基于神经网络的凝汽器变工况模型

摘要：

汽轮发电机组冷端系统运行优化问题中,因凝汽器设备运行一段时间后污染结垢及设备老化而性能改变,传统的凝汽器变工况特性模型计算值与实际值偏差较大,影响优化效果.针对上述问题,以600MW汽轮机组凝汽器为研究对象,在大型历史数据集的基础上,采用BP神经网络建立了该机组凝汽器变工况特性模型,仿真结果表明机组背压的预测计算结果与实际数据误差在4.5％之内,大部分误差不超2.0％.基于上述模型对凝汽器变工况特性进行了计算及敏感性分析,结果表明机组背压对循环冷却水进口水温变化最为敏感,其次是负荷率变化,最后是循环水流量变化;在机组高负荷率和入口冷却水温较高时,增加循环水流量降低机组背压效果更加明显.

关键词：汽轮机组、机组背压、凝汽器、变工况、神经网络

所属期刊栏目：39

分类号：TP391.9;TK264(计算技术、计算机技术)

资助基金：江西省重点研发计划项目2017ACG70012

在线出版日期：2022-11-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：99-103