基于神经网络的汽轮机运行初压优化研究.pdf

第52 卷第3 期2023年0 9 月文章编号：16 7 2-5549(2 0 2 3)0 3-0 19 4-0 5基于神经网络的汽轮机运行初压优化研究孙良海，郭建”，李永利，耿铭”，余洁?（1.国能太仓发电有限公司，太仓2 1543 3；2.上海汽轮机厂有限公司，上海2 0 0 2 40）摘要：针对传统滑压曲线在实际应用中不符合现场背压变化的实际情况的问题，以某6 3 0 MW超临界汽轮机为研究对象，提出了全负荷工况、多边界条件下的滑压曲线优化方案。以汽轮机初压寻优试验数据为基础，通过对试验数据进行背压修正，获得了全背压工况下全负荷段的优化初压与热耗率关系的曲线簇。基于试验修正数据，以负荷、背压、主再热蒸汽参数等作为边界条件进行现场运行数据筛选，使用筛选后的运行数据进行初压优化模型训练，并通过对比初压和热耗率的预测值与真实值验证了模型的准确性。分析表明：该模型可以根据机组实际运行的边界条件求得当前工况下优化后的初压与优化后的热耗率；在相同边界条件工况下，初压优化后热耗率相比于实际运行热耗率处于较低水平，这表明该模型具有一定的优化效果。基于所建模型开发了一套汽轮机初压优化系统，为现场运行人员提供运行指导。关键词：初压优化；全背压工况；热耗率；神经网络；滑压曲线中图分类号：TK262Optimization of Initial Pressure in Steam Turbine OperationSUN Lianghai,GUO Jian,LI Yonglil,GENG Mingyao,YU Jie?(1.Guoneng Taicang Power Generation Co.,Ltd.,Taicang 215433,China;2.Shanghai Turbine Works Co.,Ltd.,Shanghai 200240,China)Abstract:To solve the problem that the traditional sliding pressure curve is not in agreement with the actualchange of back pressure at site,the optimization scheme of sliding pressure curve in condition of full load and multi-boundaries is proposed with a 630 MW supercritical steam turbine being used as research objective.Based on the testdata of initial pressure optimization of steam turbine,the cluster of curves showing relationships between heat rate andoptimized initial pressure in the full load section under full back pressure is obtained by modifying the test data.Based on the modified test data,the load,back pressure,main steam parameters and reheat steam parameters etc.are taken as the boundary conditions to conduct the screening of operation data.Adopting the screened operation data,the initial pressure optimization model is trained,and the accuracy of the model is verified by comparing the predictvalues and real values of initial pressure and heat rate.The analysis shows that the model can be used to obtain theoptimized initial pressure and heat rate according to the boundary conditions of actual operation.In the same boundaryconditions,the heat