基于长短期记忆网络的阀门升程-功率预测

摘要：

汽轮机调节阀门升程与通过阀门的蒸汽流量的对应关系,是调节机组输出功率的主要依据,但汽轮机阀门由于长期受主蒸汽冲刷,受机组通流结构的老化、变形、改造等影响,其实际流量特性曲线在使用过程中容易偏离设计值,从而严重影响机组运行的经济性以及安全性.针对这个问题,提出了一种基于长短期记忆(LSTM)神经网络的阀门升程-功率预测方法,利用调节阀门升程指令直接预测汽轮机机组的输出功率.该方法具有学习速度快、精度高以及自适应的特点,无需人为干预.电厂实际运行数据验证结果显示:对某电厂半年的运行数据进行学习,需要9h,预测430天误差平均值为0.49％.同时训练的神经网络模型较小,可以迁移到电厂现场的小型计算机上进行控制.该方法具有较高的工程实用价值.

关键词：阀门流量-升程曲线、长短期记忆神经网络、阀门升程-功率预测

所属期刊栏目：47

分类号：TK262(蒸汽动力工程)

在线出版日期：2019-04-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：241-246,257