首页 / 专利库 / 数学与统计 / 聚类算法 / 一种基于小样本暂态数据的汽轮机高调门流量特性优化方法

一种基于小样本暂态数据的汽轮机高调流量特性优化方法

阅读:1028发布:2020-06-05

专利汇可以提供一种基于小样本暂态数据的汽轮机高调流量特性优化方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于小样本暂态数据的 汽轮机 高调 门 流量特性优化方法,通过 采样 汽轮机变负荷过程中的暂态数据,再对所采集的数据进行清洗和 聚类分析 ,得到各个负荷工况下的样本数据集;根据汽轮机调节级压 力 和进汽量之间的正比关系,对样本数据集中的汽轮机进汽量进行修正,得到相同边界条件下汽轮机进汽量;最后采用最小二乘拟合 算法 ,对进汽流量与总 阀 门指令进行线性化拟合,并结合原有流量与阀门指令之间的关系,对汽轮机高调门流量特性曲线进行修正,得到线性化后的汽轮机各高调门配汽曲线。,下面是一种基于小样本暂态数据的汽轮机高调流量特性优化方法专利的具体信息内容。

1.一种基于小样本暂态数据的汽轮机高调流量特性优化方法,其特征在于,包括以下步骤:
步骤一:小样本暂态数据采集,基于DCS系统中存储的历史数据,以秒级采样周期,采集机组在50%-100%负荷工况下连续变负荷的小样本暂态数据;
步骤二:历史数据清洗,采用孤立森林算法对步骤一所采集的小样本暂态数据中的异常值进行检查并剔除,并采用线性差值方法进行补充;
步骤三:历史数据聚类,以机组负荷作为聚类质心的划分依据,从步骤二清洗后的历史数据中,根据负荷的变化幅度,每隔1MW选择初始聚类中心点,采用PAM聚类算法得到不同负荷工况下的机组蒸汽参数及位指令的目标数据集;
步骤四:汽轮机主蒸汽进汽量修正,选取步骤三所得到的目标数据集中最高负荷工况下对应的主蒸汽压和调节级作为参考值,根据机组调节级压力和蒸汽流量之间的正比关系,将目标数据集中汽轮机进汽量修正至参考值下对应的汽轮机进汽量;
步骤五:高调门配汽曲线优化,将步骤四修正后的汽轮机进汽量与总阀位指令采用最小二乘算法进行线性化拟合,得到期望的汽轮机进汽量与总阀位指令之间的线性关系曲线;
步骤六:高调门配汽曲线修正,利用步骤五拟合得到的汽轮机进汽量与对应的总阀位指令之间的线性关系,结合原汽轮机高调门流量特性曲线,对总阀位指令分配至各单阀的指令函数进行修正优化,得到新的汽轮机阀门配汽函数。
2.根据权利要求1所述的一种基于小样本暂态数据的汽轮机高调门流量特性优化方法,其中,步骤一中的采样周期为1秒,所采集参数包括:机组功率、主蒸汽流量、主蒸汽压力、主蒸汽温度、调节级压力、高压缸排汽压力、高压缸排汽温度、总阀位开度、GV1阀位开度、GV2阀位开度、GV3阀位开度、GV4阀位开度。
3.根据权利要求1所述的一种基于小样本暂态数据的汽轮机高调门流量特性优化方法,其中,步骤二所述孤立森林算法,由iTree组成,采用多次迭代方式构建二叉搜索树,并将这些二叉树组成森林,其构建过程包括:
(1)从n个训练数据中随机抽取m个子样本,放入一颗孤立树的根节点,其中;
(2)随机指定一个维度,在当前节点数据范围内,随机产生一个切割点p——切割点产生于当前节点数据中指定维度的最大值与最小值之间;
(3)此切割点的选取生成了一个超平面,将当前节点数据空间切分为2个子空间:把当前所选维度下小于p的点放在当前节点的左分支,把大于等于p的点放在当前节点的右分支;
(4)把节点的左分支和右分支节点递归步骤2、3,不断构造新的叶子节点,直到叶子节点上只有一个数据(无法再继续切割)或树已经生长到了所设定的高度;
(5)记录每个数据从根节点到叶子节点经过边的数量,即路径长度h(x),以此来计算该数据的异常指数S(x,n):
c(n)=2H(n-1)-(2(n-1)/n)
其中,H(n)=ln(n)+ξ,ξ=0.5772156649为欧拉常数,S(x,n)越接近1表示该点是异常点的可能性越高,越接近0表示该点为正常点的可能性越高。
4.根据权利要求1所述的一种基于小样本暂态数据的汽轮机高调门流量特性优化方法,其中,步骤三中选取50%~100%连续变负荷数据段,以1MW间隔作为质心划分依据,确定聚类质心个数。
5.根据权利要求1所述的一种基于小样本暂态数据的汽轮机高调门流量特性优化方法,其中,步骤四中所述的将目标数据集中汽轮机进汽量修正至参考值下对应的汽轮机进汽量所采用的计算方法为:
其中,ReaValue代表将目标数据集中汽轮机进汽量修正至参考值下所对应的汽轮机进汽量;
G、p分别表示汽轮机进汽量t/h、压力MPa;GA表示参考工况进汽量;GB表示实际工况进汽量;下标G0表示主蒸汽参数;P1B表示实际工况下调节级蒸汽参数,P0A表示表示参考工况下主蒸汽压力,P0B表示表示实际工况下主蒸汽压力,P1A表示表示参考工况下调节级蒸汽压力,P1B表示表示实际工况下调节级蒸汽压力。