rate after optimization of initial pressure is at a lower level compared with that in actual operation,so it is indicated that the model has a certain optimization effect.Based on this model,an optimization system ofinitial pressure for steam turbine is developed to provide guidance for field operators.Key words:initial pressure optimization;full back pressure condition;heat rate;neural network;sliding pressurecurve“十四五”是我国实现碳达峰、碳中和”目标的关键阶段,要求火力发电企业加大节能降耗力度。目前国内越来越多的大容量高参数机组在承热力透平THERMALTURBINE文献标志码：Adoi:10.13707/ki.31-1922/th.2023.03.006Based on Neural Network担基本用电负荷的情况下参与调峰 ,这使得机组宽负荷运行成为常态。为适应调峰需求并提高机组变工况运行下的经济性，大部分火电机组普Vol.52No.3Sep.2023收稿日期：2 0 2 3-0 2-0 9作者简介：孙良海（19 8 4一），男，毕业于中国矿业大学，本科，高级工程师，主要从事火力发电厂技术管理工作。194修订日期：2 0 2 3-0 6-2 1基于神经网络的汽轮机运行初压优化研究遍采用滑压运行方式 2-3 目前，汽轮机在实际运行中一般都是按照厂家提供的设计滑压曲线确定初压 4,该曲线是基于设计工况参数，通过热力计算确定的，通常为设计背压下关于机组负荷的一元函数。然而，由于机组实际运行参数常偏离设计值，当实际运行工况与设计工况存在较大偏差，如冬夏季背压偏离设计值较大时，采用基于设计工况的初压推荐值则不尽合理,其往往与实际工况下的最优初压存在偏差。因此需根据实际运行工况确定当前的最优初压。优化滑压曲线的常用方法有3 种，分别为热力试验、机理建模和数据建模。在热力试验方面，范鑫等 5 和万杰等 通过汽轮机热力性能试验获得了多组背压下的滑压曲线，在实际运行中根据不同的机组背压选取不同的滑压曲线，以确定汽轮机初压。然而机组热力性能试验需要耗费大量的人力财力，且随着机组老化，机组当前的实际运行特性会偏离历史性能试验结果。在机理建模方面,李萍 7 建立了汽轮机系统各设备的机理特性模型,并根据各系统参数之间的关系联结模型，形成汽轮机系统特性模型，以研究运行初压优化问题。熊帅敏 8 通过理论计算得到汽轮机调节级的特性曲线，并以此曲线为依据，分析主蒸汽可行压力区间,最后以此为依据对滑压运行优化试验提供理论指导，得到了新的滑压运行指导曲线。但是机理建模过程复杂，且通常会简化部分边界条件，导致其与实际运行存在一定的偏差。在数据建模方面,刘伟等 9 以某10 0 0 MW机组9 6 组性能试验数据为基础,利用神经网络训练机组热耗模型，基于该热耗模型建立了初压优化模型，但是该模型中性能试验数据样本较少，且覆盖工况不全，无法准确描述机组全工况的热耗特性。本文以某6 3 0 MW超临界汽轮机为研究对象，以机组初压寻优试验数据为基础，筛选现场实际运行数据，建立机组初压优化神经网络模型 10 ,对初压进行优化,通过对比优化后热耗率与实际运行热耗率,验证该模型的有效性,并基于该模型开发汽轮机初压优化系统，旨在指导现场运行人员调整运行初压。热力透平1滑压优化数学模型1.1初压优化模型描述汽轮机运行的经济性与初、终参数及配汽方式有关。汽轮机绝对内效率计算式为：n=nnmni式中：m为循环热效率；m为节流效率,表示整机扣除进汽机构的节流损失后的理想比恰降与总的理想比恰降的比值；为不包含进汽机构的通流部分的相对内效率。对于喷嘴调节汽轮机而言，主要受机组初压影响，na和n主要受喷嘴与节流调节影响。nt随机组初压升高而变大，然而在一定的电负荷和外界环境条件下，初压的调整将改变机组调门开度,影响u和ni。因此，当汽轮机机组运行边界条件一定时，在一定的可运行初压范围内，存在使机组热经济性最优的初压值，即机组热耗率最小对应的主蒸汽压力。汽轮机最优初压的模型可表示为：Imin=f(Nel,Po,twi)Nel min Nal Nel maxs.t.Pomin Po Po maxLs.t.twlmin twi twl max式中：q为机组热耗率,kJ/（k Wh)；Ne l 为机组负荷，MW；Po 为机组初压，MPa；t w 为循环水人口温度,。