量;
Hms表示主蒸汽焓;Hms的值可根据IAPWS-IF97软件利用机组运行数据Pms、Tms获得;
Ffw表示主给水流量;
Hfw表示主给水焓;Hfw的值根据IAPWS-IF97软件利用机组运行数据Tfw获得;
Fhrh表示再热蒸汽流量;
Hhrh表示再热蒸汽焓;Hhrh的值可根据IAPWS-IF97软件利用机组运行数据Phrh、Thrh获得;
Fcrh表示再热冷段蒸汽流量;
Hcrh表示再热冷段蒸汽焓;Hcrh的值可根据IAPWS-IF97软件利用机组运行数据P2、T2获得;
Fshsp表示过热减温水流量;
Hshsp表示过热减温水焓;Hshsp的值可根据IAPWS-IF97软件利用机组运行数据Tshsp获得;
Frhsp表示再热减温水流量;
Hrhsp表示再热减温水焓;Hrhsp的值可根据IAPWS-IF97软件利用机组运行数据Trhsp获得;
F1和F2均表示中间变量;
hfo1表示汽轮机组的第一个高压加热器出口水焓;hfo1可根据机组运行数据中的第一个高压加热器出口水温Tfo1通过IAPWS-IF97软件获得;
hfi1表示汽轮机组的第一个高压加热器入口水焓;hfi1可根据机组运行数据中的第一个高压加热器入口水温Tfi1通过IAPWS-IF97软件获得;
h1表示汽轮机组的第一个高压加热器抽汽焓;h1可根据机组运行数据中的一段抽汽温度T1通过IAPWS-IF97软件获得;
hd1表示汽轮机组的第一个高压加热器正常疏水焓;hd1可根据机组运行数据中的第一个高压加热器正常疏水温度Td1通过IAPWS-IF97软件获得;
hfo2表示汽轮机组的第二个高压加热器出口水焓;hfo2可根据机组运行数据中的第二个高压加热器出口水温Tfo2通过查表获得;
hfi2表示汽轮机组的第二个高压加热器入口水焓;hfi2可根据机组运行数据中的第二个高压加热器入口水温Tfi2通过IAPWS-IF97软件获得;
h2表示汽轮机组的第二个高压加热器抽汽焓;h2可根据机组运行数据中的二段抽汽温度T2通过IAPWS-IF97软件获得;
hd2表示汽轮机组的第二个高压加热器正常疏水焓;hd2可根据机组运行数据中的第二个高压加热器正常疏水温度Td2通过IAPWS-IF97软件获得;
Fcrh与F2的值相等,Tfi1与Tfo2的值相等;
本发明所述步骤3的具体步骤如下:
将步骤2中的主汽压力与机组负荷数据进行归一化处理,然后进行分割后生成为一组b*b的矩阵,其中b一般取大于100的整数,并将这个矩阵放在图像中;
设变量r代表图像中像素灰度级,对灰度级进行归一化处理,则0≤r≤1,其中r=0表示黑,r=1表示白。用概率密度函数Pr(r)来表示图像灰度级的分布,则在离散形式下,用rk代表离散灰度级的矩阵,k代表矩阵中各个元素的编号,则可用Pr(rk)代表Pr(r)所在的矩阵,并且下式成立:
其中,0≤rk≤1,k=0,1,2,…,z-1。式中zk为图像中出现rk这种灰度的像素数,z是图像中的像素总数。故图像进行直方图均衡化的函数表达式为:
利用上述关系,计算在b*b矩阵中每个数据点的概率密度,即可得到对样本密度分析的结果,并统计密度指数大于0.005的区域个数c;
本发明所述步骤4的具体步骤如下:
定义一个FCM目标函数式(5)及其约束条件式(6)如下所示:
其中,x为数据集合,c步骤3统计出的区域个数,j为样本数据,uij为隶属度;
首先采用拉格朗日乘数法将约束条件拿到目标函数中去,前面加上系数并把式(5)的所有j展开,那么公式(5)变成下列所示:
进一步地,分别对uij、ci求导。对第一部分的两级求和的uij求导,其求和展开如下所示:
对矩阵(8)求导,可以看到只有uij对应的保留,其他的所有项中因为不含有uij,所以求导都为0,那么对uij求导后就为再将后项对求导,把求和展开,除去导数为0项,则求导结果就是λj;
进一步地,J对uij求导的结果并让其等于0:
解出uij结果为:
进一步地:
这里重新使用公式(8)的约束条件,并把计算出的uij代入式(8)中,再将结果重新代入至公式(13),则得出uij的最终迭代公式:
同理,可得出J对ci的导数,即为聚类中心的迭代公式:
进一步地,进行迭代计算直至收敛,即得到以聚类中心为ci的各个聚类区间,通过保留属度大于0.99的数据后,将各个聚类区间于原数据归一化结果进行对比,做出横轴为机组负荷归一化结果,纵轴为主蒸汽压力归一化结果图;
