基于免疫算法的压气机特性曲线预测方法研究.pdf

收稿日期:基金项目:国家自然科学基金项目()上海发电过程智能管控工程技术研究中心资助项目()作者简介:赵子龙()男黑龙江哈尔滨人硕士研究生基于免疫算法的压气机特性曲线预测方法研究赵子龙康英伟扶文浩(上海电力大学自动化工程学院上海)摘要:针对压气机特性曲线预测精度较低、边界工况点处泛化能力较差的问题提出基于免疫算法()的 神经网络预测模型和 预测模型 同时为研究人工神经网络在压气机特性曲线预测中的应用分别采用极限学习机、以及 神经网络对某型燃气轮机压气机的性能关系进行模拟分析 种神经网络模型在压气机特性曲线预测的优劣程度 结果表明:神经网络模型收敛速度快精度高相对误差百分比更小预测结果有更好的泛化能力且适用于非设计工况条件下压气机特性曲线预测 模型的平均相对误差更小 免疫算法优化的模型可以提高拟合和预测的准确性有利于燃气轮机组的建模与仿真关键词:压气机特性曲线神经网络免疫算法曲线预测分类号:文献标识码:文章编号:()():().:前 言燃气轮机是一种将热能转化至机械功输出的动力机械已被电力发电、船舶、特种军事诸多领域应用 目前国内装备制造业对重型燃气轮机的核心设计不断突破逐步完善热力建模仿真中的压气机模型通过提高压气机特性曲线的预测准确性优化后的燃气轮机模型能够精确的模拟电机暂态运行与稳态运行 压气机模型对机组的控制系统有实质性提升有利于运行维护和人员培训表达式法、插值法和神经网络法可以有效解决压气机特性曲线的预测问题 刘小方等人以曲线相似性为设计核心根据曲线的不同特性位置进行分段拟合并确定表达式参数最终给出压气机特性曲线的函数关系式 房友龙等人利用位置渐变思路去简化采用坐标变换的方法对压气机曲线进行分步拟合并确定各拟合阶次该插值法的应用较为广泛 在设计工况点可通过试验获取特性曲线采用二维插值的方法可确定所需数值 为解决特定转速下的实际运行情形党相懿等人采用基于样条曲线的内插算法来优化基于数据的人工神经网络法可以处理非线性实验数据和预测精度问题 王志涛等人较早建立 和 压气机预测模型并给出相应的拟合结果 涂环等人将曲线拟合、算法两种方式去对比提出具有更高预测精度的模型 黄伟等人提出基于 的神经网络预测模型融合 的全局寻优并优化 算法的阈值和权值 徐思雨等人应用 的算法来处理压气机特第 卷 第 期汽 轮 机 技 术.年 月.性线内插与外推预测精度不高的情形 路绪坤等人研究神经网络算法在压气机特性曲线的应用并比较不同神经网络下的拟合效果所提出的 模型精度更高 诸多学者利用人工神经网络算法做压气机曲线预测的应用研究但少有文献介绍不同智能算法模型间的对比以及优化本研究以某燃气轮机为研究对象为完善传统 神经网络和支持向量机回归()预测精度的不足将免疫算法()引入压气机特性曲线预测中对 神经网络和 进行优化 以压气机流量特性图为例采用、以及 进行优化预测与压气机预测模型进行对比并分析性能差异 压气机模型应用/仿真平台采用面向对象的模块化建模方式可建立某重型燃气轮机的整体模型包括压气机、燃烧室、透平等部分 由于压气机的运行工况复杂变工质运行时有极强的非线性目前还没有足够准确的理论表达式去描述压气机中参数关系压气机模型难以建立 折合流量、压比、效率和折合转速 个参变量的变化关系可以反应压气机通用曲线具体的函数关系式如下:()()()()式中为折合流量 为绝热效率为压比为折合转速通过智能算法对压气机性能曲线进行预测可得到指定转速下的空气流量和效率与常用的插值法比较预测更精确 根据热力性质关系由空气流量可获得燃烧室内的进气流量透平与压气机的运行过程相似透平曲线同样可得到提升 压气机特性曲线基本是在额定工况下通过试车台试验或流量分析获得在变工况状态下压缩运行中工质的热力性质和部件动力关系变化机组内部的设备部件性能会退化或损耗所测得的数据具有可变性和离散化特点 根据统计的实验样本数据和理论分析采用神经网络建模方法完成对压气机特性曲线的精确预测得到变工况状态下不同转速所对应的流量和效率进而优化燃气轮机的整体模型 神经网络模型.