1.2BP神经网络算法人工神经网络是一种借鉴人脑神经系统功能来进行信息处理和记忆的算法数学模型。人工神经网络通常由大量的节点（人工神经元）相互连接而构成,其基本结构如图1所示。XX一Wt,一Wi图1人工神经元模型图1中：x，为从其他神经元传来的输人信号；w；为从神经元j到神经元i的连接权值；b,为净输人；f（）为传递函数；y；为输出信号。则神经元i的输出与输入的关系表达为：y:=fZwk,+b.)(1)(2)y(3)195第3 期众多的节点（神经元)的组合方式不同,形成的神经网络也不同。BP神经网络是一种误差逆向传播的多层前馈神经网络。因为其结构简单,并且可以实现从输人到输出的任意非线性映射等特点,BP神经网络成为目前应用最为广泛的人工神经网络算法之一。其训练过程分为前向传播和反向传播2 个过程。BP神经网络的结构主要包括输入层、隐含层和输出层。在前向传播过程中，输入参数从输入层输入，经过隐含层逐层计算，最终由输出层得到算法输出。若算法输出与期望输出间的误差未满足要求，则进入反向传播过程，逐层修改并更新隐藏层中的权值和偏置，再重新进行正向传播。如此循环往复，直到计算输出和期望输出间的误差满足要求。图2 为BP神经网络结构示意图 ,第1层为输入层,最后一层（第1层)为输出层，中间各层为隐含层。其中x,为输人层的输人；y为输出层的输出；w为从第1-1层到第l层的第j个神经元间的权值；b）为第1层各神经元的偏置。X一W6基于神经网络的汽轮机运行初压优化研究获取试验工况下机组最低热耗率和最优初压，其计算公式如下：(qmin Po,opt)=f(Nel,to,Pe,tar,Grdp,Gg,Gj）(5)式中：min为最低热耗率，kJ/（k Wh）；Po,o p r 为机组最优初压,MPa。由于机组初压寻优热力性能试验无法覆盖全背压工况,因此本文根据背压修正曲线获取全背压工况数据，利用神经网络算法建立基于初压寻优试验的初压优化模型，具体建模步骤如下：1)基于试验数据，根据背压-热耗修正曲线对试验数据进行修正，以获取全背压工况下的热耗数据。2)以试验工况参数为边界，从实际运行数据中筛选出同一边界条件的运行工况。根据初压寻优热力试验可知，从实际运行数据中筛选出的工况可视为最优初压工况。3)将从实际运行数据中筛选出的最优工况作为训练数据，建立神经网络模型，模型输入参数为机组负荷、背压、主蒸汽温度、再热蒸汽温度、给水泵汽轮机抽汽流量、再热减温水流量和过热减温水流量，模型输出参数为优化后的初压和热耗率，模型如图3 所示。Xbj)hXm-输入层图2 BP神经网络结构示意图1.3基于初压寻优试验的初压优化模型根据式（2）最优初压模型可知，最优初压的计算精度取决于机组热耗模型的计算精度。机组实际运行中,负荷Nel、初压po、初温to、背压p。、再热温度tzr、给水泵汽轮机抽汽流量Gap过热减温水流量Gg和再热减温水流量Gi等关键参数的变化都会引起热耗率变化。为提高热耗模型的准确性,本文将以上热力参数均计入式(2)所示的热耗模型：q=f(Nel,Po,to,Pe,tr,Gap,Ggi,G,)为提高滑压优化模型的计算精度及速度，本文基于机组初压寻优热力性能试验数据,对滑压优化模型进行调整。机组初压寻优热力性能试验是指当机组负荷和机组背压一定时,在可运行区间内改变初压，以196负荷背压yn主蒸汽温度隐藏层输出层(4)优化后初压再热蒸汽温度给水泵汽轮机抽汽流量再热减温水流量过热减温水流量图3 初压优化神经网络模型输人输出示意图2算算例分析2.1石研究对象本文以某电厂6 3 0 MW超临界中间再热凝汽式汽轮发电机组为研究对象。该机组为超临界单轴、三缸四排汽、一次中间再热、凝汽式汽轮机。回热系统由3 台高压加热器、1台除氧器和4台低压加热器组成。机组配汽方式为喷嘴调节。机组的主要设计参数如表1所示。优化后热耗率基于神经网络的汽轮机运行初压优化研究表1对象机组主要设计参数项目汽轮机进汽压力/MPa汽轮机进汽温度/再热蒸汽进汽阀前温度/额定背压/kPa夏季背压/kPa转速/(r min-l)低压末级叶片长度/mm额定功率/MW阀门全开工况(VWO)功率/MW额定给水温度/阀门全开工况质量流量/（th-l)热耗率验收工况(THA）热耗率/（kJkW-1h-1）2.2初压寻优试验表2 为对象机组初压寻优试验结果数据。分别在55%THA、6 0%T H A、7 0%T H A、7 5%T H A、80%THA和8 5%THA工况下进行初压寻优试验，保持机组背压不变,改变机组初压，根据机组热耗率随初压的变化关系，求取最优热耗率及对应的最优初压，试验结果如表2 所示。