本发明所述步骤5的具体步骤如下:
在每个聚类区间内,做出以横轴为主汽压力,纵轴为机组热耗率的关系图,通过比较各个压力点的热耗率,找到热耗率最低的点,即为最优压力点;
本发明所述步骤6的具体步骤如下:
根据步骤5得到的各个区域中最优压力点,利用最小二乘法获得一条拟合直线,再利用机组最低稳燃压力与机组额定压力,得到一条优化后的滑压优化曲线。
本发明的优点是:1)对热力***的状态进行了有效的检测,提供了可靠的数据支持,通过对机组运行大数据的有效利用,大大提高了热耗率计算的计算精度,提供了更大的优化点选择区间,达到了高精度滑压调度曲线的制定要求。
2)利用模糊C均值聚类进行汽轮机组滑压运行特性的模型建立,表现出优良的的非线性映射能力,能够较为准确地对汽轮机组滑压运行热力试验数据进行归类,利用此模型求取汽轮机组滑运行的最优滑压点,与传统方法相比,具有快速、准和实用的优点。
3)有效解决各种负荷工况的滑压优化点的自动化问题,不仅能够实现减少人工干预,还可以高度自动化完成在线滑压优化过程,从根本上提高汽轮机热效率,产生良好的经济、环境和社会效益。
附图说明
图1是本发明步骤流程图;
图2是实例中600MW机组运行数据关系图;
图3是实例中分析数据密度进行直方图均衡化处理结果;
图4是实例中进行FCM聚类后的结果;
图5分析区域1的压力与热耗率关系结果;
图6分析区域2的压力与热耗率关系结果;
图7分析区域3的压力与热耗率关系结果;
图8分析区域4的压力与热耗率关系结果;
图9滑压优化结果。
具体实施方式
步骤1:获取机组相关设计参数,获取机组历史运行数据、并计算热耗率;
获取机组相关设计参数内容为:机组最低稳燃压力、机组额定压力;
其中历史运行数据内容包括主蒸汽压力Pms(Mpa)、主蒸汽温度Tms(℃)、主汽流量Fms(t/h)、再热蒸汽压力Fhrh(Mpa)、再热蒸汽温度Thrh(℃)、主给水流量Ffw(t/h)、主给水温度Tfw(℃)、机组背压Pb(kpa)、机组供热抽汽流量Fg(t/h)、第一个高压加热器的抽汽压力P1(Mpa);一段抽汽温度T1(℃)、第一个高压加热器入口水温Tfi1(℃)、第一个高压加热器正常疏水温度Td1(℃)、第一个高压加热器出口水温Tfo1(℃)、第二个高压加热器的抽汽压力P2(Mpa)、二段抽汽温度T2(℃)、第二个高压加热器入口水温Tfi2(℃)、第二个高压加热器正常疏水温度Td2(℃)、第二个高压加热器出口水温Tfo2、过热减温水温度Tshsp(℃)、过热减温水流量Fshsp(t/h)、再热减温水温度Trhsp(℃)和再热减温水流量Frhsp(t/h)、机组负荷P(MW);
根据历史运行数据,计算机组热耗率,具体方法如下公式1实现:
再热蒸汽流量Fhrh通过如下公式2实现的具体方式为:
Fhrh=Fms-F1-F2 (2)
其中,
HR表示机组热耗率;P表示机组负荷;
Fms表示主蒸汽流量;
Hms表示主蒸汽焓;Hms的值可根据IAPWS-IF97软件利用机组运行数据Pms、Tms获得;
Ffw表示主给水流量;
Hfw表示主给水焓;Hfw的值根据IAPWS-IF97软件利用机组运行数据Tfw获得;
Fhrh表示再热蒸汽流量;
Hhrh表示再热蒸汽焓;Hhrh的值可根据IAPWS-IF97软件利用机组运行数据Phrh、Thrh获得;
Fcrh表示再热冷段蒸汽流量;
Hcrh表示再热冷段蒸汽焓;Hcrh的值可根据IAPWS-IF97软件利用机组运行数据P2、T2获得;
Fshsp表示过热减温水流量;
Hshsp表示过热减温水焓;Hshsp的值可根据IAPWS-IF97软件利用机组运行数据Tshsp获得;
Frhsp表示再热减温水流量;
Hrhsp表示再热减温水焓;Hrhsp的值可根据IAPWS-IF97软件利用机组运行数据Trhsp获得;
F1和F2均表示中间变量;
hfo1表示汽轮机组的第一个高压加热器出口水焓;hfo1可根据机组运行数据中的第一个高压加热器出口水温Tfo1通过IAPWS-IF97软件获得;
hfi1表示汽轮机组的第一个高压加热器入口水焓;hfi1可根据机组运行数据中的第一个高压加热器入口水温Tfi1通过IAPWS-IF97软件获得;
h1表示汽轮机组的第一个高压加热器抽汽焓;h1可根据机组运行数据中的一段抽汽温度T1通过IAPWS-IF97软件获得;