说明书全文

一种基于小样本暂态数据的汽轮机高调流量特性优化方法

技术领域

[0001] 本发明专利属于汽轮机运行优化技术领域,涉及一种基于小样本暂态 数据的汽轮机高调门流量特性优化技术。以机组小样本暂态数据为依据,通过 数据清洗、聚类分析蒸汽流量修正等技术,对汽轮机高调门线性度进行优化, 可以有效改善汽轮机的动态调节性能,提升机组负荷控制精度和一次调频控制 品质。

背景技术

[0002] 随着能、太阳等新能源的大量接入,为了保证电网负荷和频率的稳 定,平抑随机波动性电源对电网安全造成的影响,常规燃电机组需频繁的 参与到电网调峰和调频中,电网对火电机组的控制要求不断提高,机组需能够 快速跨出调节死区,并实现快速高精度的负荷调节。
[0003] 机组负荷控制通常由汽轮机数字电液控制系统(DEH系统)来完成,DEH 系统的门流量特性曲线线性度偏差过大,其不仅会增加机组对负荷的响应时 间,而且在快速调节过程中容易造成高调门的频繁震荡,导致机组负荷的调节 速率和调节精度性能变差、主蒸汽参数波动,阀门执行机构的疲劳损伤增加, 影响电网两个细则的考核指标,不利于机组安全、经济运行。
[0004] 在机组实际运行过程中,其每天频繁的参与负荷调节,在分散控制系统 (DCS系统)中存在大量机组暂态数据,这些数据能够客观、全面的反映出机 组当前的运行特性和性能。如何从小样本的暂态数据中分析汽轮机高调门的流 量特性,使其更好地为运行实际服务,也是摆在工程技术人员面前的一个课题。

发明内容

[0005] 为解决上述问题,本发明专利提供了一种基于小样本暂态数据的汽轮机高 调门流量特性优化技术。本发明专利的目的在于提供一种基于小样本暂态数据 的汽轮机高调门流量特性优化技术,通过小样本的机组暂态数据,辨识并优化 汽轮机总阀位指令与主蒸汽流量之间的线性关系,使得汽轮机高调门配汽函数 更加合理,提升机组的变负荷动态性能。
[0006] 为实现上述目的,本发明专利采用的技术方案是:
[0007] 第一步:小样本暂态数据采集。利用DCS中存储的历史数据,选取机组负 荷在50%-100%区间内的连续变负荷数据段;
[0008] 第二步:数据清洗。采用孤立深林算法对小样本数据中的异常值进行检查 并剔除,并采用线性差值方法进行补充;
[0009] 第三步:数据聚类。以机组负荷作为质心划分的依据,每变化1MW为一个 质心,采用PAM聚类算法对清洗后的数据进行聚类计算,得到表征汽轮机运 行特性的目标数据集;
[0010] 第四步:主蒸汽流量修正。选取目标数据集中最高负荷工况下对应的主蒸 汽压力和调节级压力作为参考值,根据机组调节级压力和蒸汽流量之间的正比 关系,将目标数据集中汽轮机进汽量修正至参考值下对用的汽轮机进汽量;
[0011] 第五步:阀门流量特性线性化拟合。根据修正后的汽轮机进汽量与总阀位 指令,采用最小二次算法进行线性化拟合,得到期望的汽轮机进汽量与总阀位 指令间的线性关系;
[0012] 第六步:高调门配汽曲线修正。依据拟合得到的汽轮机进汽量与总阀位之 前的线性曲线,结合原始的汽轮机高阀门配汽函数,对总阀位指令分配至各单 阀指令函数进行修正,得到新的汽轮机阀门配汽函数。附图说明
[0013] 图1为本发明实施例实际流量特性曲线与修正后流量特性曲线。
[0014] 图2为本发明实施例优化后总阀位指令与GV1阀位指令对应关系曲线示例 图。