神经网络 神经网络可通过优化梯度下降法对样本预测 计算前向信号输出与期望的差值差值以逆向传播的方式逐层调整权值和阈值 选择合适的学习步长提高算法的收敛速度并避免局部最小其拓扑结构如图 所示 ()算法可改善 网络收敛速度慢、易陷入局部最优解的问题但内存占比大易出现过拟合应用思维进化算法()的趋同和异化可优化 网络的初始权值和阈值结合遗传算法的 (图 神经网络拓扑结构图)可改善预测的均方误差.神经网络免疫算法()具有广泛的最优解搜索能力可完成并行求解的搜索过程保持多样性机制在寻优、分类和识别等领域广泛应用 神经网络的算法流程如图 所示图 神经网络的算法流程图 算法的设计思路是针对 算法的不足进一步优化阈值和权值 根据试验原理选定测试集构造学习样本 按照数据节点个数和维度去设定 参数完成初始化网络设定免疫算法基本参数将种群定为独立结构体当种群初次识别抗原时会产生初始抗体群记录每一代的最优适应度值和平均适应度值 计算亲和度及抗体浓度将亲和度较高的抗体加入到记忆细胞 分析获得繁殖概率并建立父代群引入精英保留策略来更新记忆库通过选择、交叉和变异操作再次加入记忆库中抗体形成新种群 按照免疫迭代次数确定最优个体的适应度值并得到新的权值和阈值从而完成对 网络的优化.网络模型支持向量回归机()是通过搜索空间位置的点作为最优模型的可能解经过泛化能力预测值来估计求解最小泛化误差 选取回归参数可提高 模型的拟合精度和泛化能力 惩罚系数 影响模型的泛化能力核函数参数 决定分布时间及置信范围不敏感损失参数 宜适当取大但应避免过拟合微粒群算法()优化 具有良好的学习精度和泛化能力对于分类问题可快速准确检索所需信息并提高正确率从而得到高精度解 压气机低转速运行时性能曲线具有极强的非线性现场数据获取较为困难 对比 算法 算法可在样本数据有限的情况下提高准确率解决低转速运行预测问题.神经网络采用 神经网络应考虑聚类度量问题需选取合适的基函数、逼近算法和迭代算法 本文采用高斯函数为 网络的激活函数通过 函数创建并确定神经元权值、汽 轮 机 技 术 第 卷阈值、期望和标准差 网络结构具有线性关系对权值和阈值修正优化训练方法快速易行收敛速度快且不存在局部最优问题.神经网络极限学习机()具有极快的学习速度和较强的非线性拟合能力预测效果好、效率高且稳定性强 本文采用 函数去训练 仿真环节要保持隐含层节点数和样本数相等避免样本数据复共线性问题 可随机选取输入权值和隐层偏置插值、逼近和分类能力仍可保持不变仅需优化隐含层的神经元个数计算 广义逆矩阵可解析获得输出权值 实例分析.非线性函数为验证 种神经网络预测时的随机性选择式()所示的非线性函数进行拟合函数图形如图 所示 ()图 非线性函数图 从式()的非线性函数中获取 组数据 组作为神经网络训练集剩余的 组数据作为测试集预测函数输出 本文分别建立 神经网络、神经网络、模型、模型以及 模型并利用这 种模型对压气机特性曲线去预测由图 可知上述 种模型测试集样本预测的相对误差百分比在 附近精度基本符合性能曲线要求但由于选取数据时的随机性存在数据相对误差较大 采用 算法和 算法运行时整体误差偏大 相对误差百分比整体在.附近但最大误差百分比在.和 优化 神经网络的误差较小 有更好的预测精度图 不同神经网络的预测误差百分比.数据预处理及模型评价指标图 所示为某型轴流式压气机特性曲线共有 条等转速线分别取转速 .、.、.、.、.、.、.的数据样本作为神经网络训练集 为验证模型的预测效果在每条等转速线选取一定数量的样本点并将 .、.、.的样本数据作为检验数据其中 .是低转速外插值转速 .是样本内插值.是高转速样本外插值图 某型轴流式压气机特性曲线通过 函数对输入数据归一化处理 函数对输出数据反归一化处理 避免数据量级对 种神经网络模型预测的影响同时提高传输函数的计算效率并综合评价 种模型预测程度包括平均绝对误差()、平均绝对百分比误差()、可决系数()和均方根误差()()()()()()()()().