hd1表示汽轮机组的第一个高压加热器正常疏水焓;hd1可根据机组运行数据中的第一个高压加热器正常疏水温度Td1通过IAPWS-IF97软件获得;
hfo2表示汽轮机组的第二个高压加热器出口水焓;hfo2可根据机组运行数据中的第二个高压加热器出口水温Tfo2通过查表获得;
hfi2表示汽轮机组的第二个高压加热器入口水焓;hfi2可根据机组运行数据中的第二个高压加热器入口水温Tfi2通过IAPWS-IF97软件获得;
h2表示汽轮机组的第二个高压加热器抽汽焓;h2可根据机组运行数据中的二段抽汽温度T2通过IAPWS-IF97软件获得;
hd2表示汽轮机组的第二个高压加热器正常疏水焓;hd2可根据机组运行数据中的第二个高压加热器正常疏水温度Td2通过IAPWS-IF97软件获得;
优选的实施方式为:Fcrh与F2的值相等,Tfi1与Tfo2的值相等;
根据上述过程,即可得到热耗率计算结果;
步骤2:根据步骤1获取到的历史运行数据进行背压筛选,相同背压的数据点归为一类,在这个类中筛选出主蒸汽压力Pms和机组负荷P数据,做出主汽压力-机组负荷关系图,即横轴为机组负荷,纵轴为主蒸汽压力,如图2所示;
步骤3:利用步骤2中的主汽压力-机组负荷关系图,通过“直方图均衡化”方法,分析主汽压力-机组负荷关系数据密度,经计算后统计密度指数大于0.005的区域个数;具体步骤如下:
将步骤2中的主汽压力与机组负荷数据进行归一化处理,然后进行分割后生成为一组b*b的矩阵,其中b一般取大于100的整数,并将这个矩阵放在图像中;
设变量r代表图像中像素灰度级,对灰度级进行归一化处理,则0≤r≤1,其中r=0表示黑,r=1表示白。用概率密度函数Pr(r)来表示图像灰度级的分布,则在离散形式下,用rk代表离散灰度级的矩阵,k代表矩阵中各个元素的编号,则可用Pr(rk)代表Pr(r)所在的矩阵,并且下式成立:
其中,0≤rk≤1,k=0,1,2,…,z-1。式中zk为图像中出现rk这种灰度的像素数,z是图像中的像素总数。故图像进行直方图均衡化的函数表达式为:
利用上述关系,计算在b*b矩阵中每个数据点的概率密度,即可得到对样本密度分析的结果,并统计密度指数大于0.005的区域个数c,如图3所示;
步骤4:利用步骤3统计出的区域个数c,进一步对步骤2中的数据进行模糊C均值聚类方法(FCM)处理,并在每个聚类区间内,将隶属度大于0.99的数据进行保留,具体操作步骤为:
定义一个FCM目标函数式(5)及其约束条件式(6)如下所示:
其中,x为数据集合,c步骤3统计出的区域个数,j为样本数据,uij为隶属度;
首先采用拉格朗日乘数法将约束条件拿到目标函数中去,前面加上系数并把式(5)的所有j展开,那么公式(5)变成下列所示:
进一步地,分别对uij、ci求导。对第一部分的两级求和的uij求导,其求和展开如下所示:
对矩阵(8)求导,可以看到只有uij对应的保留,其他的所有项中因为不含有uij,所以求导都为0,那么对uij求导后就为再将后项对求导,把求和展开,除去导数为0项,则求导结果就是λj;
进一步地,J对uij求导的结果并让其等于0:
解出uij结果为:
进一步地:
这里重新使用公式(8)的约束条件,并把计算出的uij代入式(8)中,再将结果重新代入至公式(13),则得出uij的最终迭代公式:
同理,可得出J对ci的导数,即为聚类中心的迭代公式:
进一步地,进行迭代计算直至收敛,即得到以聚类中心为ci的各个聚类区间,通过保留属度大于0.99的数据后,将各个聚类区间于原数据归一化结果进行对比,做出横轴为机组负荷归一化结果,纵轴为主蒸汽压力归一化结果图,如图4所示;
步骤5:利用步骤4得到的各个聚类区间内,进行主汽压力-机组热耗率关系分析,通过判断使热耗率最低的主汽压力,得到最优压力点,具体步骤如下:
在每个聚类区间内,做出以横轴为主汽压力,纵轴为机组热耗率的关系图,通过比较各个压力点的热耗率,找到热耗率最低的点,即为最优压力点;如图5-图8所示。
步骤6:根据步骤5得到的各个区域中最优压力点,分析并绘制滑压曲线,具体步骤如下:
根据步骤5得到的各个区域中最优压力点,利用最小二乘法获得一条拟合直线,再利用机组最低稳燃压力与机组额定压力,得到一条优化后的滑压优化曲线。如图9所示。
Claims (7)