表2 机组初压寻优试验结果功率/最优热耗率/工况MW(kJ kW-1.h-)55%THA350.8560%THA380.84470%THA442.10375%THA480.24180%THA506.27785%THA534.8972.3初压优化模型算例分析根据机组初压寻优试验结果，利用机组背压-热耗修正曲线对试验工况数据进行背压修正，以获取全背压工况下优化后的初压与热耗率数据。机组背压变化对热耗修正率的曲线如图4所示。根据机组冷端特性及历史机组背压范围,本文基于表2 所示机组初压寻优试验数据，利用图4所示背压-热耗修正曲线得到背压为2 8 kPa的全背压工况下优化热耗率与机组功率关系曲线簇，如图5所示。热力透平76数值5-.-2阀全开24.24566356624.609.1-1上3000-21 050-3-3-2-1630686.132276.419437.556最优初背压/压/MPakPa8 094.6616.258 020.7918.5927955.2823.3757 930.9624.27 883.7924.27 853.424.2一4阀全开-3阀全开012345背压变化量/kPa图4背压-热耗修正曲线82008100800079007800上77007600750074007300300350400450500550功率/MW图5全背压工况下优化热耗率与机组功率关系曲线簇以表2 试验数据及图5修正后全背压工况曲线簇的机组负荷和背压为基准，从2 0 19 年12 月12日至2 0 2 0 年9 月2 7 日的机组实际运行数据中6.3466.0096.9627.0746.8696.982*8kPa7.5 kPa+7kPa+6.5 kPa+6kPa+5.5kPa5kPa+4.5kPa+4kPa+3.5kPa+3kPa2.5kPa+2kPa600 650进行工况筛选，筛选功率步长为（10 5）MW，背压步长为（0.50.0 2 5）kPa。同时,筛选过程将式(4)中的主蒸汽温度、再热蒸汽温度、给水泵汽轮机抽汽流量、再热减温水流量和过热减温水流量作为筛选条件，以获取全背压和多边界下的机组热耗率随电负荷及初压变化的关系。图6 给出了机组背压为3 kPa时的现场数据筛选结果。基于筛选后的现场数据拟合机组负荷与热耗率关系，由图6 可知：（1)热耗率随机组负荷升高而降低，且现场数据与试验数据变化趋势大致相同；（2）根据数据筛选条件可知，当机组负荷一定时,热耗率存在差异的原因主要是机组运行初压不同，且当电负荷一定时，试验数据热耗率处于同工况条件下较优水平。据此，从现场数据中选取试验数据拟合曲线附近（0.2 5%范围）的工况点作为初压优化模型的训练数据。197第3 期8600840082008000780076007400340360380400420440460480500520负荷/MW图6背压为3 kPa时现场数据筛选结果基于神经网络的汽轮机运行初压优化研究2.4初压优化结果现场数据试验数据拟合曲线现场数据拟合曲线利用上述初压优化模型对现场实际运行工况进行初压优化，结果如图9 所示。根据优化工况的边界条件，从现场数据中筛选出与优化后工况边界条件（除初压外）一致的工况点，对比优化后热耗率与实际工况热耗率水平。由图9 可知，初压优化后热耗率相比于实际运行热耗率，处于较低水平,因此该模型具有一定的优化效果。8600。实际热耗率优化热耗率8400口按上述方法，基于图5全背压工况下优化初压与热耗率曲线，分别筛选得到2 8 kPa工况下的现场实际运行数据，作为初压优化模型训练数据和验证数据。将上述筛选的现场运行数据集随机分配，将90%的数据作为图3 所示神经网络模型的训练数据，剩余10%的数据作为神经网络模型的验证数据。验证结果分别如图7 和图8 所示。初压和热耗率的预测值与其对应的真实值的相对误差分别集中在-1%,2%和-1%,1%,这表明该模型的初压和热耗率的预测结果可靠。5040302010250300350400450 500550600负荷/MW图7验证数据初压与热耗率对比642O246%622460图：验证数据初压与热耗率相对误差198820080007800760003汽轮机初压优化系统开发与应用900085008000初压真实值初压预测值热耗率预测值热耗率真实值200400工况数2004001000图9初压优化效果对比本文基于上述初压优化模型开发了汽轮机初压优化系统，流程如图10 所示。现场实时运行数据经数据清洗、去穴余等前处理，得到初压优化神7500经网络模型所需的负荷、背压等输人参数，进而得7000到优化后的初压和热耗率。据此可指导现场人员6500设定机组初压，同时可输出实时滑压曲线。