具体实施方式

[0015] 本发明专利所述的一种基于小样本暂态数据的汽轮机高调门流量特性优化 技术,包括以下步骤:
[0016] 第一步:小样本暂态数据采集。利用DCS中存储的历史数据,选取机组负 荷在50%-100%区间内的连续变负荷数据段;如表1所示,本发明专利采集参数 包括:机组功率、主蒸汽流量、主蒸汽压力、主蒸汽温度、调节级压力、高压 缸排汽压力、高压缸排汽温度、总阀位开度、GV1阀位开度、GV2阀位开度、 GV3阀位开度、GV4阀位开度。
[0017] 采用周期:1秒。
[0018] 第二步:采用孤立深林算法对小样本数据中的异常值进行检查并剔除,并 采用线性差值方法进行补充。
[0019] 孤立森林由iTree组成,采用多次迭代方式构建二叉搜索树,并将这些二叉 树组成森林。其构建过程如下:
[0020] (1)从n个训练数据中随机抽取m个子样本,放入一颗孤立树的根节点
[0021] (2)随机指定一个维度,在当前节点数据范围内,随机产生一个切割点p—— 切割点产生于当前节点数据中指定维度的最大值与最小值之间;
[0022] (3)此切割点的选取生成了一个超平面,将当前节点数据空间切分为2个 子空间:把当前所选维度下小于p的点放在当前节点的左分支,把大于等于p 的点放在当前节点的右分支;
[0023] (4)把节点的左分支和右分支节点递归步骤2、3,不断构造新的叶子节点, 直到叶子节点上只有一个数据(无法再继续切割)或树已经生长到了所设定的 高度。
[0024] (5)记录每个数据从根节点到叶子节点经过边的数量,即路径长度h(x), 以此来计算该数据的异常指数S(x,n):
[0025]
[0026] c(n)=2H(n-1)-(2(n-1)/n)
[0027] 其中,H(n)=ln(n)+ξ,ξ=0.5772156649为欧拉常数。S(x,n)越接近1表示该点是异 常点的可能性越高,越接近0表示该点为正常点的可能性越高。
[0028] 第三步:数据聚类。以机组负荷作为质心划分的依据,每变化1MW为一个 质心,随机抽取初始聚类中心,并采用PAM聚类算法对清洗后的数据进行聚 类计算,得到表征汽轮机运行特性的目标数据集。以机组负荷变化范围为 [150MW,300MW]为例,以1MW间隔作为质心划分依据,确定聚类质心为150 个,采用PAM聚类算法获取目标数据集;
[0029] 第四步:汽轮机进汽流量修正。选取目标数据集中最高机组负荷工况下对 应的主蒸汽压力和调节级压力作为参考值,将目标数据集中的蒸汽流量修正至 同一蒸汽压力平下,计算方法如下:
[0030]
[0031] 其中,G、p分别表示汽轮机进汽量t/h、压力MPa;下标A表示参考工况; 小标B表示实际工况;下标0表示主蒸汽参数;下标1表示调节级蒸汽参数。
[0032] 第五步:高调门流量线性化拟合。根据修正后的主蒸汽流量特征值RealValue 与总阀位指令,采用最小二次算法进行线性化拟合,得到期望的汽轮机进汽量 与总阀位指令间的线性关系,如图2所示。
[0033] 第六步:高调门配汽曲线修正。依据拟合得到的汽轮机进汽流量与总阀位 之前的线性曲线,结合原始的汽轮机高调门配汽函数,对总阀位指令分配至各 单阀指令函数进行修正,得到新的汽轮机高调门配汽函数。如图2所示为优化 后总阀位指令与GV1阀位指令对应关系曲线。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