1.一种用于空冷供热机组变工况的汽轮机最优滑压曲线获取方法,其特征在于,包括下列步骤:
步骤1:获取机组相关设计参数,获取机组运行数据、并计算热耗率;
步骤2:根据步骤1获取到的历史运行数据进行背压筛选,相同背压的数据点归为一类,在这个类中筛选出主蒸汽压力Pms和机组负荷P数据,做出主汽压力-机组负荷关系图,即横轴为机组负荷,纵轴为主蒸汽压力;
步骤3:利用步骤2中的主汽压力-机组负荷关系图,通过“直方图均衡化”方法,分析主汽压力-机组负荷关系数据密度,经计算后统计密度指数大于0.005的区域个数;
步骤4:利用步骤3分析的区域个数,进一步对步骤2中的数据进行模糊C均值聚类方法处理,并在每个聚类区间内,将隶属度大于0.99的数据进行保留;
步骤5:利用步骤4得到的各个聚类区间内,进行主汽压力-机组热耗率关系分析,通过判断使热耗率最低的主汽压力,得到最优压力点;
步骤6:根据步骤5得到的各个区域中最优压力点,分析并绘制滑压曲线。
2.根据权利要求1所述的一种用于空冷供热机组变工况的汽轮机最优滑压曲线获取方法,其特征在于,所述步骤1中,获取机组相关设计参数内容为:机组最低稳燃压力、机组额定压力;
其中历史运行数据内容包括主蒸汽压力Pms(Mpa)、主蒸汽温度Tms(℃)、主汽流量Fms(t/h)、再热蒸汽压力Fhrh(Mpa)、再热蒸汽温度Thrh(℃)、主给水流量Ffw(t/h)、主给水温度Tfw(℃)、机组背压Pb(kpa)、机组供热抽汽流量Fg(t/h)、第一个高压加热器的抽汽压力P1(Mpa);一段抽汽温度T1(℃)、第一个高压加热器入口水温Tfi1(℃)、第一个高压加热器正常疏水温度Td1(℃)、第一个高压加热器出口水温Tfo1(℃)、第二个高压加热器的抽汽压力P2(Mpa)、二段抽汽温度T2(℃)、第二个高压加热器入口水温Tfi2(℃)、第二个高压加热器正常疏水温度Td2(℃)、第二个高压加热器出口水温Tfo2、过热减温水温度Tshsp(℃)、过热减温水流量Fshsp(t/h)、再热减温水温度Trhsp(℃)和再热减温水流量Frhsp(t/h)、机组负荷P(MW)。
3.根据权利要求1所述的一种用于空冷供热机组变工况的汽轮机最优滑压曲线获取方法,其特征在于,所述步骤1中,根据历史运行数据,计算机组热耗率,具体方法如下公式1实现:
再热蒸汽流量Fhrh通过如下公式2实现的具体方式为:
Fhrh=Fms-F1-F2 (2)
其中,
HR表示机组热耗率;P表示机组负荷;
Fms表示主蒸汽流量;
Hms表示主蒸汽焓;Hms的值根据IAPWS-IF97软件利用机组运行数据Pms、Tms获得;
Ffw表示主给水流量;
Hfw表示主给水焓;Hfw的值根据IAPWS-IF97软件利用机组运行数据Tfw获得;
Fhrh表示再热蒸汽流量;
Hhrh表示再热蒸汽焓;Hhrh的值根据IAPWS-IF97软件利用机组运行数据Phrh、Thrh获得;
Fcrh表示再热冷段蒸汽流量;
Hcrh表示再热冷段蒸汽焓;Hcrh的值根据IAPWS-IF97软件利用机组运行数据P2、T2获得;
Fshsp表示过热减温水流量;
Hshsp表示过热减温水焓;Hshsp的值根据IAPWS-IF97软件利用机组运行数据Tshsp获得;
Frhsp表示再热减温水流量;
Hrhsp表示再热减温水焓;Hrhsp的值根据IAPWS-IF97软件利用机组运行数据Trhsp获得;
F1和F2均表示中间变量;
hfo1表示汽轮机组的第一个高压加热器出口水焓;hfo1根据机组运行数据中的第一个高压加热器出口水温Tfo1通过IAPWS-IF97软件获得;
hfi1表示汽轮机组的第一个高压加热器入口水焓;hfi1根据机组运行数据中的第一个高压加热器入口水温Tfi1通过IAPWS-IF97软件获得;
h1表示汽轮机组的第一个高压加热器抽汽焓;h1根据机组运行数据中的一段抽汽温度T1通过IAPWS-IF97软件获得;
hd1表示汽轮机组的第一个高压加热器正常疏水焓;hd1根据机组运行数据中的第一个高压加热器正常疏水温度Td1通过IAPWS-IF97软件获得;
hfo2表示汽轮机组的第二个高压加热器出口水焓;hfo2根据机组运行数据中的第二个高压加热器出口水温Tfo2通过查表获得;
hfi2表示汽轮机组的第二个高压加热器入口水焓;hfi2根据机组运行数据中的第二个高压加热器入口水温Tfi2通过IAPWS-IF97软件获得;