结果及分析根据回归评价指标 种神经网络模型拟合预测的性能参数见表 从表 可以得知 种模型的可决系数都非常高 网络模型训练时长最少为.传统算法 与 的误差参数较接近 神经网络模型均方根误差较大训练时间较长整体优化效果不明显 和 两种模型的误差参数较小拟合精度提升基于免疫算法优化后的 神经网络 仅为.优化效果最明显与 模型相比运行时间大幅缩短 表 神经网络模型预测效果对比网络类型/时间/.第 期赵子龙等:基于免疫算法的压气机特性曲线预测方法研究 对比图 压比拟合结果可知在误差允许的范围内上述模型均可描述压气机特性曲线中的压比特性精度满足拟合预测要求 根据拟合结果分析插值工况点的预测效果对于 .时的样本插值点 种模型的预测效果最好对于.时的低转速外插值极限学习机模型和 预测结果误差较大泛化能力较差对于 .时的高转速样本插值 模型部分数据预测偏差较大 模型预测效果不明显边界工况点处的预测效果较差需要进一步提升 神经网络模型显拟合效果得到显著提高结果与初始样本数据更相符与其它 种模型相比较 模型具有更高的预测精度和泛化能力图 压比特性拟合结果对比图 以相对误差百分比的形式呈现分析 种神经网络插值预测结果 模型预测的相对误差百分比综合数值最高 模型在低转速预测误差较大 模型不适合高转速外插值预测 模型整体预测结果较精准采用 预测时低转速样本外插值的折合流量误差百分比均小于 高速内插值的相对误差百分比在.附近分布高转速外插值误差在.左右存在部分数据误差百分比接近 对压气机特性曲线进行拟合时由于边界工况点处的样本只能通过单侧数据进行训练边界外插值的相对误差会略高而对于 .时的高速内插值相对误差普遍较小 但与其它神经网络比较经过免疫算法优化过的 神经网络可以大幅降低相对误差可以更好地对性能曲线进行预测适合应用至燃气轮机的建模与优化图 神经网络插值预测结果对比 结 论()将免疫算法()引入压气机特性曲线预测 算法可更好预测折合流量在低转速插值和高转速内插值的效果 模型的收敛速度更快回归性能参数更好相对误差百分比更小训练时间仅为.预测精度高可以提高边界工况点处的泛化能力对于 神经网络模型的平均相对误差更小但在高转速外插值下的预测输出误差较大泛化能力不强训练时间较长()为研究人工数据网络在压气机特性曲线预测中的应用采用 种神经网络对燃气轮机的压气机特性曲线进行预测对比 结果表明 预测误差最小拟合结果更接近非线性函数选取的样本值绝大多数的预测相对误差百分比小于 精度良好()神经网络能预测非设计工况的压气机特性曲线燃气轮机的整体模型可得到优化有利于机组建模与仿真参 考 文 献 蒋洪德任静李雪英等.重型燃气轮机现状与发展趋势.中国电机工程学报():.孔祥林田晓晶程国强等.中国首台 级 重型燃气轮机的自主研制.天然气工业():.刘小方蒋 磊司品顺等.燃气轮机压气机特性曲线的拟合方法.舰船科学技术():.房友龙刘东风贺 星等.压气机特性曲线精确分步拟合方法研究.燃气涡轮试验与研究():.党相懿杨文广蒋东翔.基于样条曲线的压气机特性内插算法研究.航空发动机():.王志涛李淑英谭智勇.基于 和 神经网络压气机特性曲线拟合方法的研究.汽轮机技术():.涂 环陈 辉.基于 算法的压气机特性建模.内燃机学报():.黄 伟常 俊孙智滨.基于 神经网络的压气机特性曲线预测.重庆理工大学学报(自然科学)():.徐思雨应雨龙等.基于人工蜂群优化支持向量参数的压气机特性线的表达.燃气轮机技术():.路绪坤张士杰等.基于遗传算法的压气机性能曲线拟合方法研究.热能动力工程():.孙 港王军祥郭连军等.基于 智能算法的初始地应力场反演研究/.土木与环境工程学报(中英文):.丁 勇秦晓明何寒晖.支持向量机的参数优化及其文本分类中的应用.计算机仿真():.徐 睿梁 循齐金山等.极限学习机前沿进展与趋势.计算机学报():.孙 江行鸿彦吴佳佳.基于 模型的混沌小信号检测方法.探测与控制学报():.:.汽 轮 机 技 术 第 卷