同时，6000一方面可通过机组热力性能试验验证模型的输出结果,另一方面,为防止机组老化对模型精度产生影响，可根据热力性能试验数据适时更新模型。更新一初压优化神经网络模型输出600800600800工况数2.000工况数实时运行数据数据前处理10001200100012003000试验数据初压、热耗优化值输出验证一实时滑压曲线图10 汽轮机初压优化系统流程(下转第2 3 6 页）4000第3 期和温度偏差对轴瓦平行度的影响；9)热抽真空期间应监测顶轴油压差；10)如低发转子热抽时并未完成铰孔连接，则应在热抽前将发电机转子向发电机侧推开足够距离，以避免热态下汽轮机转子向发电机侧膨胀，导致旋转的汽轮机转子与静止的发电机转子碰磨；11)关注盘车电流,采用手持式电流表就地测量，监测轴承温度及油压变化趋势，记录并观测顶轴油母管压力、油箱温度、轴封进汽压力和温度、喷淋压力等数据；12轴瓦前后温差可反映轴瓦平行度情况，应以报警值为限值，超过限值应停止抽真空试验。5处理方案实施效果处理方案实施后，现场进行了第2 次热抽真空试验，结果显示抽真空前盘车稳定运行，盘车电流5 2.2 A，抽真空后盘车电流开始上升，盘车电流最大值为5 7.2 A,并维持约4 min，随即盘车电流开始下降,最终电流恢复到正常值。6 结 论本文采用分析-排查-试验相结合的方法，通(上接第1 9 8 页）4 结 论本文以某6 3 0 MW燃煤机组为研究对象，以机组初压寻优试验数据为基础，通过对试验数据进行背压修正，获得了全背压工况下全负荷段的优化初压与热耗率关系的曲线簇。根据试验修正数据,将现场实际运行数据中负荷、背压等主要参数作为边界条件进行数据筛选，用筛选后的数据进行初压优化模型训练，并通过对比初压和热耗率的预测值与真实值验证了模型的准确性，得到如下结论：1)优化结果显示，该模型可以根据机组实际运行的边界条件求得当前工况下的初压与热耗率优化值；2)与同边界条件工况相比，初压优化后热耗率相比于实际运行热耗率,处于较低水平,因此该模型具有一定的优化效果。参考文献：236核电汽轮机主盘车跳闸原因分析及处理过分析该型汽轮机主盘车的结构特点及跳闸问题特征,对事故进行理论分析和现场排查,逐步明确了可能的原因，并针对性地进行逐项剖析。明确问题的根本原因及其影响因素后，提出了问题的处理方案，问题得到了解决。同时得出结论：1)核电汽轮机顶轴油调压工作是一项复杂的系统工程，须综合考虑转子挠度、温度、汽缸变形及支撑结构等各方面的影响；2)应结合调压阀自身的性能，制订符合现场条件的顶轴油压调整方案，使其达到制造厂的标准要求；3)尽量在各热态工况下复核顶轴油压，以确保工况的变化不会导致其过大波动，保证汽轮机的安全运行。参考文献：1王芳森，李诚.核电汽轮机SSS主盘车装置故障分析与处理J.中国机械,2 0 1 4,2 0:2 5 2-2 5 4.2张宇，赵远，孟庆鑫，等.大学物理（第一版）M.北京：高等教育出版社，2 0 1 5.3朱之德.摩擦鼓风损失对透平膨胀机性能的影响 J.深冷技术,2 0 0 8(6):2 7-2 9.1 陈胜利，荆涛，李高潮，等.排汽压力对汽轮机运行优化试验结果的影响研究 J.热力发电，2 0 1 3,4 2（4）：2 8-3 0.2 江宁，曹祖庆.从经济性看汽轮机滑压运行的最佳方式J.上海汽轮机,2 0 0 2(1):3 6-4 2.3 黄海东，常澍平，郭江龙，等.汽轮机滑压运行优化调整研究J.汽轮机技术,2 0 1 0,5 2（1)：7 7-7 8.【4 胡宇非，马魁元，张艳辉，等.间接空冷机组定滑压曲线优化试验研究 J.汽轮机技术，2 0 1 9,6 1（3）：2 1 3-2 1 6.【5 范鑫，秦建明，李明，等.超临界6 0 0 MW汽轮机运行方式的优化研究 J.动力工程学报，2 0 1 2,3 2（5）：3 5 6-3 6 1.6 万杰，孙建国，陈宁，等.基于背压实时修正的汽轮机滑压运行曲线综合优化 J.汽轮机技术，2 0 1 6,5 8（1）：4 3-4 6.【7】李萍，大型凝汽式汽轮机系统设备建模与运行初压优化D.南京:东南大学,2 0 1 8.【8 熊帅敏.调峰工况下汽轮机组滑压运行研究D.重庆：重庆大学，2 0 1 5.9】刘伟,叶亚兰，司风琪，等.基于BP神经网络和SA-BBO算法的汽轮机组最优运行初压的确定J.热能动力工程，2013,28(1):18-22,106-107.10】胡冰,张仲民,武永运,等.应用BP神经网络确定汽轮机组滑压运行的最优初压 J.热力发电，2 0 0 3，（7)：1,2 4-2 6,3 8.11王涛.基于过程数据的脱硫系统运行特性及优化方法研究D.南京：东南大学,2 0 2 0.