h2表示汽轮机组的第二个高压加热器抽汽焓;h2根据机组运行数据中的二段抽汽温度T2通过IAPWS-IF97软件获得;
hd2表示汽轮机组的第二个高压加热器正常疏水焓;hd2根据机组运行数据中的第二个高压加热器正常疏水温度Td2通过IAPWS-IF97软件获得;
Fcrh与F2的值相等,Tfi1与Tfo2的值相等。
4.根据权利要求1所述的一种用于空冷供热机组变工况的汽轮机最优滑压曲线获取方法,其特征在于,所述步骤3的具体步骤如下:
将步骤2中的主汽压力与机组负荷数据进行归一化处理,然后进行分割后生成为一组b*b的矩阵,其中b一般取大于100的整数,并将这个矩阵放在图像中;
设变量r代表图像中像素灰度级,对灰度级进行归一化处理,则0≤r≤1,其中r=0表示黑,r=1表示白,用概率密度函数Pr(r)来表示图像灰度级的分布,则在离散形式下,用rk代表离散灰度级的矩阵,k代表矩阵中各个元素的编号,则可用Pr(rk)代表Pr(r)所在的矩阵,并且下式成立:
其中,0≤rk≤1,k=0,1,2,…,z-1,式中zk为图像中出现rk这种灰度的像素数,z是图像中的像素总数,故图像进行直方图均衡化的函数表达式为:
利用上述关系,计算在b*b矩阵中每个数据点的概率密度,即可得到对样本密度分析的结果,并统计密度指数大于0.005的区域个数c。
5.根据权利要求1所述的一种用于空冷供热机组变工况的汽轮机最优滑压曲线获取方法,其特征在于,所述步骤4的具体步骤如下:
定义一个FCM目标函数式(5)及其约束条件式(6)如下所示:
其中,x为数据集合,c步骤3统计出的区域个数,j为样本数据,uij为隶属度;
首先采用拉格朗日乘数法将约束条件拿到目标函数中去,前面加上系数并把式(5)的所有j展开,那么公式(5)变成下列所示:
进一步地,分别对uij、ci求导,对第一部分的两级求和的uij求导,其求和展开如下所示:
对矩阵(8)求导,可以看到只有uij对应的保留,其他的所有项中因为不含有uij,所以求导都为0,那么对uij求导后就为再将后项对求导,把求和展开,除去导数为0项,则求导结果就是λj;
进一步地,J对uij求导的结果并让其等于0:
解出uij结果为:
进一步地:
这里重新使用公式(8)的约束条件,并把计算出的uij代入式(8)中,再将结果重新代入至公式(13),则得出uij的最终迭代公式:
同理,可得出J对ci的导数,即为聚类中心的迭代公式:
进一步地,进行迭代计算直至收敛,即得到以聚类中心为ci的各个聚类区间,通过保留属度大于0.99的数据后,将各个聚类区间于原数据归一化结果进行对比,做出横轴为机组负荷归一化结果,纵轴为主蒸汽压力归一化结果图。
6.根据权利要求1所述的一种用于空冷供热机组变工况的汽轮机最优滑压曲线获取方法,其特征在于,所述步骤6的具体步骤如下:
在每个聚类区间内,做出以横轴为主汽压力,纵轴为机组热耗率的关系图,通过比较各个压力点的热耗率,找到热耗率最低的点,即为最优压力点。
7.根据权利要求1所述的一种用于空冷供热机组变工况的汽轮机最优滑压曲线获取方法,其特征在于,所述步骤6的具体步骤如下:
根据步骤5得到的各个区域中最优压力点,利用最小二乘法获得一条拟合直线,再利用机组最低稳燃压力与机组额定压力,得到一条优化后的滑压优化曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910195890.9A CN110033024A (zh) | 2019-03-15 | 2019-03-15 | 用于空冷供热机组变工况的汽轮机最优滑压曲线获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910195890.9A CN110033024A (zh) | 2019-03-15 | 2019-03-15 | 用于空冷供热机组变工况的汽轮机最优滑压曲线获取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110033024A true CN110033024A (zh) | 2019-07-19 |
Family
ID=67236059
