火电厂厂级监控信息系统（SIS）建模、实现及人工智能的应用研究

发布时间：2020-11-08 23:18

　　 为提高我国火电厂生产管理水平和整体经济效益,火电厂厂级监控信息系统(SIS)的出现成为必然,与SIS系统相关的各类问题已成为一类热门研究课题。 因火电厂各研究对象的复杂性、非线性、各参数间耦合关系的复杂,在火电厂SIS系统功能模块的开发、建模上存在模型不准确、甚至难以建模的问题。本文以SIS系统中高级应用软件“机组性能在线监测与能损分析系统”和“全厂机组负荷优化分配系统”的开发为例,系统介绍了传统建模方法在解决火电厂机组性能计算、运行参数基准值和能损偏差分析等模型的建立方法,分析了这些方法的优缺点、适应对象和局限性。 针对传统方法在SIS系统功能模块建模中存在的问题,我们首次采用以神经网络和遗传算法为代表的人工智能建模方法,在火电厂运行参数基准值的确定和能损偏差计算及带约束的优化问题的建模上引入人工智能的建模方法,同时为人工智能建模方法在SIS系统功能模块建模应用实现细节中存在的问题、解决方案作了详细的介绍。 首次采用自组织映射网络(SOM)结合BP神经网络方法建立了汽轮机功率模型,采用SOM网络的聚类功能,解决了传统样本提取方法正交性和完备性差的局限性。仿真结果表明该模型的预测计算结果与实际数据误差在1.5%之内,大部分误差不超1%。利用该模型和循环水系统功耗模型可确定不同工况下的真空运行最优值,为凝汽器真空运行最优值(基准值)的确定提供了一个全新的方法,同时利用该模型计算几个主参数偏离基准值的能损偏差,同传统的运行参数基准值模型和能损偏差分析方法相比,该模型具有明确的设备针对性。 在遗传算法应用于火电厂机组负荷优化分配问题中,首次提出部分解约束结合惩罚函数的改进实数遗传算法,在约束条件的处理、变异策略、初始化等多方面针对该问题的特点对实数遗传算法提出了新的改进思想,解决了遗传算法应用于多峰值优化问题中因早熟而收敛于局部极值点的难题,对5台机组的火电厂机组负荷优化分配的仿真表明优化成功率能达到100%; 并首次全面分析了遗传算法各操作参数(遗传代数、交叉概率、变异概率、惩罚系数和选择压力)对优化效果的影响,为这类优化问题中遗传操作参数的选择提供一定的参考依据。 在SIS系统高级应用软件的开发过程中,针对电厂厂级监控信息系统(SIS)的特点要求,利用COM软件思想开发了热力系统各通用模块组件模型和通用热力系统模型组件,能自动根据组态软件产生的不同机组热力系统结构,构成热力系统对象实例,组件对象间通过接口通信传递能流和质流信息,在线计算并监测电厂热力系统各经济性能和能损。并以回热加热器和整体热力系统为例介绍了热力系统组件对象模型的开发方法,COM思想大大提高了SIS软件模块通用性、灵活性、重用性和可扩展性。
【学位单位】：东南大学
【学位级别】：博士
【学位年份】：2004
【中图分类】：TM769
【部分图文】：

不论回热系统型式如何多变，流程如何复杂，组成回热子系统的关键模块仍是回热加热器，我们在此不采用上述方法，而从回热系统最基本的组成模块回热加热器入手，建立较为通用的回热加热器模块模型，在回热系统计算中直接调用回热加热器模块进行计算。从回热系统计算目的出发，我们把回热加热器分为两大类型：面式回热加热器(图 3.2)和混合式回热加热器（图 3.3）。

不论回热系统型式如何多变，流程如何复杂，组成回热子系统的关键模块仍是回热加热器，我们在此不采用上述方法，而从回热系统最基本的组成模块回热加热器入手，建立较为通用的回热加热器模块模型，在回热系统计算中直接调用回热加热器模块进行计算。从回热系统计算目的出发，我们把回热加热器分为两大类型：面式回热加热器(图 3.2)和混合式回热加热器（图 3.3）。

ηrih(3-9)=hfi-hsi，ri=hsi-1-hsiqfi=hfi-hwi+1，ri=hsi-1-hwi+13＃、5＃、6＃均为表面逐流式回热加热器，表面，如有多股辅助汽或辅助水，则经多次混合器模块回热加热器模块。一些说明。对除氧器(图中 4＃加热器)，可直接调回热加热器(图中 7＃加热器)，因一般只知疏水泵未知，为对其进行计算，可先假设混合点后的主流汽量及疏水量，再修正混合点后的主流水焓值，经加热器的计算；对热井，可把 8＃加热器、轴封加视轴封汽为辅助汽，一次调用混合式回热加热器
【引证文献】

相关博士学位论文 前4条

1 杨婷婷;基于数据的电站节能优化控制研究[D];华北电力大学（北京）;2010年

2 刘进雄;基于主设备优化运行的火电厂节能方法与应用研究[D];武汉大学;2010年

3 周鲁霞;从垄断到竞争：发电厂商经营策略选择[D];北京交通大学;2008年

4 王天真;智能融合数据挖掘方法及其应用[D];上海海事大学;2006年

相关硕士学位论文 前6条

1 李苗苗;基于无线网络的建筑能耗监测系统研究[D];安徽理工大学;2013年

2 马汝东;基于煤耗最小的厂级负荷优化调度[D];东北电力大学;2012年

3 李健;数据驱动的电站运行优化目标值研究[D];华北电力大学（北京）;2011年

4 苟婷;WCF技术在热电厂生产经营预警系统中的应用研究[D];西安建筑科技大学;2010年

5 祝芳;基于偏差分析和人工智能方法的电厂机炉运行优化研究[D];大连理工大学;2006年

6 郑波;配棉工艺系统与纺纱质量预测的分析与设计[D];东南大学;2006年

本文编号：2875504