基于输入-输出修正的水轮机特性曲线精细化模型
目前常用的水轮机特性曲线模型包括线性模型和非线性模型,它们都是根据描述水轮机内外特性的方程或试验数据得到的.然而在建模的过程中,各种误差难以避免,如模型误差、测量误差和读数误差等,可能造成预测值与实际值不相符,影响模型的精度.同时,有关水轮机特性曲线模型修正的文献较少,缺乏行之有效的方法或准则,不利于相关研究成果的实际应用.本文以水轮机神经网络模型为例,提出了基于输入-输出修正的水轮机特性曲线精细化建模方法,并验证了该方法的有效性.首先根据模型综合特性曲线和边界条件,分别建立混流式和轴流式两种机组的非线性特性曲线模型.其次利用粒子群优化算法和二次多项式逼近原理,依次对模型输入和输出参数进行修正,得到最优修正系数.最后整合原始模型和修正部分,得到水轮机特性曲线的精细化模型.试验结果表明该方法能够有效提高模型的仿真精度,对研究真实机组的非线性特性具有重要意义.
水轮机、模型修正、神经网络、粒子群算法
50
TK73;TV73(水能、水力机械)
国家自然科学基金项目51379160
2019-07-10(万方平台首次上网日期,不代表论文的发表时间)
共10页
555-564