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910195890.9A Pending CN110033024A (zh) | 2019-03-15 | 2019-03-15 | 用于空冷供热机组变工况的汽轮机最优滑压曲线获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110033024A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111535880A (zh) * | 2020-05-11 | 2020-08-14 | 国电南京电力试验研究有限公司 | 汽轮机优化运行方法 |
CN111794813A (zh) * | 2020-06-30 | 2020-10-20 | 中国神华能源股份有限公司国华电力分公司 | 汽轮机运行性能监测方法、装置及电子设备 |
CN116341087A (zh) * | 2023-05-30 | 2023-06-27 | 华能(天津)能源销售有限责任公司 | 一种供热区域图像构建方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8295596B1 (en) * | 2005-12-07 | 2012-10-23 | Marvell International Ltd. | Adaptive histogram-based video contrast enhancement |
CN103377468A (zh) * | 2012-04-26 | 2013-10-30 | 上海竞天科技股份有限公司 | 图像处理装置及图像处理方法 |
CN106089328A (zh) * | 2016-08-10 | 2016-11-09 | 西安热工研究院有限公司 | 基于dcs数据挖掘的汽轮机调门流量特性曲线辨识方法 |
CN109035245A (zh) * | 2018-08-17 | 2018-12-18 | 西安交通大学 | 基于灰度变化特征分析的无损射线底片灵敏度判别方法 |
CN109086551A (zh) * | 2018-08-28 | 2018-12-25 | 黑龙江苑博信息技术有限公司 | 一种适用于空冷供热机组变工况的汽轮机最优滑压曲线获取方法 |
CN109299582A (zh) * | 2018-12-03 | 2019-02-01 | 黑龙江苑博信息技术有限公司 | 基于机组运行大数据多维排序的汽轮机滑压曲线优化方法 |
-
2019
- 2019-03-15 CN CN201910195890.9A patent/CN110033024A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8295596B1 (en) * | 2005-12-07 | 2012-10-23 | Marvell International Ltd. | Adaptive histogram-based video contrast enhancement |
CN103377468A (zh) * | 2012-04-26 | 2013-10-30 | 上海竞天科技股份有限公司 | 图像处理装置及图像处理方法 |
CN106089328A (zh) * | 2016-08-10 | 2016-11-09 | 西安热工研究院有限公司 | 基于dcs数据挖掘的汽轮机调门流量特性曲线辨识方法 |
CN109035245A (zh) * | 2018-08-17 | 2018-12-18 | 西安交通大学 | 基于灰度变化特征分析的无损射线底片灵敏度判别方法 |
CN109086551A (zh) * | 2018-08-28 | 2018-12-25 | 黑龙江苑博信息技术有限公司 | 一种适用于空冷供热机组变工况的汽轮机最优滑压曲线获取方法 |
CN109299582A (zh) * | 2018-12-03 | 2019-02-01 | 黑龙江苑博信息技术有限公司 | 基于机组运行大数据多维排序的汽轮机滑压曲线优化方法 |
Non-Patent Citations (2)
Title |
---|
朱钰森: "热电锅炉燃烧过程建模与运行优化研究", 《中国优秀硕士学位论文全文数据库(电子期刊)》 * |
秦绪华 等: "基于改进k-means算法的电站最优外部运行工况划分", 《热力发电》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111535880A (zh) * | 2020-05-11 | 2020-08-14 | 国电南京电力试验研究有限公司 | 汽轮机优化运行方法 |
CN111535880B (zh) * | 2020-05-11 | 2022-07-12 | 国能南京电力试验研究有限公司 | 汽轮机优化运行方法 |
CN111794813A (zh) * | 2020-06-30 | 2020-10-20 | 中国神华能源股份有限公司国华电力分公司 | 汽轮机运行性能监测方法、装置及电子设备 |
CN116341087A (zh) * | 2023-05-30 | 2023-06-27 | 华能(天津)能源销售有限责任公司 | 一种供热区域图像构建方法及*** |
CN116341087B (zh) * | 2023-05-30 | 2023-07-28 | 华能(天津)能源销售有限责任公司 | 一种供热区域图像构建方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110033024A (zh) | 用于空冷供热机组变工况的汽轮机最优滑压曲线获取方法 | |
CN104048842B (zh) | 一种基于软测量技术的汽轮机热耗率在线监测方法 | |
CN108090663B (zh) | 供热机组深度调峰最低出力的评估方法及*** | |
CN104035331B (zh) | 机组运行优化指导***及其设备 | |
CN106089328A (zh) | 基于dcs数据挖掘的汽轮机调门流量特性曲线辨识方法 | |
CN103530504A (zh) | 热电联产机组以热定电下可行运行区间的计算***及方法 | |
CN104750973B (zh) | 基于数据平滑度函数的机组负荷(准)稳态工况聚类算法 | |
CN108363844B (zh) | 一种航空发动机启动过程排气温度预测方法 | |
CN108647809A (zh) | 一种基于最小二乘支持向量机的汽轮机排汽焓实时计算方法 | |
CN112365045A (zh) | 一种基于大数据的主蒸汽温度智能预测方法 | |
CN104156882A (zh) | 基于等效焓降及弗留格尔公式计算热力发电厂变工况方法 | |
CN109507972A (zh) | 基于分层式非高斯监测算法的工业生产过程故障监测方法 | |
CN109299582A (zh) | 基于机组运行大数据多维排序的汽轮机滑压曲线优化方法 | |
CN110413601A (zh) | 一种基于高斯朴素贝叶斯分类器和预报误差法相结合的发电机组辨识数据筛选方法 | |
CN112417764A (zh) | 一种面向锅炉特种设备蒸汽量预测的k近邻回归预测方法 | |
CN114757269A (zh) | 一种基于局部子空间-邻域保持嵌入的复杂过程精细化故障检测方法 | |
CN112765746B (zh) | 基于多项式混沌的涡轮叶顶气热性能不确定性量化*** | |
CN106761967B (zh) | 机侧蒸汽参数测量偏差对机组耗煤成本的评估方法及*** | |
CN110059388B (zh) | 核电厂冷凝器沿工质流动方向的参数分布建模仿真方法 | |
CN109709911B (zh) | 一种火电机组循环工质外漏在线测量方法及测量*** | |
CN112127957B (zh) | 一种火电厂汽轮机主蒸汽流量的测量方法 | |
CN110702438B (zh) | 一种离心式冷水机组与新风***联合故障诊断方法 | |
CN110110411A (zh) | 一种湿式冷却塔自适应建模方法 | |
CN116029433A (zh) | 基于灰色预测的能效基准值判定方法、***、设备和介质 | |
CN115014454A (zh) | 一种火电机组主蒸汽流量软测量方法、***、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190719 |